Developing Information Model for Multi-Purpose Utility Tunnel Lifecycle Management
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
A Multi-purpose utility tunnel (MUT) is one of the civil infrastructures in urban areas, which accommodates several networks, such as electrical cables, gas, water, and sewer pipes, inside a tunnel. There are several benefits of MUTs compared to buried utilities. However, MUTs are not widely used at the time being due to the high initial construction cost and the need for coordination among utility owners. Building information modeling (BIM) is becoming the main coordination tool for building projects. BIM has been extended to civil infrastructures, such as bridges, roads, and sewer networks. However, BIM extension for MUT information modeling (MUTIM) is yet to be developed. This paper aims to investigate a method for extending BIM to MUT projects taking advantage of similar developments for other infrastructure systems. In addition, a systematic approach for MUTIM use cases is proposed. Five use cases of MUTIM were mentioned in this paper: (1) design review for checking compliance with standards and constructability; (2) 3D coordination for clash detection and resolution; (3) ergonomic design for human accessibility and comfort during construction, inspection and maintenance activities; (4) phase planning for construction and maintenance scheduling using 4D simulation; and (5) quantity takeoff for cost estimation. The first two MUTIM use cases are discussed in detail. A case study is developed to demonstrate the feasibility of the proposed approach. The presented MUTIM approach can improve MUT projects design and coordination efficiency, and reduce project cost, which are the main barriers for promoting MUTs.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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