MétaCan
Menu
Retour à la cohorte
Enregistrement W2520301670 · doi:10.14295/transportes.v24i2.1058

Modelo de geração de viagens de carga em áreas urbanas: um estudo para bares, restaurantes e supermercados

2016· article· pt· W2520301670 sur OpenAlexaff
Leise Kelli de Oliveira, Renata Lúcia Magalhães de Oliveira, Cláudia Márcia de Fátima Ramos, Daniel Gonçalves Ebias

Notice bibliographique

RevueTransportes · 2016
Typearticle
Languept
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

A distribuição urbana de mercadorias está diretamente relacionada ao desenvolvimento econômico, apesar dos impactos negativos relacionados a esta atividade. Uma forma de minimizar tais impactos é utilizando-se políticas públicas e, para isto, os modelos de geração de viagens de carga podem ser uma estratégica para conhecer o comportamento do fluxo de carga no meio urbano. Nesse contexto, este trabalho revisa os modelos de geração de viagens de carga no contexto brasileiro e propõe modelos para importantes setores em Belo Horizonte: Bares, Restaurantes, Mercados e Supermercados. Para tanto, utilizou-se de pesquisa de campo para coleta de informações nos segmentos analisados, cujos dados foram analisados buscando determinar a melhor correlação entre as variáveis que descrevem a geração de viagens. Os resultados obtidos indicaram que a taxa de geração de viagens em relação à área do estabelecimento comercial foi o modelo que apresentou o melhor ajuste. Além disso, o desenvolvimento de modelos para as diferentes regionais da cidade, além do modelo geral, indicou a importância de análises locais para a avaliação da movimentação da carga. Por fim, a comparação dos modelos obtidos com os modelos encontrados na literatura brasileira indicou semelhanças e divergências e reforçou a necessidade de modelos locais, especializados para os diferentes setores econômicos.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,333
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,034
Tête enseignante GPT0,228
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportesMême sujetUrban and Freight Transport LogisticsTravaux en français237 207