MétaCan
Menu
Retour à la cohorte
Enregistrement W2588664306 · doi:10.4271/2017-01-1439

Commercial Vehicle Global Positioning System Based Telematics Data Characteristics and Limitations

2017· article· en· W2588664306 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT and GPS-based Vehicle Safety Systems
Établissements canadiensGeotab (Canada)
Organismes subventionnairesnon disponible
Mots-clésTelematicsComputer scienceGlobal Positioning SystemSystems engineeringTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">The use of the United States’ Global Positioning System (GPS) to assist with the management of large commercial fleets using telematics is becoming commonplace. Telematics generally refers to the use of wireless devices to transmit data in real time back to an organization. When tied to the GPS system telematics can be used to track fleet vehicle movements, and other parameters. GPS tracking can assist in developing more efficient and safe operations by refining and streamlining routing and operations. GPS based fleet telematics data is also useful for reducing unnecessary engine idle times and minimizing fuel consumption. Driver performance and policy adherence can be monitored, for example by transmitting data regarding seatbelt usage when there is vehicle movement. Despite the advantages for fleet management, there are limitations in the logged data for position and speed that may affect the utility of the system for analysis and reconstruction of traffic collisions. The U.S. Air Force is responsible for maintaining and operating the GPS space and control segments and publishes information about these limitations. The most significant of these limitations do not have serious effects on the use of this data for daily fleet operations, but may have effects and limitations for use in accident reconstruction. These limitations are specific to the accuracy of the position data, the reported vehicle speed, and changes in vehicle speed during acceleration maneuvers. User segment GPS telematics data generated during typical vehicle dynamic maneuvers of medium-duty commercial delivery vans was studied and their accuracy analyzed and discussed. Testing of various maneuvers was conducted at a western U.S. location and an eastern U.S. location. The telematics data validity and reliability was assessed by comparison to data gathered using the GPS based Racelogic VBOX III data acquisition system with a corrected signal, via a GPS Base Station, for baseline reference. The findings present the calculated accuracies for speed and position data.</div></div>

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,031
Tête enseignante GPT0,263
Écart entre enseignants0,232 · 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