Investigating the Effects of Traffic Calming on Near-Road Air Quality using Traffic, Emissions, and Air Dispersion Modelling
Bibliographic record
Abstract
Cette thèse porte sur le développement d'une simulation microscopique de la circulation et des émissions de véhicules ainsi qu'une modélisation de la dispersion atmosphérique qui vise à quantifier les effets de différents types de mesures d'apaisement de la circulation sur les émissions et la qualité de l'air. Cette analyse est conduite à la fois au niveau de liens spécifiques et au niveau du réseau à travers plusieurs scénarios de modélisation. La zone d'étude se situe à Montréal, Canada, où un modèle de simulation de trafic pour un quartier urbain dense est étendu avec des capacités d'estimation des émissions de véhicules et modélisation de la dispersion des polluants de l'air.Les résultats indiquent que, en moyenne, les mesures d'apaisement isolées augmentent les émissions de dioxyde de carbone (CO2), monoxyde de carbone (CO) et oxydes d'azote (NOx) de 1.50%, 0.33% et 1.45%, respectivement sur l'ensemble du réseau. Les mesures étendues sur plusieurs corridors augmentent de 3.84% les émissions de CO2, 1.22% de CO, et 2.18% de NOx. Le long des corridors spécifiques où des mesures de modération de la circulation ont été simulées, des augmentations d'émissions de CO2 allant jusqu'à 83% sont observées. Ces augmentations sont principalement associées à des changements de cycles d'accélération et de décélération. Les résultats de la modélisation de la qualité de l'air, suggèrent en moyenne que les niveaux de NO2 augmentent entre 0.1% et 10% par rapport au scénario de référence. Une corrélation positive de 0.7 entre les émissions de NOx et de concentrations de NO2 est observée. En outre, les effets de la vitesse et direction du vent sont étudiés. Les résultats démontrent que des vitesses du vent plus élevées réduisent les concentrations de NO2 des deux côtés de la chaussée alors que des vents perpendiculaires à la route d'augmentent la différence entre les concentrations des deux côtés de la route avec des niveaux plus élevés pour le côté situé en amont du vent. L'effet de l'apaisement de la circulation est également étudié sur les volumes de trafic et des diminutions modérées dans les zones qui ont subi l'apaisement sont observées. Enfin, les résultats démontrent que différents types de mesures d'apaisement ont des effets différents sur les émissions et la qualité de l'air.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".