Road weather forecasting – ICEWARN model
Notice bibliographique
Résumé
We have developed a new model (ICEWARN) for the forecast of road surface temperature and road surface conditions. The model stems from the Model of the Environment and Temperature of Roads (METRo) developed by the Environment and Climate Change Canada. ICEWARN is linked to measurements of the road weather stations in the area of interest and to forecasts of the numerical weather prediction model ALADIN, which is the operational model of the Czech Hydrometeorological Institute.\n\nICEWARN is focused on forecasts in urban areas. It differs from the METRo model mainly in the parametrization of radiation fluxes and in the inclusion of sky-view factor for the direct solar irradiance. Besides deterministic forecasts, ICEWARN allows probabilistic forecasting of the road surface temperature based on our ensemble forecast method.\n\nAn evaluation of the ICEWARN model forecasts for selected roads in Prague during the winter season\n2016/2017 is presented. The probabilistic forecast is performed for the lead times up to 6 hours. The deterministic forecast is computed and evaluated for the lead times up to 24 hours.\n\nThe target users of the project output, which are the road maintenance services in the capital city of Prague, will obtain operational information that will enable them, in addition to reducing the weather risks, to make their winter activities as well as the whole Prague transport economically more effective and more environmental-friendly.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».