Lateral coefficient of friction for characterizing winter road conditions
Notice bibliographique
Résumé
Real Time Traction Tool (RT3)-Curve was used in this study to evaluate the effect of ice and snow on tire–road lateral friction coefficient, herein referred to as the Halliday Friction Number (HFN). The field experiments for the study were performed in winter 2012–2013 on the University of Alberta’s test road facility in Edmonton, Alberta. Each run was repeated at three target speeds under varied road conditions, bare dry, dry with ice patches, ice, and three levels of snow accumulation. No considerable correlation was found between vehicle speed and the friction measurements for bare dry, ice- and snow-covered conditions. Expectedly, the bare dry asphalt concrete surface had the highest HFN, the presence of ice reduced the dry surface friction by 55%. The accumulation of snow on the dry surface reduced the HFN further than ice, by 69, 75, and 81% for light, moderate, and heavy snow, respectively. A falling trend was observed for friction as more snow accumulated on the ground. Analysis of the effect of number of truck passes over ice at −3.5 and −5 °C showed that ice can become more slippery after each pass of traffic. A similar analysis for snow revealed that more passes over moderate snow will compact the fresh snow into a slippery surface. For light snow, even at low temperatures (<−10 °C), passes of traffic will melt the snow through frictional heat and result in higher friction values.
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 ».