Integrated Mechanistic-Based Framework for Sustainable “Green Street” Rehabilitation of Urban Low-Volume Roads
Notice bibliographique
Résumé
This research developed a mechanistic-based framework for recycling rubble materials into high-value-added engineered road structural materials for use in urban road rehabilitation. Scientific-based engineering methods were integrated with advanced materials processing, road construction, and nondestructive asset management techniques to explicitly quantify the benefits of recycled material systems using reclaimed asphalt pavement (RAP) and portland cement concrete (PCC) rubble generated within the city of Saskatoon, Saskatchewan, Canada. The ability to process RAP and PCC rubble to meet or exceed conventional granular aggregate specifications with minimal waste was demonstrated. It was found that RAP and PCC aggregates can exceed the mechanistic material constitutive properties of conventional city of Saskatoon granular base aggregates by at least 30%. The mechanistic material property value of unstabilized RAP and PCC was demonstrated in addition to the benefits of various cold stabilization systems using cement and emulsion. Recycled RAP was used as a black base layer and PCC was used as a subbase course or a drainage and stress-dissipation layer, or both, in rehabilitated road structures of nine “Green Street” test sections constructed in Saskatoon. These test sections met or exceeded target structural designs and were validated by using nondestructive heavy-weight deflectometer testing. The use of recycled RAP and PCC rubble materials for urban road rehabilitation had economic, social, environmental, and energy benefits for the city of Saskatoon. Recycled rubble materials were found to provide a technically viable and cost-effective solution for rehabilitating urban low-volume roads relative to conventional granular aggregates.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 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 ».