MétaCan
Menu
Retour à la cohorte
Enregistrement W563015119

Toward Best Practices for Construction and Maintenance of Through-grade Culverts to Mitigate Pavement Roughness in Cold Climates

2014· article· en· W563015119 sur OpenAlexaboutno aff
Leonnie Kavanagh, Haithem Soliman, Ahmed Shalaby

Notice bibliographique

RevueTransportation Research Board 93rd Annual MeetingTransportation Research Board · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCulvertEngineeringGeotechnical engineeringCivil engineeringSettlement (finance)Frost heavingForensic engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Culverts are used to preserve pavement embankments by draining water from the structures. However pavement roughness caused by excessive bumps, sags, and depressions at a culvert location are signs of failure or improper construction. Pavement roughness can adversely affect ride quality and create potentially unsafe driving conditions. The surface roughness at a culvert location can be caused by inadequate compaction of granular base material, erosion of the backfill or supporting materials, and/or differential frost heaving. The objective of this study is to recommend construction and maintenance solutions to mitigate bumps, sags, and depressions at through-grade culverts on Provincial Trunk Highways (PTH) and Provincial Roads (PR) in Manitoba. The study consisted of a review of the state of the art practices in culvert construction and maintenance; a survey questionnaire to obtain construction and performance history of through-grade culverts in Manitoba; and a forensic investigation and case study analysis of failed culverts with excessive bump, dip or sags. Culverts with minor or no pavement roughness were also investigated to identify design and construction elements that favor good performance. The results of the forensic investigation and recommended best practices construction and maintenance solutions to mitigate excessive pavement roughness at culverts are presented.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,063
Tête enseignante GPT0,358
Écart entre enseignants0,295 · 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.

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 93rd Annual MeetingTransportation Research BoardMême sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207