Resilient roads in challenging terrain: a case study of Siddhartha highway in Nepal
Notice bibliographique
Résumé
Nepal is a country known for its diverse and challenging topography, and it relies heavily on a robust road infrastructure network to connect its remote regions and urban centers. This study addresses the critical need for enhanced road safety and infrastructure resilience on the Siddhababa road section of the Siddhartha Highway, Nepal, notorious for its high accident rates and susceptibility to landslides. Given the road's strategic importance in connecting remote regions and its challenging topographical conditions, our research aimed to identify the most suitable pavement type to mitigate these issues. Through a detailed examination incorporating eight different soil tests, alongside evaluations of traffic loads, weather conditions, and existing pavement performance, we adopted a comparative analysis methodology to assess the viability of flexible versus rigid pavements within this unique context. Results revealed that the soil composition and environmental conditions of the Siddhababa section significantly influence pavement performance, with specific gravity, moisture content, and California Bearing Ratio (CBR) tests indicating a nuanced suitability for both pavement types under varying circumstances. Our analysis concluded that, despite the economic and staged reinforcement benefits of flexible pavements, the durability, safety, and maintenance considerations favor the adoption of rigid pavement for the Siddhababa road section. However, acknowledging the economic constraints, a hybrid approach is recommended, emphasizing rigid pavements for the most vulnerable sections and flexible pavements elsewhere. This study contributes to the pavement engineering field by providing a model for pavement type selection in mountainous regions, aiming to enhance road safety and durability amidst challenging environmental conditions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».