Analyse de la performance environnementale d’un réseau décentralisé des centres de conditionnement de matières résiduelles : étude de cas à la ville de Montréal
Notice bibliographique
Résumé
Les matières résiduelles générées augmentent d’année en année. Les infrastructures centralisées de traitement augmentent le nombre de camions pour satisfaire cette demande croissante, ce qui croit la pression sur le réseau routier et les émissions de gaz à effet de serre. Pour pallier ces limitations, l’approche décentralisée crée un réseau distribué de centres sur le territoire. \n \nCe projet de recherche étudie l’impact de l’intégration de la décentralisation sur la récupération des matières résiduelles. Plus spécifiquement, la méthodologie modélise la génération de matières résiduelles, la planification d’itinéraires de collecte et de transport et la localisation de centres de conditionnement. Cette approche est appliquée à une étude de cas à Montréal pour une filière de polytéréphtalate d’éthylène (PET; Plastique no. 1). Pour chaque scénario de décentralisation envisagé (nombre de centres déployés), l’étude de cas calcule deux indicateurs de performance : les couts d’exploitation et d’investissement ainsi que les gaz à effets de serre. Un scénario de référence permet la comparaison des scénarios envisagés. \n \nLes résultats montrent que, pour l’étude de cas, la décentralisation réduit les émissions de gaz à effet de serre de 20,3 % et les frais d’exploitation de 8,04 %. En revanche, l’investissement dans la nouvelle infrastructure demeure le plus grand frein financier. Ce cout peut atteindre jusqu’à 89,7 % des dépenses dans un contexte centralisé. Malgré tout, la décentralisation augmente la flexibilité de la collecte face à une demande en évolution. Le kilométrage par tonne est réduit de 35,3% et le tonnage moyen par itinéraire est réduit de 12,8 %. D’ailleurs, dans l’étude de cas, la collecte et le transport s’est appliqué sur un territoire qui a généré 1,15 kt de matières recyclables, réparti sur 22 326 tronçons. \n \nPlus largement, la méthodologie développée demeure générique et applicable à d’autres contextes territoriaux et d’affaires. Elle peut être utilisée pour envisager d’autres décisions sur la gestion des matières résiduelles comme la mutualisation de l’infrastructure ou la collecte à la demande.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,004 | 0,001 |
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 ».