4. 澄清和教育微电网电价结构。根据焦点小组讨论,人们发现电价结构相当不明确,单位电力成本太高。政府和微电网运营商应继续在社区进行宣传,向社区成员重申电价结构和服务费,并继续听取他们的投诉。虽然政府和其他利益相关者可能无法改变每单位电力的价格,但为节能设备的分销和采用提供激励措施可能是值得的,这样受益者就可以更负担得起这些设备。
摘要:本研究对欧盟温室农业部门的能源使用情况进行了回顾。所介绍的研究表明,温室的能源使用情况多种多样,通常依赖于化石能源。高能量系统在北欧占主导地位,通常受气候控制,能源使用以加热和冷却过程为主,而低能量系统在南欧占主导地位,则表现出多种能源使用,包括加热、冷却、灌溉、照明、化肥和杀虫剂。我们的回顾还讨论了温室生产的能源效率措施和可再生能源采用。最后,我们的回顾表明,关于温室生产能源使用的准确可靠的研究很少且支离破碎,目前使用各种不同的方法来估计农场的能源使用情况。我们认为,制定一套用于测量温室农业生产能源使用的全面方法和分类将促进该领域的进一步研究,大大提高我们对温室能源使用的理解,并支持绿色转型。基于此,本文提出了一个测量温室农业能源使用的基本框架。
酒店业的语音助理:使用人工智能为客户服务。目的——语音助理 (VA) 通过识别人类语音并执行用户发出的命令来增强人机交互。本文研究了酒店业中酒店与客人之间基于 VA 的互动。该研究将 VA 置于人工智能 (AI) 支持的物联网 (IoT) 环境中,颠覆了旧的做法和流程。智能酒店业使用 VA 以经济高效的方式为客人提供轻松的价值共同创造。该研究调查了消费者对酒店业 VA 的看法和期望,并通过专家技术提供商探索 VA 功能。设计/方法/方法——这篇实证论文研究了 VA 在酒店环境中的当前使用情况和未来影响。它使用定性、半结构化的深入访谈,采访了 7 位专家酒店业 VA 技术提供商和 21 位有 VA 经验的酒店客人。该研究采用供需方法,全面解决酒店业中的 VA。发现——研究结果表明,酒店和客人两方终端用户的需求,探讨了 VA 的优势和挑战。分析表明,VA 正日益成为数字助理。VA 技术可帮助酒店改善客户服务、扩大运营能力并降低成本。尽管尚处于起步阶段,但 VA 技术已在优化酒店运营和升级客户服务方面取得了进展。该研究提出了一种语音交互模型。原创性——VA 研究通常侧重于私人家庭中的技术,而不是商业或酒店空间中的技术。本文为智能酒店业中有关人工智能和物联网的新兴文献做出了贡献,并探讨了 VA 的接受度和操作性。该研究有助于概念化 VA 支持的酒店服务,并探索其积极和消极特征以及未来前景。研究局限性/含义——本研究通过使用 VA 和智能酒店和旅游生态系统的发展来促进酒店服务的转型。该研究可以从与酒店经理的进一步研究中受益,以反映酒店经营者的观点并调查他们对 VA 的看法。进一步的研究还可以探索不同背景下消费者与虚拟助理互动的不同方面。实际意义——本文对酒店管理和人机交互最佳实践做出了重大贡献。它支持技术提供商重新考虑如何开发合适的技术解决方案,以提高其战略竞争力。它还解释了如何经济高效地使用虚拟助理,同时为旅行者的体验增加价值。
摘要 — 企业资源规划 (ERP) 系统对于提高企业的管理绩效必不可少。然而,信息技术 (IT) 专业人员对人工智能 (AI) 和机器学习与 ERP 云服务平台集成的看法尚不清楚。很少有研究探讨领导者如何将 AI 应用于战略管理,但没有研究定性地探讨过 AI 在云 ERP 系统中的集成。这项定性现象学研究探讨了 IT 专业人员对将 AI 和监督机器 (S-machine) 学习集成到云服务平台以增强云 ERP 系统的看法。本研究提出了两个研究问题:1) IT 专业人员对使用 AI 模型集成 SaaS 和 ERP 有何看法?2) IT 专业人员对于如何集成 AI 以增强使用基于云的 ERP 系统的安全性有何看法?通过解释学视角和对集成应用程序编程接口 (API) 的关注,使用有目的的抽样采访了五位 AI 专家、三位机器学习 (ML) 专家、五位网络安全专家和两家云服务提供商,他们提供了自己使用 AI 和 S-机器学习的亲身经历。出现了五个主要主题,包括 1) 使用 AI 模型集成 SaaS 和 ERP 有助于高效地开展工作,2) 将 AI 集成到云服务 ERP 和 SaaS 中的挑战,3) 将 AI 完全实施到云服务 ERP 或 SaaS 所需的资源,4) 为 ERP 和 SaaS 开发和实施 AI 模型的最佳实践,以及 5) 如何通过集成 AI 来优化基于云的 ERP 系统的安全性。这些研究结果的总结对个人和组织提高管理绩效具有积极意义。虽然这项研究并没有提出新的理论,但它扩展了当前关于技术整合相关理论应用的文献。
背景:人道主义危机爆发和持续过程中出现的风险因素使人们面临疫苗可预防疾病 (VPD) 过高发病率和死亡率的风险。目前尚不清楚世界各地的危机中使用了哪些疫苗,以及疫苗接种决策是否与当地疾病威胁相对应。本综述旨在收集和分析此类信息。方法:我们审查了 2015 年 1 月至 2019 年 6 月期间所有 25 个人道主义响应的疫苗接种服务,这些响应在此期间已启动协调机制。我们咨询了人道主义部门内的各种在线来源和线人,以汇编有关每次危机中提供哪些疫苗以及疫苗提供方式和时间的数据。然后将每次危机开始以来的疫苗接种服务包与当地疾病负担(基线 + 危机出现的风险因素导致的过高)进行比较。结果:人道主义危机中使用的疫苗范围似乎有限。疫苗接种时主要通过预先存在的常规计划进行,很少采取补充措施,以认识到需要迅速提高人群免疫力。疫苗包大多没有解决可能导致重大疾病风险的实际 VPD 范围。结论:本综述表明,向受危机影响的人群提供疫苗存在不一致和不公平现象。需要在危机中使用一致、标准化和更广泛的疫苗使用方法。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
图 31 a) 模拟引擎时间选择,b) 我的设计默认时间是 30 分钟间隔,c) 房屋项目数据输入字段,d) 需求响应模拟事件数,e) 公用事业费率设置 ......................................................................................................................................................... 86
7 Maiduguri (MMC) Borno Dec 8 – 12, 2017 2nd 93 8 Jere Borno Dec 8 – 12, 2017 2nd 107 9 Konduga Borno Dec 8 – 12, 2017 2nd 1 Dikwa Borno Dec 8 – 12, 2017 2nd 100 12 Mafa Borno Dec 14 – 18, 2017 2nd 102 13 Bade Yobe May 9 – 13, 2018 – 13, 2018 1st 97.1 16 Bauchi Bauchi June 20 – 24, 2018 2nd 96.6 17 Gulani Yobe Nov 26 – Dec 1, 2018 1st 88.0 18 Gulani Yobe Jan 27 – 91 North 391, 2018 15, 2018 1st 98 20 Mubi South Adamawa July 11 – 15, 2018 1st 103 21 Maiha Adamawa July 11 – 15, 2018 1st 99 22 Mubi North Adamawa Aug 11 – 15 – 23 Au 2018 2nd 99 21 Maiha Adamawa Aug 11 – 15, 2018 2nd 98 24 Ngala Borno Nov 28 – Dec 2, 2018 1st 97.0 25 Jere Borno Nov 28 – Dec 2, 2018 Borno 1 Dec Mavr 2018 1st 114.1 27 Kal-Balge Borno Nov 28 – Dec, 2018 1st 100.0 28 Gummi Zamfara Dec 3 – 7, 2018 1st 92.8 29 Gummi Zamfara 30 Feb 20 9th – 19th 2 & Feb 25-26, 2019 1st 100.0 31 Ngala Borno March 1 – 6, 2019 2nd 100.0 32 Jere Borno March 1 – 6, 2019 2nd 105.3 23 Maiduguri (MMC) Borno rno March 1 – 6, 2019 1st 101.9 35 Damaturu Yobe March 2 – 6, 2019 1st 100.3 36 Michika Adamawa March 30 – April 3, 2019 1st Dat 91.5 37 Argungu Kebbituru 1 3 1 18 5 5, 2019 2nd 100.6 39 Bama Borno Sept 7 – 11, 2019 2nd 103.0 40 Michika Adamawa Sept 10 – 14, 2019 2nd 99.4 41 Fufore Adamawa 2 Sept 10 – 4 Ar 19, – 16, 2019 2nd 98.4 43 Agatu Benue March, 2021 1st - 44 Bauchi Bauchi July 24 – 28, 2021 1st 100.8 45 Bauchi Bauchi Aug 23 – 27, 2021 Jigawa 2nd 4 97 95.7 47 Birnin-Kudu Jigawa Oct 20 – 24, 2021 1st 96.1 48 Hadejia Jigawa Oct 20 – 24, 2021 1st 99.6 49 Damaturu Yobe Oct 24 – 29, 2021 Nov 1,1st 21 2nd 100.0
(A) 路基应准备并压实至可接受的横截面和等级。然后应铺设并压实一英寸厚的十号碎石找平层,然后应铺设一层厚度至少为六英寸的压实二号碎石,以达到所需的宽度。底基应以三英寸的压实量准备,并用不低于十吨的压路机压实。空隙应使用 53 号碎石填充。如果底基在碾压时没有出现爬行迹象,则应铺设两英寸厚的 53 号碎石层,并将其平整至线和横截面。然后,应在铺设粘结层之前,使用每平方码表面不少于三十五百分之一加仑的经批准的沥青材料对底基进行底漆处理。
摘要。目前,越来越多的居民使用汽车出行。道路交通量增加的后果是道路状况恶化、道路安全水平下降、空气污染加剧以及寻找停车位的问题。本文分析了 COVID-19 大流行之前和期间格利维采动态停车信息 (DPI) 覆盖的付费停车区 (PPZ) 停车位使用情况的每日变化。在工作的第一阶段,分析了 COVID-19 大流行之前和期间 DPI 覆盖的 PPZ 停车位中停车位使用情况和轮换指标的每日变化。进行了 Wilcoxon 检验以验证差异是否具有统计显著性。结果表明,COVID-19 大流行导致 PPZ 停车位使用率和轮换指标下降。此外,研究表明,收取停车位停车费会增加空间使用率和轮换指标。因此,可以为更多驾驶员提供停车位。
共享自动驾驶汽车服务(即自动穿梭巴士,AS)正在全球范围内部署,并可能提高老年人(> 65 岁)的流动性、独立性和社区参与度。但是,如果老年驾驶员要接受和采用这项技术,AS 必须易于使用并提供安全保障。目前,他们接受 AS 的潜在障碍包括对系统缺乏信任和不愿采用新兴技术。技术准备情况、感知到的易用性、感知到的障碍以及使用技术的意图是老年人在接受和采用 AS 时需要考虑的特别重要的结构。同样,个人因素,即年龄、生活空间流动性、驾驶习惯和认知可以预测老年驾驶员的驾驶安全性。但是,我们不确定这些因素是否以及如何预测老年人使用 AS 的意图。在本研究中,我们研究了 104 名老年司机(M 年龄 = 74.3,SD 年龄 = 5.9)的回答,他们在乘坐道路自动班车(EasyMile EZ10)之前和之后完成了自动驾驶汽车用户感知调查(AVUPS)。研究参与者还通过技术就绪指数、技术接受度测量、生活空间问卷、驾驶习惯问卷、路径开辟测试 A 部分和 B 部分(TMT A 和 TMT B)提供了信息。老年司机的年龄、认知分数(即 TMT B)、驾驶习惯(即碰撞和/或罚单、暴露和驾驶难度)和生活空间(即老年人离开主要住所多远)被输入到四个模型中,以预测他们对 AV 的接受度——根据子量表(即使用意向、感知到的障碍和幸福感)和 AVUPS 的总接受度分数进行操作。接下来,偏最小二乘结构方程模型 (PLS-SEM) 阐明了技术准备度、感知易用性、AV 接受障碍、生活空间、碰撞和/或罚单、驾驶暴露、驾驶难度、认知和使用 AS 的意图之间的关系。回归模型表明,年龄和认知能力 (TMT B) 都不能显著预测老年驾驶员对 AV 的看法;但他们自我报告的驾驶难度 (p = 0.019) 可以预测他们使用 AV 的意图:R2 = 6.18%,F (2,101) = 4.554,p = 0.040。因此,使用意图是后续 PLS-SEM 中的因变量。PLS-SEM 的结果 (R2 = 0.467) 表明,唯一具有统计意义的