Estimation of Safety Performance Measures from Smartphone Sensors
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
Safety performance measures represent an useful tool for evaluating road safety conditions on the basis of objective parameters deducible from the vehicle kinematics. In this context, safety performances are expressed in terms of indicators representing interactions between different pairs of vehicles belonging to the traffic stream. Safety performance is expressed from the perspective of rear-end vehicle interactions. Differences in safety performance are discussed with respect to type of indicator and traffic conditions. When these indicators reach a certain critical value (threshold), a possible accident scenario is identified. Most common approaches used to acquire vehicle tracking data are based on video image processing algorithms and satellite navigation systems. However, many studies are increasingly interested in the emerging smartphone technologies for tracking people, and hence vehicles. Due to the fact that smartphones are becoming a valid alternative to Tablets, PDAs and laptops, offering phone features coupled with multiple mobile internet applications, smartphone sales will more than triple to 491.9 million units by 2012 from 139.3 million in 2008 (Gartner Inc. forecasts). The main goal of this study is to present a procedure for extracting vehicle tracking data from smartphone sensors and to use them in the estimation of safety performance indicators. The accuracy of tracking data from smartphone sensors is evaluated with respect to GPS tracking measurements. The results of this analysis identify interactions potentially dangerous and highlight high risk zones that reflect locations characterized by high vehicular interactions. This study underscores the usefulness of the smartphones for providing meaningful experimental data to assess potential safety problems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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