MétaCan
Menu
Retour à la cohorte
Enregistrement W4246256318 · doi:10.32920/ryerson.14644011

Mechanistic-empirical approach to evaluate new and rehabilitated flexible pavements

2021· preprint· en· W4246256318 sur OpenAlexaff
Wais Mehdawi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPavement engineeringEngineeringTransport engineeringEmpirical researchCivil engineeringSmoothnessAsphalt

Résumé

récupéré en direct d'OpenAlex

The Mechanistic-Empirical Design provides more insight into pavement behaviour and performance than the 1993 AASHTO empirical method. The new Mechanistic-Empirical Pavement Design Guide (MEPDG) developed under the National Corporation Highway Research Program (NCHRP) 1-37A. A hierarchical approach is employed upon traffic, climate and materials input to produce pavement performance predictions of smoothness and numver of distress types. One of the most significant changes offered in the Mechanistic Empirical Design Guide (ME PDG) is the difference in the method used to account for highway traffic loading. Traffic volume and traffic loads, the two most important aspects required to characterize traffic for pavement design are treated separately and independently and its use-oriented computational software implements an integrated analysis approach for predicting pavement condiditon over time that accounts for the interaction of traffic, climate and pavement structures. The recently developed guide for mechanistic-empirical (M-E) design of new and rehabilitated pavement structures will change the way in which pavements are designed by replacing the traditional emprirical design approach in the AASHTO 1983 Guide. The M-E Pavement Design Guide will allow pavement designers to make better-informaed decisisions and take cost-effect advantage of new materials and features. However, the proposed design guide is substantially more complex than the 1983 AASHTO design guide. It requires more imput values from the designer. There is limited availability of the data for many MEPDG inputs. This project report presents the Mechanistic-Empirical approach of Pavement Design for New and Rehabilitated Flexible Pavements using the new ME PDG. The main objectives of the report are: (1)to demonstrated how the Mechanistic-Empirical design of pavement is more precise than the existing empirical method, (2)to explain the software input and output parameters, (3)to present a complete overview of the M-E design process and to gain a thorough understanding of the materials, traffic, climate and pavement design inputs required for M-E design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,066
Tête enseignante GPT0,324
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAsphalt Pavement Performance EvaluationTravaux en français237 207