MétaCan
Menu
Retour à la cohorte
Enregistrement W1658881915

DRIVERLESS METROS POISED TO EXPAND

2000· article· en· W1658881915 sur OpenAlexaboutno aff
Tom Parkinson, Ian Fisher

Notice bibliographique

RevueRailway gazette international · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Systems and Energy Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrainAutomatic train controlTransport engineeringDoorsService (business)EngineeringPlan (archaeology)AutomationTelecommunicationsDedicated lineLine (geometry)AeronauticsElectrical engineeringControl systemBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Developments during the 20th century have shown that it is technically and economically feasible to operate high-capacity driverless trains on metros. The experience of the last 15 years shows that they are safe, and that it is time to move on to the next stage. This article gives a brief history of automatic train operation (ATO) on metros, reports on some plans to convert existing metros to ATO, and outlines the case for automation. ATO trials were first conducted during the early 1960s, and London Underground's Victoria Line was the first ATO line to enter commercial service, in 1968, but it still has staff on board its trains. Most driverless train systems operate in a protected environment, such as major airports, but Japan has several of significant length and passenger volume. The article discusses seven driverless systems that are metros, four of which are in France, and one each in Canada, Malaysia, and Taiwan. Several metro administrations, including those in Berlin and Paris, plan to convert existing lines to driverless operation. Driverless trains can be added rapidly during peak periods to handle surges in passenger demand. It is often difficult to convince rail safety regulators that they are safe, but several systems have platform screen doors to prevent accidents to passengers in stations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,005

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,196
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRailway gazette internationalMême sujetRailway Systems and Energy EfficiencyTravaux en français237 207