MétaCan
Menu
Retour à la cohorte
Enregistrement W2934309910 · doi:10.1139/cjce-2018-0521

Field performance evaluation of high friction surface treatments (HFST) in Oklahoma

2019· article· en· W2934309910 sur OpenAlexvenueno aff
Guangwei Yang, Qiang Li, You Zhan, Wenying Yu, Kelvin C. P. Wang, Yi Peng

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation Safety and Impact Analysis
Établissements canadiensnon disponible
Organismes subventionnairesFederal Highway AdministrationSouth Dakota Department of TransportationOklahoma Department of TransportationU.S. Department of Transportation
Mots-clésCrackingMining engineeringEnvironmental sciencePolishingRange (aeronautics)Forensic engineeringGeotechnical engineeringEngineeringMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The high friction surface treatment (HFST) is an effective countermeasure to roadway departure crashes. The field performance of the HFST system was evaluated from seven field monitoring trials on six HFST sites in Oklahoma from 2015 to 2017. HFST sections have statistically significant higher pavement friction and macrotexture in contrast to the adjacent untreated pavements. Meanwhile, distresses including patching, reflective cracking, raveling, and delamination have been observed on these HFST sites. The number of property damage crashes and injured crashes before and after the HFST installation are queried from the Oklahoma safety database. The HFST results in 29% to 100% reductions of annual property damage crashes and 100% reduction of annual injured crashes. The benefit-cost ratios of the HFST sites range from 6.9 to 27.9. In addition, HFST sites constructed with bauxite show higher friction numbers and better polishing resistance performance than sites using the local mine chat aggregates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,192
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetTransportation Safety and Impact AnalysisTravaux en français237 207