Using Road Weather Information Systems (RWIS) to Control Load Restrictions on Gravel and Surface-Treated Highways
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This research is the second phase of a two-year project conducted at the University of Waterloo (UW) in association with the Ministry of Transportation of Ontario (MTO). During the first phase of the project, experimental sites were installed in Northern Ontario to monitor the amount of frost in the pavement and a preliminary analysis of field and RWIS data found a reasonable correlation between frost depth in the roadway and RWIS variables. To fulfill the ultimate objective of this project, which is to assist the MTO in making effective real time Spring Load Restrictions (SLR) and Winter Weight Premiums (WWP) decisions using Road Weather Information Systems (RWIS) real-time data and forecasts, the second phase of the project followed up by developing empirical predictors for the depths of frost and thaw as well. In addition, deflection data was collected using a portable Falling Weight Deflectometer (PFWD) and the measurements were examined. In addition, the Mechanistic-Empirical Pavement Design Guide (MEPDG) software was used respectively to quantify how much pavement distresses were impacted by various loading scenarios and to simulate the ability of each load restriction scenario to increase pavement service life for typical Northern Ontario structure, climate and traffic conditions. The Ontario Pavement Analysis of Costs (OPAC 2000) software was used to perform a life-cycle cost analysis and evaluate the benefit of imposing SLR when the pavement is weak in terms of pavement preservation and service life. Finally, the findings are organized into practical recommendations for the determination of SLR and WWP schedules, and the overall need for collection of Ontario frost and deflection data on low-volume roads with the objective to calibrate the model to various Ontario regions on the one hand and track spring-thaw weakening in the pavement on the other hand is outlined in this final report.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle