MétaCan
Menu
Retour à la cohorte
Enregistrement W2887491556 · doi:10.1155/2018/2918026

On the Kinematics of Vehicles Relevant to Conflict Detection and Resolution

2018· article· en· W2887491556 sur OpenAlexvenueno aff
Luís Braga Campos, J. M. G. Marques

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésKinematicsCentripetal forceAccelerationA priori and a posterioriPosition (finance)Circular motionGeometryMotion (physics)Separation (statistics)MathematicsPlane (geometry)Relative velocityConstant (computer programming)Mathematical analysisComputer sciencePhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

The paper presents methods to determine the time, positions, and distance of closest approach for two vehicles following arbitrary trajectories in two or three dimensions. The distance of closest approach of two vehicles following arbitrary curved trajectories is determined by two conditions: (i) the relative velocity must be orthogonal to the relative position in order for the distance to be a nonzero extremum; (ii) the radial acceleration including centripetal terms must have a direction that increases the separation for the extremum to be a minimum. This theorem on the distance of closest approach simplifies in the case of uniform motion along rectilinear trajectories. Three examples are given: (i) the two-dimensional motion of surface vehicles changing the velocity of one of them so as to enforce a given minimum separation distance; (ii) the three-dimensional motion of two aircraft, one flying horizontally and the other climbing, changing the vertical velocity of the latter to ensure a minimum separation distance set “a priori”; (iii) the case of an aircraft flying with constant velocity in a straight line so that its closest approach to another aircraft flying in a circular holding pattern in the same plane occurs at a given time chosen “a priori”.

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: Empirique
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,156

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAir Traffic Management and OptimizationTravaux en français237 207