MétaCan
Menu
Retour à la cohorte
Enregistrement W594558662

Pavement performance measures for Ontario provincial highways

2004· article· en· W594558662 sur OpenAlexaboutno aff
B Lane, Susanne Chan, T Kazmierowski

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational Roughness IndexChristian ministryTransport engineeringIndex (typography)Composite indexPavement managementPerformance measurementScale (ratio)Asset (computer security)Environmental scienceEngineeringBusinessComputer scienceGeographyComposite indicatorSurface finishComputer securityPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The current pavement performance measure used by the Ministry of Transportation Ontario (MTO is Optimal State of Repair (OSR), which relates to the percentage of provincial highways in good condition. OSR is calculated using the composite Pavement Condition Index (PCI), which combines the Ride Condition Index (RCI), based on International Roughness Index (IRI) measurements, and the Distress Manifestation Index (DMI). As part of the development and implementation of an Asset Management System, a comprehensive review of pavement performance measures was undertaken. The Ministry set out to determine what pavement performance measure(s) would best communicate the condition of the highway network and secure sufficient funding. A survey was carried out of performance measures used by other jurisdictions across North America. It found that many agencies were using IRI, especially in the USA where the Federal Highway Administration (FHWA) requires states to report road roughness on the IRI scale for inclusion in their Highway Performance Monitoring System (HPMS). However, results of the survey found that IRI does not change sufficiently on an annual basis to trigger allocation of funds. A composite index, similar to the PCI used in the Ministry's current performance measure was preferable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,239

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,012
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,185
Écart entre enseignants0,176 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrastructure Maintenance and MonitoringTravaux en français237 207