MétaCan
Menu
Retour à la cohorte
Enregistrement W3214615898 · doi:10.30880/ijscet.2021.12.03.007

Flexible Pavement Life Cycle Cost Analysis by Using Monte-Carlo Method and the Suggestions for Developing Countries

2021· article· en· W3214615898 sur OpenAlexaff
Nam H. Vu, Dũng Nguyễn Hữu, Hung D. Tran

Notice bibliographique

RevueInternational Journal of Sustainable Construction Engineering Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensTransport Canada
Organismes subventionnairesTru?ng Ð?i h?c Xây d?ng
Mots-clésMonte Carlo methodLife-cycle cost analysisSelection (genetic algorithm)Computer scienceDeveloping countryCost analysisTransport engineeringReliability engineeringOperations researchEconometricsEngineeringMathematicsStatisticsEconomics

Résumé

récupéré en direct d'OpenAlex

Flexible Roadpavement plays an essential role in developing an effective, economic, and safe operation road network of any country. In Vietnam, a developing country, the selection of a suitable flexible pavement structure is always a challenge due to fiscal limitations. The traditional determinant method (TDM) by which pavement structures are selected mainly on the basis of initial construction costs and traffic load has been used for many years in the nation. This paper presents the use of Monte Carlo simulation to analyzethe entire flexible pavement life cycle cost. Data including initial and maintenance costs and road user costs were collected from several different types of existing flexible pavement in Nghe An province, Vietnam. Random variations of several main inputs were explored in order to develop density distribution functions. These functions then were used as the bases for Monte Carlo simulation. One million simulation runs were implemented and the Net Present Values (NPVs) among pavement types were compared under the light of risk analysis. Research results showed that TDM method provided bias and uncertain results compared to that of Monte Carlo one. In terms of long-term pavement performance, a low-cost pavement structure should not always be considered as a wise selection. Some other suggestions for a developing country as Vietnam were also included.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,503

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,005
Tête enseignante GPT0,247
Écart entre enseignants0,242 · 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
GenreMéthodes

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

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Construction Engineering TechnologyMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207