Comparative Analysis and Statistical Optimization of Fuel Economy for Sustainable Vehicle Routings
Notice bibliographique
Résumé
In this 21st century, there has been an increase in the usage of renewable products for the economic drifting of vehicle transportations systems. Furthermore, due to recent trends in climate change, researchers have started focusing on statistical optimization techniques for sustainable vehicle routings. However, until now, a major gap has been noticed in the multidomain statistical analysis for optimizing the parametric levels of the vehicle fuel economy. Therefore, in this research work, two widely utilized cars (Toyota and GMC Yukon) are considered on a particular route of Jeddah for the collection of the fuel economy data under the realistic conditions of air conditioner temperature, traffic patterns, and tire pressure. The outcomes of the factorial design of the experiment highlight that the fuel economy is optimal under the low air conditioner temperature, light traffic patterns, and 34 PSI tire pressure. Three replications of the fuel economy have been considered, and the statistical significance of the correlated variables has been justified by implementing the analysis of variance (ANOVA) approach on the various levels of fuel economy. During the analysis, the statistical hypothesis for random exogenous factors has been developed by incorporating a multivariate regression model. The outcomes highlight that both air conditioner temperature and traffic patterns in Jeddah have a significant negative effect on fuel economy. Results also depict that the effect of air conditioner temperature, traffic patterns, and tire pressure is substantially higher for heavy-engine automobiles such as the GMC Yukon compared to light-engine cars (Toyota Corolla). Furthermore, a normality test has also been considered to validate the outcomes of the proposed model. Therefore, it is highly recommended to utilize the proposed methodology in optimizing the trends of fuel economy for sustainable vehicle routings. Based on the findings of multidomain statistical analysis, it is also highly recommended the utilization of the Toyota Corolla car model for investigating the correlation of external undeniable factors (braking frequency, metrological conditions, etc.) with the trends of vehicle fuel economy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».