MétaCan
Menu
Retour à la cohorte
Enregistrement W1964089333 · doi:10.1108/14714171211215967

RFID deployment protocols for indoor construction

2012· article· en· W1964089333 sur OpenAlexaffabout
Saiedeh Razavi, Ali Montaser, Osama Moselhi

Notice bibliographique

RevueConstruction Innovation · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSoftware deploymentComputer scienceRadio-frequency identificationSystem deploymentIdentification (biology)Systems engineeringRange (aeronautics)Real-time computingProtocol (science)Computer securityEngineeringSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Purpose Location awareness is essential to decisions pertinent to tracking and progress reporting, as well as to safety in construction projects. However, these applications have been mostly limited to the outdoor environment, where satellites for positioning information are in view. Recent studies on indoor location sensing systems are now overcoming this limitation and offering significant potential on construction practices, and radio frequency identification (RFID) is the most widely utilised technology for such application. The purpose of this paper is to address a wide range of protocols that are vital for RFID deployment for indoor construction. The paper identifies deployment settings to provide data acquisition with higher accuracy for indoor location sensing in construction. Design/methodology/approach A computational platform was designed to assess and evaluate the most suitable condition related to deployment of reference tags in construction. In this platform, a number of protocols and parameters are presented and their performance is evaluated. The evaluation scenarios were performed on a construction facility in Montreal, as well as in a controlled lab environment. The computational platform used for the study comprises the use of passive reference RFID tags and K Nearest Neighbour algorithm (K‐NN) for course‐grained detection of target's location and its classification into pre‐defined zone areas. Findings The studies resulted in a number of observations, findings, and lessons learned for RFID deployment in construction. The results indicate that: the speed of the reader is in direct relationship with the detection error rate; zone configuration effectiveness is in direct relationship with the deployed RFID read‐range; error rate on the controlled environment is significantly lower than rates in construction site; and stationary reader performs better than moving reader. Originality/value The paper's findings are expected to be of considerable value to researchers and practitioners involved in the utilisation of RFID technology in construction. The paper provides a set of helpful protocols for the deployment of passive RFIDs for automated onsite management of construction operations.

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)0,004
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,272
Écart entre enseignants0,246 · 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
GenreMéthodes

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

En bref

Citations20
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConstruction InnovationMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207