MétaCan
Menu
Retour à la cohorte
Enregistrement W2066890809 · doi:10.1109/icsens.2013.6688330

Large animal detection and continuous traffic monitoring on highways

2013· article· en· W2066890809 sur OpenAlexaff
Abir Mukherjee, Svetlana Stolpner, X. Liu, U. Vrenozaj, Changshun Fei, Abhijit Sinha

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensAUG Signals (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceALARMRadarWarning systemTrack (disk drive)Real-time computingConstant false alarm rateFencingTransport engineeringEngineeringTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There is an increasing interest worldwide in animal detection systems to reduce animal-vehicle collisions. Traditional approaches include building animal crossings, introducing real or virtual fencing, video surveillance and break-the-beam systems. Unlike these approaches, the system described here Large Animal Warning and Detection System (LAWDS) employs a 360°-scanning radar to monitor a stretch of highway. This provides year-round continuous highway monitoring, even in harsh weather conditions. Innovative analysis and classification techniques enable the system to track large animals (e.g. deer). Low false alarm rate and environmental impact make LAWDS attractive for operational use. LAWDS also distinguishes vehicles from large animals and analyzes highway traffic metrics such as traffic volume and vehicle speeds.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil1,000

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)0,0010,001

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWildlife-Road Interactions and ConservationTravaux en français237 207