Evaluation of stiffness to predict rutting resistance of hot-mix asphalt: a Canadian case study
Notice bibliographique
Résumé
This paper investigates the relationship between the stiffness and rutting resistance of hot-mix asphalt. Ten different types of hot-mix asphalt were examined. The Superpave mix design method was utilized to produce nine mixes; the remaining mix was designed using the Marshall method. The asphalt mixes were tested for stiffness and rutting resistance under the Centre for Pavement and Transportation Technology research program at the University of Waterloo. The stiffness was determined by the laboratory resilient and dynamic moduli tests. The dynamic modulus test was conducted at six different loading frequencies and five different temperatures. The rutting test was executed by the Hamburg Wheel Rut Tester and the French Laboratory Rutting Tester to obtain rutting depth. The regression analysis was performed to examine the relationships of resilient and dynamic moduli with rutting depth. The results of the regression analysis revealed that resilient modulus did not correlate well with rutting depth. In contrast, dynamic modulus showed strong correlation with rutting depth for a number of loading frequencies and temperatures. The strong relationship was observed at the higher temperatures of +46.1 oC and +54.4 oC. Moreover, the relationship between dynamic modulus and rutting depth was better for lower loading cycles/wheel passes applied in the rutting test. It was also noticed that dynamic modulus exhibited a better relationship with rutting depth obtained from the French Laboratory Rutting Tester. The overall findings indicate that the dynamic moduli obtained at 0.1–1.0 Hz and +46.1–(+54.4) oC are useful to predict the rutting resistance of hot-mix asphalt.
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 | 0,000 |
| 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 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 ».