Long-Term Performance of Superpave in Specific Pavement Study 9A
Notice bibliographique
Résumé
As part of the Long-Term Pavement Performance Program, an experiment identified as Specific Pavement Study 9A (SPS-9A) was established to evaluate the long-term performance of the Superpave® mix design methodology. At each project location, three main test sections were constructed, incorporating the conventional agency mix design, the Superpave Level I mix design with a 98% reliability performance-grade (PG) asphalt binder, and Superpave with an alternative PG binder to evaluate rutting or thermal cracking performance. Further supplementary test sections were constructed at most projects to evaluate the use of other PG asphalt binders with the Superpave mix design. This paper provides a performance comparison and paired T-test analysis of the Superpave Level I mix methodology with conventional agency mix methodology based on the SPS-9A experiment test sections. In addition, the performance impact of PG asphalt binder grades and the use of reclaimed asphalt pavement in Superpave was assessed by statistical analysis of field distresses. Field distresses evaluated in the study include fatigue cracking, thermal cracking, and rutting. Although some trends were identified, overall there was no statistically significant difference in performance between the considered PG asphalt binder grades and mix design types. These results would indicate that asphalt binder and mixture properties probably play a larger role in performance than binder and mix design classification. However, because of the level of asphalt binder and mixture property data in DataPave Release 20.0, a more detailed evaluation of binder and mixture properties on performance was not possible.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».