Bibliographic record
Abstract
Der Gefahrguttransport in Eisenbahnkesselwagen ist fuer die Wirtschaft unverzichtbar. Schwere Folgen durch Zugungluecke mit Eisenbahnkesselwagen sind vor allem dann zu erwarten, wenn durch die seitliche Auslenkung der Wagen oder Lokomotiven, durch die Freisetzung des Gefahrguts oder durch thermischen Energieumsatz Ortschaften beziehungsweise ein Bahnhofsgelaende in grosse Mitleidenschaft gezogen werden. Die Untersuchung von Eisenbahnunfaellen unterliegt der Eisenbahn-Unfalluntersuchungsstelle des Bundes (EUB). Die Unfalluntersuchungen verfolgen den Zweck, die Ursachen von Unfaellen aufzuklaeren und auch die Ereignisketten, die zu einem Unfall fuehrten, zu identifizieren. Insbesondere bei Unfaellen mit hohem Schadensausmass sind diese Untersuchungen hilfreich, um daraus Hinweise oder Regelaenderungen zur Verbesserung der Transportsicherheit abzuleiten. Die Sammlung von charakteristischen Unfallmerkmalen ist darueberhinaus ein wichtiges Hilfsmittel zum Erkennen und Bewerten von bislang nicht erkannten Risiken. Bislang sind 22 Untersuchungsberichte im Zeitraum 06.02.2000 bis 10.11.2010 veroeffentlicht worden; darunter 4 Unfallereignisse mit Eisenbahnkesselwagen. Diese geringe Datenbasis kann durch die Einbeziehung auslaendischer Datenquellen erweitert werden: Aus den Datenbanken der amerikanischen Transportsicherheitsbehoerden des NTSB (National Transportation Safety Board, USA) und des TSB (Transportation Safety Board of Canada) konnten bislang 124 Unfallereignisse mit Eisenbahnkesselwagen nach bestimmten Merkmalen analysiert werden. Fuer Europa sind derzeit 10 auswertbare Ereignisse gefunden worden. Allerdings sind risikoanalytische Untersuchungen auslaendischer Unfallereignisse mit dem Problem behaftet, dass zum einen Unterschiede in den Eisenbahnsystemen bestehen, die eine Uebertragung der Ergebnisse nicht immer zulassen und zum anderen die vorliegenden Beschreibungen und Analysen der auslaendischen Unfallereignisse sich aufgrund ihrer Qualitaet beziehungsweise ihres Umfangs zum Teil nur beschraenkt fuer eine Nutzung im Hinblick auf sicherheitstechnische Analysen eignen. Auch die Sprachbarriere kann eine Identifikation relevanter Ereignisse schwierig machen. Der Beitrag stellt im Hinblick auf die Untersuchungsmerkmale Entgleisungstopografie, Entgleisungsgeschwindigkeit sowie Entgleisungsursachen die wichtigsten Informationen aus den insgesamt 134 amerikanischen beziehungsweise europaeischen Unfallereignissen mit Eisenbahnkesselwagen vergleichend zusammen. Als Fazit ergibt sich, dass konstruktive Verbesserungen an den Kesselwagen sowie die Verminderung der Fahrgeschwindigkeit das Schadensrisiko vermindern helfen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".