Enriching Existing 3D Pavement Condition Survey Datasets to Support Paving Project Cost Estimates, Project Planning, Designs, and Automated Machine Guidance
Notice bibliographique
Résumé
State departments of transportation (DOTs) typically perform annual pavement condition inspections, which serve as an important input into pavement management systems (PMS) software. Road surface defects (cracking, rutting, smoothness, etc.) are analyzed by PMS software to model the deterioration of pavements and to make budget and performance-based recommendations about which roads to maintain and how and when to maintain them. Increasingly at the state DOT level, these data are captured using high-speed 3D lasers (laser triangulation systems) that acquire the 3D shape of the road surface to evaluate its condition. Traditionally the capture of road elevation data relied entirely on the use of survey crews. Although accuracy can be quite high, the process of capturing elevations can require a lot of manpower, is time-consuming, requires lane closures, and results in a relatively small number of points per kilometer of road with which to perform all of the tasks from early project planning through construction. This paper explores an alternate approach that leverages existing 3D laser technology utilized by DOTs to measure the condition of in-service pavements. Typically, these laser systems capture “relatively referenced” 3D profiles of the roadway to evaluate pavement condition based on surface distortion. However, there is often no connection between these “relative” 3D profiles and real-world locations. This new approach involves the addition of high-accuracy blended global navigation satellite system + inertial navigation system positioning systems, as well as specialized software, to map the absolute position of 3D profiles in real-world coordinates.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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 ».