Use of Asphalt Pavement Analyzer Testing for Evaluating Premium Surfacing Asphalt Mixtures for Urban Roadways
Notice bibliographique
Résumé
This paper describes how urban roadway pavement rutting, particularly at signalized intersections, is a significant issue and challenge for those responsible for municipal pavement infrastructures. Agencies have, in recent years, been proactive in trying new strategies for dealing with this problem. These strategies have included premium hot mix asphalt (HMA) surfacing materials including the use of polymer modified or performance grade asphalt binder, stone matrix asphalt (SMA), Superpave mix types, sulfur extended asphalt modifier, and asphalt rubber mixes. The Cities of Calgary and Lethbridge have recently installed various types of pavement surfacing materials with the objective of assessing performance under in-service conditions. The limited experience with these types of hot mix asphalt materials has made it necessary for the municipal agencies to adopt available methods to provide some indication of their performance prior to their widespread use in construction. The Asphalt Pavement Analyzer (APA) has been shown to be a useful tool for the assessment of the permanent deformation (rutting) resistance of HMA materials. This paper describes how APA testing was used for the assessment of HMA materials within the context of projects undertaken by the Cities of Lethbridge and Calgary, in 2003 and 2004. In some cases the APA testing was used to validate and/or optimize HMA mixture designs. This means of accelerated testing was also used to evaluate the rut resistance performance of constructed pavements, with the objective of assessing the different materials and construction strategies. Guidance regarding the use of APA results, including benefits as well as limitations, is also provided.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».