Dynamic Load Allowance of Bridges Subject to Autonomous Truck Platooning
Notice bibliographique
Résumé
This research is aimed at evaluating the effect of influencing parameters on the dynamic load allowance (DLA) for steel composite bridges subject to autonomous truck platooning (ATP). A comprehensive literature review is presented on platooning configurations and their effect on bridges, the selection of candidate trucks to constitute ATP, and DLA analyses. Next, the modeling of trucks, the road surface roughness generation in MATLAB, and its realization in Abaqus® as 3-D finite element modeling is presented in detail. A parametric study of the DLA is performed for a single span steel girder bridge for a single truck and platoons with two or three trucks, with speed ranging from 60 to 100 km/h, inter-truck spacings between 6 and 10 m, and three road surface roughness profiles (ISO 8608 profile A, ISO 8608 profile B, and ISO 8608 profile C). The results indicate that the resonance of the bridge can be excited by truck platoons for specific speed and inter-truck spacings, which can increase the dynamic load allowance relative to that of a single truck. Combinations of platoon speed and spacing that result in resonance conditions and high DLA vary as a function of surface roughness. When resonance conditions are not encountered, and inter-truck spacings are small, such that all platoon trucks are simultaneously on the span, the DLA is smaller compared with a single truck for smooth surface profiles. Large inter-truck spacings for two-truck and three-truck platoons result in high DLA but lower static loads, which can result in dynamic effects that are not within current Canadian Standards Association (CSA) guidelines, especially for large road surface roughness. ATP on a smooth profile result in only marginal increases of the DLA compared with a single truck and are within current CSA S6 guidelines.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».