Pavement noise investigation on North Carolina highways: an on-board sound intensity approach
Notice bibliographique
Résumé
This paper presents the findings on tire–pavement noise on various types of pavements by using an on-board sound intensity (OBSI) method. Mitigation of traffic noise has become an increasingly important consideration for highway agencies when constructing new highways or improving the existing systems. As a competitive alternative for noise mitigation, quieter pavement may provide advantages that noise barriers do not have, or to where sound barriers are not suited. The first step in developing quieter pavement is identifying the noise levels of different types of highway pavements. To reach the ultimate goals of quieter pavement development, this research has focused on the most imperative task, i.e., to measure the noise levels of different types of pavements in North Carolina (NC). Pavement noise levels of 61 highway sites including 153 test sections around 30 counties for nine types of pavements across North Carolina have been investigated. A thorough literature review was conducted and OBSI testing equipment with sound intensity measuring process was established during this study. The results of OBSI data indicate that the tire–pavement noise levels of the six dense graded surface courses in NC are in a lower range, from 98.2 to 99.6 dBA, comparing with other dense graded surface friction courses in other states. The overall findings indicate that relatively quieter pavements have been used in North Carolina. The OBSI data collected will provide valuable information in future research for quieter pavement development and traffic noise management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».