Incorporating Scenic View, Slope, and Crime Rate into Route Choices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With Global Positioning System (GPS) devices, drivers are now more confident in exploring routes out of the ordinary. More portable forms of commercial GPS navigators (GPS-embedded cell phones, MP3 players, and watches) are also available for pedestrians and bicyclists. Most route guidance applications minimize travel distance and time, which are important factors, but are not the only navigational criteria of interest to users, especially in urban and city environments. With the aid of advanced features of geographic information systems (GISs), new geospatial factors such as the three-dimensional (3-D) nature of the roads and crime rates can be included in the route guidance for broader applications. For instance, 3-D GISs can generate information on visible scenery along a given route (for tourists) or the slopes of the consecutive road segments (for pedestrians and bicyclists). In addition, pedestrians and bicyclists can opt to avoid high-crime areas. In the future, this concept of incorporating new geospatial information can be extended, for example, for computing low-elevation areas that are susceptible to flooding and hilly regions with heavy traffic. This paper presents methods of incorporating 3-D features of the roads and geospatial crime rate information for route guidance purposes. It is found that the 3-D nature of the roads and crime rate–related information can result in considerably different route choices.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle