MétaCan
Menu
Retour à la cohorte
Enregistrement W3001524208 · doi:10.1080/23249935.2020.1720859

System reliability as a surrogate measure of safety for horizontal curves: methodology and case studies

2020· article· en· W3001524208 sur OpenAlexaff
Rushdi Alsaleh, Tarek Sayed, Karim Ismail, Fahad AlRukaibi

Notice bibliographique

RevueTransportmetrica A Transport Science · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCarleton UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRollover (web design)Reliability (semiconductor)TruckMonte Carlo methodMode (computer interface)ModalStability (learning theory)Geometric designEngineeringReliability engineeringStatisticsComputer scienceTransport engineeringMathematicsAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

Reliability analysis has been advocated to account for the uncertainty in geometric design and to evaluate the risk associated with various design options. Most of the previous studies using reliability-analysis in highway design evaluated only one-mode of noncompliance. This study assesses the performance of horizontal curves using a system of multi-modal noncompliance (insufficient sight distance, vehicle skidding, and vehicle rollover). Five case studies of a highway in British Columbia are considered. Two approaches were used: (1) second-order reliability-bounds with FORM analysis (First-Order Reliability Method), (2) Monte-Carlo Simulation (MCS). A calibrated design chart that accommodates heavy-trucks on horizontal-curves with sharp-radii is provided. The results show that the differences in the system probability of noncompliance between one-mode and system of multi-modes of noncompliance are more pronounced for heavy-trucks. Results also show that the probability of noncompliance associated with vehicle rollover is significantly affected by the stability-ratio compared to height-ratio and roll-rate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,067
Tête enseignante GPT0,293
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportmetrica A Transport ScienceMême sujetTraffic and Road SafetyTravaux en français237 207