Environmental life cycle assessment of conventional and electric vehicles: lessons learned from selected countries
Notice bibliographique
Résumé
Electric vehicle (EV) is an alternative expected to be tail-pipe emission-free and improve public health. Switching conventional or internal combustion engine vehicles (ICEVs) to EVs becomes a potential strategy for realizing urban sustainability. The study aims to review the environmental impact between ICEV and EV in Lithuania, China, Canada, Poland, Czech Republic, Italy, United States, and Australia. Then, the review result is compared to the Indonesia context as lessons learned. A comparative study with a qualitative descriptive method was carried out. The main activities are a literature review. The works of literature were collected, classified, and reviewed to find out significant findings on the environmental impact of ICEV and EV. Assessing the vehicle in all life-cycle (LC) phases is an essential issue. The entire LC of products may significantly impact the environment due to the utilization of raw materials through a process that causes adverse environmental impacts. Therefore, Life-cycle assessment (LCA) is proposed to estimate the environmental effects related to all the LC stages of EVs. Thus, LCA could be a critical tool. Numerous cases in several countries show that EVs were not always more environmentally friendly than ICEVs. The review indicates that EVs and electricity-generating mix scenarios play a significant role in performing LCA due to the performance of an EV is extremely dependent on the energy consumed through its operation phase. Additionally, the results show how significant renewable energy sources (RES) are in the electricity-generating mix that provides different environmental impacts. In the Indonesia context, the environmental impact of EV is predicted to be higher than ICEV due to the electricity generating mix is still lower than 20% in 2023. Optimizing the electricity generating mix scenario by increasing the RES, implementing clean technology power plants, and applying vehicle recycling are excellent strategies to promote sustainable development in the EV industry. However, economic and social aspects shall be considered to get comprehensive results in further research.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».