Development of an analytical model of automobile energy consumption during use-phase for parametrized life cycle assessment
Notice bibliographique
Résumé
Models for automobile energy consumption calculations often lack adaptability, granularity, and consistency, limiting the transparency, reproducibility, and representativeness of automobile processes in Life Cycle Assessment (LCA). Although developing parametrized models appears to be promising, their application to automobile energy consumption is constrained by the complexity of powertrain modeling and the integration of driving conditions. This work presents a model for gasoline and electric vehicles based on parametrized equations, describing physical drivers of energy demand while uncoupling the role of contributors, including the vehicle body, powertrain, path, and driver. An innovative method for parametrizing driving conditions is introduced, eliminating reliance on traditional driving cycles. Complemented by pre-set configurations to enhance usability, the computational tool PETRAUL built on this framework enables practitioners to perform precise and representative energy consumption calculations for vehicles. This study further demonstrates the tool's utility for both foreground and background LCA processes. This includes scenario analyses emphasizing the necessity of multi-solution strategies, a comparison with ecoinvent and Carculator highlighting improved granularity, and an LCA case study on lightweighting, illustrating enhanced representativeness for assessments across diverse technological and regional conditions. This streamlined LCA of a polycarbonate glazing highlights the potential burden shifting from the vehicle use phase to the manufacturing of lightweight materials, notably when coupled with electrification. Ultimately, PETRAUL provides a robust foundation for advancing LCA practices by enhancing adaptability and transparency in parametrized modeling, while illustrating the need for both technological and sobriety measures to reduce environmental impacts of the automobile industry. • Parametrized model for automobile energy consumption including driving conditions. • Model consistent for ICEVs and BEVs. • Tool with pre-set configurations for representative energy consumption computation. • Model tested in case studies and compared to LCA database processes. • Lightweighting relevancy hinges on material, technology, region and driving context.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».