走在汽車革命的路上論文書籍站
國立彰化師範大學 電機工程學系 魏忠必所指導 李建滬的 適用於不同情境之車牌影像辨識之評估研究 （2021），提出7-11模型車2022關鍵因素是什麼，來自於深度學習、車牌辨識、YOLO。
而第二篇論文國立臺北科技大學 車輛工程系所 黃國修所指導 陳威至的 車內區域性空調實驗平台之建置與研究 （2011），提出因為有 區域性空調、空氣流管理、實驗平台、田口法的重點而找出了 7-11模型車2022的解答。
適用於不同情境之車牌影像辨識之評估研究
為了解決7-11模型車2022 的問題，作者李建滬 這樣論述：
近年來自動辨識技術愈發成熟，已成功運用在各種不同的領域，其中車牌辨識系統，能夠協助需要大量識別車牌的場所管理車輛，如平面停車場能過透過車牌辨識系統，減少人力支出及加快車輛進出速度，避免車輛大排長龍的情況出現；也能幫助警方在處理交通事故及追蹤可疑車輛時，不需浪費過多時間，觀看監視器錄影畫面，達到減少人力支出及節省時間的功能。雖然車牌辨識系統，現在已經大量運用於各個智慧停車場，但仍有一些缺點，如光線不足及角度歪斜等問題，使辨識率下降。使用深度學習的車牌辨識系統，透過神經網路取出車牌字元位置後，透過另一個神經網路或文字辨識軟體，辨識車牌字元。本研究透過YOLO在照片上找出車牌字元位置，同時辨識車牌
字元，其優點是只需一個訓練模型，就能完成車牌辨識。接著透過比對各種不同YOLO版本，再找出所需訓練時間較少及辨識率最高，最適合用於車牌辨識的YOLO版本，再就此版本，調整訓練照片旋轉角度，找出適合多方向檢測車牌的角度。
車內區域性空調實驗平台之建置與研究
為了解決7-11模型車2022 的問題，作者陳威至 這樣論述：
車輛已成為人們的生活中的主要交通工具，若能增加車輛的舒適與節能，對於人們將是一大福音。本研究以新設計出來之空氣流管理技術，運用改裝後之出、吸風口來控制車艙內的流結構，將車艙中之溫度分佈可畫分兩個獨立之溫度區塊，使駕駛者及乘客皆能依照個人需求來控制該區域之溫度，形成個人化舒適空間及減少空調系統不必要的能源消耗，以達到智慧型人性化之目的。本研究利用計算流體力學(Computational Fluid Dynamics，簡稱CFD)的數值分析，可模擬出複雜的物理變動現象並做有系統性的分析，並利用田口實驗法將對於本系統所影響的四個重要參數(出風口風速、出風口角度、吸風口負壓、出風口與吸風之相對距離)
，分析其對區域性流場形成之最佳化參數；此外建構出一座模擬實車的空調實驗平台，通過此實驗平台將模擬分析之最佳化參數應用至平台的參數設定，經由架設於人型模特兒之溫度感知器及熱顯像儀可知乘客及駕駛者的溫度變化，最後利用煙霧產生器進行流場可視化，結果顯示此平台所配置之出、吸風口及各參數的搭配，可建立出車艙內獨立的流場結構，達到智慧型車艙之區域性空調之目。