Adapting the 15-Minute City to North America: A Framework for Neighborhood Clusters with Urban Agriculture and Green Mobility
Notice bibliographique
Résumé
To reduce GHG emissions from food miles and enhance urban food security, this study develops and evaluates an integrated framework combining three strategies: the 15-minute city concept, urban agriculture, and a renewable-energy-powered green transportation (GT) system. The goal is to create a scalable, holistic approach to sustainable food production and distribution within neighborhoods. A Food Production and Transportation Framework is proposed, modeling vegetable cultivation across rooftops, facades, and lot spaces, with optimized allocations based on a tailored Food Production Schedule. The harvested produce is distributed via GT powered by sidewalk-integrated photovoltaics (PVs). Results demonstrate that using 15% of roof, facade, and lot spaces yields an achieved annual food self-sufficiency of 100%. The transportation system operates with a single GT unit powered by 98 m2 of sidewalk PVs, reducing CO2 emissions by 98% from the base case. Economic analysis indicates a payback period of 2.8 years, with the cost of PV-generated electricity estimated at C$0.92/kWh. This framework highlights that 0.19 units of local food production offset one unit of CO2 emissions. This integrated approach advances multiple UN Sustainable Development Goals (SDGs), including SDG 2 (Zero Hunger), SDG 7 (Affordable and Clean Energy), SDG 11 (Sustainable Cities and Communities), and SDG 13 (Climate Action).
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».