Characterization of International Origin–Destination Truck Movements Across Two Major U.S.–Canadian Border Crossings
Notice bibliographique
Résumé
In 2013, 3.9 million trucks crossed between the United States and Canada at the Ambassador Bridge or the Blue Water Bridge. These trucks accounted for 43.1%, by value, of all truck trade between the two countries. GPS pings that tracked the movement of Canadian-owned trucks over a span of 1 year were used to characterize freight activities at the two Canada–United States border crossings. (A “ping” is a GPS data record that identifies the location of a subject at a given point in time. The term is commonly used in the information technology and communications industries.) A total of 172,000 and 82,000 crossing events were identified and analyzed at the Ambassador Bridge and the Blue Water Bridge, respectively. This paper describes the development of origin–destination data pertaining to truck trips that utilize the two border locations. The paper also includes an estimation of the industries involved in individual trips, on the basis of those trips’ start and end locations. The combination of origin, destination, crossing time and location, and industry provides an immense amount of information on the nature of international truck movements at the Canada–United States border. The resulting spatial patterns provide evidence that the two border crossings are used for both short- and long-range trips that include locations on the West Coast and the southern U.S. border. Although crossing times did not vary considerably by industry, they were influenced by the distance of the trip: short-distance journeys had shorter crossing durations, on average.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».