MétaCan
Menu
Retour à la cohorte
Enregistrement W3115411607 · doi:10.3390/su13010246

Pilot Off-Peak Delivery Program in the Region of Peel

2020· article· en· W3115411607 sur OpenAlexafffund
Kianoush Mousavi, Sabrina Khan, Glareh Amirjamshidi, Matthew J. Roorda

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésEveningOperations managementTRIPS architectureBusinessService delivery frameworkAir quality indexDuration (music)Service (business)Greenhouse gasEnvironmental scienceTransport engineeringEngineeringMarketingGeographyMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

Off-peak delivery (OPD) is the delivery of goods during the evening and overnight hours. This strategy has the potential to alleviate peak period congestion, improve efficiency of delivery firms, and reduce emissions. This paper investigates benefits and challenges of a pilot OPD program in the Region of Peel, with the goal of informing potential broader implementations of OPD. In contrast to other previously implemented OPD projects, this OPD pilot focuses on deliveries in suburban areas. Three firms, delivering to 14 pilot retail stores, participated in the OPD pilot in the Region of Peel from March to August 2019. The analysis shows that during the six-month pilot, the average speed of the trips that were made in off-peak hours, from 7:00 p.m. to 7:00 a.m. the next day, is 18.1% faster than those that happened in day-time hours. Furthermore, the total greenhouse gas emissions/km decreased by 10.6%, and emissions factors for air quality pollutants, including CO, NOx, PM10, and PM2.5 reduced by 10.8% to 15.0% in off-peak hours. Results for service times varied between firms, but on average increased by 15.2%, indicating activities in the off-peak hours at the retail stores that prevented overall improvements in service time compared to day-time deliveries. A post-pilot interview was done with logistics managers of the three firms, which provides rich insights about challenges, successes, and ways that the OPD program could be improved.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,296

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 Opus0,035
Tête enseignante GPT0,226
Écart entre enseignants0,191 · 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'étudeObservationnel
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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetUrban and Freight Transport LogisticsTravaux en français237 207