Evaluation of Automatic Incident Detection Systems Using the Automatic Incident Detection Comparison and Analysis Tool
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
This thesis presents a new testbed for Automatic Incident Detection (AID) systems that uses real-time traffic video and data feeds from the Ministry of Transportation, Ontario (MTO) COMPASS Advanced Traffic Management System (ATMS). This new testbed, termed the AID Comparison and Analysis Tool (AID CAAT), consists largely of a data warehouse storing a significant amount of traffic video, the corresponding traffic data and an accurate log of incident start/end times. An evaluation was conducted whereby the AID CAAT was used to calibrate, and then analyze the performance of four AID systems: California Algorithm 8, McMaster Algorithm, the Genetic Adaptive Incident Detection (GAID) Algorithm and the Citilog - VisioPAD. The traditional measures of effectiveness (MOE) were initially used for this evaluation: detection rate (DR), false alarm rate (FAR), and mean time to detection (MTTD). However, an in-depth analysis of the test results (facilitated by the AID CAAT) revealed the need for two additional MOEs: False Normal Rate and Nuisance Rate. The justification and sample calculations for these new MOEs are also provided. This evaluation shows the considerable advantages of the AID CAAT, and also suggests the strengths and weaknesses of the AID systems tested.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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