Impact of demand management policies on freight efficient land-uses in the Greater Toronto and Hamilton Area: A case study in the retail sector
Notice bibliographique
Résumé
The efficiency of urban supply chains relies heavily on the location of logistics facilities in metropolitan areas , the spatial location of suppliers and receivers of goods, and the traffic conditions throughout the day. This research investigates whether optimal locations for Distribution Centers (DCs) are sensitive to changes in demand management policies (e.g., off-hour deliveries). Solving this research question is relevant to urban areas, considering how land-use policy changes (e.g., zoning) might take several years to achieve benefits. On the contrary, demand management policies produce an almost instantaneous impact. This research uses a bi-level mathematical optimization model that minimizes the social cost (summation of private costs plus externalities) and considers the effects of land-use decisions on the delivery tour patterns emanating from DCs. This research presents two case studies that identify the best locations for logistical facilities of different sizes in the Greater Toronto and Hamilton Area. The results show that making deliveries overnight results in fewer vehicles, more stops per tour, shorter travel times , smaller costs on a per-kilometer basis, and lower total emissions. The results also show that DC's optimal locations are near the main cargo attractors and have good access to highways and arterial roads. This research underscores the importance of freight-efficient land-use policies and demand management strategies that could help transportation and land-use professionals generate evidence-based policies for greener and more sustainable metropolitan areas.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».