Characterization of Airfreight-Related Logistics Firms in the City of Cape Town, South Africa
Notice bibliographique
Résumé
Background: Airports are essential drivers of spatial development; hence the placement of logistics facilities relative to airports is a topical subject. Despite the wealth of the literature on the subject, relatively little is known about the airfreight catchment of airports. To contribute to the existing knowledge, the paper used the study area of the City of Cape Town municipality, South Africa, to address three research objectives, namely analysis of factors that influence the placement of logistics firms in the municipality, analysis of the linkages of the logistics firms with Cape Town International Airport (CTIA), and analysis of the association between airfreight-related firms and the general attributes of logistics firms in the municipality. Methods: The study hinged on a quantitative design, which included a survey and spatial analysis. A total of 110 logistics firms were sampled through a stratified random sampling technique, and 66 firms participated in the telephonic interviews conducted in October and November 2021. Survey data were analyzed using Stata, and spatial analysis was undertaken using ArcGIS 10.8 and QGIS 3.16. Results: It was discovered that a quarter of the respondent logistics firms utilized CTIA for airfreight purposes. At a municipal scale, the potential airfreight catchment of CTIA extended to about a 20 km radius of the airport. Conclusions: In formulating the spatial plans, the planning authorities are encouraged to take cognizance of the possible extent of the catchment, wherein airfreight-related firms do not necessarily locate near the airport.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».