MétaCan
Menu
Retour à la cohorte
Enregistrement W2934740781 · doi:10.5539/ibr.v12n4p153

Economic Cost Analysis of New Energy Vehicle Policy -Empirical Research Based on Beijing’s Data

2019· article· en· W2934740781 sur OpenAlexvenueno aff
Xuenan Ju, Baowen Sun, Jieying Jin

Notice bibliographique

RevueInternational Business Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesNational Social Science Fund of China
Mots-clésBeijingSubsidyEnergy consumptionEnvironmental economicsEnergy policyConsumption (sociology)BusinessGovernment (linguistics)Transport engineeringEconomicsRenewable energyEngineeringChinaMarket economy

Résumé

récupéré en direct d'OpenAlex

In recent years, in order to improve Beijing's air quality and reduce vehicle emissions, the Beijing Municipal Government promotes the popularization of new energy vehicles through purchase subsidies, plate lottery, and driving restriction policy. However, the increase in the number of new energy vehicles and the increase in the number of vehicles travelling on roads have intensified the traffic pressure in Beijing. Traffic congestion has increased the emissions of motor vehicle exhaust in turn, resulting in higher socio-economic costs. Based on the actual data of Beijing, this paper quantitatively analyzes the economic cost of new energy vehicle policies by discussing the impact of current new energy vehicle policies on time, energy consumption and tail gas cost. Empirical results show that during the implementation period of the new energy vehicle policy, time cost and tail gas cost increase, energy consumption cost decreases, and the overall economic cost of the policy implementation period increases from 50 million yuan to 321 million yuan.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,099
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
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)0,0020,000

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 Opus0,167
Tête enseignante GPT0,456
Écart entre enseignants0,289 · 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.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetVehicle emissions and performanceTravaux en français237 207