Lecture Notes in Computer ScienceSmart Multimedia A Real-Time Adaptive Thermal Comfort Model for Sustainable Energy in Interactive Smart Homes: Part I
Notice bibliographique
Résumé
A successful smart city implementation needs to efficiently use natural and human resources. This can be achieved by dividing the smart city into smaller modules, such as a smart community, and even smaller such as a smart home, to allow energy management systems to monitor the city's behavior. The electricity end-user sector is often divided into the residential, commercial, and public transport, industrial, and agricultural sectors. On the other hand, HVAC systems constitute from 40% up to 60% of energy consumption in buildings. Nevertheless, householders do not entirely accept connected devices due to complex interfaces, lack of interest, or acquired habits of thermostat usage that affect thermal comfort, hence, usability and behavioral problems. Thermal comfort is widely defined as that state of mind which conveys satisfaction with the thermal surroundings. This paper obtains an adaptive comfort model for measuring these three features through energy simulations to compare them during the year. This paper analyzes three energy model scenarios to review the adaptive behavior of a community of twelve houses. Three energy models were simulated for Mexico City, Concord (California), and Ontario (Canada) and later deployed into an interactive online platform to determine what further actions are required to improve the quality of life of householders without losing thermal comfort and maximizing energy savings. Besides, this platform allows worldwide users to interact with the platform and learn how clothing insulation, activity, and location affect energy consumption and thermal comfort.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».