MétaCan
Menu
Retour à la cohorte
Enregistrement W813784564

Analysis of U.S. Truck Size and Weight Policy in Relation to Vehicle Mass

2012· article· en· W813784564 sur OpenAlexaboutno aff
John Woodrooffe, Dan Middleton

Notice bibliographique

RevueTransportation Research Board 91st Annual MeetingTransportation Research Board · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTruckProductivityFuel efficiencyAxleInefficiencyTransport engineeringArticulated vehicleTractorEngineeringAgricultural economicsAutomotive engineeringBusinessEconomicsEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Truck transportation efficiency including fuel consumption and greenhouse gas production per unit of freight transported is directly influenced by truck size and weight policy. This paper compares the cargo mass productivity of U.S. workhorse articulated vehicles with those from other developed nations in relation to allowable axle loads and GVW. The U.S. Intermodal Surface Transportation Efficiency Act (ISTEA) of 1991 limited the gross vehicle weight to 80,000 lbs which has constrained vehicle mass to the point that within the NAFTA region, the U.S. vehicle mass productivity deficit for tractor semitrailers is 43% compared with Canada and 52% compared with Mexico. The paper provides a summary of the history of U.S. truck size and weight policy and concludes with the following questions. 1) Is the U.S. infrastructure strength significantly weaker than that of other developed countries? 2) What is the cost to the nation, to the environment and energy supply for the apparent lack of transportation efficiency? 3) Why does the U.S. not have an integrated national transportation policy to optimize transportation efficiency? 4) Have lower axle and gross vehicle weights resulted in fewer fatalities or has the greater vehicle exposure attributed to transportation inefficiency resulted in more fatalities?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,342
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 91st Annual MeetingTransportation Research BoardMême sujetVehicle emissions and performanceTravaux en français237 207