MétaCan
Menu
Retour à la cohorte
Enregistrement W2171069666 · doi:10.4271/2014-01-2381

Heavy-Duty Vehicle Rear-View Camera Systems

2014· article· en· W2171069666 sur OpenAlexaffabout
Tyson McWha

Notice bibliographique

RevueSAE International journal of commercial vehicles · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Detection Methods
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésHeavy dutyAutomotive engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Transport Canada, through its ecoTECHNOLOGY for Vehicles program, retained the services of the National Research Council Canada to undertake a test program to examine the operational and human factors considerations concerning the removal of the side mirrors on a Class 8 tractor equipped with a 53 foot dry van semi-trailer. Full scale aerodynamic testing was performed in a 2 m by 3 m wind tunnel on a system component basis to quantify the possible fuel savings associated with the removal of the side mirrors. The mirrors on a Volvo VN780 tractor were removed and replaced with a prototype camera-based indirect vision system consisting of four cameras mounted in the front fender location; two cameras on either side of the vehicle. Four monitors mounted in the vehicle - two mounted on the right A-pillar and two mounted on the left A-pillar - provided indirect vision information to the vehicle operator. Four commercial drivers were asked to perform a series of tests simulating typical driving scenarios on a closed course test track. The tests included an object identification test, a blind spot comparison test, a coupling and uncoupling test, a quasi-static lane change test, a dynamic lane change test and an evasive manoeuvres test. The tests were performed both with the mirrors and with the camera-based indirect vision system. The results of the study provide an analysis of driver performance while using the mirrors in comparison to driver performance while using the camera-based indirect vision system. Driver acceptance of the camera-based indirect vision system was also analyzed through the use of questionnaires.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0710,028

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 Opus0,026
Tête enseignante GPT0,291
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAE International journal of commercial vehiclesMême sujetAdvanced Measurement and Detection MethodsTravaux en français237 207