Computer automated multi-paradigm modelling for analysis and design of traffic networks
Notice bibliographique
Résumé
In this article, Computer Automated Multi-Paradigm Modelling (CAMPaM) is presented as an enabler for domain-specific analysis and design of complex systems. Traffic, a new visual formalism tailored to the domain of vehicle traffic networks, is introduced. In the CAMPaM approach, the syntax of Traffic models is meta-modelled in an appropriate formalism such as Entity-Relationship Diagrams. From this description of abstract syntax, augmented with concrete (visual) syntax information, an interactive, visual modelling environment is automatically generated. The semantics of the Traffic formalism is subsequently modelled by mapping Traffic models onto Petri Net models. As the abstract syntax of models, irrespective of the formalism they are described in, is graph-like, graph rewriting can be used to transform models. Graph Grammar models thus allow for the specification of model transformations. The meta-modelling and transforma-tion of the Traffic formalism uses our CAMPaM tool AToM A Tool for Multi-formalism and Meta-Modelling. The advantages of creating a domain-specific formalism such as Traffic as opposed to using a generic formalism such as Petri Nets are presented. We also demonstrate how mapping Trafc models onto Petri Net models allows one to employ the vast array of Petri Net analysis techniques. In particular, a Coverability Graph is automatically generated and conservation analysis is automated by transforming this graph into an integer linear programming specification which is subsequently solved by the lp_solve code.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».