MétaCan
Menu
Retour à la cohorte
Enregistrement W2951977839 · doi:10.5539/nct.v4n1p26

An Intelligent Dispatch System Operating in a Partially Closed Environment

2019· article· en· W2951977839 sur OpenAlexvenueno aff
Augustus E. Ibhaze, Ignatius Kema Okakwu, Ayobami T. Akinrelere, Agbotiname Lucky Imoize

Notice bibliographique

RevueNetwork and Communication Technologies · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesCovenant University
Mots-clésMicrocontrollerAndroid (operating system)GSMEmbedded systemComputer scienceOperating systemSoftware

Résumé

récupéré en direct d'OpenAlex

Taxicabs are very important in our daily lives and are reputed to be one of the mostly used forms of transportation. The cab dispatch system was first created to help passengers get through to taxi drivers and make it easier to book reservations. The evolution of cab dispatch system has moved from the ordinary callboxes to computer-aided dispatch system. These solutions were created to help organizations that own fleet of taxis manage and control their operations. Campuses and other partially closed environments also require these solutions but due to their high cost of implementation, they find it quite difficult to deploy and execute. In this paper, a smart dispatch system (SDS) is proposed. The system comprises of software and hardware units. The database and the android application make up the software unit while the microcontroller, the GSM module, and an android device constitute the hardware unit. The microcontroller intelligently reads and makes decisions based on the information received from the android device. The microcontroller also retrieves drivers’ details from a database where all the information about the vehicles and drivers are stored. The GSM module acts as the intermediary between the android device and the microcontroller, and enhances the communication between the microcontroller and other devices. The system makes use of a microcontroller that selects a driver and dispatches it based on the capacity of the vehicle corresponding to the number of passengers in need. Consequently, an android application is built to be used by the clients making the request process much easier. The proposed system reduces human operator intervention, gives the passengers the estimated time for the dispatched cab to arrive at their bus stops thereby satisfying the clients in terms of cost efficiency and improved quality of service.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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'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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNetwork and Communication TechnologiesMême sujetTransportation and Mobility InnovationsTravaux en français237 207