Tracking Hauling Trucks for Cut-Fill Earthmoving Operations
Notice bibliographique
Résumé
Tracking Hauling Trucks for Cut-Fill Earthmoving Operations Ali Montaser, Osama Moselhi Pages 821-829 (2013 Proceedings of the 30th ISARC, Montréal, Canada, ISBN 978-1-62993-294-1, ISSN 2413-5844) Abstract: Hauling trucks are important part of equipment fleets for large earthmoving operations such as those encountered in dams and highway construction projects. This paper presents an automated methodology for tracking and estimating productivity of hauling trucks fleet operations in near-real-time. Recent advancement in automated site data acquisition technologies made their use in tracking and monitoring of construction operations feasible. However, these technologies fail to track hauling truck fleets due to the change in the cut and fill locations from one cycle to another; making tracking and progress reporting difficult and inaccurate. In addition, there is very little work done utilizing data sensed directly from equipment, for example sensing when truck dumping bed is raised during the dumping process. The technologies deployed in the developed method are Radio Frequency Identification (RFID) and equipment control sensors. Low cost passive RFID tags are attached to hauling trucks and fixed RFID readers are attached to loaders or excavators. The read range of the used RFID tag is centimeters, to be activated only when a loader with an attached RFID reader is loading a truck. On the other hand, control sensor is connected to the truck control system and operated by the motion of its movable bed. The function of control sensors is to record the signal time when the truck operator gives order to the truck control system to raise or lower truck bed. The captured data is then transferred wirelessly from the RFID reader and control sensor to a computer housed in one of the temporary offices onsite and subsequently to the main server in the contractor's head office. Fusing the data captured from RFID reader and control sensor is used to identify loading, travel, dumping and return time that constitute the hauling truck cycle time. The collected data is analyzed and processed automatically, without human intervention, to calculate the productivity of the hauling truck and to report it directly to onsite personnel. Relational database is developed to support the implementation of the proposed method. The developed database is used to process the data captured by the RFID and the control sensor to calculate the productivity achieved in cutfill operations in near-real-time. The developed methodology is expected to facilitate early detection of discrepancies between actual and planned performances. Keywords: Earthmoving Operations, Hauling Trucks, Tracking and Progress Reporting, RFID, Control Sensor DOI: https://doi.org/10.22260/ISARC2013/0089 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».