Toward Climate-Resilient Road Infrastructure: A Machine Learning Approach for Predicting Moisture Damage in Asphalt Pavements
Questo studio sviluppa un framework di apprendimento automatico basato su Random Forest utilizzando i dati LTPP per prevedere accuratamente l'insorgenza e la gravità del danno da umidità nelle pavimentazioni stradali asfaltate, consentendo alle agenzie di trasporto di implementare strategie di manutenzione proattive e resilienti al clima.