MétaCan
Menu
Retour à la cohorte
Enregistrement W3122029909

Washington State All-Weather Road GIS Mapping: Improving Statewide Freight Flows and Connectivity

2007· preprint· en· W3122029909 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransportation Systems and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessState (computer science)Government (linguistics)Transport engineeringDistribution (mathematics)Engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Freight transportation is extremely important in Washington as it underpins the national and state economies, supports national defense and facilitates the distribution of goods and services to nearly all state residents on a daily basis. Because of this, the freight transportation system in Washington must function at all levels of government from international, national, to state and local. Internationally, Washington is a “gateway” state connecting Asian & Canadian trade flows to the U.S. economy. Nationally, Washington's freight system facilitates trade from Alaska and along the west coast. Additionally, the state's firms and farmers use the freight transportation system to ship Washington made goods locally, across the country and around the world. And lastly, Washington's freight transportation system serves as a local utility, vital to citizens throughout the state to meet their consumption needs. As a result, the planning of freight improvement projects should be seamless across various government jurisdictions and county/state boundaries. To understand the need for the coordinated collection and presentation of data, one needs only consider the various types of roads that contribute to the freight transportation system in Washington. Not only does the state host international border crossings and interstate highways, it is comprised of a myriad of county and city roads. As a result, there are several key agencies that have a stake in freight transportation planning in Washington: Washington State Department of Transportation (WSDOT), County Road Administration Board (CRAB), Strategic Freight Transportation Analysis (SFTA) as well as the county and municipal governments. In the process of completing this study, it was necessary to contact each of these agencies for assistance in the collection of data and maps. To assist planners and policymakers at all levels of government, this paper describes the statistical and geospatial data collected from each county in Washington State and the analytical application of a complete GIS mapping of all-weather roads throughout the state, along with future county freight improvement projects. This information is then evaluated and analyzed on a regional/statewide basis to identify gaps or system inefficiencies resulting from local/county improvement projects that don’t extend across county borders. Specific county and regional case studies/examples of how this centralized GIS may aid policy decision-maker are also presented.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
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 Opus0,027
Tête enseignante GPT0,266
Écart entre enseignants0,239 · 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