MétaCan
Menu
Retour à la cohorte
Enregistrement W2331666418 · doi:10.2514/6.2000-1222

Application of the Global Positioning System in determination of vehicular acceleration

2000· article· en· W2331666418 sur OpenAlexaff
Shane D. Pinder, T.G. Crowe, P.N. Nikiforuk

Notice bibliographique

Revue18th International Communications Satellite Systems Conference and Exhibit · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAccelerationComputer scienceGlobal Positioning SystemTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Aircraft landing and takeoff performance monitoring is an area of research aimed at improving the information available to the pilot for decision making during takeoff or landing. A system capable of instantaneously determining the stopping distance of an aircraft could form an integral component of a monitoring system. Particularly difficult to quantify is the frictional coefficient between the runway and the aircraft tires, should such a measurement be necessary. In secluded far-northern regions, where a monitoring system would be particularly useful given adverse weather, few airports are equipped to attempt frictional measurements. In such instances a monitoring system would need to be totally self-contained and able to determine aircraft ground speed, acceleration, and position relative to the end of the runway. Prediction of the aircraft's location at rest is then possible. It is proposed that the Global Positioning System (GPS) be used to determine aircraft acceleration, ground speed, and position relative to the end of the runway. A practical evaluation of the feasibility of this proposal showed clear superiority of a GPS-derived acceleration over a more traditional method employing accelerometers. Advantages of the GPS-derived measurement include a modest noise level, insusceptibility to gravity and temperature-influenced variations, and far simplified mounting criteria.

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 enseignants0,773
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 GPT0,232
Écart entre enseignants0,218 · 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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue18th International Communications Satellite Systems Conference and ExhibitMême sujetAir Traffic Management and OptimizationTravaux en français237 207