MétaCan
Menu
Retour à la cohorte
Enregistrement W4386324878 · doi:10.3390/s23177551

Ultra-Wideband-Based Time Occupancy Analysis for Safety Studies

2023· article· en· W4386324878 sur OpenAlexafffund
Salah Fakhoury, Karim Ismail

Notice bibliographique

RevueSensors · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTransport Canada
Mots-clésOccupancyUltra-widebandComputer scienceReal-time computingGround truthTracking (education)WidebandElectronic engineeringEngineeringTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study investigates the use of ultra-wideband (UWB) tags in traffic conflict techniques (TCT) for the estimation of time occupancy in a real-world setting. This study describes UWB technology and its application in the TCT framework. Many experiments were conducted to evaluate the accuracy of the occupancy time measurement using a UWB-based tag. The UWB performance was measured using data from UWB tags as well as a video camera system by subtracting the time occupancy within a conflict zone. The results show that the UWB-based system can be utilized to estimate occupancy time with a mean absolute error difference from ground truth measurements of 0.43 s in the case of using two tags and 0.06 s in the case of using one tag in an 8 m × 8 m study area with double-sided two-way communication. This study also highlights the advantages and limitations of using UWB technology in TCT and discusses potential applications and future research directions. The findings of this study suggest that the UWB-based localization of multiple tags needs further improvements to enable consistent multi-tag tracking. In future work, this technology could be utilized to estimate post-encroachment time (PET) in various traffic scenarios, which could improve road safety and reduce the risk of collisions.

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 enseignants0,177
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,023
Tête enseignante GPT0,269
Écart entre enseignants0,246 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207