Enrobé à module élevé pour régions froides : de sa formulation à son intégration dans les méthodes de dimensionnement mécaniste empirique en considérant ses propriétés thermomécaniques et sa résistance en fatigue
Bibliographic record
Abstract
L’objectif de la recherche est de montrer la supériorité de l’enrobé à module élevé 14 mm (EME-14) par rapport aux enrobés de base standards au Québec. Cette démonstration s’appuie sur ses caractéristiques thermomécaniques et son intégration au sein de différentes méthodes de dimensionnement mécaniste empirique (ME), qui tiennent justement compte de ces caractéristiques thermomécaniques. \n \nLe volet 1 concerne la formulation, la validation et la caractérisation mécanique de l’EME-14. Tel qu’attendu, l’EME-14 formulé présente d’excellentes performances : résistance à l’orniérage élevée, rigidité élevée (E*) et haute résistance à la fatigue. Cette rigidité et résistance à la fatigue sont des éléments clés qu’intègrent les différentes méthodes de dimensionnement ME. Au volet 2, l’influence du type de signal de sollicitation (sine vs haversine) et de la fréquence sur la résistance à la fatigue de l’EME-14 sont étudiées puisque chacun des logiciels de dimensionnement ME fait référence à un essai de fatigue particulier. Le type de signal n’influence pas la durée de vie en fatigue lorsque l’amplitude de déformation est bien définie. La diminution de la fréquence augmente la durée de vie en fatigue. Le volet 3 permet d’établir des correspondances entre le logiciel de dimensionnement ME français, Alizé-LCPC, et américain, AASHTOWare Pavement ME Design. L’application de ces correspondances permet de produire des dimensionnements similaires à quelques millimètres près. Le volet 4 illustre les réductions d’épaisseur que l’EME-14 permet comparativement à un enrobé plus standard selon l’application respective des méthodes de dimensionnement ME française et américaine. Les dimensionnements produits demeurent dans le même ordre de grandeur et illustrent toujours l’énorme gain que l’EME-14 procure. \n \nEn somme, l’EME-14 serait une option viable et performante permettant d’avoir des chaussées plus durables ou plus minces comparativement aux enrobés de base standards. La preuve s’appuie sur son comportement mécanique et des méthodes de dimensionnement ME.
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".