A new pavement design procedure for frost protection in seasonal frost areas
Notice bibliographique
Résumé
Differential frost heave and uneven degradation of flexible pavements surface profile in cold climate significantly affects the serviceability of these important civil engineering structures. Among the factors influencing this phenomenon, subgrade soils variability is documented as a significant parameter to consider, especially regarding differential frost heave. Subgrade soils variability may increase in urban area because of the buried utilities and the numerous cuts, both usually filled with granular materials. Therefore, past researches were revisited to implement a design methodology for frost heave protection of flexible pavements in northern environment based on the risk of differential frost heave caused by subgrade soils variability. Previous data were used to 1. Propose a relationship between the maximum pavement IRI, usually encountered at the end of the winter period, the design period and the subgrade soils longitudinal variability index, and 2. Quantify the effect of the replacement of in situ subgrade soils with granular fill on the coefficient of variation of frost heave. The relationship was used as a reference to identify allowable average frost heave based on subgrade soils variability conditions. This is specifically applicable in the urban context for which granular fills, and consequently supplementary induced soil variability, is the main factor contributing to the determination of the allowable frost heave. Working examples of various classes of urban pavements allowed obtaining allowable frost heave criteria that take into account subgrade soils variability, design period and maximum allowable roughness, which are also in good agreement with available data in the literature.
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 ».