Greenhouse gas emissions trends and fleet renewal of ride-hailing in Toronto, Canada
Notice bibliographique
Résumé
This study examines the evolution of ride-hailing (RH) in Toronto, from January 2020 to December 2023, focusing on greenhouse gas (GHG) emissions, driver long-term operational patterns, and total cost of ownership (TCO) across electric, hybrid, and gasoline vehicles. Using descriptive analysis based on three years of data from 179 million trips, our findings indicate growth in RH trips, distances traveled, and GHG emissions, with deadheading rates remaining at 33-37 % over the past two years. By January 2023, the percentage of electric vehicles (EVs) in Toronto's private transportation company (PTC) fleet reached 2.3 %, slightly higher than Ontario's 1.7 %. Driver operational patterns significantly impact efficiency and emissions. We identified that 42.9 % of drivers operate less than 200 km/week, covering less than 200 km/week with a higher turnover rate and 43.9 % deadheading mileage. In contrast, 40.2 % of drivers exceed 400 km/week, work more than five days per week, and are more likely to remain in the business. This group shows higher efficiency, increased trip cancellations and multi-platform operation. Our TCO analysis focused on active drivers suggests EVs are more cost-competitive than hybrids and gasoline vehicles, with new models offering 7-46 % lower ownership 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».