MétaCan
Menu
Retour à la cohorte
Enregistrement W617873971

Influence of Texture on Tire/Pavement Noise

2006· article· en· W617873971 sur OpenAlexaboutno aff
A Carter, Mary Stroup-Gardiner

Notice bibliographique

Revue10TH INTERNATIONAL CONFERENCE ON ASPHALT PAVEMENTS - AUGUST 12 TO 17, 2006, QUEBEC CITY, CANADA · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNoise (video)Sieve (category theory)TreadTexture (cosmology)TrailerLimitingNoise levelNoise barrierEnvironmental scienceMathematicsEngineeringNoise reductionComputer scienceMaterials scienceAutomotive engineeringArtificial intelligenceComposite materialTelecommunicationsMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tire/pavement noise has become a major factor in the choice of the pavement for the decision maker of the Quebec department of transportation. A literature review was done to understand the tire/pavement noise generation mechanism and to identify the methods, both in laboratories and in the field, currently use to measure the tire/pavement noise. To rank Quebec's usual pavement by their noise level, 19 different sections were tested with a CPX noise trailer. Texture was also measured on the same sections. The results have shown that the PCC sections are not noisier or quieter than the HMA sections. A good correlation was found between texture and noise level for the PCC sections; the higher the texture, the higher the noise level. For the oldest HMA sections studied, the same relation was found. However, for the HMA surface treatment sections, there was also a good correlation, but this time the noise level decreases when the texture increases. For the HMA mixes, the noise level increase when the percent passing the 5mm sieve increases. This suggests that limiting the percent passing on the 5mm sieve might be a way to reduce the noise level on the HMA sections.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue10TH INTERNATIONAL CONFERENCE ON ASPHALT PAVEMENTS - AUGUST 12 TO 17, 2006, QUEBEC CITY, CANADAMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207