Microscopic Simulation of Transit Bus Emissions Under Transit Signal Priority and Alternative Technology
Notice bibliographique
Résumé
The benefits of public transit in terms of reducing transportation-related greenhouse gas (GHG) and air pollutant emissions is a topic that needs little introduction. The literature swells with studies comparing per-passenger emissions in transit with emissions from single occupancy vehicles, stressing the importance of increasing transit ridership. We argue that increasing transit ridership is not sufficient to achieve meaningful emission reductions at a regional level. In Montreal, transit operations and technology are in dire need for improvement and additional reductions in transit emissions largely depend on the types of fuels used and driving conditions. We microsimulated the operations and emissions of transit buses along a busy transit corridor and quantified the effects of two different fuels (conventional diesel and compressed natural gas) as well as a set of driving conditions on emissions. Results indicate that compressed natural gas (CNG) reduces GHG emissions by 8-12% compared to conventional diesel. However, the benefits of switching from conventional diesel to CNG are less apparent when the road network is uncongested. As congestion levels rise, the emission reductions associated with CNG improve. We also investigated the effects of bus operations on emissions by applying several strategies such as transit signal priority (TSP), queue jumper lanes, and relocations of bus-stops. Results show that TSP alone can reduce emissions by 14% and when combined with improved technology; a reduction of 23% is achieved. The reduction benefits are even more apparent when other transit operational improvements are combined with TSP.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».