How do we decarbonize one billion vehicles by 2050? Insights from a comparative life cycle assessment of electrifying light-duty vehicle fleets in the United States, China, and the United Kingdom
Notice bibliographique
Résumé
Electrifying light-duty vehicle fleets is essential to decarbonize road transport, however its efficacy relies on policies targeting country-specific challenges and opportunities. We model and compare fleet-level life cycle GHG emissions for different grid scenarios and battery electric vehicle deployment timelines respectively in the US, China, and the UK from 2020 to 2050, cumulatively involving over one billion vehicles. A customized index decomposition analysis is employed to quantify the contributions of key emissions drivers. Results reveal that electrification can be effective for decarbonizing all three fleets, reducing over 50% of annual life cycle emissions by 2050. Priorities and challenges, however, differ across countries: The US fleet, which emits the highest GHGs, generally comprises older, heavier, and less fuel-efficient vehicles, would benefit the most from electrification and fleet modernization. Grid decarbonization and managing car ownership growth are critical for China, as its rapidly growing fleet and manufacturing rely on currently carbon-intensive electricity. The UK needs to expand its electricity generation capacity while electrifying its fleet. We also underscore the need for a comprehensive strategy, including electrification, low GHG intensity fuels, and moderating vehicle ownerships. This study highlights the importance of cross-country life cycle thinking to inform effective decarbonization policy decisions. • Used vehicle fleet life cycle models to compare decarbonization in US, China and UK •Modified LMDI index decomposition to compare life cycle drivers of emission change •Fleet electrification matters for all but is more beneficial for the US •Grid decarbonization and limiting fleet growth are crucial for China •Fleet electrification is also critical in UK and benefits from its low-carbon grid
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 | 0,001 | 0,003 |
| 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 ».