MétaCan
Menu
Retour à la cohorte
Enregistrement W1976436569 · doi:10.1080/17480930802351479

A framework for realistic microscopic modelling of surface mining transportation systems

2008· article· en· W1976436569 sur OpenAlex
Amel Jaoua, Diane Riopel, Michel Gamache

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Mining Reclamation and Environment · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensPolytechnique MontréalGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésTruckSoftware deploymentComputer scienceFuel efficiencyRoad surfaceTraffic simulationIntelligent transportation systemTransport engineeringSimulationSystems engineeringEngineeringAutomotive engineeringCivil engineeringMicrosimulation

Résumé

récupéré en direct d'OpenAlex

This article presents a recently developed realistic microscopic simulator for surface mining transportation systems called Surface Mining Transportation Simulator (SuMiTSim). In the road transport sector recent researches proved that for proper deployment of Intelligent Transportation Systems (ITS), the use of microscopic simulation models rather than the conventional macroscopic ones is critical. Microscopic simulators emulate realistically the dynamic traffic on a road network. A conceptual framework for the development of a surface mining micro-simulator is then proposed. The implementation of this framework led to SuMiTSim which is a robust tool for truck traffic analysis and control. Two case studies have been conducted. The results obtained from the first case study show clearly the benefits that can be derived when using SuMiTSim as a laboratory for more efficient haul roads design. The second finding concerns the integration of SuMiTSim as a proactive updater for real-time allocation. Other potential uses of SuMiTSim are highlighted, such as for sound environmental management through controlling fuel consumption and reducing truck bunching effects on mine networks.

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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,277

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,223
Écart entre enseignants0,196 · 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