Assessing the Impact of Bus Technology on GHG Emissions Along a Major Corridor: Comparing an Instantaneous Speed Emission Model with an Average-Speed Model
Notice bibliographique
Résumé
Recently, a large number of local transit agencies in North America have been considering new strategies to reduce fossil fuel consumption and greenhouse (GHG) emissions. These strategies often include a combination of operational improvements and alternative technologies. This is the case for the Montreal transit system, run by the Societe de transport de Montreal (STM), which manages and operates a fleet of 1,696 buses with the majority running on diesel. This study focused on a busy bus transit corridor. The objectives include 1) evaluating the impact of alternative bus transit technologies including compressed natural gas (CNG), biodiesel, and diesel-electric hybrid on GHG emissions using a lifecycle analysis (LCA) approach, and 2) comparing the operational emissions of buses running on these different technologies using an instantaneous speed and an average speed emission model. Local geographic and driving conditions along the corridor are incorporated in the estimation of operational emissions. The results indicate that operational emissions make-up the largest portion of lifecycle emissions (more than 80%). This implies that detailed LCA are not necessary to assess the environmental impact of alternative bus technologies since the analysis of operational emissions would have been sufficient. The bus technologies are ranked in increasing order of lifecycle GHG emissions generated: 1) hybrid, 2) CNG, 3) biodiesel, and 4) diesel. GHG savings range from 8.4-29.0 kg of carbon dioxide (CO2)-equivalent (12.5-43.3%) for a single bus operating on a single route during the morning and afternoon peak periods when converting the current diesel technology to one of the alternative fuels tested. When comparing instantaneous vs. average speed emissions the authors observe that both methods produce consistent results for diesel emissions. However, the average speed method underestimates biodiesel emissions by 21% and overestimates CNG emissions by 16%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».