MétaCan
Menu
Retour à la cohorte
Enregistrement W4362579980 · doi:10.3390/technologies11020051

HAIS: Highways Automated-Inspection System

2023· article· en· W4362579980 sur OpenAlexaff
Hossam A. Gabbar, Abderrazak Chahid, Manir U. Isham, Shashwat Grover, Karan Pal Singh, Khalid Elgazzar, Ahmad Mousa, Hossameldin Ouda

Notice bibliographique

RevueTechnologies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProcess (computing)VisualizationInterface (matter)OverlaySoftwareTransport engineeringSystems engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A smart city is a trending concept describing a new generation of cities operated intelligently with minimal human intervention. It promotes energy sustainability, minimal environmental impact, and better governance. In transportation, the remote highway infrastructure monitoring will enhance the driver’s safety, continuously report road conditions, and identify potential hazardous incidents such as accidents, floods, or snow storms. In addition, it facilitates the integration of future cuttingedge technologies such as self-driving vehicles. This paper presents a general introduction to a smart monitoring system for automated real-time road condition inspection. The proposed solution includes hardware devices/nodes and software applications for data processing, road condition inspection using hybrid algorithms based on digital signal processing, and artificial intelligence technologies. The proposed system has an interactive web interface for real-time data sharing, infrastructure monitoring, visualization, and management of inspection reports which can improve the maintenance process.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationmedium
gptaucune catégorie
Domaine: non disponible · Genre: Logiciel
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,001
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 enseignants0,023
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,011

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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,192 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSimulation ou modélisation · Sans objet
Domainenon disponible
GenreEmpirique · Logiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnologiesMême sujetTraffic Prediction and Management TechniquesTravaux en français237 207