MétaCan
Menu
Retour à la cohorte
Enregistrement W2068631130 · doi:10.5430/ijba.v6n2p118

The Price Mechanism Analysis of Parking Fees on Economic Perspective

2015· article· en· W2068631130 sur OpenAlexvenueno aff
Liqin Shan, Shaodan Qian

Notice bibliographique

RevueInternational Journal of Business Administration · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraffic congestionBusinessPerspective (graphical)ExternalityEnvironmental economicsTransport engineeringIndustrial organizationEconomicsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Growing number of vehicles brings sever negative external effects to cities such as traffic congestion and tail gas pollution, especially to big cities. However it is the tail gas pollution which is a significant factor for the formation of haze. Gradually serious congestion and haze problems force us to face and solve the contradiction between growing demand for motor vehicles and the scarce resources of urban traffic. This paper analyzes residents’ tenure and travel vehicle cost by constructing the parking price model and the linkage mechanism of parking fees-vehicle cost from the vehicle and complementary relationship of parking space in economic perspective. And this condition will affect people’s desire of shopping and vehicle travel indirectly. From the consumer perspective, it will affect their choice to effectively control of motor vehicle growth, decrease usage amount, and promote the allocation of urban transportation resources. Finally, we can get a policy enlightenment that city managers can use price mechanism of parking fees to improve the efficiency of the urban traffic from several aspects, like speeding up the property rights reform bus, establishing adjustment system of dynamic price, implementing the policy of differentiation parking, optimizing the bus system and appropriately limiting parking supply.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,314
Écart entre enseignants0,281 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetSmart Parking Systems ResearchTravaux en français237 207