The Impact of Lift Axles on Fuel Economy and GHG Emissions Reduction
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Using lift axles enables fleet to increase the load capacity of a vehicle, eliminating the need for multiple trips, thus reducing operational costs.</div><div class="htmlview paragraph">In a project to assess the potential of reducing fuel consumption and greenhouse gas (GHG) emissions by lifting axles on unloaded semi-trailers, lift axle regulations in various jurisdictions and the studies that led to these regulations were analyzed.</div><div class="htmlview paragraph">The SAE Fuel Consumption Test Procedures Type II (J1321) was used for fuel consumption track test evaluations. The tests were conducted on unloaded two-axle van semi-trailers, four-axle van semitrailers, and B-trains, and resulted in fuel savings of 1.3% to 4.8%, depending on vehicle configuration and the number of axles lifted during the test. Temperature measurements and thermal images taken during the tests show that the difference in temperature of rolling tires of tandem axles with one axle lifted, compared to the temperature of rolling tires of tandem axles with both axles on ground was minimal.</div><div class="htmlview paragraph">As such, lifting the axles of unloaded van semi-trailers shows an interesting potential in fuel savings and GHG emissions reduction because in many applications, semi-trailers travel unloaded 50% of the time. Special equipment is however necessary to lift axles and there are regulatory constraints regarding these devices. Several Canadian provinces allow the lifting of axles when a semi-trailer is empty, however, additional studies are necessary to evaluate the impact of lift axles on maintenance (tire wear) and safety (braking performance).</div></div>
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 | 0,000 | 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 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 ».