MétaCan
Menu
Retour à la cohorte
Enregistrement W1973739576 · doi:10.3141/2160-15

Simulation and Evaluation of Automated Vehicle Identification at Weigh-in-Motion Inspection Stations

2010· article· en· W1973739576 sur OpenAlexafffund
Karim Ismail, Clark Lim, Tarek Sayed

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesTransport Canada
Mots-clésMicrosimulationGreenhouse gasTransport engineeringRangingMetric (unit)EngineeringDiscrete event simulationNet present valueRange (aeronautics)Identification (biology)Vehicle miles of travelOperations managementSimulationProduction (economics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

This paper describes the development and validation of a discrete event microsimulation model that was applied to investigate the implementation of automated vehicle identification (AVI) technologies at Nordel Inspection Station in Delta, British Columbia. Current operational policies require commercial vehicles passing through the area to be inspected. The study, which includes an extensive field survey to collect validation data, determined that the implementation of a conservative industry participation of 10% in the AVI program would result in benefits ranging from $2.4 million to $7.9 million (2008 CAD), or benefit–cost ratios ranging from 11 to 47 for a range of net-present value project costs of $50 to $200,000. Benefits also include the reduction of emissions, with 5-year greenhouse gas (GHG) emissions reductions ranging from 2,200 to 7,200 metric tons, or a cost of $9.1 to $123 per reduction of 1 ton of GHG, for a range of project implementation scenarios.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,403
Écart entre enseignants0,324 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetVehicle emissions and performanceTravaux en français237 207