MétaCan
Menu
Retour à la cohorte
Enregistrement W4307861464 · doi:10.20944/preprints202210.0485.v1

Building Lighting Device Inventories with the LANcube v2 Open Source Multiangular Radiometer

2022· preprint· en· W4307861464 sur OpenAlexafffundabout
Martin Aubé, Julien-Pierre Houle

Notice bibliographique

RevuePreprints.org · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensUniversité de SherbrookeCégep de SherbrookeBishop's University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésComputer scienceLuminous fluxRemote sensingPhotometry (optics)DaylightColor rendering indexRadiometerRoofData cubeGround truthEnvironmental scienceComputer visionArtificial intelligenceOpticsLight sourceGeographyLight-emitting diodePhysics

Résumé

récupéré en direct d'OpenAlex

This paper describes the use of an open source instrument called LANcube v2 to build a lighting device inventory. The LANcube v2 is and instrument having 5 color sensitive sensors, each on a face of a cube. The instrument can be mounted on a car roof in order to create a map of the artificial light at night while roaming the streets and roads. Based on the temporal variations of the detected signal on various cube’s faces, we developed a method of finding the position in 3D of each lighting device. The lamp spectral types can be determined thanks to the color balance of the raw Red (R) Green (G) Blue (B) and Clear (C) color bands. If one assumes a typical angular photometry of a lighting device with respect to its location, it is possible to estimate its luminous flux. Such information allows us to build a lighting devices inventory of a territory. One advantage of that new method is that it can provide information about the private lighting devices that are always excluded from public lighting inventories. We will compare the inventory extracted with that new methodology with an in situ lamp inventory made for two villages in Canada. This will allow us to emphasize the strengths and limitations of the method by comparing to the ground truth.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,367
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0030,015
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,110
Tête enseignante GPT0,352
Écart entre enseignants0,242 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetImpact of Light on Environment and HealthTravaux en français237 207