MétaCan
Menu
Retour à la cohorte
Enregistrement W2138621651 · doi:10.3141/1855-16

Assessment of Data-Collection Techniques for Highway Agencies

2003· article· en· W2138621651 sur OpenAlexaffabout
Karen Robichaud, Martin K. Gordon

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringData collectionChristian ministryPublic workMinistry of TransportComputer scienceBusinessEngineeringStatisticsPublic administration

Résumé

récupéré en direct d'OpenAlex

In the last decade, many agencies within Canada and the United States have initiated programs to assess the effectiveness of their traffic-monitoring programs and the value gained from their traffic-monitoring dollars. A project was initiated by the British Columbia Ministry of Transportation to assess the accuracy of the existing traffic-monitoring system and to compare it to alternatives for estimating traffic volumes on the highway network. The study included a review of findings from similar projects by the New Brunswick Department of Transportation and the Prince Edward Island Department of Transportation and Public Works. The options for traffic data collection considered by all three provincial agencies and the accuracy and cost implications that can be expected from each option are presented. Two methods for expanding short-term traffic counts to estimate average daily traffic volumes are discussed. The reported accuracy estimates allow practitioners to better understand cost and accuracy trade-offs.

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)0,005
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,117
Tête enseignante GPT0,404
Écart entre enseignants0,287 · 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'étudeSans objet
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

Citations23
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic Prediction and Management TechniquesTravaux en français237 207