Transport : de l'évolution à la projection en passant par la modélisation
Bibliographic record
Abstract
Le secteur des transports est l'un des principaux contributeurs aux émissions mondiales de gaz à effet de serre, ce qui le place au cœur des efforts de décarbonation des prochaines décennies. Réduire ces émissions est impératif, et plusieurs stratégies sont envisageables pour y parvenir. Parmi elles, l'électrification des véhicules légers, qui constituent la majeure partie des émissions de ce secteur, se distingue comme une solution particulièrement prometteuse. Toutefois, cette transition entraînera des répercussions significatives sur les systèmes énergétiques et économiques, nécessitant une mise en œuvre soigneusement planifiée. Ce mémoire se divise en deux sections. La première partie, composée des Chapitres 1, 2 et 3, examine la transition vers les véhicules électriques dans la province de Québec en analysant les données sur les voitures en circulation de 2011 à 2021. Le premier chapitre débute par une présentation des défis et des solutions mises en œuvre à travers le monde pour réduire les émissions du secteur des transports. Il aborde ensuite les enjeux spécifiques à la situation du Québec. Le Chapitre 2 quantifie l'augmentation du nombre et de la masse moyenne des véhicules. Cette analyse permet de projeter la composition future d'une flotte électrifiée en fonction des objectifs gouvernementaux et d'estimer la demande en électricité associée selon différents scénarios d'évolution du parc automobile. Cette étude prend également en compte la réduction d'autonomie des véhicules électriques en hiver, lorsque les températures plus basses affectent leur performance. De plus, grâce au mixte énergétique très faible en émissions du Québec, les bénéfices environnementaux de cette transition sont mis de l'avant. Le Chapitre 3 termine cette section en approfondissant certains aspects méthodologiques, notamment en abordant les incertitudes liées aux données analysées. Ces trois premiers chapitre servent d'ailleurs de mise en contexte vers la seconde partie de mon mémoire, présentée au Chapitre 4. Ce chapitre traite de l'implémentation d'un module de transport des passagers dans un modèle d'évaluation intégré nommé MERGE. Ce modèle sert notamment à modéliser l'économie, l'énergie et le climat en séparant le monde en 15 régions et permet de projeter l'effet de politiques environnementales jusqu'en 2100 par incrément de 10 ans. Après une revue de la littérature d'autres modèles similaires ayant déjà une composante de transport, la méthodologie sélectionnée est présentée en détail. L'implémentation du secteur des transports dans MERGE est par la suite validée par l'analyse de résultats selon différents scénarios de décarbonation globale et sectorielle. Dans l'ensemble, ce mémoire offre une compréhension approfondie des défis actuels associés au transport routier des passagers. À l'échelle régionale, il fournit une analyse détaillée de l'évolution de la flotte de véhicules au Québec et projette la demande d'électricité des véhicules électriques. À l'échelle mondiale, il explore les implications économiques, énergétiques et environnementales de cette transition à travers l'ajout d'un module de transport dans un modèle d'évaluation intégré.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".