Introducing Autonomous Vehicles: Adoption Patterns and Impacts on Social Welfare
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
Problem definition: Autonomous vehicles (AVs) are predicted to enter the consumer market in less than a decade. There is currently no consensus on whether their presence will have a positive impact on users and society. The skeptics of automation foresee increased congestion, whereas the advocates envision smoother traffic with shorter travel times. We study the automation controversy and advise policymakers on how and when to promote AVs. Academic/practical relevance: The AV technology is advancing rapidly and there is a need to study its impact on social welfare and the likelihood of its adoption by the public. Methodology: We use supply-demand theory to find the equilibrium number of trips for autonomous and regular households. We develop a simulation model of peer-to-peer AV sharing. We compare the socially optimal level of automation with the selfish adoption patterns where households independently choose their vehicle type. Results: We establish that the optimal social welfare is influenced by: (i) the network connectivity, that is, the ability of the infrastructure to serve AVs, (ii) the additional comfort provided by AVs that allows passengers to engage in other productive activities instead of driving, and (iii) the AV sharing patterns that reduce ownership costs, but create empty vehicle trips that increase congestion. Managerial implications: We investigate the impact of AVs in a case study of Toronto and show that partial automation maximizes social welfare. We show that the comfort of AVs may add traffic that compromises social welfare. Moreover, although traffic increases with automation, travel times may decrease because of significant improvements in traffic flow caused by AV connectivity in the network.
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 | 0,000 | 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