Decision-making method to prioritize and implement solar strategies on neighborhood level
Notice bibliographique
Résumé
The current research presents a decision-making framework designed to facilitate the development and deployment of solar strategies in new and existing neighborhoods. Designing neighborhoods to achieve optimal solar exposure and integrate potential solar technologies involves numerous factors impacting the design process and decisions. These factors can relate to the neighborhood's layout as well as the proposed technologies and design strategies. Developers and other stakeholders often face the challenge of determining which strategies would be most beneficial for a specific neighborhood. The proposed decision-making tool evaluates solar design strategies to fulfill composite objectives, such as reducing total energy consumption, minimizing operational costs, achieving net-zero energy neighborhoods, and creating low/net-zero carbon neighborhoods. In addition, the user can also select specific objectives such as daylighting, passive heating, passive cooling, energy efficiency, electrical generation, thermal generation as well as combined electrical and thermal generations. The tool allows for the selection of suitable passive and active solar strategies based on the chosen objective. To assess these strategies, an adoption score-based decision-making criterion has been developed, which quantifies factors such as ease of implementation, feasibility (cost and accessibility), acceptance, and environmental impact. To establish the adoption scoring method, quantitative measures are determined through a survey conducted as part of the International Energy Agency (IEA) Task 63 on solar neighborhood planning. Experts with diverse backgrounds evaluated existing passive and active solar technologies and strategies. The application of this approach to specific neighborhood scenarios demonstrates its utility in assisting users in selecting the most appropriate solar strategies. This research contributes to the field by providing a comprehensive framework that integrates both active and passive solar strategies into urban planning. The decision-making tool supports stakeholders in making informed decisions by evaluating and comparing various solar strategies based on a multi-criteria assessment, thereby filling a critical gap in the existing literature.
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 | 0,013 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 ».