Field inspection and laboratory testing of highway pavement rutting
Notice bibliographique
Résumé
The main objective of this research was to investigate the contribution of pavement characteristics, traffic, and physical and mechanical properties of asphaltic mixtures to highway pavement rutting. A total of 51 pavement sections from the rural highway network in Jordan were selected for a case study. The average rut depths for these sections were measured and three cores were drilled for comprehensive laboratory testing. The investigation was performed using four approaches. The first approach considered pavement characteristics represented by surface thickness, last overlay thickness, pavement age, and subgrade California bearing ratio. The average annual equivalent single axle load was also included in this approach. The second approach included Marshall test parameters such as stability, flow, stiffness, and Marshall modulus. The third approach dealt with the effect of mixture air voids on rutting. The variables examined in this approach include air void content within the ruts, voids between ruts, voids near the pavement centerline, and the difference between centerline and rut voids. The fourth approach considered the dynamic permanent deformation characteristics of the pavement surface layer represented by the dynamic modulus. Regression analysis techniques were employed to develop statistical relationships between average rut depths and the parameters examined in each individual approach. The combined effect of these significant parameters on pavement rutting was also examined for prediction purposes. Rutting formation was found to be most dependent on the traffic loading, dynamic modulus of the bituminous mixture and its susceptibility to further compaction, and foundation soil strength.Key words: pavement rutting and characteristics, Marshall test, traffic loading, air voids, static creep, dynamic permanent deformation.
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 | 0,000 | 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 ».