MétaCan
Menu
Retour à la cohorte
Enregistrement W3093806209 · doi:10.1109/wf-iot48130.2020.9221352

Integrating a Traffic Preemption System on an Emergency Vehicle and Airport Runway System

2020· article· en· W3093806209 sur OpenAlexaff
Gideon Eromosele, David Gerhard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT and GPS-based Vehicle Safety Systems
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésIntersection (aeronautics)RunwayPreemptionEmergency vehicleTransport engineeringComputer scienceASDE-XTraffic conflictReal-time computingEngineeringFloating car dataTraffic congestion

Résumé

récupéré en direct d'OpenAlex

It is noted that emergency vehicles no-longer apply caution when approaching an intersection. The assumption is that, the automated system should already be aware of the emergency vehicles arrival at the intersection. Considering the assumption, emergency vehicles tend to proceed through traffic intersections without visual confirmation of road priority assigned to them. This is a problem because, it is likely to become very accident prone. In this project, we have explored various traffic preemption applications and various problems of uncertainty, which accompany an intersection traffic light, giving full priority to an emergency vehicle. The proposed approach includes making an emergency vehicle driver see a visual evidence or confirmation of the light becoming Green a few meters before the vehicle approaches the intersection. Also considered is how a similar traffic preemption system can be applied on system such as that of Gibraltar International Airport. Where, a four-lane roadway is intersecting an airport runway. An implementation is also proposed for this application. The approach towards this system, includes designing a system with high communication response. An improved response time in the system, will significantly cut down traffic delay on airport runway intersection.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,840

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 Opus0,013
Tête enseignante GPT0,205
Écart entre enseignants0,193 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT and GPS-based Vehicle Safety SystemsTravaux en français237 207