Measuring and Documenting Truck Activity Times at International Border Crossings
Notice bibliographique
Résumé
Documenting the times trucks incur when crossing an international border facility is valuable both to the private freight industry and to gateway facility operators and planners. Members of the project team previously developed and implemented an approach to document truck activity times associated with an international border crossing by using technologies that are already in use by truck fleets. The approach relies on position, navigation, and timing (PNT) systems in the form of on-board global positioning system (GPS)-enabled data units, virtual perimeters called geo-fences that surround areas of interest, and a mechanism for data transmission. The investigators teamed with a major North American freight hauler whose trucks regularly traverse two of the busiest North American freight border crossings – the privately owned Ambassador Bridge, connecting Detroit, Michigan, and Windsor, Ontario, and the publicly owned Blue Water Bridge, connecting Port Huron, MI, and Sarnia, ON – to determine times associated with the multiple activities associated with using the facilities at these border crossing sites. Data were collected from the fleet over several months and processed to produce distributions of overall crossing times, queuing times, and inspection times for U.S.-bound and Canada-bound trucks. Parallel to these efforts, Transport Canada (TC) and the Ontario Ministry of Transportation were using a Bluetooth-based approach to collect truck data at these major border crossing facilities. In this study, the geo-fence approach and the data collection and processing efforts are described. Changes in roadway infrastructure at the border crossing facilities that could affect results obtained with presently implemented geo-fences are also summarized. Empirical comparisons are conducted between truck volumes and crossing times in the geo-fence and Transport Canada datasets. In addition, interest in the type of results produced from the geo-fence approach expressed by individuals associated with border crossing times is summarized.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».