Energy Efficient Bike-Share Tracking System with BLE Beacons and LoRa Technology
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
Around the world, vast improvements in public transportation methods in urban environments have been made. However, in densely populated areas, the bicycle remains a very useful means of transportation. Its small size and minimal environmental impact are the critical factors that maintain its relevance. Moreover, the advancement of connected devices and sharing-based services have allowed private vendors to develop bike-sharing programs, giving millions access to bike transportation around the globe. These bike-sharing programs rely on the user to check out and return the bike to a designated bike-holding station. With the growth of Internet of Things (IoT) services and wirelessly connected devices, there is a major benefit in enabling vendors to track their bicycle assets. Satellite navigation has come a long way, however, it requires a large power overhead. This paper proposes an energy-efficient bicycle tracking system that utilizes bicycle powered Bluetooth Low Energy (BLE) beacons and Long Range (LoRa) type base-stations in order to track and maintain a real-time location-based inventory of all assets. The BLE beacons are used to track individual bicycle assets based on Received Signal Strength Indicator (RSSI) proximity and the LoRa base stations exploit longer range communication capabilities to transmit asset location information between each other, for added management capabilities. Preliminary proximity estimations using BLE beacons in an urban outdoor environment show promising results with proximity accuracy consistently under 2 meters.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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