MétaCan
Menu
Retour à la cohorte
Enregistrement W3035997561 · doi:10.1680/jinam.19.00066

Development of performance measures for pedestrian sidewalk asset management

2020· article· en· W3035997561 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInfrastructure Asset Management · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPedestrianAsset managementTransport engineeringIndex (typography)Computer scienceAsset (computer security)BusinessEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Recognising the importance of pedestrian sidewalks in supporting active transportation, some municipalities have spent millions of dollars in sidewalk condition assessment, resulting in a large amount of defect data. However, due to the lack of overall performance measures, those defect data have not been fully utilised in supporting asset-management planning. To fill the gap, this study developed two corroborating performance indicators – namely, maintenance repair index (MRI) and sidewalk condition index (SCI). Defined as the weighted sum of the numbers of defects that require repair, MRI gauges the need for repair and maintenance of a sidewalk segment and can be used to develop operation and maintenance budgets. In contrast, SCI evaluates the overall physical health of a sidewalk segment. It measures the need for replacing the entire sidewalk segment and thus can be used to assist long-term capital budgeting and planning. This paper discusses in detail the empirical calibration of the weights used in the definition of the indices. A real-life case study is presented to illustrate the technical details and practical significance of sidewalk performance evaluation using the proposed MRI and SCI.

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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,894
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 ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,214
Écart entre enseignants0,201 · 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