El Espectro de carga para validar la carga de tráfico acumulada calculado por la AASHTO-93
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
El trabajo de investigación denominado " El Espectro de carga para validar la carga de tráfico acumulada calculado por la AASHTO-93” tuvo como objetivo determinar, ajustar y validar la Carga del Tráfico vehicular y la ecuación de la AASHTO-93 por medio del Espectro de Carga, a fin de ser adoptado para la normativa por el MTC. El AASHTO-93 es un Método Empírico para el diseño de pavimentos, desarrollado y calibrado en las pistas de prueba en Ottawa, estado de Illinois, Estados Unidos. Es de fundamental importancia validar el método AASHTO-93 para el Perú, mediante el uso de los modernos métodos Empíricos-Mecanicistas para realizar diseños acordes con nuestra realidad de tráfico y carga vehicular. La investigación fue de tipo aplicada, el método correlacional, el diseño es no experimental, la técnica es por observación y el instrumento son fichas de registros retrolectivo del tráfico y carga. La población es la Red Vial Nacional pavimentada con asfalto, 13 307 km del cual se tomó intencionalmente una muestra de 36 km con registros de tráfico de 7 años: 2012 a 2018 en la estación Ccatuyo de la carretera IIRSA Sur, Tramo 4, Km 100+000 al 136+000. Los resultados del estudio muestran que los espectros de carga determinan el tráfico característico de la carretera para cualquier año (R>0.98). Por otra parte, se ajustó las ecuaciones de Carga de tráfico de manera coherente con el método AASHTO-93, y finalmente Se determinó el valor de So= 1.29 (corrección del tráfico) el cual valida la ecuación de la AASHTO-93 y debe modificar el So (So= 0.45) de nuestra actual normativa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it