MétaCan
Menu
Retour à la cohorte
Enregistrement W4415360172 · doi:10.59934/jaiea.v5i1.1539

Design of an IoT-Based Road Condition Monitoring System Using NodeMCU, Ultrasonic Sensor, and Vibration Sensor

2025· article· W4415360172 sur OpenAlexaff
Muhammad Rangga Habibie, I Gusti Prahmana, Yusfrizal

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueIoT and GPS-based Vehicle Safety Systems
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésRoad surfaceVibrationUltrasonic sensorCondition monitoringTrack (disk drive)Elevation (ballistics)

Résumé

récupéré en direct d'OpenAlex

This study designs an Internet of Things (IoT)-based road condition monitoring system using NodeMCU ESP8266, the HC-SR04 ultrasonic sensor, and the SW-420 vibration sensor. The system is designed to detect road damage such as potholes and uneven surfaces by combining distance measurement and vibration detection, then transmitting the data in real time to the Blynk application. The research employs a prototyping method and is tested on a remote-controlled (RC) car equipped with sensors, which is operated on a simulated track with varying road surface conditions. The test results demonstrate that the system is capable of detecting changes in road surface elevation and vibrations with high accuracy, and transmitting the data to the Blynk application with a delay of less than two seconds. This system has proven effective as a fast, accurate, and integrated tool for monitoring road conditions to support road maintenance and improve road user safety.

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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,031
Tête enseignante GPT0,280
Écart entre enseignants0,249 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetIoT and GPS-based Vehicle Safety SystemsTravaux en français237 207