MétaCan
Menu
Retour à la cohorte
Enregistrement W3124134467 · doi:10.1155/2021/6682670

FedEx and UPS Network Structure and Accessibility Analysis Based on Complex Network Theory

2021· article· en· W3124134467 sur OpenAlexaboutno aff
Changsong Zhao, Chunliang Xiu, Guanyi Yu

Notice bibliographique

RevueComplexity · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCentralityAir cargoNetwork structureDivision (mathematics)Transport engineeringScale (ratio)Complex networkNetwork analysisSpoke-hub distribution paradigmComputer scienceOperations researchGeographyEngineeringCartographyMathematicsDistributed computing

Résumé

récupéré en direct d'OpenAlex

With the expansion of the global air cargo transport system, the operating structure of air cargo has become increasingly separate from passenger counterpart, forming an independent organization model. Despite the Chinese air cargo capacity has grown exponentially in the past, its network is still in its infancy. FedEx and UPS have well‐established air cargo networks and have operated effectively on both international and domestic scale; thus, understanding the structure and evolution of their air cargo networks is of a high reference value. In conjunction with the division of US regions from the United States Geological Survey (USGS), this paper refers to FedEx and UPS as FEPS and analyzes its topological structure, complexity properties, and air cargo accessibility by using social network analysis (SNA) and accessibility evaluation methods. The results suggest that (1) the structure of the FEPS air cargo network is in the highly developed states and has the typical “small‐world” and “scale‐free” network characteristics; (2) the degree centrality values for the nodes in the FEPS network suggest that the network complexity has increased; (3) airports in Memphis (MEM), Louisville (SDF), Indianapolis (IDN), and Ontario (ONT) are the major hubs with both high centrality values and air cargo accessibility; and (4) the FEPS network presents a unique hub‐and‐spoke structure compared with the passenger counterpart.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,084
Tête enseignante GPT0,270
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComplexityMême sujetAviation Industry Analysis and TrendsTravaux en français237 207