MétaCan
Menu
Retour à la cohorte
Enregistrement W4246988611 · doi:10.32920/ryerson.14656851

Life cycle costing analysis using the mechanistic-empirical pavement design guide for flexible pavements

2021· preprint· en· W4246988611 sur OpenAlexaff
Omar M. Sharif

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLife Cycle Costing Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésEngineeringOverlayTransport engineeringLife-cycle cost analysisPavement engineeringActivity-based costingLife cycle costingState highwayDirectiveCivil engineeringComputer scienceAsphaltReliability engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

The Mechanistic-Empirical Pavement Design Guide (MEPDG), developed by the American Association of State Highway and Transportation Officials (AASHTO) under the directive of the U.S. National Cooperative Highway Research Program (NCHRP) Project 1-37A, is the latest development in the concept and theories for the analysis and design of new pavements and of overlays for the existing pavements. While MEPDG is waiting for its full-scale implementation and to replace the traditional pavement design methods, it is desirable to make use of the performance prediction capacity of the MEPDG for accurate life-cycle costing analysis. The objective of this study is to review the state of the art and state of the practices for LCC and the new MEPDG methodology for flexible pavement design/preservation, and explore a framework for the integration of LCC into the new MEPDG, which would help the pavement agencies to evaluate the most economic (cost-effective) flexible pavement design for a new roadway section and overlay design for an existing flexible pavement as well as the preservation (maintenance and rehabilitation) time/strategy based on MEPDG methodology.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,140
Tête enseignante GPT0,345
Écart entre enseignants0,205 · 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
GenreEmpirique

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 sujetLife Cycle Costing AnalysisTravaux en français237 207