MétaCan
Menu
Retour à la cohorte
Enregistrement W2003411507 · doi:10.1109/vtcfall.2012.6399159

Energetic Optimization of the Driving Speed Based on Geographic Information System Data

2012· article· en· W2003411507 sur OpenAlexafffund
Sousso Kélouwani, Kodjo Agbossou, Yves Dubé, Loïc Boulon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à Trois-Rivières
Mots-clésPowertrainDriving cycleEnergy consumptionAutomotive engineeringFuel efficiencyInternal combustion engineComputer scienceElectric vehicleEnergy managementEnergy (signal processing)Work (physics)SimulationEngineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

This work is based on the road-trip knowledge in order to reduce the energy consumption of a vehicle. The proposed algorithm computes the globally optimal speed profile and the associated energy consumption profile from the road-trip information. This profile is the lowest boundary of the energy required to move the vehicle. The energetic plan obtained is independent of the powertrain architecture, it can be used with any vehicle (conventional internal- combustion engine vehicle, hybrid electric vehicle and fuel cell vehicle). This optimization algorithm runs offline and (in future works) the results will be integrated into a real-time energy management system. Algorithm results are compared to experimental data obtained with a low-speed vehicle. For the same trip duration, the presented preliminary results show that the energy consumption is lower with the optimal driving cycle.

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: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,140

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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,182 · 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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetVehicle emissions and performanceTravaux en français237 207