MétaCan
Menu
Retour à la cohorte
Enregistrement W2403979189 · doi:10.1061/9780784479827.298

Time-Cuboid Model with Reduced False Alarms for Construction Safety

2016· article· en· W2403979189 sur OpenAlexaff
Jun Wang, Saiedeh Razavi

Notice bibliographique

RevueConstruction Research Congress 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElevator Systems and Control
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCuboidHazardComputer sciencePosition (finance)Benchmark (surveying)False alarmSimulationArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Struck-by-equipment hazard is a leading cause of construction fatalities. Although several proximity detection systems have been developed to alleviate the risks of this type of hazard, the frequently generated false alarms which do not represent actual hazardous situations have limited their real-world application. Therefore, the time-cuboid model is developed to enhance construction safety by preventing struck-by-equipment accidents with reduced false alarms. The time-cuboid model effectively reduces false alarms by (1) fully considering an entities’ 3D position, orientation and velocity; (2) using a dynamic and adjusted warning distance; and (3) utilizing the developed safety rules which use relative position, moving direction, speed and a pairwise 3D safety query to identify actual as well as impending spatial interferences. Simulation and a controlled field experiment were conducted to evaluate the effectiveness of the time-cuboid model. The time-cuboid model is effective in reducing false alarms as no false negatives are generated and all obtained false positive rates (FPRs) are zero which are much lower than the FPRs of the prevalent proximity detection method (62.1% averagely). The reduced alarm percentages (RAPs) indicate that at least 50.2% alarms generated by the prevalent method can be avoided by the time-cuboid model. Reduction of false alarms contributes to enhancing construction safety, mobility and productivity.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,272
Écart entre enseignants0,252 · 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'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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2016Même sujetElevator Systems and ControlTravaux en français237 207