MétaCan
Menu
Retour à la cohorte
Enregistrement W4412935324 · doi:10.1016/j.sftr.2025.101089

Optimizing energy and CO2 efficiency in last-mile delivery using hybrid fleet models

2025· article· en· W4412935324 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSustainable Futures · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAston UniversityCarleton University
Mots-clésMileLast mile (transportation)Environmental scienceComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Effective urban delivery systems demand innovative approaches to reduce energy use and lower CO 2 . This study compares the environmental performance of hybrid and diesel trucks with quadcopter and fixed-wing remotely piloted aircraft systems (RPAS), employing a multi-objective optimization approach non-dominated sorting genetic algorithm II (NSGA-II) to identify optimal delivery routes balancing operational efficiency and sustainability. Given that existing solutions like e-bikes or electric vans may not be feasible everywhere, this research evaluates different vehicle types under various urban delivery scenarios. Using a synthetic dataset that simulates realistic conditions, the findings reveal that fixed-wing RPAS excel in long-range efficiency, while quadcopters perform better in short-range deliveries. Hybrid trucks are advantageous for larger loads, reducing emissions compared to diesel trucks. The results highlight key trade-offs in energy use and emissions, advocating for a mixed-fleet strategy tailored to specific logistics needs. This study provides actionable insights for sustainable urban freight planning and policymaking.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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