Optimization of Drop-and-Pull Transport Network Based on Shared Freight Station and Hub-and-Spoke Network
Notice bibliographique
Résumé
The current drop-and-pull (D-P) transport process has many defects, including but not limited to the insufficient information sharing, the private ownership of vehicles and infrastructure, and the mismatch between vehicles and goods.Moreover, the hardware and software of existing freight stations fall short of the demand for D-P transport.To solve these problems, this paper optimizes the design of the D-P transport network based on shared freight station and the hub-and-spoke (H-S) network.The freight stations were taken as the hubs, and the routes between supply/demand point and freight station are treated as spokes.On this basis, an optimization model was established to minimize the total cost of freight stations and maximize the force from freight stations on supply/demand points in the H-S D-P network.In addition, all the supply/demand points in the region are covered by the selected freight stations.The LINGO software was introduced to solve the established model.Taking a region in southern China for example, the proposed shared freight station design was compared with the traditional freight station design.The results show that the single-hub H-S D-P network obtained by the traditional design could meet the demand when the D-P demand was relatively small; however, only the multi-hub H-S D-P network obtained by the shared freight station design could fulfil a large D-P demand in an efficient manner.The research findings show that the shared freight station is the future of D-P 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».