Life Cycle Cost Analysis in pavement type selection
Notice bibliographique
Résumé
This report summarizes the findings from a research investigation conducted to evaluate life cycle cost analysis (LCCA) practices among state highway agencies for pavement type selection process, and proposes a probabilistic LCCA approach for use in South Carolina. This investigation was based on analysis of data obtained from a preliminary and a final survey of states across the U.S. and provinces across Canada. The surveys were designed to gauge the level of LCCA activity in different states as well as to solicit information on specific approaches that each state is taking for pavement type selection. The responses obtained from the surveys were analyzed to observe the trends and ranges of various input parameters that feed into the LCCA process. Based on the data from surveys, selected states whose LCCA practices exemplified a progressive a comprehensive approach were identified and further questioned on specific aspects of their respective LCCA approaches. Based on this analysis, a probabilistic-based LCCA approach is proposed for use with pavement-type selection process in South Carolina. Also, specific recommendations on range of values for different input parameters based on the survey data are made. Where no adequate database exists for certain LCCA input parameters, suggestions are offered for developing a database of values for future use. In addition to developing a protocol for a probabilistic LCCA approach, different LCCA software such as REALCOST, DARWin and other customized software used by specific states were explored. Amongst these, REALCOST software developed by Federal Highway Administration (FHWA) was found to be widely used by several state agencies and most comprehensive in its treatment of different input parameters. Further, FHWA has been instrumental in providing support to customize the REALCOST software to meet individual state's needs. Based on these findings, REALCOST software was proposed as preferred software for use with conducting LCCA for pavement-type selection.
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 | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».