MétaCan
Menu
Retour à la cohorte
Enregistrement W4410541006 · doi:10.1007/s42947-025-00559-8

Enhancing Pavement Resilience in Canada Through Adaptive Asphalt Binder Selection

2025· article· en· W4410541006 sur OpenAlexafffundabout
Mohammad Shafiee, Morvarid Fattahi, Ehsan Roshani

Notice bibliographique

RevueInternational Journal of Pavement Research and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésResilience (materials science)Asphalt pavementAsphaltSelection (genetic algorithm)Materials scienceForensic engineeringCivil engineeringGeotechnical engineeringEngineeringComposite materialComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change is increasingly posing risks to flexible pavements due to rising temperatures and more frequent and intense extreme heat events. As climate patterns shift from historical norms, the vulnerabilities of these pavements become more evident, threatening transportation infrastructure and economic stability. This paper presents a climate change impact assessment on the SUPERPAVE ® asphalt binder Performance Grade (PG) selection for mix design in Canada. Therefore, a tool was firstly developed named as Performance-Graded Asphalt Cement under a Changing Climate (PGAC3) considering projected temperature conditions. Secondly, the relative impact of climate change on design temperatures was studied under different Representative Concentration Pathway (RCP) scenarios. The findings indicate that projected temperature changes are geographically variable and affect critical design factors differently. Notably, case study simulations for a representative city suggested that adapting PG selection to future climate conditions could potentially extend the pavement service life. These insights underscore the critical need for the Canadian transportation sector to prioritize and implement robust climate adaptation strategies and policies.

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)0,001
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 enseignants0,460
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,333
Écart entre enseignants0,308 · 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pavement Research and TechnologyMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207