Harnessing the Potential of Automated Data to Simulate Emissions of an Interregional Bus Route in Toronto, Canada
Notice bibliographique
Résumé
This study made use of automated vehicle location and automated passenger counter data to simulate the greenhouse gas (GHG) emissions of an interregional bus route in Toronto, Ontario, Canada. The authors analyzed bus performance and emissions as well as quantified emissions under the effects of operational improvements (increasing speed and reducing idling) and different fuels (conventional diesel, compressed natural gas, and biodiesel). Average total trip emissions were 54 kg per bus, with emissions higher in the morning peak period than in the afternoon peak period. Emissions rates on the highway portion of the corridor were lower than emissions rates for the arterial portions, with mean values of 1,627 g/km and 1,993 g/km, respectively. The authors observed that the addition of each passenger influenced bus emissions per passenger differently; when the bus was less crowded, each additional passenger could decrease emissions per passenger by 7%, but that reduction becomes 1.3% when the bus is crowded. Finally, the study results estimated that operational improvements could reduce emissions by 22%, whereas switching to compressed natural gas without speed improvements could reduce emissions by 6%. The effects of emissions reduction strategies are highly dependent on the characteristics of the bus and drive cycle. These results are useful to transit planners in the selection of appropriate GHG reduction strategies as well as in the selection of candidate corridors (highway versus arterial routes) for fleet renewal.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».