Plug-in charging or electric roads? Powering U.S. long-haul heavy-duty trucks in 2050
Notice bibliographique
Résumé
Abstract Pervasive plug-in fast chargers and/or electrified roadways (eRoads) might address the limited range, long recharging times, and reliance on greenhouse gas (GHG)-intensive, costly, and heavy batteries associated with electrifying long-haul heavy-duty trucks (HDTs). While these large-scale interventions shift environmental and cost burdens onto infrastructure, there is a lack of studies investigating how eRoads affect system-level GHG emissions, costs, material use, and peak electric grid power demands. We compare these aspects for the case of electrifying U.S long-haul HDTs (Class 8) in 2050 powered by combinations of plug-in fast chargers and eRoads. Our model accounts for battery downsizing, energy consumption, and truck operation patterns in quantifying life cycle impacts of batteries, plug-in chargers, eRoads, and hourly truck electricity demand. We find that plug-in fast chargers and eRoads reduce annualized 2050 HDT life cycle GHG emissions by 8% to 14% compared to using long-range batteries, which in turn have at least 50% lower emissions than diesel trucks. Conductive rails, overhead lines, and wireless eRoads (amortized across light- and heavy-duty vehicles) have lower system-wide costs than long-range batteries, plug-in fast chargers, or diesel trucks. Cost savings from smaller batteries, lower energy use and avoided recharging time offset high eRoads capital costs. While eRoads can reduce both system-level GHG and costs compared to diesel trucks, these reductions are sensitive to eRoads capital costs and losses from wireless power transfer and air resistance. eRoads require less lithium (87%) and copper (67%) than long-range batteries but increase regional peak power demands by up to 32%. Efficient wireless power transfer and aerodynamic pantographs enhance eRoads’ GHG and cost advantages, which may diminish if future batteries are more energy-dense, cheaper, or less GHG intensive. If successfully deployed, eRoads present opportunities for tighter integration between the transportation and electricity infrastructure systems, enabling optimized charging strategies to lower GHG emissions and costs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».