Modelling Cross-Border Rail Intermodality in the Windsor-Essex Context
Notice bibliographique
Résumé
Shipment by truck dominates the cross-border flow of commodities in both directions between Canada and the United States (Anderson and Coates, 2010; Anderson, 2012; Anderson and Brown, 2012; and Aspila and Maoh, 2014). An individual truck typically pulling one or two trailers is an inefficient way to move goods over long distances (Eom et al., 2012) when freight trains with three or more 4400 horsepower diesel-electric locomotives pull over two-hundred intermodal containers loaded on rail cars throughout North America every day. Windsor, Ontario is an example of a border community in Canada and hosts the busiest border crossing between Canada and the United States. Crossings include two road, one rail and a sea port of entry (United States Department of Transportation – Bureau of Transportation Statistics, 2017). Presently the majority of cross-border import and export traffic is by road haulage. In addition to serving as a port of entry for goods being imported or exported between the two countries there is also a substantial local manufacturing base that consumes and produces goods on both sides of the border. There are several existing railroad border crossings including a rail tunnel between Windsor, Ontario and Detroit, Michigan. There must be a rational reason why commodities are shipped across the border using trucks and not rail. This dissertation research is proposed to answer the question of is rail viable for shipping commodities cross-border or as part of the cross-border supply chains? A network optimization model of Canada-US rail freight is developed to address this question. The model is first used to assess whether location of a conventional, large-scale intermodal facility in Windsor is viable. Results indicate that it is not. It is then applied to a scenario where innovative small-scale intermodal transfer facilities are located in Windsor and at other significant rail nodes in Ontario. Results indicate that this is a more viable strategy for increasing the rail share of cross-border freight movement.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».