MétaCan
Menu
Retour à la cohorte
Enregistrement W7088385263 · doi:10.1680/jgein.25.00056

Modified AASHTO empirical pavement design method for geosynthetic-reinforced asphalt

2025· article· en· W7088385263 sur OpenAlexaff

Notice bibliographique

RevueGeosynthetics International · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensJuvenile Diabetes Research Foundation
Organismes subventionnairesnon disponible
Mots-clésGeosyntheticsAsphaltParametric statisticsCrackingUltimate tensile strengthReduction (mathematics)ModulusDesign methods

Résumé

récupéré en direct d'OpenAlex

Geosynthetics are commonly adopted to retard problems associated with reflective cracking in asphalt, although their inclusion as asphalt reinforcements also provides structural benefits. However, methodologies are yet to develop to incorporate these structural benefits into design. This study proposes a design method to account for structural capacity increase by geosynthetics in asphalt. The proposed method relies on quantifying a tensile strain reduction ratio (α) defined as the ratio between elastic tensile strain in HMA in a geosynthetic-reinforced asphalt road and that in an equivalent unreinforced road. Implementation of the design method involves incorporating a modified structural number or modified ESAL into AASHTO1993 design by using an equivalent modulus or an equivalent axle load factor for asphalt-geosynthetic composite. The geosynthetic benefits were ultimately accounted for in design either by reducing the asphalt thickness or by increasing the traffic volume. This paper presents the results of parametric evaluations of geosynthetic benefits for α ranging from 0.8 to 0.4. Design charts were developed to facilitate adoption of the proposed design method, and a design example is provided to illustrate the predicted benefits. It was found that 20% to 33% reduction in asphalt thickness, or 1.8- to 4.0-fold increase in traffic volume, is feasible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,363
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeosynthetics InternationalMême sujetEpigenetics and DNA MethylationTravaux en français237 207