MétaCan
Menu
Retour à la cohorte
Enregistrement W2069057459 · doi:10.3141/1989-09

Asset Management Strategy for Unsealed Low-Volume Roads in New Zealand

2007· article· en· W2069057459 sur OpenAlexaffabout
Bryan Pidwerbesky, Simon Hunt, Robert A. Douglas

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésAsset managementAsset (computer security)BusinessTransport engineeringRisk analysis (engineering)Computer scienceFinanceEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

The majority of rural local roads in New Zealand are unsealed low-volume roads that require regular grading, and a contractor has developed an asset management strategy for unsealed roads. Key facets of this strategy included establishment of a companywide asset management team responsible for implementing the strategy, creation of a new senior management position dedicated to delivering this strategy, and integration of asset management principles and processes into normal business. This unsealed roads maintenance strategy identified the need for a low-cost, effective tool for roughness monitoring that quantitatively reflects the unsealed network condition and is not based on subjective perception, which is the current situation. After a review of all existing roughness measurement systems from around the world, the Opti-Grade system from Canada was acquired and is being used on unsealed road networks throughout New Zealand. An example of the benefits of outsourcing road maintenance to private contractors is the fact that it was the contractor that identified the need for a low-cost roughness measurement tool to provide an objective operational performance indicator for rural local roads, initiated the development described in this paper, and implemented its use. This paper explains the processes involved in developing and implementing this strategy and the benefits to both the road authority and the company.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,358
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207