Type Choice Behavior of Alternative Fuel Vehicles: A Latent Class Model Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study presents the findings of modeling alternative fuel vehicle type choice behavior in the case of a hypothetical scenario of 100% increase in gas prices in Halifax, Canada. A latent class model (LCM) is developed utilizing a stated response component from the Household Mobility and Travel Survey, conducted in Halifax, Canada, in 2012-13. The study considers a comprehensive set of alternative vehicle type choices, including: Diesel Powered Vehicles, Hybrid Electric Vehicles, Plug-In Hybrid electric Vehicles, Plug-In electric Vehicles, and regular gasoline vehicles. The LCM model developed in this paper captures latent heterogeneity among the sample households by developing a flexible latent class allocation model within the LCM framework. In this paper, the LCM model assumes two latent classes, where the classes are defined using socio-demographics, accessibility, and neighborhood characteristics. The model results suggest that considerable heterogeneity exists across the two classes. For instance, presence of children in the household shows a higher probability to choose hybrid electric vehicles in class two. On the other hand, households in class one show a negative relationship. High income households show a lower likelihood of choosing alternative vehicles and exhibit a higher propensity to continue with regular gasoline vehicles. The elasticity effects suggest that significant variation in the magnitude of effects of different variables exist across the two classes, which needs to be addressed within the policies for promoting alternative fuel vehicles as alternate choice for consumers during a sudden increase in gas price.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle