Notice bibliographique
Résumé
While passenger car mobility and related tail-pipe emissions within urban areas have received considerable attention, very little is known about the contribution of commercial vehicles to mobile source emissions. More specifically, it is desirable to investigate not only the total volume of emissions, but also emissions by link in the transportation network. In this paper a methodology is discussed that enables the estimation of commercial truck emissions of nitrogen oxides (NOx), non-methane hydrocarbons (NMHC) or simply hydrocarbons (HC), carbon monoxide (CO), and particulate matter (PM) at the aggregate and link levels. This methodology has been applied to the Census Metropolitan Area (CMA) of Hamilton, Ontario, Canada. A truck origin-destination (O-D) matrix was supplied by the City of Hamilton. The concept of Passenger Car Equivalence (PCE) was used to transform this matrix into a passenger car O-D matrix. The integrated land-use and transport model IMULATE has been modified to incorporate the transformed commercial vehicle matrix, along with the matrix of passenger cars. The relative contribution of trucks to mobile source emissions during the morning peak period can be shown at the link level, or aggregated to the regional level (Table 1.0). A PCE value of zero implies the total absence of trucks in the network. Reported emission values in this case are attributed to passenger cars alone. PCE values greater than zero indicate the number of vehicles displaced in traffic flow by the presence of a single truck. Reported emissions under such conditions are affected by the presence of trucks. Table 1.0: Aggregate emissions and trips made for varying PCE values
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,009 | 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 ».