Analysis of the Major Causes of Poor Quality As-built Records of Underground Utilities
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
In many cities, the underground beneath public roads is intricate with heterogeneous utilities. The situation gets worse where industrial sites are adjacent to residential areas and consequently utilities for industrial purposes and those for the daily life of people are intertwined. In striking contrast, as-built records of underground utilities are often inaccurate and unreliable so that the word “as-built” somehow loses its meaning. The lack of the actual spatial positioning information of various utilities makes it very difficult for road authorities to manage the installation and operation of various utilities beneath public roads and to manage their own road works and services as well. Poor as-built records also affect the performance and profitability of utility companies whose financial success depends on their ability to place facilities and provide services to customers in a timely and cost-effective way, which to some extent depends on the availability of accurate as-built records. This study investigates the main causes of poor as-build records of underground utilities with an aim to shed some insight on what appropriate policies can be established on the side of the government and what workable codes of practice can be implanted on the side of utilities companies such that the quality of as-built records can be efficiently improved by the joint efforts of government and industry. Accurate as-built information will play an irreplaceable role in urban planning, project design and construction, utilities operation and management, and ensuring order and efficiency in underground space utilization.
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 | 0,000 | 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 découle