MétaCan
Menu
Retour à la cohorte
Enregistrement W3127122945 · doi:10.1109/jiot.2021.3056675

Optimizing the Egress Route Using a New Smoke Emulator IoT System

2021· article· en· W3127122945 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Internet of Things Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFire Detection and Safety Systems
Établissements canadiensMemorial University of NewfoundlandToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFirefightingComputer scienceSmokeRouting (electronic design automation)Process (computing)Internet of ThingsComputational fluid dynamicsReal-time computingSimulationComputer networkDistributed computingEmbedded systemEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The ability to find optimal egress routing is critical for safe and effective firefighting processes. This article presents a novel smoke emulator that can be used to provide this ability in firefighting processes. It has two fundamental components: 1) a sensor network based on the Internet of Things (IoT) and 2) a simplified computational fluid dynamics (CFD) smoke simulator based on Navier-Stokes equations. Supported by IoT, real-time events, such as door opening and window breaking, can be detected, and the relevant information can be used to update the variables in CFD to ensure high accuracy and relevancy. A long short-term memory (LSTM) is employed to evaluate the values of any sensors temporarily malfunctioning. A two-level of A* routing algorithm (Nosrati et al., 2012) has also been developed to optimize the egress routing for evacuees with an aim to minimize the time of smoke exposure. Simulation studies demonstrated that this smoke emulator helps significantly improve the firefighting process's safety and effectiveness.

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 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 enseignants0,141
Score d'incertitude au seuil0,508

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 recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,237
Écart entre enseignants0,211 · 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