Preliminary Estimation of Asphalt Pavement Frictional Properties from Superpave Gyratory Specimens and Mix Parameters
Notice bibliographique
Résumé
Changes in pavement texture because of temperature, moisture, and polishing reduce the available friction for vehicles to perform routine maneuvers under normal operating conditions and thereby increase the potential for skid-related accidents. Optimization of texture and frictional properties at the mix design stage requires that specimens prepared in the laboratory accurately represent the pavement surface in the field. Initial findings from an investigation of the texture and frictional properties of specimens prepared in the Superpave ® gyratory compactor compared with field measurements are presented. In addition, the mix design properties that may be altered for increased friction are presented. The surfaces of the field specimens were different from their respective gyratory surfaces but were well correlated in the case of macrotexture measurements from the sand patch test. High correlation also was observed between field macrotexture and select mix properties, including the fineness modulus, voids in the mineral aggregate, percentage passing the 4.75-mm sieve, and bulk relative density. Poor correlation was observed between the British pendulum numbers recorded on unpolished field specimens and gyratory specimens, although the bottom gyratory surfaces best matched with field values. Preliminary results suggest the gyratory compactor orients the aggregate particles in a different manner from field compaction equipment. Further, the aggregate breakdown imposed by the gyratory compactor results in additional microtexture exposure not observed on newly compacted pavements in the field until trafficking removes the upper layer of asphalt cement from the coarse aggregate particles.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».