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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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