MétaCan
Menu
Retour à la cohorte
Enregistrement W2951873864 · doi:10.22215/etd/2019-13559

Investigation of the Influence of the Condition of Asphalt Pavement Surface on Road Safety of Rural Ontario Highways

2019· dissertation· en· W2951873864 sur OpenAlexaffabout
Luciana Girardi Omar

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSkid (aerodynamics)RutRoad surfaceAsphaltAsphalt pavementTransport engineeringEngineeringEnvironmental sciencePavement managementChristian ministryFatigue crackingInternational Roughness IndexCivil engineeringForensic engineeringGeotechnical engineeringGeographySurface finishStructural engineeringCartography

Résumé

récupéré en direct d'OpenAlex

Road collisions are complex events that are influenced by a combination of factors, including driver behaviour, environmental condition (e.g., icy and wet roads), road geometry, roadside elements, vehicle speed, tire deficiencies, traffic, and pavement condition. While the influence of some of these factors has been studied extensively for decades, the influence of pavement condition on road safety is relatively underresearched. This research investigated the influence of pavement surface condition on road safety by developing statistical models that correlate pavement surface condition and collisions. This research also examined the possibility to integrate skid resistance into

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,193 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInfrastructure Maintenance and MonitoringTravaux en français237 207