MétaCan
Menu
Retour à la cohorte
Enregistrement W753930743

DYNAMIC SAFETY SOLUTIONS

2000· article· en· W753930743 sur OpenAlexaboutno aff
R Bushman, Brian Taylor

Notice bibliographique

RevueTraffic Technology International · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueTransport Systems and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTruckRollover (web design)Work (physics)Warning systemEngineeringTransport engineeringWork zoneComputer securityActive safetyVariety (cybernetics)Computer scienceAutomotive engineeringTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The impact of traditional safety warnings can be reduced because they tend to be rather static. This article describes some dynamic messaging systems, which are vehicle-specific and can be much more effective. Dynamic messaging uses a variety of input data to display appropriate messages. The safety systems developed by the Canadian company International Road Dynamics (IRD) operate on the principle that drivers are more likely to react to messages that are directed specifically to them and based on real danger. Weigh-in-motion (WIM) technology can be used to identify the traffic segment at risk, and this approach has been applied successfully to motorway exit ramps, long downgrades, and junctions at the foot of a steep slope. Simpler vehicle detection technology has been applied to traffic safety problems associated with work zones and animals on the road. The article describes the following four products of IRD: (1) Downhill Truck Speed Advisory System, which uses WIM information to calculate and display a safe speed down a hill for each individual lorry; (2) Truck & Rollover Advisory System, which determines when there is a possibility of overturning; (3) Signal Pre-emption System, which triggers a green light when it detects a runaway vehicle; (4) Dynamic Work Zone Safety System; and (5) Wildlife Warning System.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,301

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,005
Science ouverte0,0030,006
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0900,030

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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraffic Technology InternationalMême sujetTransport Systems and TechnologyTravaux en français237 207