MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104270397 · doi:10.71892/11143/1175

Amélioration de l'identification des cavités sous les routes

2025· other· fr· W7104270397 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2025
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeratingRail transportationHomogeneous

Résumé

récupéré en direct d'OpenAlex

Le présent projet de recherche s’intéresse à la problématique des cavités qui se développent dans le sol, en particulier sous les routes, notamment à proximité des ponceaux défectueux ou vieillissants. Ces cavités présentent un risque important pour la sécurité routière, car elles peuvent entraîner l’effondrement soudain de la chaussée. Les causes possibles de ces cavités sont liées à plusieurs phénomènes, tels que l’érosion, les écoulements souterrains, la perte de matériaux ou des changements physico-chimiques du sol. Pour prévenir ces incidents, le ministère des Transports du Québec utilise depuis plusieurs années la méthode MMASW (Multi-Modal Analysis of Surface Waves) afin de détecter la présence d’anomalies sous les chaussées. Cependant, bien qu’efficace pour caractériser les sols, cette méthode est jugée longue et complexe, notamment à cause des traitements de signal et des processus d’inversion nécessaires. Le rapport pose donc la question de savoir s’il est possible de développer une méthode d’analyse plus rapide, qui permettrait de diagnostiquer l’état du sol autour des ponceaux en 3D, sans passer par toutes les étapes complexes de la MMASW. C’est dans ce but qu’un projet de recherche a été lancé à l’Université de Sherbrooke, afin de mettre au point une approche expérimentale et méthodologique permettant une détection plus rapide et localisée des cavités. La nouvelle méthode proposée consiste à réaliser des relevés sur une surface plus large autour des ponceaux, avec des capteurs disposés en lignes parallèles à la chaussée et déplacés par petits espacements. Cette configuration permet de couvrir un plus grand volume de sol et d’obtenir des tomographies en 2D et 3D du sous-sol investigué. Ainsi, la méthodologie vise à améliorer la localisation des anomalies et à fournir un diagnostic rapide de l’état du remblai, tout en validant ces hypothèses à l’aide d’un site expérimental à échelle réelle construit à l’Université de Sherbrooke. Au cours de l’automne 2020, un site expérimental a été aménagé sous la piste cyclable menant au bassin hydraulique de l’Université de Sherbrooke, où deux ponceaux en tôle ondulée galvanisée de 1,2 m de diamètre ont été implantés à des profondeurs respectives de 1,5 m et 3,5 m. La partie expérimentale s’est déroulée en plusieurs phases. Lors de la première phase d’investigations, des relevés ont été effectués afin d’observer l’état initial du sol sans cavités. Dans la phase 2, des cavités de 20 × 20 × 20 cm³ ont été créées à différentes orientations (0°, 45°, 90°) et à divers emplacements le long des ponceaux, afin de traiter plusieurs cas. Ces cavités ont ensuite été agrandies à 40 × 40 × 40 cm³, puis certaines ont été rebouchées avec de la mousse expansive. À chaque étape, des relevés ont été effectués. Enfin, la phase 3 constitue les travaux effectués dans le cadre de cette maîtrise. Des relevés ont été réalisés environ un an après la phase 2 pour valider la fiabilité de la méthode et pour évaluer l’évolution des cavités, tout en variant les espacements et les configurations de mesure (par exemple l’emplacement de la source), afin de rechercher la meilleure configuration et de tester les limites de la méthode. Un logiciel de traitement des signaux a été développé au sein du laboratoire géotechnique de l’Université de Sherbrooke, afin de faciliter le traitement des données et d’optimiser le temps d’analyse. Le projet a atteint ses objectifs. La méthode d’analyse développée, basée sur la variation de la vitesse de groupe en fonction de la fréquence pour chaque capteur, a permis de détecter précisément des anomalies telles que des cavités ou des zones décompactées. Des défis techniques liés au positionnement des capteurs et à la qualité des signaux ont initialement compliqué l’analyse, le logiciel de traitement des signaux a été conçu pour traiter les données en moins de 5 minutes par série d’essais, offrant ainsi un diagnostic fiable en temps réel (moins d’une heure après les mesures) et permettant de filtrer les effets des signaux défectueux (moins de 1% sur 300 à 400 signaux). La méthode d’analyse, validée sur plusieurs cas, montre un potentiel accru pour des ponceaux réels, où l’espace permet un placement optimal des sources d’impacts. Des essais à l’échelle routière restent toutefois nécessaires pour confirmer ces avancées, mais la méthode constitue déjà une solution rapide et précise pour l’évaluation de l’état du sol à travers les pavages routiers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,052
Tête enseignante GPT0,342
Écart entre enseignants0,289 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→