IRP Commercial Trailer Data Feasibility Study
Notice bibliographique
Résumé
This study evaluates the feasibility for developing and maintaining a comprehensive tractor truck trailer database. The commercial motor vehicle (CMV) community currently lacks a cross-jurisdictional, centralized repository for commercial trailers registered in United States and Canadian jurisdictions. Existing federal databases provide information on interstate commercial motor carriers, vehicles, and drivers but exclude trailers. Similarly, IRP and IFTA do not collect trailer-level data, and trailer data is displayed inconsistently across its customer base. Approximately one fifth of violations in Kentucky during inspections from 2020 to 2022 were attributed to trailers, including worn tires, inadequate brakes or improper registration. The rise of organized theft affecting rail and trucking operations requires countermeasures such as incorporating better data on trailers and improving federal coordination. Law enforcement, auditors, and safety administrators experience fragmented processes and data limitations. This study examined the operational, safety, and administrative implications of such a database while also assessing technical feasibility, stakeholder perspectives, and policy considerations. Researchers circulated two surveys to law enforcement officials and jurisdictional registration agencies. Law enforcement emphasized the importance of license plate numbers, VINS, make and year, jurisdiction and expiration data. Jurisdiction agencies indicated they obtain trailer data through registrant submissions or through third party agents such as county offices. The surveys illustrated the need for a centralized commercial trailer database, standardized across different existing IT systems. The findings support a centralized CMV trailer repository to potentially yield measurable safety and credentialing benefits, allow for more consistent fee collection and improve identification of unsafe or stolen trailers.
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 | 0,123 | 0,215 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,005 |
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 ».