MétaCan
Menu
Retour à la cohorte
Enregistrement W4402558780 · doi:10.1139/dsa-2024-0013

Creation of a system taxonomy for advanced air mobility operations

2024· article· en· W4402558780 sur OpenAlexvenueno aff
Ryan A Lange, Stephen Rice, Ryan J. Wallace, Scott R. Winter, Mattie N. Vasquez, Stephen Woods

Notice bibliographique

RevueDrone Systems and Applications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesEmbry-Riddle Aeronautical University
Mots-clésTaxonomy (biology)Computer scienceSystems engineeringEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Advanced air mobility (AAM) is an emerging field that envisions highly automated, high-tempo, passenger-carrying aircraft operating in urban environments. Numerous stakeholders have emerged in this space, each proposing unique concepts of operation (CONOPS). While this technology will enable a revolutionary leap in modern transportation, many challenges remain unaddressed. Discrepancies exist between envisioned AAM operations, current technology, and outdated federal regulations. This has led to an unclear vision within the industry of the current maturity level of technology and the path of development needed to achieve proposed CONOPS. We seek to fill this gap by integrating multiple proposed conceptual systems into a single, unified path forward for the field. The literature on AAM covers a diverse array of interconnected themes, each containing a multitude of considerations that require extensive exploration and understanding. In the present work, a literature integration was conducted to collate the numerous proposed concepts and envisioned works that exist within the AAM literature. With this information, a comprehensive AAM taxonomy was created to represent this integration of concepts and rectify the inconsistencies within industry CONOPS. This taxonomy will assist future stakeholders in navigating this intricate field while contributing to the safe and efficient development and deployment of AAM.

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: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrone Systems and ApplicationsMême sujetAir Traffic Management and OptimizationTravaux en français237 207