Effective Infrastructure Management Solutions Using the Analytic Hierarchy Process and Municipal DataWorks (MDW)
Notice bibliographique
Résumé
The economic success of a nation, province, or municipality is closely tied to the condition of their civil infrastructure. Ontario roads and bridges built throughout the 1950s and 60s are quickly approaching the end of their design life. Without the necessary funding, the declining condition of these assets can result in roads with compromised safety and increased road user cost. Historically, there has been an underinvestment in maintaining our infrastructure at an acceptable level. Small municipalities are the most seriously affected by this underinvestment and are continually placed in a position where they are required to do more with less. In 2008, the Ontario provincial government, the Association of Municipalities of Ontario (AMO), and the City of Toronto published the Provincial-Municipal Fiscal and Service Delivery Review that identified a $60 billion investment was required over 10 years to bring our aging physical structures and facilities back to an acceptable standard. Of this amount, $28 billion would need to be dedicated to upgrading Ontario's roads and bridges. The paper focuses on how small municipalities can effectively manage and improve the condition of their aging road infrastructure based on several funding scenarios. To achieve this, best practices in the area of infrastructure management and capital investment planning will be explored using the Ontario Good Roads Association's asset management software, Municipal DataWorks (MDW). (A) For the covering abstract of this conference see ITRD record number 201211RT334E.
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 | 0,018 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».