MétaCan
Menu
Retour à la cohorte
Enregistrement W4402477201 · doi:10.11159/icceia24.122

Experimental Modelling of Washboard Phenomenon in UnpavedRoads

2024· article· en· W4402477201 sur OpenAlexvenueno aff
Marı́a José Torres, Bernardo Caicedo, Laura Ibagon Fabricio Yépez

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenomenonComputer scienceGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

The washboard phenomenon is identified by the presence of ripples on unpaved roads, emerging as vehicles traverse surfaces composed of sand, gravel, or mud.These undulating patterns not only cause discomfort but also pose potential hazards to drivers by disrupting tire-road contact.Despite its significance, limited research has been conducted on ripple phenomena, and the primary cause of their formation remains uncertain.This study aims to unravel some mechanisms of these patterns by analysing key factors such as vehicle speed, weight, and granular material properties.The research draws inspiration from the foundational work of [1][2][3][4][5][6].To investigate unpaved road ripples, experimental devices with rotating wheels at constant speeds have been employed.Previous observations suggest that ripples initiate as small waves, gradually growing to heights of up to 20 cm, with wavelengths ranging from 1 to 30 cm.Wave amplitude is influenced by factors such as vehicle speed, mass, shock absorbers, and tire inflation pressure [1][2][3][4][5][6].Field studies indicate that ripples predominantly occur in turning zones and on inclined roads, where additional stresses from vehicles impact the road material [7,8].Experiments conducted by [1][2][3][4][5][6] propose that unpaved road ripples result from repetitive vehicle passage at a critical speed, creating two distinguishable states: an apparently flat road and a road with ripples.Research findings suggest categorizing ripple phenomena into four modes based on vehicle speeds [4].At low speeds, small deformations dissipate with vehicle transit.At speeds higher than the critical speed, ripples emerge while the wheel remains in contact with the road.Higher speeds lead to continuous ripple growth until the wheel jumps, and at extremely high speeds, vehicle instability causes the wheel to leap from crest to crest.This research evaluates physical variables that influences ripple formation using an experimental multi-pass system.The system comprises an instrumented rotating wheel over a sandy path, revealing the evolution of soil ripples as the wheel passes over the track, which is the same device [9] used.Experimental simulations for various scenarios, including different wheel velocities, masses, and soil densities, were conducted.This device enables the assessment of soil plastic deformations, wheel trajectories, and dynamic forces.Furthermore, the research provides insights into potential mitigation strategies for washboard roads.It suggests that controlling vehicle speed and improving road material properties could effectively mitigate the formation and severity of these patterns, aligning with theories proposed by [3,10,11].The experiments confirm that speed defines ripple properties, such as amplitude and wavelength.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,212 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207