The Greening of Terminal Concessions in Seaports
Notice bibliographique
Résumé
Port authorities around the world are pursuing a greening of port management in view of safeguarding their license to operate, and increasing their economic and environmental competitiveness. This paper analyzes how port authorities, via the design and implementation of concession agreements, can contribute to a further greening of port management. The paper presents a typology of green instruments applicable to a terminal concession setting. The instruments are evaluated on overall feasibility and suitability in a concession context, but also on more specific criteria related to implementation issues, contribution to green strategies, and targets of port authorities and regulatory/enforcement aspects. The evaluation matrix is based on the output of a structured workshop with port managers and concession experts in a sample of European ports. We demonstrate that a variety of regulatory, investment, and pricing measures are available to port authorities to include green targets in terminal concession agreements. Not all instruments have the same likeliness of being embraced or implemented by port authorities, in part because of a low perceived contribution, high associated regulation costs, or simply because the port authority is unlikely to have jurisdiction in that specific area. Measures related to information reporting and some types of harm-based standards, design standards, and technology specifications are relatively easy to implement in a concession setting. The results also show that many of the measures with a higher expected contribution to innovation and environmental objectives are typically also the ones with higher regulation costs, which might post a higher complexity in terms of their implementation in a concession setting. We further argue that initiatives toward the greening of concession procedures can only reap full benefits if these actions are embedded in a chain approach toward the environment (ship, port, terminal, warehouse, and inland transport).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».