Reported UAV incidents in Canada: analysis and potential solutions
Notice bibliographique
Résumé
UAV incidents were analyzed using data from Transport Canada’s Civil Aviation Daily Occurrence Reporting System (CADORS). Between 5 November 2005 and 31 December 2016 a total of 355 incidents were reported in Canadian airspace. The largest number involved UAV sightings (66.5%) and close encounters with piloted aircraft (22.3%). These incidents increased markedly after 2013, with the highest number in British Columbia, followed by Ontario, Quebec, Alberta, and Manitoba. The vast majority of UAV incident reports were filed by pilots of piloted aircraft. Typically, airspace at altitudes greater than 400 feet above ground level (AGL) is off limits to UAVs; however, of the 270 incidents in the CADORS database with UAV altitude reported, 80.4% were above 400 feet AGL and 62.6% were above 1000 feet AGL. Of the 268 incidents with reported horizontal distance to the nearest aerodrome, 74.6% occurred or likely occurred within five nautical miles (M), and of those 92.4% and 76.6% were reported above 100 and 300 feet AGL, respectively. Collectively, the CADORS data indicate that the overwhelming majority of UAV incidents reported in Canada were airspace violations. These results can guide future risk mitigation measures, hardware and software solutions, and educational campaigns to increase airspace safety.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».