MétaCan
Menu
Retour à la cohorte
Enregistrement W2805979963 · doi:10.1145/3213187.3213198

Using cell-DEVS for prototyping unmanned aircraft system traffic simulation

2018· article· en· W2805979963 sur OpenAlexaffabout
Ifeoluwa Oyelowo, Bruno Artacho, Siu O’Young, Gabriel Wainer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensMemorial University of NewfoundlandCarleton University
Organismes subventionnairesnon disponible
Mots-clésAir traffic controlAeronauticsCollisionNational Airspace SystemFree flightAerospace engineeringComputer scienceCollision avoidanceAviationEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

The use of Unmanned Aerial Systems (UASs) is expanding speedily. This results in a need to integrate UAS traffic into non-segregated airspace. However, this integration introduces risks of mid-air collisions between UASs and manned aircraft (MA) in the airspace. To deal with these issues, we present two models that work together to assess the risk of a mid-air collision between a UAS and another manned aircraft operating in Canada's Northern airspace. The first model represents a part of Canada's Northern airspace and the aircraft and UAS traffic in it. The second model is an Uncorrelated Encounter Model (UEM) which determines whether or not a mid-air collision has occurred between a UAS and an aircraft. These two models are integrated to form a UAS-UEM model which determines the number of mid-air collisions in several UAS and aircraft flight simulations. Our results show a low probability for a mid-air collision between a UAS and an aircraft in the airspace region of interest.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,919
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,255
Écart entre enseignants0,228 · 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 tête enseignante, 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAir Traffic Management and OptimizationTravaux en français237 207