Sustainable intermodal freight transportation : applying the Geospatial Intermodal Freight Transport model
Notice bibliographique
Résumé
To study the energy and environmental impacts of emissions associated with freight transportation, the Geospatial Intermodal Freight Transport (GIFT) model was created as a joint research collaborative between the Rochester Institute of Technology (RIT) and the University of Delaware (UD). The GIFT model 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 to create an intermodal network. The purpose of my thesis is to apply the GIFT model to examine potential public policies related to intermodal freight transportation in the Great Lakes region of the United States. My thesis will consist of two papers. The first paper will examine the environmental, economic, and time-of-delivery tradeoffs associated with freight transportation in the Great Lakes region and examine opportunities for marine vessels to replace a portion of heavy-duty trucks for containerized freight transport. The second paper will explore the potential benefits of using the Great Lakes as a corridor for short-sea shipping as part of a longer intermodal route. The intent of my thesis is to shed light on the current issues associated with freight transport in the Great Lakes region and present public policy alternatives to address said issues. Ideally, this thesis will better inform policymakers on the impacts and tradeoffs associated with freight transportation.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».