MétaCan
Menu
Retour à la cohorte
Enregistrement W3016083451 · doi:10.1061/(asce)hz.2153-5515.0000493

Network-of-Networks Framework for Multimodal Hazmat Transportation Risk Mitigation: Application to Used Nuclear Fuel in Canada

2020· article· en· W3016083451 sur OpenAlexaffabout
Eric Goforth, Mohamed Ezzeldin, Wael El‐Dakhakhni, Lydell Wiebe, Moataz Mohamed

Notice bibliographique

RevueJournal of Hazardous Toxic and Radioactive Waste · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésInterdependenceFlow networkHazardous wasteProcess (computing)Transport engineeringRisk analysis (engineering)Computer scienceComplex networkShortest path problemMultimodal transportOperations researchTransportation planningEngineeringBusinessGraphMathematical optimization

Résumé

récupéré en direct d'OpenAlex

The transportation of hazardous materials (hazmat) is a complex process that continues to receive considerable attention from practitioners and researchers alike. A multimodal system that integrates road and railway networks is often argued as the optimal solution. Given the unique characteristics of each network, the integration of both networks generates an additional layer of complexity attributed to their interdependency. In this respect, the current study utilizes complex network theory to develop a network-of-networks (NoN) framework for multimodal hazmat transportation. Hazmat transportation routes are informed through various measures, including the shortest distance and least vulnerable routes. The case study considered herein applied the developed NoN framework to used nuclear fuel transportation. The analysis results indicate that optimal transportation routes are different for the shortest path and the least vulnerable analysis. These results are expected to inform future hazmat transportation route planning to incorporate more complex and dynamic network characteristics.

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 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: aucune
Score de désaccord entre enseignants0,566
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,221 · 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.

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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Hazardous Toxic and Radioactive WasteMême sujetComplex Network Analysis TechniquesTravaux en français237 207