Quantifying the Effectiveness of Methods Used to Improve Railway Track Performance over Soft Subgrades: Methodology and Case Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a methodology for quantifying the effectiveness of different methods used to improve the railway track performance on soft subgrades. This methodology consists of quantifying the changes in track stiffness from vertical track deflection (VTD) measurements taken before and after the track was upgraded, and the evaluation of the roughness of the track that has developed since the track was upgraded. A case study is presented to explain the steps of this methodology. These upgrades consist of changing the rail from 49.6-kg/m (100-lb/yd) bolted rail to 57-kg/m (115-lb/yd) continuously welded rail (CWR), embankment reconstruction, and using a layer of geogrid at the subballast–subgrade interface. The results of the study show that the VTD measurements are capable of measuring changes in track deflection, and thus modulus, due to the upgrading of the track structures with a high enough resolution to distinguish between the differing test sections. The track geometry measurements suggest that not enough time or train traffic had passed to degrade the track geometry to a level that would start indicating issues in performance. The paper also evaluates the relative effectiveness of the different remediation methods at this study site. Replacement of jointed rail with heavier CWR significantly increased the track stiffness, more so than excavation of the subgrade and reconstruction of the embankment. The combined effect of CWR and the substructure upgrades further improved the track modulus. The geogrid can be used with CWR to reduce the amount of subballast required without an increase in track deflection.
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.
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) | 0,001 | 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 découle