Assessing the Potential of a Technology to Map the Subgrade Stiffness Under the Rail Tracks
Notice bibliographique
Résumé
Canadian railways pass through a wide variety of terrains, with the most problematic foundation soils being the glacio-lacustrine clays and very soft muskeg. Soft subgrade materials are prone to sudden failure and large plastic deformation which are a safety concern for rail operations. The locations of soft subgrade are not known due to the lack of an economical method to map the extent of track stiffness. A new technology developed at the University of Nebraska–Lincoln (UNL) (Greisen, 2010; McVey et al., 2005) allows for the measurement of the vertical deflection of the track structure under constant axle loads moving at normal track speeds. This paper presents the preliminary findings from testing of the technology to map the subgrade stiffness on Canadian National’s Lac la Biche subdivision (LLBS). The resultant data showed that the system is sensitive to the effects of track joints. This sensitivity obscures the larger scale variations in deflection due to soft subgrades. To mitigate the impact of the joints, a simple filtering procedure has been proposed to interpret the data at a large scale. The filtered data are used to map the relative stiffness of the subgrade along the LLBS. In addition, the historical track geometry defects data on the LLBS has been used to quantify the impact of soft foundations on degrading track geometry. The preliminary results show that the UNL system has the potential to be used as a measure of rail track performance.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».