Evaluation of Semiautomated and Automated Pavement Distress Collection for Network-Level Pavement Management
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
The Ministry of Transportation Ontario (MTO) and the University of Waterloo examined the feasibility of using automated pavement distress collection techniques in addition to data collected through manual surveys. Test sections including surface-treated, asphalt concrete, composite, and portland cement concrete pavement structures in 37 locations in southern Ontario, Canada, were evaluated. Distress manifestation index (DMI) values were computed for each section by MTO pavement design and evaluation officers using the manual evaluation data collected. DMI values were then computed for each section by using automated distress evaluation data. Before DMI values could be computed, the relevant data had to be extracted and verified, and the distress data had to be categorized. DMI values computed from data collected manually and by using automated systems were compared. Finally, a repeatability analysis was performed on both the manual and the automated techniques. Results indicate no significant differences among sensor-based equipment; however, there are significant differences among measurements obtained from digital image-based technology. The implications of such outcomes are discussed, including the specifics regarding methodology implementation in order to encourage practitioners to benefit from the preliminary investigation. Current available techniques can provide MTO with valuable information for pavement management purposes. The automated results are comparable with manual surveys. However, these surveys should be supplemented with manual surveys, especially for design purposes, because some of the pavement distresses were difficult to identify with the automated methods.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle