Network Effects, Congestion Externalities, and Air Traffic Delays: Or Why All Delays Are Not Evil
Notice bibliographique
Résumé
We examine two factors that might explain the extent of air traffic delays in the United States: network benefits due to hubbing and congestion externalities. Airline hubs enable passengers to crossconnect to many destinations, thus creating network benefits that increase in the number of markets served from the hub. Delays are the equilibrium outcome of a hub airline equating high marginal benefits from hubbing with the marginal cost of delays. Congestion externalities are created when airlines do not consider that adding flights may lead to increased delays for other air carriers. In this case, delays represent a market failure. Using data on all domestic flights by major US carriers from 1988-2000, we find that delays are increasing in hubbing activity at an airport and decreasing in market concentration but the hubbing effect dominates empirically. In addition, most delays due to hubbing actually accrue to the hub carrier, primarily because the hub carrier clusters its flights in short spans of time in order to maximize passenger interconnections. Non hub flights at hub airports operate with minimal additional travel time by avoiding the congested peak connecting times of the hub carrier. These results suggest that an optimal congestion tax would have a relatively small impact on air traffic delays since hub carriers already internalize most of the costs of hubbing and a tax that did not take the network benefits of hubbing into account could reduce social welfare.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 tête enseignante, 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 ».