Towards resilient roads to storm-surge flooding: case study of Bangladesh
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
Operating roads are critical during emergency operations at a disaster area. Prolonged inundation of pavements accelerates rapid deterioration of pavements and increases maintenance cost. The upgrade of vulnerable pavements with a raised subgrade and gabion walls is proposed as the means to increase the resiliency of strategic roads vital during the emergency attention in the aftermath of a cyclone. Hence, optimal pavement management can be used to allocate upgrade and maintenance and rehabilitation (M&R) operations to reduce the damage and mitigate the geo-physical risk and community vulnerability before the disaster even occurs. A case study is presented for regional highways, arterial and collector roads of Barguna district in Bangladesh that is frequently affected by cyclones and storm surges. The geo-physical risk and vulnerability (GEOPHRIV) index of each road segments is estimated by integrating the geo-physical risk; community, structure and infrastructure vulnerabilities; and damage indices. Dynamic linear programming is applied to optimise M&R strategies and the conversion of strategic roads into resilient perpetual pavements. The same budget required to optimise roads condition is also used to guide the conversion of roads into perpetual pavements, therefore increasing the overall network resiliency. As expected, the results show that most of the annual budget is equally expended into the conversion or the resurfacing of pavements. The decision-making approach herein proposed is very useful to roads agencies around the world, because it provides them with the ability to increase the resiliency of their strategic network ex-ante any flooding disaster.
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 | 0,001 | 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