Method for Detection and Classification of Turning Movements in Intersections Using Bluetooth Low-Energy Signals
Notice bibliographique
Résumé
The study purpose is the development of a method for detection and classification of turning movements in intersections using Bluetooth Low-Energy signals emitted from turning vehicles. The method was developed to be applicable for areas in which the distances between the adjacent intersections are short. It utilizes the time profiles of the received signal strength indicator (RSSI) for signals emitted by transmitters mounted on moving vehicles. The signals are collected by an array of signal scanners carefully located on the intersection approaches and corners. Turning movements are classified by comparing signature points of the RSSI–time profiles and their occurrence moments. Effort was made to examine the accuracy and functionality of the method in six field experiments covering line-of-sight and non-line-of-sight signal transmission paths, different speeds, and motion-stop situations. The overall accuracy of the method in the experiments was 94.2%, demonstrating its functionality in different situations. Nevertheless, the results indicated that there are factors affecting the performance of the method. The presence of obstacles in the transmission paths of signals and increasing the vehicle speed reduced the accuracy, but intermittent motion at low speeds did not have negative impacts on the outcomes. It was found that a certain condition is required to achieve satisfactory accuracy in the determination of turning movements by the proposed method. The installation location of the signal scanners, road geometry, and vehicle speeds should provide a signal detection distance of less than 10 m on the intersection approaches when vehicles pass in front of the scanners. This is to ensure that at those moments, there are signals transmitted from the range with distinct RSSI values and appropriate for the identification of the turning movements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».