MétaCan
Menu
Retour à la cohorte
Enregistrement W2013672678 · doi:10.3141/2410-12

Logistics Sprawl: Differential Warehousing Development Patterns in Los Angeles, California, and Seattle, Washington

2014· preprint· en· W2013672678 sur OpenAlexaff
Lætitia Dablanc, Scott Ogilvie, Anne Goodchild

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2014
Typepreprint
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensMinistère des Transports
Organismes subventionnairesAgence de l'Environnement et de la Maîtrise de l'EnergieUniversity of Southern California
Mots-clésUrban sprawlMetropolitan areaGeographyAtlantaWarehouseRegional scienceCartographyTransport engineeringEconomic geographyUrban planningEngineeringCivil engineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

The warehousing industry experienced a period of rapid growth from 1998 to 2009. This paper compares how the geographic distribution of warehouses changed in both the Los Angeles and Seattle Metropolitan Areas over that time period. These two west coast cities were chosen due to their geographic spread and proximity to major ports as well as their difference in size. The phenomenon of logistics sprawl, or the movement of logistics facilities away from urban centers, which has been demonstrated in past research for the Atlanta and Paris regions, is examined for these two areas. The weighted geometric center of warehousing establishments was calculated for both areas for both years, along with the change in the average distance of warehouses to that center, an indicator of sprawl. We find that between 1998 and 2009, warehousing in Los Angeles sprawled considerably, with the average distance increasing from 25.91 to 31.96 miles, an increase of over 6 miles. However in Seattle, the region remained relatively stable, showing a slight decrease in average distance from the geographic center. Possible explanations for this difference are discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,299

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,195
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetUrban and Freight Transport LogisticsTravaux en français237 207