CALIBRATING MECHANISTIC-EMPIRICAL PAVEMENT PERFORMANCE MODELS WITH AN EXPERT MATRIX
Notice bibliographique
Résumé
Pavement performance modelling is an important element in the proper management of pavement infrastructure. Various factors such as material properties, traffic loads and climate plus construction and maintenance schedules must be utilized to develop performance prediction and life-cycle costs. This paper describes a methodology for the calibration and validation of a mechanistic-empirical flexible pavement performance model. Mechanistic-empirical design methods combine theory based design such as calculated stresses, strains or deflections with empirical methods in which a measured response is related to structural thickness and pavement performance. The design system presented incorporates elastic layer analysis to determine pavement response. It uses cumulative ESALs, subgrade type and layer thickness to determine the most effective design. The input and output variables are probabilistic and they have been re-calibrated to extend beyond the range of applicability to the more extreme conditions (i.e. extremely low traffic volumes or extensive heavy truck traffic loading). The new mechanistic-empirical model also separates the environment and traffic effects of performance. In effect, the total pavement performance (P) is the cumulative effect of the damage due to the environment and the damage due to traffic. Hence, the regional differences (eg. between Southern and Northern Ontario in the example) can be quantified. The system calculates either roughness in terms of the International Roughness Index (IRI) or Riding Comfort Index (RCI) or in terms of performance as a Pavement Condition Index (PCI). Although this system was developed for Ontario conditions, the mechanistic-empirical performance model can be re-calibrated to apply to other conditions. Examples are provided to show the relative deterioration/performance curves for various design situations. For the covering abstract of this conference see ITRD number E201066. (A)
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».