INTELLIGENT TRANSPORTATION SYSTEMS STRATEGIES FOR GREENHOUSE GAS REDUCTION IN CANADA
Notice bibliographique
Résumé
This paper was presented at the session titled 'Reducing the environmental effects of transportation through technology'. The Canadian Transportation Table is evaluating a wide range of possible measures for reducing greenhouse gas (GHG) emissions from the transport sector. This work is part of the National Climate Change Process to develop a national strategy for meeting Canada's commitment, under the Kyoto Protocol, to reduce GHG emissions by 6% by the years 2008 to 2012, relative to 1990 levels. This paper reports the findings of a study to investigate specific Intelligent Transportation Systems (ITS) measures which might be used to reduce GHG emissions on Canada's road/highway transportation network. A variety of ITS market packages have been analysed with respect to demonstrated environmental benefits, and applicability within the Canadian context. The ITS market packages which provide significant GHG reduction benefits, and should be considered for widespread deployment in Canada include: Incident Management, Traffic Control, Traveller Information, Electronic Payment Systems, Commercial Vehicle Electronic Clearance, and Advanced Vehicle Safety Systems. If all the ITS market packages are deployed the total annual GHG reduction in year 2010 is estimated to be 770 kt. This figure represents 0.5% of the total GHG output attributed to transportation in 1990, and 2% of the total transportation GHG reduction target for 2010. The ITS market packages provide a range of ancillary benefits such as reduced fuel consumption and emissions, reduced collisions, reduced delay and improved operating efficiencies. The cost savings associated with these benefits offset the direct costs, resulting in a lifetime net benefit per tonne of GHG reduction of $100. For the covering abstract of this conference see ITRD number E200883. (A)
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 | 0,000 | 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) | 0,000 | 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 ».