Quantifying Uncertainty in Bicycle-Computer Position Measurements
Notice bibliographique
Résumé
Bicycle computers record and store global position data that can be useful for forensic investigations. The goal of this study was to estimate the absolute error of the latitude and longitude positions recorded by a common bicycle computer over a wide range of riding conditions. We installed three Garmin Edge 530 computers on the handlebars of a bicycle and acquired 9 hours of static data and 96 hours (2214 km) of dynamic data using three different navigation modes (GPS, GPS+GLONASS, and GPS+Galileo satellite systems) and two geographic locations (Vancouver, BC, Canada and Orange County, CA, USA). We used the principle of error propagation to calculate the absolute error of this device from the relative errors between the three pairs of computers. During the static tests, we found 16 m to 108 m of drift during the first 4 min and 1.4 m to 5.0 m of drift during a subsequent 8 min period. During the dynamic tests, we found a 95th percentile absolute error for this device of ±8.04 m. This error was mildly sensitive to the navigation system being used (GPS+Galileo had slightly smaller errors) and more sensitive to the geographic location where the data were acquired (BC errors were larger than CA errors). An absolute error of ±8.04 m is relatively large and limits a forensic investigator’s ability to precisely locate a bicycle within a crash scene based solely on data from this device.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».