Notice bibliographique
Résumé
Arnott and Inci [Arnott, R. and Inci, E., 2006. An integrated model of downtown parking and traffic congestion. Journal of Urban Economics 60, 418-442] developed an integrated model of curbside parking and traffic congestion in a downtown area. Curbside parking is exogenously priced below its social opportunity cost, and the stock of cars cruising for parking, which contributes to traffic congestion, adjusts to clear the market for curbside parking spaces. Denser downtown areas have garage as well as curbside parking. Because of economies of scale in garage construction, garages are discretely spaced. The friction of space confers market power on parking garages. Spatial competition between parking garages, as modeled in Arnott [Arnott, R., 2006. Spatial competition between downtown parking garages and downtown parking policy. Transport Policy 13, 458-469], determines the equilibrium garage parking fee and spacing between parking garages. Also, the stock of cars cruising for parking adjusts to equalize the full prices of curbside and garage parking. This paper combines the ingredients of these two models, hence presenting an integrated model of curbside parking, garage parking, and traffic congestion, and examines curbside parking policy in this context through a numerical example with parameters representative of a medium-sized US city. The central result is that raising the curbside parking fee appears to be a very attractive policy since it generates efficiency gains that may be several times as large as the increased revenue raised.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».