MétaCan
Menu
Retour à la cohorte
Enregistrement W2285571355 · doi:10.1520/stp104432

Proactive Pavement Smoothness from the Base Upward

2012· book-chapter· en· W2285571355 sur OpenAlexaboutno aff
Stephen N. Goodman, Rhiannon Arsenault, Tom Dziedziejko

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmoothnessBase (topology)Computer scienceGeologyMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The importance of high initial smoothness on newly constructed or rehabilitated pavement facilities has been identified by many researchers and recognized by many road agencies. Pavements with high initial smoothness display retarded roughness progression and, therefore, longer service lives. In Ontario, Canada, the Ministry of Transportation (MTO) implemented a bonus/penalty system for smoothness in the mid-1990s. Initially based on the profile index and scallops (i.e., bumps) measured with a California Profilograph, the specification is now based on the International Roughness Index analyzed locally (for bumps) and over regular intervals. The potential bonus for high initial smoothness in Ontario is considerable, as is the potential penalty for excessive roughness. Furthermore, the ability to correct areas of excessive roughness after placement is greatly limited by the MTO because the public does not wish to observe a new pavement surface being “damaged” by a milling machine. Given such, contractors are proactively requesting smoothness testing on base pavement layers so that areas of excessive roughness can be addressed prior to the placement of the surface layer. However, once the smoothness of the base layer is determined, the contractor must decide whether areas of excessive roughness will be sufficiently smoothed by the surface hot mix asphalt (HMA) layer or whether milling is first required (at additional cost). In addition to a brief overview of the Ontario smoothness specification, this paper presents the change in pavement smoothness with increasing HMA layers measured at a select project location in order to identify how much additional smoothing a contractor should anticipate. Of particular interest is the change in smoothness from an in-place recycled layer to a base HMA layer and, finally, a surface HMA layer. The results will allow contractors to optimize pavement smoothness (and their associated bonus) while minimizing costly corrective milling.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,323

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,224
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAsphalt Pavement Performance EvaluationTravaux en français237 207