Investigation of Piezoelectric Weigh-in-Motion Sensors’ Performance in Asphalt Concrete Pavements in Cold Temperatures of Southern Ontario
Notice bibliographique
Résumé
Piezoelectric Weigh-in-Motion (WIM) sensors differ in material, structural design and installation and calibration procedures. The differences make the sensors to respond differently to equivalent loading conditions since the sensitivity of sensors to the pavement, climate and vehicle conditions are different. This research is based on performance comparison between three types of piezoelectric WIM sensors in southern Ontario in a medium strength asphalt concrete pavement (ACP) of stone mastic design under different transverse location of load (different path runs). In September 2007, three types of WIM piezoelectric sensors (ceramic, polymer and quartz) were installed at the Centre for Pavement & Transportation Technology (CPATT)’s test site at the Region of Waterloo’s Waste Management facility. Calibration and the matching procedure between the static scale located at the facility and sensors’ outputs were completed in spring 2008. At the first run of sensors’ performance comparison, this paper investigated the sensors’ responses resulted from passing a test vehicle over the sensors on different path runs. The evaluation results show that the transverse location of axle load affects significantly all piezoelectric sensors, and interaction between path run and air temperature factors affects significantly only polymer and ceramic piezoelectric sensors; however, the effects of cold air temperatures at 1.5oC level size were negligible on all sensors. Research is currently being directed to improve performance WIM sensors by improving knowledge on the effects of speed and weight of vehicle and ambient temperature specifically on the polymer sensors for cold climates such as southern Ontario’s.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».