Impact of Road Pavement Condition on Vehicular Free Flow Speed, Vibration and In-Vehicle Noise
Notice bibliographique
Résumé
Road infrastructure in good condition is a key requirement for efficient transportation systems which leads to economic prosperity and improved quality of life. However, road surface conditions deteriorate over time according to traffic loads and environmental factors. Poor road conditions lead to congestion, accidents, lost productivity, and driver fatigue. This work considers the relationship between road pavement condition and vehicle speed, vibration, and in-vehicle noise. A 7 km section of the Grand Trunk Road, Peshawar, Pakistan divided into 280 segments (140 for each lane), of length 50 m was observed and the Pavement Condition Index (PCI) of each segment was determined based on the recurrent distress type and density according to ASTM D6433-011 guidelines. The number of very good, satisfactory, fair, poor, and very poor conditions are 51, 52, 81, 48, and 42, respectively. The mobile app BotlnckDectr was employed to measure vehicle speed, RPM, noise, vibration, GPS location, and time. Statistical analysis was employed to determine the relationship between PCI and vehicle speed, vibration, and in-vehicle noise. The results obtained indicate that noise and vibration increase by 3.3% and more than 30%, respectively, as the pavement condition changes from good to very poor, and vehicle speed decreases by 8.8%.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».