MétaCan
Menu
Retour à la cohorte
Enregistrement W2167626169 · doi:10.1080/15568318.2012.708098

Automated Analysis of Pedestrian Crossing Speed Behavior at Scramble-phase Signalized Intersections Using Computer Vision Techniques

2012· article· en· W2167626169 sur OpenAlexaff
Houman Hediyeh, Tarek Sayed, Mohamed H. Zaki, Karim Ismail

Notice bibliographique

RevueInternational Journal of Sustainable Transportation · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCarleton UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSchema crosswalkPedestrian crossingPedestrianIntersection (aeronautics)Level crossingComputer sciencePreferred walking speedDiagonalTransport engineeringPhase (matter)SimulationEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study investigates changes in pedestrian speed behavior following the implementation of a scramble phase. The aim is to demonstrate the feasibility of automatic collection of pedestrian data; and to study pedestrian speed variations with respect to design changes to intersection crossings. The results show that the average crossing speed is higher after the implementation of the scramble phase. Within the scramble, the average crossing speed is higher for diagonal crossing than side crosswalk crossing. The average crossing speed is lower for pedestrians crossing during the Walk interval. Pedestrians have higher speed through the first half of the crosswalk. Key Words: automated video-based analysispedestrian crossing speedpedestrian trackingpedestrian walking behaviorscramble pedestrian phase

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,320
Écart entre enseignants0,306 · 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'étudeSimulation ou modélisation
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

Citations30
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable TransportationMême sujetTraffic and Road SafetyTravaux en français237 207