Toward Greener Supply Chains by Decarbonizing City Logistics: A Systematic Literature Review and Research Pathways
Notice bibliographique
Résumé
The impacts of climate change (CC) are intensifying and becoming more widespread. Greenhouse gas emissions (GHGs) significantly contribute to CC and are primarily generated by transportation—a dominant segment of supply chains. City logistics is responsible for a significant portion of GHGs, as conventional vehicles are the primary mode of transportation in logistical operations. Nonetheless, city logistics is vital for urban areas’ economy and quality of life. Therefore, decarbonizing city logistics (DCL) is crucial to promote green cities and sustainable urban living and mitigate the impacts of CC. However, sustainability encompasses the environment, economy, society, and culture, collectively called the quadruple bottom line (QBL) pillars of sustainability. This research uses the QBL approach to review the extant literature on DCL. We searched for articles on SCOPUS, focusing on analytical scholarly studies published in the past two decades. By analyzing publication years, journals, countries, and keyword occurrences, we present an overview of the current state of DCL research. Additionally, we examine the methods and proposals outlined in the reviewed articles, along with the QBL aspects they address. Finally, we discuss the evolution of DCL research and provide directions for future research. The results indicate that optimization is the predominant solution approach among the analytical papers in the DCL literature. Our analysis reveals a lack of consideration for the cultural aspect of QBL, which is essential for the applicability of any proposed solution. We also note the integration of innovative solutions, such as crowdsourcing, electric and hydrogen vehicles, and drones in city logistics, indicating a promising research area that can contribute to developing sustainable cities and mitigating CC.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».