MétaCan
Menu
Retour à la cohorte
Enregistrement W2005746601 · doi:10.1061/(asce)cp.1943-5487.0000181

Multiagent Approach for Real-Time Collision Avoidance and Path Replanning for Cranes

2011· article· en· W2005746601 sur OpenAlexafffund
Cheng Zhang, Amin Hammad

Notice bibliographique

RevueJournal of Computing in Civil Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCollision avoidanceReal-time locating systemMulti-agent systemSAFERMotion planningComputer scienceCollisionPath (computing)Real-time computingCollision detectionCollision avoidance systemEngineeringState (computer science)SimulationArtificial intelligenceComputer securityComputer networkRobot

Résumé

récupéré en direct d'OpenAlex

Collisions on construction sites are one of the primary causes of fatal accidents. This paper proposes a multiagent-based approach to provide real-time support to the staff of construction projects. Collision avoidance is achieved by informing the crane operators about potential collisions and by providing motion replanning for crane operations. During the planning stage, a three-dimensional (3D) model of the static environment is created, and collision-free motion plans are generated by the agents for the cranes, considering engineering constraints and operation rules. During actual construction work, all mobile objects are tagged when entering the monitored area. A site state agent uses a real-time location system (RTLS), such as an ultra-wideband (UWB) system to collect location data, calculates the poses of the objects on site, and sends this information to other agents. By using this real-time updated information, agents can detect potential collisions and replan the path for the cranes for collision avoidance. A coordinator agent coordinates the movement of cranes by deciding their priorities. The site state agent, coordinator agent, and crane agents can communicate and negotiate with one another to make better decisions. The framework of the multiagent system is described in detail, and a prototype system is developed. Three case studies are used to verify and validate the proposed approach. The benefit of using the agent system is that real-time collision avoidance can be achieved by providing more awareness of the site situation and decision making through communication and negotiation between multiple agents, which results in safer and more productive work environment.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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'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

Citations79
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Computing in Civil EngineeringMême sujetBIM and Construction IntegrationTravaux en français237 207