Asset management-based resilience index formulation for pavements via principal components analysis
Notice bibliographique
Résumé
Purpose This paper extends the authors’ previous research work investigating resilience for municipal infrastructure from an asset management perspective. Therefore, this paper aims to formulate a pavement resilience index while incorporating asset management and the associated resilience indicators from the authors’ previous research work. Design/methodology/approach This paper introduces a set of holistic-based key indicators that reflect municipal infrastructure resiliency. Thenceforth, the indicators were integrated using the weighted sum mean method to form the proposed resilience index. Resilience indicators weights were determined using principal components analysis (PCA) via IBM SPSS®. The developed framework for the PCA was built based on an optimization model output to generate the required weights for the desired resilience index. The output optimization data were adjusted using the standardization method before performing PCA. Findings This paper offers a mathematical approach to generating a resilience index for municipal infrastructure. The statistical tests conducted throughout the study showed a high significance level. Therefore, using PCA was proper for the resilience indicators data. The proposed framework is beneficial for asset management experts, where introducing the proposed index will provide ease of use to decision-makers regarding pavement network maintenance planning. Research limitations/implications The resilience indicators used need to be updated beyond what is mentioned in this paper to include asset redundancy and structural asset capacity. Using clustering as a validation tool is an excellent opportunity for other researchers to examine the resilience index for each pavement corridor individually pertaining to the resulting clusters. Originality/value This paper provides a unique example of integrating resilience and asset management concepts and serves as a vital step toward a comprehensive integration approach between the two concepts. The used PCA framework offers dynamic resilience indicators weights and, therefore, a dynamic resilience index. Resiliency is a dynamic feature for infrastructure systems. It differs during their life cycle with the change in maintenance and rehabilitation plans, systems retrofit and the occurring disruptive events throughout their life cycle. Therefore, the PCA technique was the preferred method used where it is data-based oriented and eliminates the subjectivity while driving indicators weights.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».