MétaCan
Menu
Retour à la cohorte
Enregistrement W3107723712 · doi:10.1080/14693062.2020.1851641

A blockchain-based emissions trading system for the road transport sector: policy design and evaluation

2020· article· en· W3107723712 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueClimate Policy · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesShanghai Office of Philosophy and Social ScienceScience and Technology Commission of Shanghai MunicipalityNational Natural Science Foundation of China
Mots-clésGreenhouse gasMidstreamUpstream (networking)Transparency (behavior)Emissions tradingTraceabilityEnvironmental economicsBusinessDownstream (manufacturing)Environmental scienceComputer scienceEconomicsTelecommunicationsEnvironmental engineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Emissions trading is a cost-effective climate policy for reducing greenhouse gas emissions. It could also be useful for addressing road transport emissions, especially given that this sector is the largest CO2 emitter in the transportation sector and its emissions continue to increase. However, emissions trading for road transport (ETS-RT) has rarely been implemented due to its complexity. This paper designs a novel and practical policy framework for an ETS-RT based on advanced blockchain technology, including all related entities upstream, midstream and downstream of the road transport sector. First, the government determines the cap and allocates the initial permits. Then, fuel producers, vehicle manufacturers, and vehicle users are involved as regulated entities with tradable emission permits. They are responsible for the three determinants of CO2 emissions in the road transport sector: fuel emission factors, vehicle fuel economy, and vehicle miles travelled, respectively. With all the regulated entities collaborating on compliance, the three determinants can be synergistically optimized so that the efficiency of the emissions abatement can be maximized. In addition, all trading, monitoring, reporting, and verification of the emission permits are automatically executed and recorded via a smart contract deployed on a decentralized blockchain. This approach can dramatically reduce administrative costs, improve transparency and traceability, and eliminate double counting and fraud. Finally, the proposed policy was evaluated using a multicriteria analysis method compared with other possible ETS-RT approaches.Key policy insights Fuel producers, vehicle manufacturers, and vehicle users – who are respectively responsible for fuel emission factors, vehicle fuel economy and vehicle miles travelled – should be synergistically regulated in an ETS-RT to maximize the efficiency of emissions abatement.This can be enabled by advanced blockchain technology, which can eliminate the need for a central authority, while enhancing transparency, traceability and cost-effectiveness.Blockchain technology could also be useful for monitoring, reporting and verification under the Paris Agreement.A blockchain-based ETS-RT is found to outperform other forms of ETS on criteria of acceptability, feasibility and environmental performance.

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 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 enseignants0,171
Score d'incertitude au seuil0,784

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 Opus0,056
Tête enseignante GPT0,296
Écart entre enseignants0,240 · 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