Enhanced Pavement Design and Analysis Framework to Improve the Resiliency of Flexible Airfield Pavements
Notice bibliographique
Résumé
Changes in climatic conditions can directly affect pavement performance. However, accounting for environmental factors in airport pavement design remains a challenge since design methods such as FAA rigid and flexible iterative elastic layered design (FAARFIELD) do not consider moisture and temperature variation as input. Therefore, to address this research gap and improve the resilience of airport pavements, this research proposes a new methodology for the structural design of flexible airport pavements. The proposed methodology in this research was applied to a case study of an international airport in Canada, using actual field data. Five scenarios were evaluated including the current climate, temperature increase, lower matric suction, and two flooding events. The results of the proposed design method showed that the traditional FAARFIELD analysis can possibly overestimate fatigue damage, and underestimate rutting damage. The outcomes showed that climate change can increase pavement damage and shorten the service life from 7 to 14 years in the scenarios evaluated. It was also concluded that the lowering of the matric suction can result in the highest damage levels. Considering the implications of climate change on transportation infrastructure, the proposed methodology can contribute to designing more resilient airport pavements in the future, since it accounts for climate variations, temperature, and moisture changes, as well as extreme events such as flooding over the design life of flexible airport pavements.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».