Effects of Pavement Characteristics on Rolling Resistance of Heavy Vehicles: A Literature Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The effects of pavement characteristics on rolling resistance of heavy vehicles have gained more interest in recent years. Rolling resistance is the result of the combination of independent (but sometimes correlated) physical phenomena that dissipate energy, which can be regrouped under three different main themes. Road roughness (wavelengths between 0.5 and 50 m) causes movements in vehicle suspensions, which dissipate energy. Pavement macrotexture (wavelengths between 0.5 and 50 mm) creates additional viscoelastic deformations on tire treads. The viscoelastic behavior of the flexible pavement structure, which is referred to as structure-induced rolling resistance, is responsible for a perpetual upward slope perceived by heavy vehicle tires. Secondary aspects can also affect rolling resistance, such as road wetness and snow. This paper addresses each of these three main phenomena from three angles of analysis: (1) theoretical modeling, (2) laboratory experiments, and (3) in situ measurements. The literature on road roughness and structure-induced rolling resistance modeling is extensive compared to macrotexture-effect modeling, as the underlying physical mechanisms are still not well understood. There is, however, strong experimental evidence that the pavement macrotexture can significantly affect rolling resistance, but these studies are mostly related to cars. There are many in situ approaches, but the results are usually based on an indirect method and the different studies are difficult to compare and sometimes inconsistent. It appears that the bottleneck of scientific research on this topic is the fundamental inability to measure the rolling resistance of heavy vehicles with a direct in situ approach under real driving conditions.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découle