Pavement Risk Assessment for Future Extreme Precipitation Events under Climate Change
Notice bibliographique
Résumé
Pavement infrastructure is experiencing unanticipated climate conditions caused by global warming. Extreme weather events, such as extreme precipitations, are increasing in intensity and frequency, creating rising concern in pavement vulnerability and resilience analysis. Previous design approaches based on historical climate data may no longer be adequate for addressing future conditions. To promote pavement resilience under climate change, assessing pavement risk for extreme events is essential for prioritizing vulnerable infrastructure and developing adaptation strategies. The objective of this study is to develop a quantitative evaluation methodology for assessing pavement risk from extreme precipitations under climate change. Hazard analysis, fragility modeling, and cost estimation are the three major components for risk evaluation. An ensemble of 24 global climate models is used for predicting future extreme precipitations under various climate-forcing scenarios. The Mechanistic-Empirical Pavement Design Guide is employed to simulate performance change for performing fragility modeling. Risk assessment models considering a full range of hazards were used to quantify risk of asset value loss over specified analysis periods. Results indicate that future extreme precipitation events are expected to cause an increased medium risk of asset value loss. However, high uncertainties are involved in the estimation owing to variations in predicted climates. Major pavement damages do not necessarily equate with highest risk because the probability of occurrence of major damage is relatively lower. The proposed approach provides a practical tool for analyzing the interaction among extreme precipitation levels, pavement designs, damage states, occurrence probability, and asset value at risk.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 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 ».