MétaCan
Menu
Retour à la cohorte
Enregistrement W3090971655 · doi:10.3390/jmse8100764

SBAS/EGNOS for Maritime

2020· article· en· W3090971655 sur OpenAlexfundno aff
Manuel López, José-Manuel Álvarez, J.M. Lorenzo, Carlos Garcia Daroca

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Musculoskeletal Health and ArthritisEuropean GNSS Agency
Mots-clésGNSS augmentationGNSS applicationsGlobal Positioning SystemComputer scienceAir navigationSatellite navigationReceiver autonomous integrity monitoringTelecommunicationsRemote sensingGeography

Résumé

récupéré en direct d'OpenAlex

The Global Navigation Satellite System (GNSS) has become the primary means of obtaining Position, Navigation, and Timing (PNT) information at sea. The current capabilities of the Global Positioning System (GPS) constellation, although adequate for ocean navigation, have some shortfalls for coastal navigation: some user communities have a need for enhanced performance and they can benefit from the available “augmentation” techniques, resulting in improved GPS performance. Nowadays, the users can take advantage of Satellite-Based Augmentation Systems (SBASs). The maritime domain has been used SBAS for several years and it is supported by GNSS receivers used in the recreational and professional sectors. The SBAS/European Geostationary Navigation Overlay Service (EGNOS) can be used to complement the differential GNSS (DGNSS) for the provision of enhanced accuracy and integrity information with additional benefits. There are different possible solutions for the transmission of SBAS/EGNOS information to maritime users, considering that the corrections can be available from different transmission means. The different options for the use of SBAS for maritime navigation, the benefits brought to mariners, as well as the associated regulations, standardization and service provision aspects, are presented in this article.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,245

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,198
Écart entre enseignants0,188 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetGNSS positioning and interferenceTravaux en français237 207