Integration of an energy– economy model with an urban energy model
Notice bibliographique
Résumé
A proliferation of energy models has been developed across disciplines to explore energy and greenhouse gas (GHG) emissions-reduction strategies in cities. Hybrid models are especially useful because they incorporate more dynamics to simulate realistic results informed by relevant high-level policy decisions and building-level factors. Spatial and aspatial energy models, however, are not often linked, which overlooks the spatial impact of energy and emissions policies in urban environments. A new method is presented that links these types of models to understand how building stocks change over time in response to policies. This approach integrates outputs from an aspatial economic model, CIMS, with buildings in a spatially explicit urban building energy model (UBEM), UMI. The energy–economy model is parameterised against the UBEM using identified baseline condition and proposed future policy interventions. Building stock replacement and retrofit change are downscaled and disaggregated to individual buildings based on existing stock age and a probability-based Markov chain model (MCM). This integration enables simulations of cross-scale policy interventions that are sensitive to both economically and mechanically driven factors. An application of this approach shows how it can be used to evaluate how different policies interact with and influence building energy demand and GHG emissions. Practice relevance The results are integrated as a series spatially explicit energy modeling procedure (UMI) at the neighborhood scale. This process enables local assessments of efficacy of the proposed city scale and even regional policies in municipalities with various energy and GHG emission agendas. In the presented case study (of the Sunset neighborhood of Vancouver, BC, Canada) this method can quantify the elasticity of emission reductions from various urban form changes (e.g. infill, transportation-oriented development, etc.), new building code (i.e. BC Energy Step Code), active transportation and retrofit strategies from 2020 to 2050.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».