A Subsidy Policy to Ensuring Risk-Equity in Railroad Hazmat Transportation Network: A Risk Mitigation Strategy
Notice bibliographique
Résumé
Railroad is one of the primary modes for transporting hazardous materials (hazmat). Given the dangerous nature of the hazmat, risk mitigation in the railroad transportation is the need of the hour. Hence, we explore the idea of equitable distribution of risk in the railroad network. We propose the subsidy policy to be considered by government to induce favourable routings of the hazmat shipments. The government's objective is to achieve risk equity in the network, whereas, the carrier's cost effective approach leads to increased risk in low-cost service-legs. To model this, we formulate the problem as a bi-level mixed integer program. We derive the single level mixed integer linear program (MILP) and test it on the rail infrastructure in midwest United States using state-of-the-art solver CPLEX 12.8.0. The instances with upto 25 shipments on the network are solved efficiently on a local machine. We use high performance computing resource available at Graham cluster of Compute Canada facility to solve the large instances with 50 shipments on the network. We show the effectiveness of the subsidy policy as a risk mitigation tool for the railroad hazmat transportation, and review the efficiency of the solution methodology to solve the MILP for the network. Moreover, the results demonstrate the economic feasibility for the government to allocate the budget for the subsidy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».