A Decision Tree Model for Evaluating Countermeasures to Secure Cargo at United States Southwestern Ports of Entry
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
This paper presents a decision tree model for evaluating countermeasures to reduce vulnerabilities to terrorism in commercial truck crossings at United States southwestern land ports of entry. The model includes critical events in four phases of cargo movement: cargo transfer in Mexico, Mexican customs, U.S. customs, and the inland phase. Improvements in transportation security, inspections at Mexican ports, and at U.S. ports, are comparatively evaluated using parameterized variables. Costs and benefits of such improvements are analyzed to counter a radiological dispersion device (also known as a “dirty bomb”) attack. The results suggest that security decisions depend primarily on the probability of attack and parameters that influence the overall cost of false alarms. Extensive exploratory analysis reveals that improving security at Mexican ports is not recommended, mainly due to the cost of false alarms. However, a high percentage and a high cost of false alarms may justify new radiation portal monitors at U.S. ports even when improvements in the capability to detect dangerous cargo are insignificant. Better transportation security is not recommended if the probability of attack is less than 0.15. When the probability of attack exceeds 0.15 and false-alarm related costs are high, the model recommends enhancing transportation security. In addition, the parameters modeling economic consequences of an attack in a populated area, the probability of discovering weapons after smuggling into the United States, the probability of detonation, as well as the probability of detection at U.S. ports of entry, have significant impact on the countermeasure decision.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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