Evaluation of Class 7 Diesel-Electric Hybrid Trucks
Notice bibliographique
Résumé
The objectives of this project were to evaluate the reduction in fuel consumption and greenhouse gas (GHG) emissions made possible by hybrid technology, and to identify good driving habits with this type of vehicle. Two diesel-electric hybrid pick-up and delivery trucks and one diesel-electric hybrid utility vehicle equipped with an electric driven PTO (power take-off) system were included in the project. The first phase was the evaluation in actual operating conditions. Onboard computers were installed in the vehicles to record parameters that make it possible to determine driving habits. Based on operational data, specific duty cycles were built and track tests were conducted to measure the fuel consumption on these duty cycles. It was therefore possible to compare the hybrid trucks with other diesel trucks featuring similar characteristics. The delivery hybrid trucks showed up to 34% fuel savings during the track tests. Achieving major savings will require driving mainly on urban hauling routes, in a not too aggressive manner, to allow the recharge of batteries and electric-assisted power. An appropriate training of drivers is recommended and a best driving practices manual was prepared to that end. For the utility truck, the savings are greater when the PTO time is longer. Compared with the conventional control diesel vehicle, track tests showed 11% fuel improvement for a duty cycle composed of 67% driving time and 33% PTO time, and 19% fuel improvement for the duty cycle with 50% driving time and 50% PTO time. The project confirmed the potential of this technology to reduce fuel consumption and GHG emissions, even though it was generally slightly below the 30% savings reported by hybrid truck manufacturers. The GHG reduction for these trucks was evaluated at between 2 to 5.4 tonnes, based on an annual distance in kilometres of 17,620 km, which corresponds to the average annual distance travelled by a medium-duty truck in the Province of Quebec (Canada).
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».