ANALYSIS OF ROAD WEATHER INFORMATION SYSTEM USERS IN CALIFORNIA AND MONTANA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A road weather information system (RWIS)--a network of weather stations, forecasting services, and the supporting infrastructure--has been used widely in the United States and Canada since the late 1980s. Through separate projects with Montana Department of Transportation (DOT) and California Department of Transportation (Caltrans), Western Transportation Institute (WTI) collected information from road weather information users through surveys and interviews. Montana DOT's survey, completed in September 2000, received responses from 89 Montana DOT maintenance personnel. WTI conducted the Caltrans study in January 2002, and received responses from maintenance and traffic operations staff representing 11 of the 12 districts. Although not identical, the surveys included questions in similar categories, including training; current use, methods, and data; station siting; and accuracy. This paper summarizes the RWIS operations and user opinions in California and Montana and compares them with those reported by Wyoming DOT in 1998. Specifically, this analysis discusses: RWIS user profiles; station siting and networking; weather information improvement ideas; perceived current and potential usefulness; training; and traffic operations and maintenance usage. The objective of this analysis is to identify nationally applicable RWIS trends or improvements. The information in this paper will be of interest and benefit to transportation officials who wish to gain a better understanding of users' perspectives on RWIS, identify areas of improvement for a state's RWIS, and learn about related experiences from other states.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle