MétaCan
Menu
Retour à la cohorte
Enregistrement W4393310317 · doi:10.1051/e3sconf/202450701049

Driving sustainability: IoT sensor integration for efficient car AC control

2024· article· en· W4393310317 sur OpenAlexaff
Karuna Gudapalli, Amruth Pasha, Sree Ohm Yagateela, Ashish Gongati, Myasar Mundher Adnan, R J Anandhi, Alok Jain, Ashwani Kumar

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésSustainabilityInternet of ThingsControl (management)Computer scienceBusinessAutomotive engineeringEmbedded systemEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Car AC Control Using IoT Sensor. The interior temperature of the car rapidly increases mostly during the hot summer months. This paper aims to address the challenge of maintaining a comfortable interior temperature in car, especially during hot summer months. To overcome this problem a mobile application is developed which helps to monitor the temperature in the car by using the Internet of Things (IoT). With this application the AC can be switched ON before getting into the car as the AC controller is linked to the mobile application. To power the system, a lithium-ion battery is used, which is recharged by the conversion of kinetic energy generated by the vehicle's movement, particularly from the wingtips. The intelligent design of air conditioners will ensures the efficient energy consumption with which the battery life can be prolonged. The proposed method will monitor the temperature inside the car.

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 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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,453

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,269
Écart entre enseignants0,255 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetIoT and Edge/Fog ComputingTravaux en français237 207