Heavy Truck Dynamic Rollover: Effect of Load Distribution, Cargo Type, and Road Design Characteristics
Notice bibliographique
Résumé
The dynamic response of a five-axle tractor–trailer unit carrying loads of various weights was evaluated under actual operating conditions as the vehicle traveled along roadway curves with various radii. A data acquisition system (DAS) was designed and developed to record information for a vehicle moving at highway speeds. The DAS used sensors interfaced to a central processing unit. The test runs were performed over a total of 1,110 km of highway under three load configurations: empty, loaded with less than the truck load, and loaded with bottled spring water packed in boxes. Data on lateral, longitudinal, and vertical accelerations; steering activity; vehicle speed; and roll angle of the trailer were recorded. It was found that in most cases the average level of lateral acceleration exhibited on both the tractor and the trailer exceeded expected values calculated for the curves on the basis of geometric design characteristics. Comparisons of actual results with theoretical considerations confirmed this observation. Analyses of field data indicated that under certain motion and load conditions, the occasional peak lateral acceleration values generated were in the vicinity of rollover threshold values estimated for the instrumented vehicle. The results also showed that although the vehicle traveled at or below the posted speed limit in the majority of cases, lateral accelerations recorded for the trailer exceeded expected lateral accelerations under all load configurations. This suggests the need to consider establishing speed limits on curves that take into consideration the different responses of heavy trucks compared with those of smaller and lighter vehicles.
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.
Comment cette classification a été obtenuedéplier
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».