MétaCan
Menu
Retour à la cohorte
Enregistrement W2948274948 · doi:10.11159/iccste19.187

Fiber interferometric system for vehicle monitoring near railway level crossings

2019· article· en· W2948274948 sur OpenAlexvenueno aff
Stanislav Kepák, Jakub Čubík, David Hrubý, Vladimír Vašinek

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensnon disponible
Organismes subventionnairesMinisterstvo Průmyslu a ObchoduMinisterstvo Školství, Mládeže a Tělovýchovy
Mots-clésInterferometryOptical fiberComputer scienceOpticsTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

The article describes the development of the vehicle monitoring system that is applicable in the vicinity of the railway level crossings. The proposed system is based on a Mach-Zehnder fiber interferometer sensor, which has a measurement arm embedded in the road surface. The sensor is passive and requires no electrical power at the installation site, immune electromagnetic interference, and is compatible with existing single-mode fiber infrastructure. Experimental measurements were focused on the response of sensors utilizing different mechanical structures of fiber loops, slow-moving vehicles, and sensor function in continuous snow cover. Installed optical fibers in the roadway are regularly monitored and evaluated for their durability. The results have shown that it is possible to detect individual vehicles but above all their axles, which opens the way for vehicle classification. The detection capability of the system is absolute even with continuous snow cover. For slow-moving vehicles, double axle detection occurred due to the longitudinal dimensions of the loop, which will be solved by the second generation of sensors. The resulting system will be installed on a selected railroad crossing as a complement to the existing camera system.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,435
Score d'incertitude au seuil0,572

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 Opus0,021
Tête enseignante GPT0,231
Écart entre enseignants0,210 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207