MétaCan
Menu
Retour à la cohorte
Enregistrement W2100357954 · doi:10.1109/fuzz-ieee.2014.6891748

Fuzzy Adaptive Cruise Control system with speed sign detection capability

2014· article· en· W2100357954 sur OpenAlexaff
Raazi Rizvi, Shivam Kalra, Chirag Gosalia, Shahryar Rahnamayan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAutonomous Vehicle Technology and Safety
Établissements canadiensLakeridge HealthSinai Health SystemOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCruise controlAdvanced driver assistance systemsComputer scienceSpeed limitLane departure warning systemFuzzy logicFeature (linguistics)Fuzzy control systemControl systemAutomotive engineeringReal-time computingControl (management)EngineeringArtificial intelligenceTransport engineering

Résumé

récupéré en direct d'OpenAlex

Advanced Driver Assistance System (ADAS) is one of latest innovations in the auto-mobile industry and has become a premium feature in many luxury vehicles. ADAS assists drivers by integrating multiple safety and convenience features into a single system. Current ADAS technology usually comprises of an Adaptive Cruise Control (ACC) system in combination with one or more warning/prevention systems. Such as lane departure, collision avoidance, and parking assist systems. This paper outlines a fuzzy logic based ADAS with integrated speed sign detection (SSD) capability. The described system improves safety of the vehicle by dynamically adjusting the speed of the ACC in accordance with the speed limit of the road. The proposed ADAS system will be helpful in reducing speeding violations and enhancing smoother cruise control in heavy traffic conditions. All system design, implementation and testing was done using the MATLAB development environment, and TORCS virtual car simulator.

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 enseignants0,653
Score d'incertitude au seuil0,433

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 Opus0,005
Tête enseignante GPT0,162
Écart entre enseignants0,158 · 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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAutonomous Vehicle Technology and SafetyTravaux en français237 207