Past, present, and future of the satellite-based automatic identification system: areas of applications (2004–2016)
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.
Notice bibliographique
Résumé
In 2016, the world shipping fleet grew by 3.5%. Even if the annual growth rate remains at its lowest since 2013, the global situation is still in overcapacity (UNCTAD 2016 ). Ninety percent of global trade, by volume, is done by sea. Monitoring this fleet helps with vessel navigation, informing to help avoid critical situations such as collisions, accidents leading to oil pollution, grounding, or ships in distress, but also because traffic management in congested areas is essential. For system wide management, in regions such as MPAs (marine protected areas), conservation is the key factor, and movements can be monitored and analyzed in order to determine illegal or suspicious activities, or in order to limit and/or divert traffic, to mitigate the risks to species subject to protection. It is among these efforts that the automatic identification system (AIS) can play a key role. Since 2004, this VHF transceiver-based reporting system, imposed by the International Maritime Organization (IMO), has shifted from a traditional vessel identification device to a tool used in a wide variety of applications. The most common uses are safety and security; these issues are quite visible in the media and may touch more people on a global scale (e.g., piracy, oil spills). Over the years, AIS has become, especially with the emergence of the satellite-based capture of the signal in 2011, a widely used tool for developing applications such as fisheries monitoring, marine conservation, air pollution forecasting and modeling, ballast water monitoring, invasive species transport, and many more. In this paper, we propose to review the peer-reviewed publications related to the uses and applications of the AIS.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle