How Stringent Should Vehicle Emission Standards Be? Simulating Impacts on Greenhouse Gas Emissions, Zero-Emissions Vehicle Sales, and Cost-Effectiveness
Notice bibliographique
Résumé
Les normes d’émissions des véhicules (NEV) font régulièrement l’objet de modifications et de mises à jour dans divers pays, y compris les États-Unis et le Canada. Pour éclairer la conception d’une politique sur les NEV, nous simulons les effets additifs de différents resserrements des NEV sur les émissions de gaz à effet de serre (GES), les ventes de véhicules zéro émission (VZE) et la rentabilité ($/tonne) jusqu’en 2030, dans le cas du Canada. Les resserrements de la politique sur les NEV comprennent ceux du gouvernement Trump (améliorations annuelles de l’efficacité de 1,5% jusqu’en 2026), ceux du type Californie (améliorations annuelles de 3,7% jusqu’en 2026), ceux du gouvernement Obama (améliorations annuelles de 5%), ceux du gouvernement Biden (proposes ; améliorations annuelles de 10% en 2023 et de 5% par la suite jusqu’en 2026), et ceux de l’Union européenne (UE), qui améliorent l’efficacité de 6,5% par an jusqu’en 2030. Nous appliquons le modèle fabricant-consommateur ( AUtomaker-consumer Model, AUM), qui simule de manière endogène les décisions des consommateurs et des constructeurs automobiles ainsi que les changements technologiques. Les résultats montrent que, bien que les NEV du gouvernement Biden soient plus efficaces que les autres modèles envisagés en Amérique du Nord, seule la politique de type européen permet des progrès substantiels vers les objectifs de réduction des émissions de GES et de vente de VZE. Soulignons qu’en définissant le rapport cout-efficacité comme le cout en dollars de chaque tonne en moins de dioxyde de carbone, nous constatons que la version européenne des NEV, qui est la plus stricte, affiche une rentabilité supérieure de 13% aux autres versions des NEV, dans le cas médian. Ces résultats plaident en faveur d’un renforcement des NEV tendant vers les niveaux de l’UE.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».