Understanding and Estimating In-Service Axle Weights of Transit Buses
Notice bibliographique
Résumé
Despite evidence that certain transit buses exceed axle weight limits (sometimes without any passengers on board) and mostly anecdotal indications of the concomitant pavement impacts, relatively little empirical evidence substantiates these impacts. The number of transit buses exceeding weight limits has been exacerbated by regulatory changes directed at improving emissions and accessibility. These changes have required manufacturers to include heavy auxiliary equipment, such as emissions reduction components and hydraulic systems, on transit buses and have been introduced without commensurate increases in the weight limits of transit buses. Public agencies have limited knowledge about transit bus weights and their pavement impacts. Further, estimating in-service weights of transit buses is difficult. To help improve knowledge about issues of transit bus weights, this paper describes the legal and regulatory factors surrounding transit bus weight, basic estimates of in-service bus weights, contributing factors to transit bus weights, challenges for reducing bus weights, pavement impacts of transit buses, and challenges for estimating in-service weights of transit buses. The paper also develops and applies a methodology for estimating in-service weights of transit buses by using Winnipeg, Manitoba, Canada, as a case study. Application of this methodology ( a) demonstrates the need for reliable local data when in-service weights of transit buses are estimated and ( b) empirically corroborates regulatory compliance and pavement-related concerns by using data collected from in-service transit buses.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».