MétaCan
Menu
Retour à la cohorte
Enregistrement W3042530408 · doi:10.1155/2020/5271794

Early Warning Method and Model of Inland Ship Collision Risk Based on Coordinated Collision-Avoidance Actions

2020· article· en· W3042530408 sur OpenAlexvenueno aff
Zhiyou Cheng, Yaling Li, Bing Wu

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Navigation and Safety
Établissements canadiensnon disponible
Organismes subventionnairesChongqing Municipal Education CommissionChina Postdoctoral Science Foundation
Mots-clésCollisionCollision avoidanceWarning systemProcess (computing)Computer scienceEngineeringComputer securityTelecommunications

Résumé

récupéré en direct d'OpenAlex

To reduce the occurrence of ship collisions, immediate danger, and close-quarters situations in narrow inland waterways, a step-by-step early warning system for ship collision-avoidance actions was developed, along with an early warning method and model of collision risk based on coordinated collision-avoidance actions. This study first analyzed the importance of coordinated collision-avoidance actions in inland waterways, and the process and key components of coordinated collision-avoidance actions were studied. Then, the early warning method of inland ship collision risk based on coordinated collision-avoidance actions was introduced; the effectiveness of the early warning method was comparatively analyzed via experimental observations. A framework of early warning model of inland ship collision risk was created based on the early warning method; a collision risk early warning model for inland ships based on coordinated collision-avoidance actions was proposed according to the relationship between the distance/time to the closest point of approach (DCPA, TCPA), coordination degree of collision-avoidance actions of the two considered ships and collision risk; moreover, the early warning model of inland ship collision risk was further considered for quantitative calculation. Finally, the application of the early warning method and model was demonstrated using a case study. The results indicate that the early warning method of inland ship collision risk based on coordinated collision-avoidance actions could effectively reduce the emergence of close-quarters situations and immediate danger, and the early warning model could quantitatively show the evolution of collision risk of two ships along with the process of coordinated collision-avoidance actions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,243 · 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'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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetMaritime Navigation and SafetyTravaux en français237 207