MétaCan
Menu
Retour à la cohorte
Enregistrement W4406195629 · doi:10.1016/j.trpro.2024.12.247

A conceptual framework for integrating urban freight deliveries with public transportation and crowdsourcing

2025· article· en· W4406195629 sur OpenAlexaff
Fernando Zingler, Navneet Vidyarthi

Notice bibliographique

RevueTransportation research procedia · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensConcordia UniversityHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésCrowdsourcingTransport engineeringConceptual frameworkPublic transportConceptual modelBusinessComputer scienceEngineeringWorld Wide WebSociologyDatabase

Résumé

récupéré en direct d'OpenAlex

The transformations in urban freight transportation resulting from the increase in e-commerce require novel approaches for integrating these flows with traditional passenger flows in the urban environment. The idea of integrating freight and passenger movements has recently been investigated in academia, aiming to utilize the spare capacity of public transportation to move cargo, thereby reducing congestion in densely populated areas. This paper proposes a conceptual framework for integrating freight deliveries and passenger transportation using the same vehicle and schedules, using scheduled lines (passenger transportation services), ridesharing alternatives (share-a-ride), and crowd shipping. Examples from real-world operations and quantitative analysis of systems are reviewed to construct a framework to assess the fundamental issues with integration. Different planning levels are presented, and integration issues are described, considering aspects of real-world examples in cities around the globe. This paper discusses how freight transportation can be integrated into city planning to reduce the externalities attributed to these operations while promoting a more economical and sustainable option for same-day deliveries.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0030,009
Communication savante0,0080,008
Science ouverte0,0040,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,058
Tête enseignante GPT0,297
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

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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation research procediaMême sujetUrban and Freight Transport LogisticsTravaux en français237 207