MétaCan
Menu
Retour à la cohorte
Enregistrement W4404060408 · doi:10.1016/j.trip.2024.101267

Decision support tools for effective bus fleet electrification: Replacement factors and fleet size prediction

2024· article· en· W4404060408 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueTransportation Research Interdisciplinary Perspectives · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésElectrificationFleet managementComputer scienceDecision support systemTransport engineeringOperations researchEngineeringArtificial intelligenceElectricityElectrical engineering

Résumé

récupéré en direct d'OpenAlex

• Ebus fleet size prediction models are developed for overnight depot charging. • Diesel-heated Ebuses require a lower replacement factor vs. battery-heated. • Winter conditions exacerbate fleet size requirements. • Total distance traveled and average temperature are key influencing factors. The electrification of public transit systems represents a crucial strategy for advancing sustainable urban mobility. Thus, the development of efficient charging infrastructure and the optimization of fleet size emerge as major challenges for transit agencies. Switching from diesel buses to electric buses (Ebuses) will require increasing the fleet size to accommodate the limited range of Ebuses and the significant idle time required for charging. This study develops prediction models to estimate the required Ebus fleet size to maintain same transit route services for the case of overnight depot charging, using data from Ebuses operating in the City of Toronto. The analysis reveals that Ebuses equipped with diesel auxiliary heaters are less sensitive to temperature fluctuations compared to battery-heated buses. Thus, the required replacement factor, indicating the additional fleet needed to switch from diesel to Ebuses, varies depending on the heating system. Specifically, diesel-heated buses require a lower replacement factor (1.3) compared to battery-heated buses (1.4), with winter conditions exacerbating this disparity. Furthermore, the study employs vehicular, operational, route, and external variables to develop the prediction models. Additionally, SHAP analysis is utilized to interpret the machine learning models and evaluate the influence of the inputs on the required fleet size. The results show that the total distance traveled, and the average temperature are the primary factors affecting the fleet size for Ebuses using their batteries for heating, whereas the total distance traveled, and the average bus speed are the primary factors affecting the fleet size for Ebuses with diesel auxiliary heaters.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,342
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle