MétaCan
Menu
Retour à la cohorte
Enregistrement W2618330352 · doi:10.15406/mojce.2017.02.00031

Regional Freight Movement and Its Impact on Air Quality: Simulation of Freight Traffic and Pavement Maintenance Operations

2017· article· en· W2618330352 sur OpenAlexaboutno aff

Notice bibliographique

RevueMOJ Civil Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringTraffic managementQuality (philosophy)BusinessEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Freight movement emits greenhouse gases (GHGs) and deteriorates pavementthereby causing additional emissions from pavement maintenance and rehabilitation (M&R) treatments. This study predicts the carbon dioxide equivalent GHGs (CO 2 e GHGs) emission from simulated freight movement and pavement M&R operations on regional highways connecting the Canadian provinces of New Brunswick, Prince Edward Island, Newfoundland and Labrador, Nova Scotia and Quebec. This study estimates the equivalent single axle loads (ESALs), CO2e GHGs emissions, and vehicle-distance on every regional highway for a 30 years period. The International Roughness Index (IRI) estimates pavement deterioration curves for highways based on ESALs and observed pavement strength. Linear programming of life-cycle optimization estimates the pavement M&R operations required to maintain the pavement in good condition during the design period. The simulated freight traffic will emit 1.279 million tons of carbon dioxide gas while emissions from pavement M&R treatments will be 1.403-1.755 million tons of CO2e GHGs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,040
Score d'incertitude au seuil0,570

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMOJ Civil EngineeringMême sujetVehicle emissions and performanceTravaux en français237 207