MétaCan
Menu
Retour à la cohorte
Enregistrement W4364379315 · doi:10.3390/app13084757

In-Service Performance Evaluation of Flexible Pavement with Lightweight Cellular Concrete Subbase

2023· article· en· W4364379315 sur OpenAlexafffund
Abimbola Grace Oyeyi, Frank Mi-Way Ni, Susan Tighe

Notice bibliographique

RevueApplied Sciences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Waterloo
Mots-clésSubbaseStiffnessPavement engineeringGeotechnical engineeringCivil engineeringEngineeringStructural engineeringEnvironmental scienceMaterials scienceAsphaltComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

The objective of engineers to improve the long-term performance of road infrastructure in changing global climate has led to the development of alternate materials for pavement construction. Lightweight cellular concrete (LCC) is a viable option for colder climates where pavements undergo several freeze-thaw cycles each year, resulting in faster deterioration of pavements. This is due to LCCs’ excellent freeze-thaw resistance, ease of placement, and potential sustainability benefits such as reduced use of virgin material and industrial by-products. However, there is a need to quantify these benefits and develop unified specifications for using LCC in the pavement structure. Therefore, this study examined the performance of flexible pavement sections that included a subbase layer, unbound granular materials for the control section, and three LCC densities (400, 475, and 600 kg/m3) for the LCC sections. Post-construction evaluation of pavement stiffness and roughness were evaluated using a Lightweight deflectometer and SurPro equipment. The results showed that LCC subbase thickness ≥ 250 mm produced over 22% smoother riding surfaces than unbound granular pavements while increasing pavement stiffness by up to 21%. Finally, this study recommends that LCC subbase thickness should not be thinner than 250 mm when using densities below 475 kg/m3 over weak subgrades.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,245

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,238
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207