Quantifying Environmental Costs for Sustainable Pavement Management
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
We quantify the effect of Ontario's provincial transportation infrastructure decisions on multipollutant exposures, impacts, and life-cycle costs. A variety of evidence shows that roadway construction and maintenance affect human health and climate change via emissions of air pollutants and greenhouse gases. With recent policy shifts, provincial transportation decision-makers are focused on the role of roadway design and maintenance on these environmental exposures; however, they lack appropriate tools to incorporate them into decisions. Here, we present a decision-making tool that quantifies the health, environmental, and economic impacts of construction, maintenance, and rehabilitation of roads and highways. We examine various pavement design and management approaches, including standard practices, and innovations to processes and materials. We estimate multipollutant emissions, including (CO2, NOx, SO2, PM2.5, CO). We review literature that connects these exposures to health and economic impacts directly through marginal damage estimates. Current literature estimates for the cost of emitting a single metric tonne of fine particulate matter range between $600 and $50,000 (2010 CAD) depending on the impacts considered and the cost measures used. Preliminary findings for environmental costs of emissions from new-construction of a double-lane, one-kilometre road range between $300 to $50,00 for asphalt roads and $3000 to $400,00 (2010 CAD) for concrete roads. In this research, we expand on these findings and quantify contributions of uncertainty from exposures, exposure-response, and economic impacts. These findings allow infrastructure managers to account for health-related impacts of environmental exposures, including air pollutants and greenhouse gases, and thus to design more sustainable solutions.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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