Development of an alternative fuel infrastructure: What H2 can learn from LPG. The case of LPG/CNG in the Netherlands and other countries:
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.
Notice bibliographique
Résumé
The introduction of an alternative transport fuel always bears a challenge that is often referred to as a 'chicken and egg' problem: while people will only become interested in and start switching to a new fuel if sufficient refuelling stations are available, industry will only start investing in the development of a refuelling infrastructure if the market is sufficiently developed and existing stations are economically viable.Governments have a variety of, for example, fiscal or regulatory measures at hand to facilitate and support the introduction of an alternative transport fuel.This report describes and analyses the introduction of liquefied petroleum gas (LPG) or compressed natural gas (CNG) in the Netherlands, Germany, Poland, Canada and Argentina.In particular, the report pays attention to the development of station coverage and vehicle numbers for these alternative fuels.Drivers and barriers to the introduction of LPG or CNG, such as fuel price developments, supporting policy instruments or a lack thereof were identified.Main focus are the Netherlands where LPG was introduced in the mid-1950s.A comparison of developments in the Netherlands with the other four countries reveals that well concerted efforts by policy makers and industry supporting a parallel development of vehicle uptake and refuelling station availability may lead to the firm establishment of an alternative fuel market.The report concludes with lessons learned for the introduction of hydrogen as an alternative transport fuel.
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 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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle