MétaCan
Menu
Retour à la cohorte
Enregistrement W2351455486 · doi:10.1061/(asce)ps.1949-1204.0000245

Decision Support Model for Integrated Risk Assessment and Prioritization of Intervention Plans of Municipal Infrastructure

2016· article· en· W2351455486 sur OpenAlexaffabout
Hany Elsawah, Ibrahim Bakry, Osama Moselhi

Notice bibliographique

RevueJournal of Pipeline Systems Engineering and Practice · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDecision support systemAsset managementWeightingResource (disambiguation)Decision modelScale (ratio)Computer scienceOperations researchRisk analysis (engineering)EngineeringBusinessData mining

Résumé

récupéré en direct d'OpenAlex

This paper presents a model for the integrated risk-based prioritization of municipal infrastructure assets. The model is a three-module decision-making tool for planning risk-based rehabilitation of water and sewer networks sharing the same corridor. The model is developed to identify corridor segments, assess risk of individual and integrated asset networks, and to set priorities for intervention plans of related critical corridor segments. The probability of failure of water pipe segments is calculated utilizing data from municipal inspection reports, while the probability of failure of sewer pipe segments is determined by soliciting experts’ opinions. The consequences of failure for individual water and sewer networks account for 13 economic, social, and environmental factors. Risk matrices are used to determine the criticality index of water and sewer segments depending on the combinations of probability and consequences of failure for each network measured on an ordinal scale. To integrate water and sewer indices, a novel dynamic weighting system is introduced to account for the varying impact of different pipe segments deterioration on the overall risk index. A case study from the metropolitan area of the city of Montreal in Canada is analyzed to illustrate the use of the developed model and highlight the essential features of its functions. The developed model is a well-structured decision support tool that utilizes input data commonly collected by municipalities. This model is expected to assist municipal engineers and decision makers to prioritize inspections, rehabilitation and replacement decisions, and optimize budget allocation and resource usage.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,009
Tête enseignante GPT0,286
Écart entre enseignants0,278 · 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'étudeSimulation ou modélisation
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

Citations36
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pipeline Systems Engineering and PracticeMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207