Freight transportation and the environment : using geographic information systems to inform goods movement policy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The freight transportation sector is a major emitter of the greenhouse gas carbon dioxide (CO2) which has been recognized by numerous experts and science organizations as a significant contributor to climate change. The purpose of this thesis is to develop a a framework for obtaining the freight flows for containerized goods movement through the U.S. marine, highway, and rail systems and to estimate CO2 emissions associated with the freight traffic along interstate corridors that serve the three major U.S. ports on the West Coast, namely the port of Los Angeles and Long Beach, the Port of Oakland and the Port of Seattle. This thesis utilizes the Geospatial Intermodal Freight Transportation (GIFT) model, which is a Geographic Information Systems (GIS) based model that links the U.S. and Canadian water, rail, and road transportation networks through intermodal transfer facilities, The inclusion of environmental attributes of transportation modes (trucks, locomotives, vessels) traversing the network is what makes GIFT a unique tool to aid policy analysts and decision makers to understand the environmental, economic, and energy impacts of intermodal freight transportation. In this research, GIFT is used to model the volumes of freight flowing between multiple origins and destinations, and demonstrate the potential of system improvements in addressing environmental issues related to freight transport. Overall, this thesis demonstrates how the GIFT model, configured with California-specific freight data, can be used to improve understanding and decision-making associated with freight transport at regional scales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle