MétaCan
Menu
Retour à la cohorte
Enregistrement W2002503368 · doi:10.1049/iet-com.2013.0296

Wireless local area network service providers’ price competition in presence of heterogeneous user demand

2013· article· en· W2002503368 sur OpenAlexaff
Abhinav Kumar, Ranjan K. Mallik, Robert Schober

Notice bibliographique

RevueIET Communications · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOligopolyRevenueMonopolyDuopolyEconomic surplusCompetition (biology)Price discriminationService providerMicroeconomicsRevenue modelNash equilibriumBusinessService (business)Computer scienceIndustrial organizationEconomicsCournot competitionMarketingFinance

Résumé

récupéré en direct d'OpenAlex

Consider wireless local area network (WLAN) service providers (SPs) operating in an overlapping service area. The SPs compete with each other to attract users. The price charged is utilised by the SPs as a tool to maximise revenue, resulting in a price competition between the WLAN SPs. The users are assumed to be selfish, trying to maximise their individual utility. They have varied sensitivity towards quality of service experienced and the price charged. In such a scenario, the user demand distribution is the one that achieves Wardrop equilibrium. Approximate analytical expressions are obtained for the best response of SPs to each other's price. Existence of a Nash equilibrium (NE) between the competing SPs is proved and the price vector at which the NE occurs is obtained. It is found that, while in one extreme monopoly leads to very high revenue for WLAN SPs with minimal consumer surplus, in the other extreme unregulated duopoly/oligopoly leads to high consumer surplus at the cost of minimal revenue generation for the competing SPs. Thus, price regulation is proposed in the WLAN market for equitable distribution of the surplus among the SPs and the users.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetAdvanced Wireless Network OptimizationTravaux en français237 207