MétaCan
Menu
Retour à la cohorte
Enregistrement W2045656633 · doi:10.1061/41038(343)35

Somewhere in Time — A History of Automated People Movers

2009· article· en· W2045656633 sur OpenAlexaboutno aff
William J. Sproule

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDowntownWork (physics)Transit systemEngineeringTransport engineeringWest virginiaTransit (satellite)BusinessPublic transportHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

The history of automated people movers is a fascinating story of innovation by governments, companies, entrepreneurs, transportation interest groups, researchers, and individuals. Some believe that the initial work began when the auto manufacturers were conducting in-house research on automated highways and other companies were developing systems using driverless vehicles on separate guideways. However the impetus for the development of these systems in the United States was provided by amendments to the Urban Mass Transportation Act of 1964. The amendments required that a project be undertaken to study and prepare a program of research, development, and demonstration of new systems of transportation. Extensive research studies were undertaken in the late 1960s and 1970s. Several manufacturers developed prototypes and early applications included installations at Tampa and Dallas-Fort Worth International Airports and in Morgantown, West Virginia. The Downtown People Mover studies generated considerable interest in the late 1970s. Research and development work was also underway in Canada, Europe, and Japan. Today there are over 130 installations of various types and configurations throughout the world and many more are under construction or are being considered. This paper travels somewhere in time to review some of the events in the development of this new transit technology.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,594

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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'étudeObservationnel
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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTransportation and Mobility InnovationsTravaux en français237 207