Transport : de l'évolution à la projection en passant par la modélisation
Notice bibliographique
Résumé
Le secteur des transports est l'un des principaux contributeurs aux émissions mondiales de gaz à effet de serre, ce qui le place au cœur des efforts de décarbonation des prochaines décennies. Réduire ces émissions est impératif, et plusieurs stratégies sont envisageables pour y parvenir. Parmi elles, l'électrification des véhicules légers, qui constituent la majeure partie des émissions de ce secteur, se distingue comme une solution particulièrement prometteuse. Toutefois, cette transition entraînera des répercussions significatives sur les systèmes énergétiques et économiques, nécessitant une mise en œuvre soigneusement planifiée. Ce mémoire se divise en deux sections. La première partie, composée des Chapitres 1, 2 et 3, examine la transition vers les véhicules électriques dans la province de Québec en analysant les données sur les voitures en circulation de 2011 à 2021. Le premier chapitre débute par une présentation des défis et des solutions mises en œuvre à travers le monde pour réduire les émissions du secteur des transports. Il aborde ensuite les enjeux spécifiques à la situation du Québec. Le Chapitre 2 quantifie l'augmentation du nombre et de la masse moyenne des véhicules. Cette analyse permet de projeter la composition future d'une flotte électrifiée en fonction des objectifs gouvernementaux et d'estimer la demande en électricité associée selon différents scénarios d'évolution du parc automobile. Cette étude prend également en compte la réduction d'autonomie des véhicules électriques en hiver, lorsque les températures plus basses affectent leur performance. De plus, grâce au mixte énergétique très faible en émissions du Québec, les bénéfices environnementaux de cette transition sont mis de l'avant. Le Chapitre 3 termine cette section en approfondissant certains aspects méthodologiques, notamment en abordant les incertitudes liées aux données analysées. Ces trois premiers chapitre servent d'ailleurs de mise en contexte vers la seconde partie de mon mémoire, présentée au Chapitre 4. Ce chapitre traite de l'implémentation d'un module de transport des passagers dans un modèle d'évaluation intégré nommé MERGE. Ce modèle sert notamment à modéliser l'économie, l'énergie et le climat en séparant le monde en 15 régions et permet de projeter l'effet de politiques environnementales jusqu'en 2100 par incrément de 10 ans. Après une revue de la littérature d'autres modèles similaires ayant déjà une composante de transport, la méthodologie sélectionnée est présentée en détail. L'implémentation du secteur des transports dans MERGE est par la suite validée par l'analyse de résultats selon différents scénarios de décarbonation globale et sectorielle. Dans l'ensemble, ce mémoire offre une compréhension approfondie des défis actuels associés au transport routier des passagers. À l'échelle régionale, il fournit une analyse détaillée de l'évolution de la flotte de véhicules au Québec et projette la demande d'électricité des véhicules électriques. À l'échelle mondiale, il explore les implications économiques, énergétiques et environnementales de cette transition à travers l'ajout d'un module de transport dans un modèle d'évaluation intégré.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».