MétaCan
Menu
Retour à la cohorte
Enregistrement W2981658435 · doi:10.1080/24694452.2019.1662766

Rethinking Spatial Tessellation in an Era of the Smart City

2019· article· en· W2981658435 sur OpenAlexaff
Xing Jin, Renée Sieber, Stéphane Roche

Notice bibliographique

RevueAnnals of the American Association of Geographers · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHuman Mobility and Location-Based Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTessellation (computer graphics)Computer scienceSpatial analysisField (mathematics)Centroidal Voronoi tessellationBig dataObject (grammar)Key (lock)AnalyticsGeographyComputer graphics (images)Data scienceData miningVoronoi diagramComputer securityArtificial intelligenceRemote sensingMathematics

Résumé

récupéré en direct d'OpenAlex

Smart cities frequently rely on vast sensor networks, such as traffic cameras and ventilation controllers. This requires that we rethink methods of spatial tessellation. As tessellation is becoming more dynamic, we often combine multiple tessellation methods and switch tessellation shapes frequently for different data collection and analytics. In this article, we review how tessellation works with the object and field geographic spatial models. To achieve the “smartness” within cities, this article introduces the dynamic tessellation approach as the initial solution. Key Words: big data, sensor network, smart city, spatial tessellation.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,024
Tête enseignante GPT0,314
Écart entre enseignants0,289 · 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'étudeObservationnel
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Association of GeographersMême sujetHuman Mobility and Location-Based AnalysisTravaux en français237 207