MétaCan
Menu
Retour à la cohorte
Enregistrement W2500800562 · doi:10.2495/safe-v6-n2-394-405

The application of the CE regulation 402/13 and the quantitative evaluation of risk to the Italian Railway ‘SSC’ (supporting system for the driver) control command system

2016· article· en· W2500800562 sur OpenAlexvenueno aff
Fabio Senesi, Giovanni Ridolfi, S. Buonincontri

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésControl (management)Computer scienceControl systemRisk assessmentRisk analysis (engineering)Reliability engineeringTransport engineeringEngineeringComputer securityBusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Proper hazard analysis and risk evaluation management are the main steps to define the safety requirements of a railway control command system aiming to protect trains from their physical constraints, the limits of the infrastructure they have to run on and the traffic constraints as they share the same infrastructure with other vehicles.After a short overview of the Italian national railway control command systems, the goal of this paper is to describe the approach adopted for providing the hazard analysis to the protection system named SSC (Supporting System for the Driver -Sistema di Supporto alla Condotta) with a special focus on the risk assessment phase where the quantitative evaluation of risk at system level was performed including human factor (particularly driver error).The applied methodology adheres to the European Commission Regulation 402/13 on the common safety method for risk evaluation and assessment, and it is in line with the CENELEC standards EN50126 and EN50129 valid for safety-related electronic systems for railway signalling and communication applications.

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)0,016
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,004
Communication savante0,0050,001
Science ouverte0,0030,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,019
Tête enseignante GPT0,316
Écart entre enseignants0,297 · 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'étudeObservationnel
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetRisk and Safety AnalysisTravaux en français237 207