Truck Platoon Impacts on Prestressed Concrete Girder Bridges
Notice bibliographique
Résumé
‘Connected and Autonomous Vehicle’ technology allows for the formation of truck platoons which consists of closely spaced trucks travelling at high speeds. Although platooning offers many benefits, its impact on bridges and current design codes require attention. Specifically, because platoons may be heavier than what bridges were designed to withstand and because the Canadian Highway Bridge Design Code (CHBDC) in CSA S6:19, which offers empirical equations to estimate the live load distribution factor (Ft), may not be adequate for autonomous vehicles, especially regarding lane width requirements. The goal of this study is twofold: first, assess the performance of prestressed concrete girder bridges under truck platoons, considering corrosion and climate change effects, and second, evaluate the performance of CHBDC equations in estimating Ft for bridges with reduced lane widths that do not meet standard requirements and provide an amplification factor for improved accuracy. This study begins by comparing the reliability of bridge archetypes under routine traffic versus truck platoon loads. We then incorporate structural deterioration models to account for the effects of corrosion and climate change. Finite element models are employed to evaluate CHBDC Ft estimates, and genetic programming is utilized to develop the amplification factor. The results indicate that closely spaced platoons, corrosion and climate change all decrease the bridge reliability and that even if platooning satisfies the safety criteria at the ultimate limit state, it may falter at the serviceability limit state. CHBDC performs well for interior moment Ft estimates, but has unconservative cases for exterior moment and shear, especially for bridges with reduced lane widths. The load type showed negligible effect on Ft, while reduced lane widths consistently increased Ft. The proposed amplification factor was validated and resulted in more accurate Ft estimations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».