Blockchain‐Enabled Car Sharing: Enhancing Reliability and Vehicle History Management
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
ABSTRACT The rising expenses associated with car ownership have driven individuals to seek more affordable alternatives, such as car rentals. However, conventional car rental services often come with high costs due to leasing companies' overhead expenses. Consequently, car sharing has emerged as a popular and cost‐effective solution that reduces expenses and promotes eco‐friendliness by reducing the number of vehicles on the roads. Nonetheless, centralization and reliability remain persistent challenges in car‐sharing implementation. To address these issues, we propose a decentralized crowd car sharing and renting platform called CROWDCARLINK, leveraging blockchain technology's power. This innovative platform enables individuals and leasing companies to rent vehicles while securely recording each car's maintenance and lease history on the blockchain. Within CROWDCARLINK, garages are pivotal contributors, adding vehicle information in a reliable and immutable manner. By utilizing blockchain technology, our platform ensures transparency and fosters trust, effectively overcoming the limitations imposed by centralization. Our architectural design incorporates smart contracts, which help streamline processes and facilitate seamless transactions within the platform. To demonstrate the feasibility of our approach, we have developed a prototype utilizing a private Ethereum blockchain with Proof of Authority (PoA) consensus. We believe that the architectural design and the practical solution presented here will play an integral role in shaping the future of smart transportation. Our platform aims to benefit individuals and the environment by offering a cost‐effective and efficient solution, paving the way for a more sustainable and advanced transportation ecosystem.
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