GPR-Based Deterioration Mapping in Subway Networks
Notice bibliographique
Résumé
Water leakage through soil has been considered the most serious problem and the main cause of concrete degradation in subway facilities. Several deterioration mechanisms are derived from water intrusion, among others are concrete cracking, spalling, and water voids. These mechanisms can compromise the structural integrity and jeopardize public safety. The detection and evaluation of concrete structures are predominantly conducted on the basis of visual inspection (VI) techniques, which are known to be time-consuming, subjective, and qualitative in nature. Although, these technologies may be consistent in finding surface defects, e.g., cracks, and spalling, they fall short in detecting subsurface distresses such as air voids, and water voids. Ground penetrating radar (GPR) has been widely used for the inspection and evaluation of concrete infrastructure. Nevertheless, few research endeavors were conducted for the detection and mapping of air/water voids. This paper presents a GPR-based assessment model for subway networks. The model performs damage identification and localization of air voids and water voids in the concrete subsurface. It provides a systematic approach for the detection and mapping through the incorporation of image-based analysis (IBA) and processing techniques. First, a defect detection scheme is designed to establish a consistent inspection pattern. Second, subsurface data are collected in a subway network facility. Third, the position and dimension of the detected distresses are mapped to estimate the severity of deterioration. The proposed method was implemented on assessing a segment in Montréal subway network. Validation of the results was conducted through visual inspection, digital images, thermal images and concrete coring samples which demonstrated high correlation and compatibility with the constructed GPR-based maps. The proposed system is expected to improve the quality of decision making as it can assist transportation agencies in identifying critical deficiencies and by focusing constrained funding on most deserving assets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».