Influences on Energy Savings of Heavy Trucks Using Cooperative Adaptive Cruise Control
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">An integrated adaptive cruise control (ACC) and cooperative ACC (CACC) was implemented and tested on three heavy-duty tractor-trailer trucks on a closed test track. The first truck was always in ACC mode, and the followers were in CACC mode using wireless vehicle-vehicle communication to augment their radar sensor data to enable safe and accurate vehicle following at short gaps. The fuel consumption for each truck in the CACC string was measured using the SAE J1321 procedure while travelling at 65 mph and loaded to a gross weight of 65,000 lb, demonstrating the effects of: inter-vehicle gaps (ranging from 3.0 s or 87 m to 0.14 s or 4 m, covering a much wider range than previously reported tests), cut-in and cut-out maneuvers by other vehicles, speed variations, the use of mismatched vehicles (standard trailers mixed with aerodynamic trailers with boat tails and side skirts), and the presence of a passenger vehicle ahead of the platoon.</div><div class="htmlview paragraph">The results showed that energy savings generally increased in a non-linear fashion as the gap was reduced. The middle truck saved the most fuel at gaps shorter than 12 m and the trailing truck saved the most at longer gaps, while lead truck saved the least at all gaps. The cut-in and cut-out maneuvers had only a marginal effect on fuel consumption even when repeated every two miles. The presence of passenger-vehicle traffic had a measurable impact. The fuel-consumption savings on the curves was less than on the straight sections.</div></div>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle