Traffic and Climate Impacts on Rutting and Thermal Cracking in Flexible and Composite Pavements
Notice bibliographique
Résumé
The study presented in this paper analyzed four long-term pavement performance (LTPP) test sections located in the states of New York (NY) and California (CA). Two of them are flexible pavement sections, whereas the other two are composite pavement sections. Two levels of analysis—in-state analysis and cross-state analysis—were performed for these pavement sections to determine the impacts of traffic and climate conditions. The performance of the pavement sections was evaluated in respect of thermal cracking and rutting resistance. The in-state analysis focused on comparing the pavement sections located in the same state. The two pavement sections located in CA exhibited insignificant variation in thermal cracking, although one of them had an additional 1.5” (38 mm) dense-graded asphaltic concrete (AC) layer. On the other hand, the additional 1.5” (38 mm) AC layer resulted in a significant reduction in the rutting depth in one pavement section. The in-state analysis of the two pavement sections located in NY revealed that the 0.8” (20.4 mm) chip seal layer had significantly low resistance to thermal cracking and rutting. The cross-state analysis examined pavement sections of comparable structural capacities—two with low structural capacity, and two with high structural capacity. The performance comparison of the two pavement sections with low structural capacity revealed that the chip seal layer exhibited a significantly high rutting depth, i.e., low rutting resistance under high traffic loads in a freezing climate. On the contrary, the two pavement sections with high structural capacity showed relatively high rutting resistance in both warmer and freezing climates. Furthermore, this paper presents the pavement deterioration models for rutting and thermal cracking in the LTPP test sections. These models were developed using multiple linear regression considering the pavement service life (age), traffic load (average annual daily truck traffic, AADTT), and climate impact (freezing index, FI). The deterioration models had coefficients of determination (r2) in the range of 0.82–0.99 and standard errors varying from 0.01 to 9.92, which indicate that the models are reliable.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».