MétaCan
Menu
Retour à la cohorte
Enregistrement W2000611080 · doi:10.2495/ut090491

Comparison of mobile source emission models using aggregated and disaggregated data

2009· article· en· W2000611080 sur OpenAlex
Arianne Perez, Arley de Barros

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWIT transactions on the built environment · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAccelerationEnvironmental scienceFuel efficiencyTraffic flow (computer networking)Computer scienceAutomotive engineeringMeteorologySimulationEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Mobile source emission models are designed to provide a quantification tool of the amount of pollution that is released to the atmosphere from the vehicles within a defined region. The most common models were developed based on aggregated data, such as vehicle miles travelled, fuel consumption and average travelling speed. Recently, new models have been developed. They use a disaggregated analysis approach in order to include the sudden changes in speed and acceleration and the traffic interactions in the calculation. This paper presents a comparison between three different models developed on three different levels of data aggregation and their application on a road stretch. Traffic data (speed, acceleration and flow) is extracted from a micro simulation model and then used to calculate the total emissions during a specific period of time. Emission data was collected using a Portable Vehicular Emission Measuring System in a chassis dynamometer on a second by second basis. The main purpose of this research is to show the main differences in the calculation of emissions and their applicability to different levels of emission inventories.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,052
Tête enseignante GPT0,272
Écart entre enseignants0,219 · 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