But Why There? A Data-Driven Approach to Route Selection
Notice bibliographique
Résumé
Do utilities know the best place to put new pipeline infrastructure? We think so. But does the data support those decisions? How can we demonstrate to the public that we are doing our due diligence? How do we show that the process is more than qualitative considerations? What if the pipeline is nearly 30 mi long and 66-in. in diameter, winding through protected wetlands, 10-lane interstate highways, dense residential neighborhoods, and established commercial business areas? What about estimated construction costs up to half a billion dollars? Tampa Bay Water and Hillsborough County (HC) were faced with these exact questions as they looked to finalize an alignment for critical future pipeline infrastructure. Pipeline route evaluation and selection is not a one-size-fits-all approach. It is usually tailored to the project scope and funding available, accordingly scaling up or down, to align with the end needs of the project stakeholders. For this project, the non-cost evaluation process was broken into the following key steps: (1) screening of a universe of options to a manageable shortlist; (2) a stakeholder-driven weighting criteria pairwise exercise to determine relative importance of key evaluation criteria; (3) data collection and visualization: using a “real-time,” accessible, online GIS platform to establish preliminary route corridors and set baseline evaluation metrics to “evaluate” various routes; (4) selection and development of sub-criteria to provide more discreetly definable and measurable evaluation characteristics and quantitatively measuring seemingly intangible evaluation factors such as public inconvenience; and (5) a quantitative methodology to integrate non-cost criteria (unitless) and cost (dollars). Simply adding the two does not work, as the units are incompatible. With this groundwork completed, the once-complicated decision becomes an effort of using the data to drive decisions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,075 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,021 | 0,022 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».