Quelles possibilités pour un acteur de transférer une partie de sa chaine de transport vers des modes décarbonés ?
Bibliographic record
Abstract
Quelles possibilités pour un acteur de transférer une partie de sa chaine de transport vers des modes décarbonés ? A l’échelle française, le transport routier de marchandises représente 17% des émissions de CO2 en 2018. En effet, ce dernier est le mode prédominant et représente 88% des flux totaux. Pour réussir la transition vers une économie décarbonée, une solution durable est de transférer une part de ces flux, vers d’autres modes peu ou pas carbonés.Pour étudier cela, une monographie d’un acteur : DB Schenker, agrémentée de cas d’étude sur certains points (transporteurs et chargeurs), a été réalisé permettant d’analyser l’ensemble de sa chaine de transport. Ce travail s’appuie sur des bases de données opérationnelles qui permettent d’expliciter le fonctionnement global avec précision puis d’évaluer de manière précise l’impact d’un report modal pour chaque acteur. Deux solutions ont été étudiées : le vélo cargo pour le premier et dernier kilomètre, d’une part, et le ferroviaire pour la longue distance, d’autre part. L’étude du fonctionnement d’un transporteur montre que la chaine d’un transporteur, ne concerne pas seulement le lien entre réseaux de longue-distance et premier et dernier kilomètre. Il s’agit d’un feuillage complexe dans lequel chaque élément est entremêlé : au sein du réseau de longue-distance, les routages sont programmés pour permettre à un colis de prendre plusieurs connexions en une nuit ; du côté du premier et dernier kilomètre, les transporteurs mettent en place une stratégie de polycentrisme pour opérer des zones importantes résultant en des localisations optimales des plateformes en périphérie des villes.L’étude sur la localisation des plateformes ayant souligné l’intérêt de les localiser en périphérie du centre, l’utilisation de vélo cargo repose, de ce fait, sur la mise en place de micro hub. Cependant, ce foncier à un coût qui a peut-être compensé par le coût opérationnel plus faible des vélos cargo par rapport aux camions sous réserve d’une forte densité. D’une certaine manière, ce travail permet de faire le lien entre la littérature traitant des choix de flotte de véhicules et celle sur la l’immobilier logistique urbaine. Ceci étant, l’utilisation des vélos cargo ne signifie pas la fin des camions en ville : ils seront toujours nécessaires pour approvisionner les micro hubs ainsi que pour opérer les colis ne pouvant être opérés par un vélo cargo.L’étude, en deux temps, du transport combiné montre, tout d’abord, une inadéquation entre l’offre actuelle en France et les attentes d’un messager à la fois d’un point de vue organisationnel que du point de vue la couverture spatiale. En omettant la contrainte économique, il n’est possible de transférer que 0.2 % des trajets quotidiens. Dans un deuxième temps, l’étude d’un consortium de 9 entreprises (chargeurs et transporteurs) a permis de mettre en lumière le besoin de la mutualisation pour permettre de remplir pleinement les trains. Cela permet d’augmenter les flux sur les axes et ainsi d’augmenter le nombre de rotation, pour que les industriels n’aient pas à modifier l’organisation de leur supply chain. Cependant, il a été montré que la mutualisation peut mettre en place un jeu de gagnant/perdant lorsque l’on se place à l’échelle de l’acteur d’un point de vue économique alors que l’opération est globalement intéressante. Dans son ensemble son travail met en avant l’intérêt d’une approche par acteur pour une compréhension plus fine de certaines situations dans le cadre du transport de marchandises. Cette approche, apporte une vision complémentaire par rapport aux études s’appuyant sur des statistiques publiques. Sans s’y opposer elle peut parfois en modifier drastiquement les conclusions, comme la mise en avant d’une dynamique gagnant/perdant dans le cas du transport combiné
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.008 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".