Estimation of Investment in Track and Structures Needed to Handle 129 844-kg (286,000-lb) Railcars on Short-Line Railroads
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
Ownership of the U.S. rail industry is divided between eight Class I railroads (those with more than $258.5 million in annual revenue) and about 550 regional and short-line railroads. The eight large railroads own about 70 percent of the 273 700 track-km (170,000 track-mi) and account for about 90 percent of industry revenues. The remaining 30 percent of track kilometers belongs to the regional and short-line railroads, which must operate and maintain them with 10 percent of industry revenues. U.S. railroads function as an integrated network; freight originating on a short-line railroad can be delivered anywhere in the United States, Canada, or Mexico. Equipment is freely interchanged, so the small railroads must handle the same heavy cars as the Class I railroads even though maximum freight car weights have increased in recent years, with cars of 129 844 kg (286,000 lb) becoming common. Many of the smaller railroads own trackage that had been branchlines belonging to the larger companies, and track components and condition are often marginal or inadequate to handle the heavier loads. Yet, if short lines cannot handle heavier cars, they face a loss of revenue and ultimately business failure. ZETA-TECH conducted a survey of short-line and regional railroads to determine the quantities of track materials, bridge repairs, and replacements needed to handle heavier cars. Using standard railroad industry unit costs, ZETA-TECH estimated the cost of this work at $6.86 billion in 1999 dollars.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle