Measurement of carbon monoxide concentration levels within an underground parking lot throughout the day
Notice bibliographique
Résumé
Background: During the fall and winter months, people opt to using cars as a mode of transportation to and from work, school, or recreation. The ease of access, comfort, and efficiency of travel prompt an increase in drivers. Underground lots are ideal parking spaces during these months, which see an increase in traffic and subsequent rise in emissions, specifically carbon monoxide (CO) that can be hazardous to health at certain concentrations. This study is to determine the levels of CO in a confined parking space Methods: Air quality and composition were determined via passive dosi-tubes that were affixed onto columns within the Langara College underground parking lot in the morning and picked up for analysis in the afternoon. Results: There is an increase in carbon monoxide concentration within the underground parking lot, during peak hours. Traffic within the lot is found to be higher during poor weather conditions which correlate with ease of use and comfort of driving a car. There is also an increase in traffic on Tuesdays and Thursdays, which is likely dictated by class times. Carbon monoxide levels did not fail to meet government regulations during any sampling period. Conclusions: The air composition in the Langara underground parking lot is safe even during periods of high traffic, for the average person. However, individuals with underlying medical conditions should enter with caution, as the recorded CO levels can aggravate pre-existing cardio-pulmonary diseases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».