Protocols for Collecting and Using Traffic Data in Bridge Design
Notice bibliographique
Résumé
This report documents and presents the results of a study to develop a set of protocols and methodologies for using available recent truck traffic data to develop and calibrate live load models for Load and Resistance Factor Design (LRFD) bridge design. The HL-93, a combination of the HS20 truck and lane loads, was developed using 1975 truck data from the Ontario Ministry of Transportation to project a 75-year live-load occurrence. Because truck traffic volume and weight have increased and truck configurations have become more complex, the 1975 Ontario data do not represent present U.S traffic loadings. The goal of this project, therefore, was to develop a set of protocols and methodologies for using available recent truck traffic data collected at different US sites and recommend a step-by-step procedure that can be followed to obtain live load models for LRFD bridge design. The protocols are geared to address the collection, processing and use of national weigh-in-motion (WIM) data to develop and calibrate vehicular loads for LRFD superstructure design, fatigue design, deck design and design for overload permits. These protocols are appropriate for national use or data specific to a state or local jurisdiction where the truck weight regulations and/or traffic conditions may be significantly different from national standards. The study also gives practical examples of implementing these protocols with recent national WIM data drawn from states/sites around the country with different traffic exposures, load spectra, and truck configurations.
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 | 0,094 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,014 |
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 ».