MétaCan
Menu
Retour à la cohorte
Enregistrement W2971854718 · doi:10.3390/app9173624

Congestion Evaluation of Pedestrians in Metro Stations Based on Normal-Cloud Theory

2019· article· en· W2971854718 sur OpenAlexaff
Jibiao Zhou, Yao Wu, Xinhua Mao, Shun Guo, Minjie Zhang

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Ningbo Municipality
Mots-clésMetro stationTransport engineeringPedestrianComputer scienceTraffic congestionChannel (broadcasting)Cloud computingEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This study aims at evaluating the congestion level of pedestrians in metro stations. Twelve hours (4 h × three facilities) of video data were collected in the channel, stairway, and platform in a metro station in the city of Ningbo, China. The indicator of GPC (grade of pedestrian crowd) was proposed to quantify the congestion level of pedestrians. Four levels of congestion (level I, level II, level III, and level IV) were determined based on the GPC. A normal-cloud (NC) model was proposed and calibrated for the evaluation of three facilities including channel, stairway, and platform. The evaluation results showed that the GPC of L1-L2 and L2-L1 in channel are level II and level I, respectively. The GPC of upward and downward of stairway are level III and level I. The GPC of platform is level IV. Crowd management countermeasures were proposed for the management of pedestrians in metro station.

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)0,002
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 enseignants0,067
Score d'incertitude au seuil0,202

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetEvacuation and Crowd DynamicsTravaux en français237 207