MétaCan
Menu
Back to cohort
Record W7062843647

Vers une électrification de la collecte des matières résiduelles municipales?

2020· other· fr· W7062843647 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2020
Typeother
Languagefr
FieldEngineering
TopicParticle accelerators and beam dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsRail transportationPilotagePrivate transportIle de france
DOInot available

Abstract

fetched live from OpenAlex

L’objectif de cet essai est d’analyser les gains environnementaux et économiques associés à l'électrification des transports dans le secteur de la collecte des matières résiduelles dans un contexte municipal québécois. Afin de respecter les différents accords internationaux que le Canada a conclus concernant les gaz à effet de serre, le Québec a entrepris une série de mesures : l’électrification des transports en fait partie. Le transport est responsable de plus de 40 % des émissions de la province. Plusieurs municipalités québécoises ont suivi le mouvement et ont rédigé des plans d’action spécifiques, mais peu ont posé d’actions concrètes dans le secteur de la collecte et du transport des matières résiduelles. Un camion de collecte conventionnel au diésel consomme beaucoup de carburant, ses nombreux arrêts et redémarrages en sont en partie la cause. Des solutions alternatives à l’utilisation des hydrocarbures conventionnels existent et ont été éprouvées au Québec et dans le monde.
\n
\nL’analyse des impacts de plusieurs technologies (camion au diésel, au biodiésel, au gaz naturel, hybride, électrique et à l’hydrogène) démontre que l’électrification est la meilleure solution pour les municipalités québécoises. D’une part, elle permet de couper en moyenne plus de 50 % des frais d’exploitation. D’autre part, la faible empreinte carbone de l’électricité québécoise favorise son déploiement comme solution d’évitement de gaz à effet de serre. En parallèle, l’électrification de la collecte contribue à l’amélioration de la santé et de la qualité de vie des citoyens en proposant un service moins bruyant et avec les plus bas taux d’émissions de substances cancérigènes. 
\n
\nLes conclusions de l’étude démontrent que l’électrification de la collecte est un des leviers d’actions pour les municipalités afin de réduire leurs émissions de gaz à effet de serre. Par ailleurs, elle n’est actuellement applicable qu’à un contexte urbain où les contraintes et les enjeux sont différents de ceux d’une municipalité rurale. Pour arriver au plein potentiel de cette filière, il faut miser davantage sur la planification des tournées, et sur la volonté politique des municipalités. Parmi les recommandations formulées pour les intervenants municipaux, notons l’ajout de clauses environnementales dans les appels d’offres, et la mise en place d’un règlement municipal sur les émissions polluantes dans les grands centres urbains. Ces mesures permettront de renforcer l’usage de carburant alternatif au diésel dans le secteur de la collecte.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.470
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.010
GPT teacher head0.203
Teacher spread0.192 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicParticle accelerators and beam dynamicsFrench-language works237,207