MétaCan
Menu
Retour à la cohorte
Enregistrement W2592844325

Exposure Modelling of Productivity-Permitted General Freight Trucking on Uncongested Highways

2009· article· en· W2592844325 sur OpenAlexaboutno aff
Jd Regehr

Notice bibliographique

RevueMspace (University of Manitoba) · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesFederal Highway AdministrationU.S. Department of Transportation
Mots-clésProductivityTrucking industryTransport engineeringEconomicsBusinessEnvironmental scienceEngineeringTruckEconomic growthAutomotive engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The research designs, develops, validates, and applies an exposure model of productivity-permitted general freight trucking on uncongested highways. Productivity-permitted general freight trucks (long trucks) are multiple trailer configurations, consisting of van trailers, which exceed basic vehicle length limits but operate within basic weight restrictions. The three predominant long trucks in North America are Rocky Mountain doubles (Rockies), Turnpike doubles (Turnpikes), and triple trailer combinations (triples). Long trucks have been used in Canada since the late 1960s. Recent highway investments in the Canadian Prairie Region have effectively completed the network on which long trucks are allowed to operate. Despite widespread use of long trucks for many years and these recent infrastructure investments, there is a knowledge deficiency about long truck exposure. The research uses the transportation systems analysis approach to design, develop, and validate the long truck exposure model. Exposure is expressed as an explanatory variable in three principal dimensions (volume, weight, and cube), which is needed for predicting transportation system impacts of long truck operations. The research applies the model to clarify issues that should be considered in establishing charges for long truck permits, determining long truck safety performance, and developing load spectra for long trucks. The exposure model relies on a unique dataset that integrates output from a classification algorithm, field observations, and industry intelligence. The results indicate that long trucks travelled 67 million kilometres on a 10,000 centreline-kilometre highway network in the Canadian Prairie Region in 2006. The model demonstrates strong temporal and geographic concentration of long truck travel on the network. Application of the results reveals the following findings: • Decisions about establishing long truck permit charges are supported by consideration of options within a revenue adequacy rationale that are sensitive to freight density and the distance travelled by long trucks. • The exposure-based collision rate for Turnpikes is half of the collision rate for Rockies, about one-third of the rate for legal-length articulated trucks, and one-quarter of the rate for triples. • The model provides loading indicators required for pavement and bridge design and evaluation procedures and demonstrates the cubic orientation of long truck operations.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,283

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,177
Écart entre enseignants0,157 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMspace (University of Manitoba)Même sujetVehicle emissions and performanceTravaux en français237 207