Using Virtual Reality Simulation for Optimizing Traffic Modes Toward Service Level Enhancements.
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
Using Virtual Reality Simulation for Optimizing Traffic Modes Toward Service Level Enhancements. Firas Habbal, Fawaz Habbal, Abdallah Al Shawabkeh, Abdulla Al Nuaimi and Ammar Safi Pages 831-837 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: Traffic congestion and roads service level are major issue in many countries. Using technology such as simulation offers effective approach to better understanding the problem, and predict optimal solutions. This paper examines the application of Virtual reality (VR) for evaluating the roads service level of five different scenarios in UAE as new method to evaluate and enhance road service levels, as well as understanding the potential risks and costs for applying those scenarios into reality. The study will test the usefulness of VR simulation to enhance traffic service level, second creation of traffic objects to explore potential usage, third understand the interaction between users and digital objects. All hypothesis have significant impacts toward enhancing service level, and the overall findings are consistent and clear. The level of technological orientation was examined to the overall implementation. The results help understanding key issues and potential service level in development of future VR applications in roads construction. Keywords: Virtual realities; automation in Construction; roads service level; traffic objects enhancements.; DOI: https://doi.org/10.22260/ISARC2019/0112 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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