MétaCan
Menu
Retour à la cohorte
Enregistrement W4381798474 · doi:10.3390/su15139950

Study on the Reflective Principle and Long-Term Skid Resistance of a Sustainable Hydrophobic Hot-Melt Marking Paint

2023· article· en· W4381798474 sur OpenAlexaff
Jun Chen, Rui Li, Yang Zhang, Yi Wu, Haiqi He

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensUniversité Laval
Organismes subventionnairesDepartment of Transportation of Zhejiang ProvinceU.S. Department of Transportation
Mots-clésSkid (aerodynamics)RetroreflectorMaterials scienceDurabilityCoatingComposite materialAbrasion (mechanical)Coefficient of frictionAsphaltTileForensic engineeringEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

Road marking is very important for driving safety and reducing the accident rate as a basic component of highway construction. However, traditional road marking paints are prone to be worn after short-term application and have poor durability and reflective performance. To address these problems, the marking paint was modified using the organic polymer material polytetrafluoroethylene to create a durable hydrophobic hot-melt marking paint. The factors affecting the reflective performance of marking lines are analyzed, and artificial accelerated abrasion tests were carried out to analyze the skid resistance and marking retroreflection coefficient of hydrophobic coatings. Results show that the texture of the glass beads and the quality of the coating plays a major role in the reflective performance of the marking line. The friction coefficient value of the modified marking paint is 4.62% higher than that of the traditional hot-melt marking paint. The retroreflection performance of the marking paint with 4% hydrophobic material is 8.45% higher than the initial value of the retroreflection coefficient of the traditional hot-melt marking paints. This sustainable hydrophobic hot-melt marking paint is safer and more durable than traditional pavement marking paints, which may save follow-up maintenance resources and cost from the sustainable aspect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,306
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207