MétaCan
Menu
Retour à la cohorte
Enregistrement W3138434708 · doi:10.37394/23202.2020.19.4

Real Time Intelligent Traffic Light System

2020· article· en· W3138434708 sur OpenAlexaff
V V S Maruthy Prasad, Ali Uwais, Mansour H. Assaf, Sunil R. Das, Satyendra N. Biswas

Notice bibliographique

RevueWSEAS TRANSACTIONS ON SYSTEMS · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésQueueMATLABComputer scienceTraffic congestionReal-time computingAutomotive engineeringFloating car dataTraffic signalTraffic optimizationIntelligent transportation systemControl (management)SimulationTransport engineeringEngineeringComputer networkArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

with the increasing vehicle ratio on our roads, a lot of factors such as pollution, time constraints and environmental factors need to be addressed. One main issue to be addressed is traffic congestion during the peak hours. This issue affects drivers in numerous ways including loss of productive working hours by lining up in traffic queue. It also leads to loss of natural resource such as fossil fuel used by the vehicle engine while the car is running but lining up in traffic. In this paper, we propose an intelligent sensor-based traffic light control system. To analyze and compare performance, the system was implemented in MATLAB/SIMULINK and simulation results demonstrate the feasibility and high accuracy of the proposed intelligent traffic light system.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,181
Écart entre enseignants0,172 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWSEAS TRANSACTIONS ON SYSTEMSMême sujetTraffic control and managementTravaux en français237 207