MétaCan
Menu
Retour à la cohorte
Enregistrement W4238193259 · doi:10.32920/ryerson.14665293

Development and Evaluation of Cueing Symbology for Rotorcraft Operations in Degraded Visual Environment (DVE)

2021· preprint· en· W4238193259 sur OpenAlexaffabout
Vamshi Chittaluri

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSimulationAircrewWorkloadCrewTask (project management)Real-time computingAeronauticsEngineeringSystems engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Degraded Visual Environment (DVE) is experienced when helicopters enter Inadvertent Instrument Meteorological Conditions (I-IMC). DVE can occur in the form of fog, night flight occurring naturally or when pilots try to land in unprepared (dusty, snowy) landing zones causing brownouts and whiteouts from rotor downwash. The Degraded Visual Environment Navigation Support (DVENS) project aimed to use a LiDAR to scan a specified Field of View (FOV) and range to identify a zone to be safe or unsafe for landing in a simulation capacity. A Head Down Display (HDD) with touch capabilities was used to provide Virtual Visual Meteorological Conditions (V-VMC), in which 3D conformal, 2D orthographic symbology is displayed. For the iterative design of the symbology, to diagnose and minimize pilot error in DVE the Taxonomic Framework for Aircrew Error evaluation is used. The framework allowed for a more direct design approach with clear objectives based on operational requirements and presenting an optimal workload for pilots. Maintaining the objective of showing the required information to the pilots while minimizing clutter is imperative as too much information can increase workload. Thus, the aircrew error Taxonomic framework helps identify the design goals required to neutralize pilot error leading to an efficient design. The Ryerson Mixed Immersive Motion Simulation (MIMS) lab’s Fixed Base Simulator (FBS) and CAE, Presagis’s HELI CRAFT were used as the simulation testing tools. Non-intrusive questionnaires such as NASA Task Load Index (TLX), Bedford and Cooper-Harper display rating scales were used to provide feedback and evaluate the display system. Multiple scales were used for validation of results and to measure the workload, stress, physical, psychological and time loads. This methodology and design were found to be extremely helpful in assisting pilots to land, take off in DVE and IIMC conditions.

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 enseignants0,157
Score d'incertitude au seuil0,595

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 Opus0,030
Tête enseignante GPT0,280
Écart entre enseignants0,250 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAerospace and Aviation TechnologyTravaux en français237 207