Dynamic Life Cycle Assessment of Low-Carbon Transition in Asphalt Pavement Maintenance: A Multi-Scale Case Study Under China’s Dual-Carbon Target
Notice bibliographique
Résumé
Against the backdrop of China’s “dual-carbon” initiative, this study innovatively applies a process-based life cycle assessment (PLCA) methodology, meticulously tracking energy and carbon flows across material production, transportation, and maintenance processes. By comparing six asphalt pavement maintenance technologies in Xinjiang, the research reveals that milling and resurfacing (MR) exhibits the highest energy consumption 250,809 MJ/103 m2) and carbon emissions (15,095.67 kg CO2/103 m2), while preventive techniques like hot asphalt grouting reduce emissions by up to 87%. The PLCA approach uncovers a critical insight: 40–60% of total emissions originate from the raw material production phase, with cement and asphalt identified as primary contributors. This granular analysis, unique in regional road maintenance research, challenges traditional assumptions and emphasizes the necessity of upstream intervention. By contrasting reactive and preventive strategies, the study validates that early-stage maintenance aligns seamlessly with circular economy principles. Tailored to a local arid climate and vast transportation network, the study concludes that prioritizing preventive maintenance, adopting low-carbon materials, and optimizing logistics can significantly decarbonize road infrastructure. These region-specific strategies, underpinned by the novel application of PLCA, not only provide actionable guidance for local policymakers but also offer a replicable framework for sustainable road development worldwide, bridging the gap between scientific research and practical decarbonization efforts.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».