Exploring the Node Importance and Its Influencing Factors in the Railway Freight Transportation Network in China
Notice bibliographique
Résumé
Node importance is a key factor affecting the overall operation efficiency of a railway freight transportation network (RFTN) that can be measured with the indicators of Hub and PageRank. Based on complex network theory and the national railway cargo exchange data of China’s provinces, this study constructs an RFTN model with the 31 provinces as the nodes and measures the values of Hub and PageRank for the 31 provinces. Then, the time evolution law of the importance of the provincial nodes is analyzed comprehensively, and, using a regression model, the influencing factors of the importance of the provincial nodes are identified. The results show the following. (1) The uneven distribution of natural resources will affect the spatial changes in the importance of RFTN nodes. The Hub values tended to cluster around the average, and the economic structure of the output-oriented provinces improved as a whole. At the same time, the PageRank values of many provinces in the central and western regions significantly increased, and those provinces exhibited more frequent exchanges of goods with other provinces and closer economic ties with other regions. (2) The traffic fixed asset investments and the population density have the most obvious influences on the importance of the provincial nodes with a positive effect. In contrast, the railway freight concentration (RFC) coefficient, geographical location (longitude and latitude), and coastal region all have negative effects on the importance of provincial nodes. The results of this study provide scientific decision-making support for the reasonable establishment and distribution of RFTN hubs in China.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».