MétaCan
Menu
Retour à la cohorte
Enregistrement W2801391725 · doi:10.14295/transportes.v26i1.1051

Locating on-street loading and unloading spaces by means of mixed integer programming

2018· article· pt· W2801391725 sur OpenAlexaff
Bruno de Athayde Prata, Leise Kelli de Oliveira, Thiago Costa Holanda

Notice bibliographique

RevueTransportes · 2018
Typearticle
Languept
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésPhysicsHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

In an urban freight distribution system, determination of the number and location of loading-unloading places is required to regulate loading-unloading operations. This pa­per presents mathematical models for on-street loading-unloading space location based on set-covering problem and p-median problem formulations. The approaches was tested with real data: an area has 160 city blocks and 60 on-street loading-un­loading spaces, in Fortaleza, Brazil. We evaluated four scenarios considering different radius of influence of a loading/unloading spaces. The results indicate this approach has potential for achieving gains in terms of reduction of the distance between the clients and the loading and unloading places: considering that the average distance is a performance indicator (ratio between the total distance and the covered clients), a radius of influence of 400 meters has best relation (0.489) and all clients are covered. The results indicate that the model can be used by planners to allocate loading and unloading areas.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,221
Écart entre enseignants0,197 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportesMême sujetUrban and Freight Transport LogisticsTravaux en français237 207