MétaCan
Menu
Retour à la cohorte
Enregistrement W4385839457 · doi:10.3390/engproc2023036060

Innovative Design of Paving Cold Mix and Cohesive Overlays for Sustainable Pavement Maintenance

2023· article· en· W4385839457 sur OpenAlexaff
Xiang Chen, Xiaohu Wang, Tao Ma, Susan Tighe, Ningyuan Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOverlaySkid (aerodynamics)AsphaltCrackingService lifeAsphalt pavementIcingEngineeringForensic engineeringMaterials scienceStructural engineeringComputer scienceComposite materialMechanical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

A cold mix overlay is a typical preventive maintenance treatment that is applied to an existing pavement surface. However, the service life of cold mix overlay is limited because of its poor skid resistance and high tendency to crack, especially in cold regions. This study presents a new technology of high-performance cold mix overlay materials that slows skid resistance reduction, increases the resistance to thermal cracking, and shows long-lasting anti−icing performance. The sustainable performance of paving cold mix overlays can be assured by adding high-performance anti−icing agents, fiber, and emulsified asphalt to the cold mix. A series of laboratory tests were conducted to evaluate the performance and anti−icing effect of the cold mix. The results showed that the freezing temperature of the cold mix dropped to more than −10 °C. The open-to-traffic time can be shortened to 3.5 h after construction. The anti-wearing ability and cracking resistance were evidently increased in comparison with traditional micro-surfacing techniques by conducting indoor wet-wheel wearing tests and low-temperature bending beam tests. Based on the study, the new-tech cold mix overlay has shown promising applications in North America.

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
Bibliométrie0,0010,000
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 Opus0,025
Tête enseignante GPT0,256
Écart entre enseignants0,231 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAsphalt Pavement Performance EvaluationTravaux en français237 207