MétaCan
Menu
Retour à la cohorte
Enregistrement W2801893945 · doi:10.1016/j.procs.2018.04.146

Passenger Safety in Ride-Sharing Services

2018· article· en· W2801893945 sur OpenAlexaff
Benish Chaudhry, Ansar-Ul-Haque Yasar, Samar El-Amine, Elhadi Shakshuki

Notice bibliographique

RevueProcedia Computer Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésComputer securityComputer scienceInternet privacyOrder (exchange)BusinessTelecommunicationsFinance

Résumé

récupéré en direct d'OpenAlex

With the rise of ride-sharing services available in the world, it has ease users to commute with app based services and cashless transactions. The introduction of ride-sharing companies in the start gave the users the liberty to use one application and account to be used universally. However, with the rise of such services, one question that does ring a bell is the passenger safety, especially in countries with loose law controls. This paper focuses on the aspect of passenger safety in ride-sharing services. There have been reports of harassment, assault and robbing passengers on these rides. However, no strict measures could be taken because of the company not having full control over the driver, vehicle and ride. Poor feedback system has also added fuel to the fire. As much as they are filling the gap of better services across the world, there is a dire need of having possible security measures to make sure that rider safety is ensured from the start of the journey till he/she reaches the destination. Different suggestions that have been given include the introduction of mandatory dash cams in the rides through which the rider can put a live transmission of his/her ride on social media or YouTube, in order to have more eyes. Moreover, an introduction of watchdog network, which can volunteer to monitor rides, can also keep an eye on the transmission and can contact lawmakers in case of emergency. A distress alarm on the app can be made available, which can report discomfort of the rider or suspicious behaviour of the driver. Other measures like keeping indoor lights on during after-dark hours, display of ride sharing company’s sticker on front and rear of the car and introduction of passenger insurance add-on in the ride type can also enhance security of the rider.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,040
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0400,013

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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

Citations89
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetTransportation and Mobility InnovationsTravaux en français237 207