A cikk a különböző arányban újrahasznosított aszfaltot (RAP) tartalmazó aszfaltkeverékek közvetett húzószilárdságának vizsgálatára összpontosít, lineáris regressziós és a neurális hálózati modellek alkalmazásával. A Véletlenszerű erdő (Random Forest) és a Neurális hálózat (Neural Network) modell összehasonlítása szemléltette és igazolta a gépi tanulási technikák aszfaltok közvetett húzószilárdságának (ITS-értékeknek) becslésére való megfelelőségét, nedves és száraz körülmények között egyaránt. Ez a kutatási munka hozzájárult ahhoz, hogy az aszfaltkeverékek teljesítményét befolyásoló sokrétű dinamikát egyre jobban meg lehessen érteni, emellett értékes adalékokat nyújtott a pálya-szerkezet-tervezési és -építési gyakorlat különböző környezeti feltételek mellett való optimalizálásához. A munka során kifejlesztett modell sikeresen, tehát magas R2-értékkel képes becsülni az ITS (nedves és száraz) érték és az azt befolyásoló tényezők, a habosított bitumen tartalom (FBC) és a RAP közötti kapcsolatot. A további vizsgálat feltárta az ITS metrika nedves és száraz körülmények között eltérő viselkedését.

Világszerte törekszenek az energiafelhasználás csökkentésére, ez alól az útépítés sem kivétel. Ezt a célt, egyebek mellett, mérsékelten meleg aszfalt (WMA) gyártásával lehet elérni. Ez utóbbi kötőanyaga a habosított bitumen (foamed bitumen) lehet. Ekkor a keverési és a beépítési hőmérséklet a hagyományos aszfaltkeverékénél 20-40 °C-kal alacsonyabbnak választható. A bitumenhabosítás lényege, hogy a nyomás alatt levő, forró bitument vízzel együtt permetezik a keverőtérbe, ahol a bitumen felhabosodik, az adalékanyag szemcséihez a hagyományos aszfaltkeverékeknél tapasztaltnál hatékonyabban tapad. A cikk ennek a környezetkímélő aszfalgyártási eljárásnak egyes tervezési, technológiai, teljesítményi és ökológiai kérdéseit érinti, amelyeket egy folyó PhD-kutatás során tártak fel.