MétaCan
Menu
Retour à la cohorte
Enregistrement W4380988923 · doi:10.5539/jms.v13n2p17

Use of Advanced Technologies for Topographic Surveys in Civil Construction

2023· article· en· W4380988923 sur OpenAlexvenueno aff
Márcia Rejane Oliveira Barros Carvalho Macedo, Bianca Ferreira

Notice bibliographique

RevueJournal of Management and Sustainability · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade de Pernambuco
Mots-clésTotal stationComputer scienceAutomationProduct (mathematics)Cloud computingProductivityEngineeringGeographyMechanical engineeringMathematicsCartography

Résumé

récupéré en direct d'OpenAlex

The complexity that has characterized market relations in recent years, with demands for product and process innovation, has even had repercussions on more traditional activities, such as the civil construction segment. Behind only agriculture, the construction industry represents 13% of the global GDP and its volume is US$ 8 trillion per year. However, construction projects often exceed budget by 80%, and deadlines by 20 months. Between 8% and 10% of productivity gains are related to the insertion of technologies (IPEA, 2022). In the field of civil construction, these digital technologies, such as cloud computing, automation, virtual reality and augmented reality, 3D modeling, communication applications and BIM—Building Information Modeling and even machine learning, have been called Construction 4.0. This article evaluates the feasibility of replacing the use of Terrestrial Laser Scanner (TLS) by the use of Unmanned Aerial Vehicles (UAV). For this, it presents a comparison in the use of equipment for carrying out planimetric surveys in civil construction, using as an example the UAV and the TLS—more modern equipment, in addition to the total station—more conventional equipment—for surveying control points. The results show that in the UAV image processing, the RMSE presented a centimeter accuracy (1.93044 cm) for the model. Even if the accuracy of the models generated by TLS is millimetric, it can be considered that the results obtained here were satisfactory, however it is necessary to apply imaging techniques more efficiently to obtain a more accurate product, in order to arrive at millimeter accuracy. Studies on better positioning of targets and georeferencing of models would also be of great contribution to applications in civil construction.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,022
Tête enseignante GPT0,240
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujet3D Surveying and Cultural HeritageTravaux en français237 207