Contribution of potential clean trucks in carbon peak pathway of road freight based on scenario analysis: A case study of China
Notice bibliographique
Résumé
Reducing the carbon emissions from trucks is critical to achieving the carbon peak of road freight. Based on the prediction of truck population and well-to-wheel (WTW) emission analysis of traditional diesel trucks and potential clean trucks including natural gas, battery-electric, plug-in hybrid electric, and hydrogen fuel cell, the paper analyzed the total greenhouse gas (GHG) emissions of China's road freight under four scenarios, including baseline, policy facilitation (PF), technology breakthrough (TB), and PF-TB. The truck population from 2021 to 2035 is predicted based on regression analysis by selecting the data from 2002 to 2020 of the main variables, such as the GDP scale, road freight turnover, road freight volume, and the number of trucks. The study forecasts the truck population of different segments, such as mini-duty trucks (MiDT), light-duty trucks (LDT), medium-duty trucks (MDT), and heavy-duty trucks (HDT). Relevant WTW emissions data are collected and adopted based on the popular truck in China's market, PHEVs have better emission intensity, especially in the HDT field, which reduces by 51% compared with ICEVs. Results show that the scenario of TB and PF-TB can reach the carbon peak with 0.13% and 1.5% total GHG emissions reduction per year. In contrast, the baseline and PF scenario fail the carbon peak due to only focusing on the number of clean trucks while lacking the restrictions on the GHG emission factors of energy and ignoring the improvement of trucks' energy efficiency, and the total emissions increased by 29.76% and 16.69% respectively compared with 2020. As the insights, adopting clean trucks has an important but limited effect, which should coordinate with the transition to low carbon energy, and the melioration of clean trucks to reach the carbon peak of road freight in China.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».