MétaCan
Menu
Retour à la cohorte
Enregistrement W2809625691 · doi:10.1061/(asce)mt.1943-5533.0002279

Formulation of Traffic Inputs Required for the Implementation of the M-E PDG in Data-Scarce Regions: Lebanon Case Study

2018· article· en· W2809625691 sur OpenAlexaboutno aff
Rana Haj Chhade, Rayane Mrad, Lamis Houssami, Ghassan R. Chehab

Notice bibliographique

RevueJournal of Materials in Civil Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesAmerican University of Beirut
Mots-clésTruckTransport engineeringTraffic countData collectionScarcityProcess (computing)Computer scienceAggregate (composite)Reliability (semiconductor)Traffic volumeEnvironmental scienceEngineeringStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The implementation of the Mechanistic-Empirical Pavement Design Guide (M-E PDG) in regions outside the United States and Canada, such as the Middle East and North Africa region (MENA), is still in its early stages due to the scarcity of the design input data required for its use at high reliability levels. Several studies have been carried out to present correlations for obtaining material properties as well as exploring the use of M-E PDG embedded climate files to account for the missing inputs and different environmental conditions. Yet, the main challenge resides in obtaining adequate traffic data and adapting local traffic inputs for M-E PDG default values. This paper presents guidelines for developing truck classification and growth factors from short-term traffic count surveys for countries where historical traffic data are unavailable or insufficient. The case of Lebanon is tackled as a case study for demonstration. The sensitivity of the pavement response to the variation of the extrapolated traffic input data is studied under different climatic and material conditions and validated against recent characterized and categorized traffic data. The results reveal that highway design agencies can process traffic count surveys to convert them into traffic input data as elaborated in the methodology, as the pavement’s performance is not majorly affected by the variations and assumptions used in the calculations of the truck classes. However, the variation in the truck traffic volume, i.e., growth factor, significantly influences the predicted pavement distresses, which necessitates the continuous collection of traffic data to have more representative values for the growth rate estimation. Based on the obtained results, final recommendations are presented for the implementation of the M-E PDG in regions lacking traffic records.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,332
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials in Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207