Comparison of Pollutant Emissions from Common Platform Vehicles Operating on Alternative Fuels over a Range of Driving Cycles at Standard and Cold Ambient Temperatures
Notice bibliographique
Résumé
Alternative fuels and power trains are expected to play an important role in reducing emissions of greenhouse gases (GHGs) and other pollutants. In this study, five light-duty vans, operating on alternative fuels and propulsion systems, were tested on a chassis dynamometer for emissions and efficiency. The vehicles were powered with Tier 2 gasoline, low blend ethanol (E10), compressed natural gas (CNG), liquefied petroleum gas (LPG), and an electric battery. Four test cycles were used representing city driving and cold-start (FTP-75), aggressive high speed driving (US06), free flow highway driving (HWFCT), and a combination of urban, rural, and motorway driving (WHVC). Tests were performed at a temperature of 22°C, with select tests at -7°C and -18°C. Exhaust emissions were measured and characterized including CO, NOX, THC, PM and CO2. On the FTP-75, WHVC, and US06 cycles additional exhaust emission characterization included N2O, and CH4. On the FTP-75, carbonyl compounds and volatile organic compounds (VOCs) were also characterized. Fuel and energy consumption, CO2,e and NMOG emissions were calculated. The emissions impact of alternative fuels varied with temperature and driving cycle. Compared to conventional gasoline, the use of alternative fuels generally resulted in reduced CO2 equivalent emission rates: 12-14% reduction with the use of LPG fuel, 18-21% reduction with the use of CNG fuel, and 60-75% reduction with the use of battery electric propulsion (assuming the average Canadian mix for electricity generation). With E10 fuel, the reductions in tailpipe CO2 equivalent emission rate were generally not statistically significant. Results for other regulated and unregulated emissions varied, and depended on driving cycle and temperature.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».