Efficiency in YYC: Visualizing The City of Calgary's Energy Consumption
Notice bibliographique
Résumé
To combat the alarming global issue of climate change, the City of Calgary has been leading the way in implementing clean energy programs to reduce its greenhouse gas emissions. For example, the transit system's LRT trains are now fully powered by wind power, and a growing solar power system delivers electricity to its municipal buildings (Dodge and Thompson, 2016). In a dramatic initiative that is observable from space, Calgary has recently completed its conversion of 80,000 streetlights, which used to account for 20% of the city's total energy consumption in 2012, to 50% more efficient LED lamps (The City of Calgary, 2018c; Rieger, 2015). In addition to the environmental grounds for these innovations, the city will enjoy economic benefits not only through direct energy savings, but also on the incoming carbon taxes imposed by the governments of Alberta and Canada. The City of Calgary continues planning for its future with ambitious goals of reducing city-wide greenhouse gas emissions by 20% below 2005 levels before 2020 and by 80% before 2050 (The City of Calgary, 2018a). We aim to explore and visualize its actual consumption rate by taking advantage of an open dataset recently released by the city. In this table, the monthly energy consumption is reported for of each of Calgary's facilities and infrastructure components over the past nine years (The City of Calgary, 2018b). This is an informative and unique dataset as comprehensive data at this level of detail and frequency are not publically available from other major Canadian cities or even for residential and private sector properties.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».