Le transport vert de marchandises : l'expérience de la ville de Padoue en Italie
Bibliographic record
Abstract
Résumé Si le transport urbain de marchandises par camion représente une importante source d’emplois, il est également associé à des problèmes liés à la congestion et au respect de l’environnement. Ainsi, le développement de l’espace urbain et de sa population entraîne une augmentation du nombre de véhicules sur les voies publiques. C’est pourquoi de nombreuses mesures sont adoptées pour diminuer le bruit, la pollution et les nuisances occasionnés par le transport de marchandises. Cet article montre comment il est possible d’intégrer efficacement des préoccupations environnementales aux questions relatives à la logistique des transports urbains. Nous présentons l’expérience de la ville de Padoue, en Italie, où plusieurs acteurs ont mis en place un service de livraison urbain vert appelé Cityporto. À travers l’utilisation de véhicules non polluants, Cityporto a l’autorisation d’effectuer à toute heure de la journée des livraisons au centre-ville, alors que celles-ci ne sont généralement permises qu’à certaines heures. Outre une diminution du taux de pollution, cette souplesse dans les horaires représente un avantage réel pour les commerçants et les institutions publiques urbaines. L’article se termine par des recommandations destinées aux autorités publiques et aux acteurs privés de la logistique et du transport. Secteurs : ville, municipalité Fonctions : GOP, management, MI
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".