MétaCan
Menu
Retour à la cohorte
Enregistrement W3111013195 · doi:10.18280/ijsse.100507

Road Safety: An Accident Prevention Using Intelligent Vehicular Network

2020· article· en· W3111013195 sur OpenAlexvenueno aff
Nagarjuna Karyemsetty, K. Raja Kumar

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAutonomous Vehicle Technology and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntersection (aeronautics)CollisionTransport engineeringMechanism (biology)Position (finance)Computer scienceIntelligent transportation systemPoint (geometry)SimulationEngineeringComputer securityBusiness

Résumé

récupéré en direct d'OpenAlex

The increasing rate of road fatalities has demanded the attention of the researchers, scientists, Industry and government organizations and technologies. The impact of accidents is simulated by rear-end collision with parameters such as vehicle position, direction, speed, inter-vehicle distance, and relative speeds, etc. Open source simulators have to be adopted to study and analyze various collision scenarios in vehicular networks. Safety mechanism proposed to minimize the possibility of accidents and mitigate the effect of the escalating incident. The proposed mechanism estimates the point of intersection, time to collision, and time to avoid accidents. Using parameters, the proposed mechanism able to determine accidents with 92.6% accuracy. The remaining 7.4% cases enable the passive safety system to help the people to stay alive, minimize the damage in case an accident.

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 enseignants0,373
Score d'incertitude au seuil0,722

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 Opus0,012
Tête enseignante GPT0,235
Écart entre enseignants0,223 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetAutonomous Vehicle Technology and SafetyTravaux en français237 207