Estimation des émissions de CO2 à haute résolution spatiale et temporelle pour le transport routier de l'arrondissement montréalais de Saint-Laurent
Bibliographic record
Abstract
La ville de Montréal s’est engagée à réduire ses émissions de GES de moitié sous le niveau de 1990 pour 2030 et vise la carboneutralité à l’horizon 2050. Pour s’y tenir, elle a besoin d’inventaires d’émissions de GES à haute résolution spatiale et temporelle afin de légiférer de manière éclairée et efficace. C’est dans ce cadre qu’intervient le projet de carte carbone de la Chaire de recherche du Canada sur la mesure de l’impact des activités humaines sur les changements climatiques à l’École de technologie supérieure. L’objectif de ce projet est de créer un jumeau numérique de la ville de Montréal où se superposeront des couches représentant les différentes émissions de GES à différents moments. \n \nLe but de cette étude est de fournir des recommandations pour les estimations d’émissions de CO2 de la carte carbone pour le secteur du transport routier dans l’arrondissement de SaintLaurent. Les objectifs sont d’utiliser la modélisation de la circulation dans le logiciel AIMSUN faite à partir de l’enquête origine/destination et de la coupler à des modèles d’estimations d’émissions : les trois modèles environnementaux d’AIMSUN (LEM : London Emissions Model, Panis et al., 2006, et le modèle de consommation de carburant) et MOVES. Ces quatre méthodes d’estimation d’émissions sont comparées et des analyses de sensibilité sont conduites. Afin d’utiliser la modélisation de la circulation avec tous les modèles environnementaux d’AIMSUN, celle-ci a dû être modifiée en passant de l’échelle mésoscopique à microscopique et de la méthode d’affectation des chemins Dynamic User Equilibrium (DUE) à Stochastic Route Choice (SRC). \n \nLes résultats montrent que c’est le changement d’échelle qui a le plus d’impact sur les résultats d’inventaires. Au global, la différence est de + 6 % d’estimation d’émissions pour le microscopique SRC par rapport au mésoscopique DUE. Pour les méthodes d’estimation d’émissions, c’est MOVES qui estime le plus d’émissions de CO2 (+ 2 % par rapport aux modèles microscopique d’AIMSUN, Panis et le modèle de consommation de carburant, et + 16 % par rapport à LEM), mais le modèle de MOVES tient aussi compte de plus de phénomènes d’émissions qui représentent plus de 10 % de l’inventaire final de MOVES (préchauffage moteur, accessoires…). \n \nAprès comparaison des avantages et inconvénients des quatre méthodes, ce sont soit le modèle de consommation de carburant d’AIMSUN, soit MOVES qui seraient recommandés pour la carte carbone. De futures recherches seront alors nécessaires afin d’étudier l’impact de la calibration du modèle de trafic, l’adaptation à Montréal du paramétrage, et l’automatisation du calcul des émissions.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".