Analysis of Carbon Reduction Benefits and Promotion Strategies for Fully Electrified Urban Bus Fleets
Notice bibliographique
Résumé
As society develops, environmental pollution has become increasingly severe. Urban air quality has deteriorated significantly. Investigations reveal that urban transportation systems emit substantial greenhouse gases, making them one of the primary sources of global greenhouse gas emissions. Among these, diesel buses account for a significant share of urban air pollution and energy consumption. To address bus emissions, protect the global environment, and achieve carbon neutrality goals, the electrification of bus fleets has emerged as a solution. A fully electrified bus system can effectively reduce exhaust emissions, enhance energy efficiency, and support the transition to renewable energy. Using London, UK, as a case study, this paper explores emission reduction and promotion strategies for electric bus systems, as well as how such systems reshape urban landscapes and transform city life. Research indicates that electrification not only drastically cuts pollutants like CO₂ and lowers operational costs but also creates quieter, healthier urban neighborhoods, thereby improving quality of life. Through a series of analytical studies, this paper proposes multiple parallel solutions: alleviating investment pressures through innovative financing models, adopting intelligent charging solutions, overcoming battery technology bottlenecks, and establishing long-term governance mechanisms. Collaborative efforts among governments, operators, manufacturers, and the public are essential to achieve emission reduction goals. The transition from fuel-powered to electric buses represents not merely a vehicle upgrade but a fundamental shift in travel patterns and habits. If executed effectively, this transformation holds critical potential for achieving synergistic benefits in climate resilience and public health.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».