Evaluation of WIM data consistency based on temporal axle load spectra
Notice bibliographique
Résumé
It is crucial to evaluate the consistency in weigh-in-motion (WIM) loading over time and quantify the relative accuracy of axle loads based on axle load spectra (ALS) data for different sensor types. This paper presents the temporal evaluation of the ALS from 51 WIM sites and 128 records available in the long-term pavement performance data. Analysis of ALS data over time shows that for single ALS, there is a significant difference in peak loads between the bending plate, and quartz piezo sensor measurements. Also, 100% of the bending plate 86% of the quartz piezo, and 66% of the piezo cables sites exhibited consistent single axle peak loads after 1 year of calibration event. For tandem ALS, significant differences were observed between loaded peaks of bending plate sensor from both quartz piezo and piezo cable sensors. Also, 83% of the bending plate, 78% of the quartz piezo, and 50% of the piezo cable sites exhibited loaded peaks consistently 1 year after calibration. The results show that calibration frequencies longer than 1 year may be acceptable for the bending plate sensors. However, calibration frequencies of at least 1 year for quartz piezo and less than a year for piezo cable sensors are recommended. Pavement designers and analysts should be aware of the changes in WIM data and calibration frequency over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».