Mechanistic Design: A Modeling Case Study for the City of Saskatoon
Notice bibliographique
Résumé
This paper describes a road design case study for City of Saskatoon new subdivisions. Laboratory testing was conducted to assess the soil and aggregate material properties of sampled subgrade. Both conventional and mechanistic materials libraries were developed for subgrade and other pavement structure materials. The conventional materials library included material properties such as gradation, plasticity, and density and the mechanistic library included material properties such as dynamic modulus and Poisson's ratio. The model used these material properties as inputs and the finite element method to perform simulations and generate model outputs. For this project, the outputs were different pavement structure design options based on maximum peak surface deflections allowed. For this new subdivision design case study, standard conventional pavement structures currently used for local roads and collector roads were modeled as a baseline and compared to alternative road structures with additional base material, a sand drainage layer, and a rock drainage layer for one subgrade type. For each resultant cross section generated by the model, the shear strains were analyzed and maximum peak surface deflections were used to assess which cross section was optimum for each subgrade type. The results of this case study showed that the mechanistic model provided feasible alternative pavement structures for City of Saskatoon local and collector roadway design. This study illustrated that using the standard pavement structures for local roads currently used by the City's design methodology may not be structurally appropriate for roads in new subdivisions with varying subgrade types. For the covering abstract of this conference see ITRD record number 201310RT334E.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».