Standard data models for interoperability of municipal infrastructure asset management systems
Notice bibliographique
Résumé
Efficient management of infrastructure assets depends largely on the ability to efficiently share, exchange, and manage asset life-cycle information. Although software tools are used to support almost every asset management process in municipalities, data exchange is mainly performed using paper-based or neutral file formats based on ad hoc proprietary data models. Interoperability of various asset management systems is crucial to support better management of infrastructure data and to improve the information flow between various work processes. Standard data models can be used to significantly improve the availability and consistency of asset data across different software systems, to integrate data across various disciplines, and to exchange information between various stakeholders. This paper surveys a number of data standards that might be used in implementing interoperable and integrated infrastructure asset management systems. The main requirements for standard data models are outlined, and the importance of interoperability from an asset management perspective is highlighted. The role that spatial data and geographic information systems (GIS) can play in enhancing the efficiency of managing asset life-cycle data is also discussed. An ongoing effort to develop a standard data model for sewer systems is presented, and an example implementation of interoperable GIS and hydraulic modeling software is discussed.Key words: data standards, municipal infrastructure, asset management, data models, interoperability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».