Descriptor: Simon Fraser University Electric Vehicle Parking Dataset (SFU-EVP)
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
Simon Fraser University (SFU) aims to make a significant contribution to the study of electric vehicle (EV) utilization and power grid management by providing a comprehensive dataset [Simon Fraser University electric vehicle parking dataset (SFU-EVP)] of EV charging sessions since 2019. This dataset will be continually updated in the future. This extensive dataset presents valuable information on EV charging patterns, providing critical input for power grid planning, policy development, rate design, and infrastructure placement. It also offers opportunities to improve load forecasting, ensure grid stability, and improve the integration of renewable energy. Furthermore, data can facilitate research toward optimizing various vehicle-to-grid (V2G) services, including harnessing EVs as distributed energy storage systems. All data are stored in the commonly used and easily accessible comma-separated value (CSV) file format. By making this dataset publicly available, SFU has created a vital dataset that can drive further innovation and efficiency in EV technology and grid management, fostering a more sustainable and environmentally friendly future. <p xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><b>IEEE SOCIETY/COUNCIL</b> Power and Energy Society (PES) <p xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><b>DATA TYPE/LOCATION</b> Time-Series; SFU Campuses, Metro Vancouver, Canada <p xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><b>DATA DOI/PID</b> 10.21227/ya1w-m583
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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