VOIES NAVIGABLES ET DESSERTE PORTUAIRE Massifier les flux pour intégrer le transport fluvial dans les chaînes logistiques portuaires : étude des impacts économiques et environnementaux. Le cas du transport fluvial conteneurisé
Bibliographic record
Abstract
Le programme de recherche partait de l'hypothèse que le transport fluvial combiné fleuveroute pour le transport de conteneurs pouvait s'imposer comme un mode de transport compétitif par rapport à la route à partir du moment où il jouait sur son principal atout qui était celui de la massification des flux. Grâce à nos travaux, nous avons pu mettre en évidence, notamment en nous appuyant sur l'exemple du transport des conteneurs sur la Seine que : le transport combiné fleuve route peut être compétitif en prix par rapport à la route, mais que cette compétitivité dépend de la destination géographique finale dans l'hinterland et du type de transport routier en concurrence ; la compétitivité en termes de prix n'est pas suffisante pour susciter un report modal de la route vers le fleuve. Ce mode de transport doit aussi proposer aux chargeurs des services additionnels, ce qui nécessite un opérateur de transport combiné proposant un service clé en main aux clients ; L'implication des armements maritimes au Havre est décisive pour comprendre l'essor du transport conteneurisé sur la Seine ; Cet essor du transport conteneurisé sur la Seine favorise un renforcement de l'hinterland du Havre sur le bassin parisien dans le cadre de la compétition interportuaire à l'échelle de la rangée Nord Europe ; comme pour les prix, la « compétitivité » du transport combiné fleuve-route par rapport à la route en matière énergétique varie en fonction de la destination géographique dans l'hinterland, du type de convoi fluvial utilisé et en fonction des formes organisationnelles du mode routier en concurrence
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".