MétaCan
Menu
Retour à la cohorte
Enregistrement W2231724445

Évaluation de l’impact potentiel de l’implantation d’un réseau de bornes de recharge rapide pour véhicules électriques sur les autoroutes du Québec

2014· article· fr· W2231724445 sur OpenAlexaboutno aff
Jean-Martin Proulx

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2014
Typearticle
Languefr
DomaineEngineering
ThématiqueRailway Systems and Energy Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’objectif de cet essai est de démontrer dans quelle mesure un projet de déploiement de bornes de recharge rapide en bordure des autoroutes du Québec et adapté au contexte de la province peut s’avérer rentable pour la société québécoise dans une perspective de développement durable. Au cours des dernières années, l’électrification des transports au Québec est passée de simple volonté politique à une voie de développement prioritaire pour la province, d’abord pour des raisons économiques, mais également pour des motifs environnementaux. Un élément central de la récente Stratégie d’électrification des transports vise la promotion d’initiatives favorisant l’utilisation des véhicules électriques. Au regard de la faible autonomie de la plupart des véhicules tout électriques et de la structuration des réseaux de recharge actuels, qui misent sur une technologie moins puissante et sur un déploiement à l’intérieur des principales villes de la province, l’implantation de bornes de recharge rapide en bordure des autoroutes du Québec apparaît comme une opportunité intéressante pour inciter l’essor du stock de véhicules tout électriques québécois. Un portrait mondial sur la technologie de la recharge rapide permet d’en exposer les principaux enjeux et surtout de présenter deux retours d’expérience où des bornes de ce type ont été implantées avec un certain succès. En s’appuyant à titre comparatif sur ces deux études de cas et au regard d’une analyse détaillée du réseau autoroutier du Québec ainsi que d’une évaluation des besoins futurs en recharge rapide, un scénario de déploiement de 111 bornes est proposé. Ces équipements de recharge rapide seraient implantés sur les principales autoroutes québécoises à raison de 57 unités en 2014, puis 18 bornes lors des trois années suivantes jusqu’en 2017. L’évaluation du scénario d’implantation proposé est réalisée par une analyse coûts-bénéfices selon le point de vue de la société québécoise. Ses bases méthodologiques visent à intégrer à l’analyse économique des considérations du développement durable. Les coûts du déploiement actualisés en date de 2014 sont évalués à 8 279 892 $, alors que chaque nouveau véhicule électrique à batterie qui se substitue à l’achat d’une voiture conventionnelle présente des retombées bénéfiques nettes actualisées en date de sa mise en circulation de 3130,42 $ pour le Québec. Les bénéfices et les coûts pris en compte incluent les principales externalités environnementales pour lesquelles des données pertinentes sont disponibles. Au regard de ces résultats, il est permis d’illustrer, en fonction du délai de recouvrement souhaité, différents profils de croissance linéaires des véhicules tout électriques dans la province qui seraient minimalement requis afin de rentabiliser ce projet pour la société québécoise. En fonction de ces informations, les décideurs publics sont maintenant mieux outillés pour évaluer la pertinence d’investir les ressources nécessaires à la concrétisation d’un tel projet, dont le potentiel de rentabilité paraît intéressant et réalistement atteignable.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,306
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,194
Écart entre enseignants0,182 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetRailway Systems and Energy EfficiencyTravaux en français237 207