Urban Air Mobility: History, Ecosystem, Market Potential, and Challenges
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
Since the early 20 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">th</sup> century, inventors have conceptualized “plane cars” and other urban aerial transportation. Emerging innovations in electrification, automation, and other technologies are enabling new opportunities for on-demand air mobility, business models, and aircraft design. Urban air mobility (UAM) envisions a safe, sustainable, affordable, and accessible air transportation system for passenger mobility, goods delivery, and emergency services within or traversing metropolitan areas. This research employed a multi-method approach comprised of 106 interviews with thought leaders and two stakeholder workshops to construct the history, ecosystem, state of the industry, and potential evolution of UAM. The history, current developments, and anticipated milestones of UAM can be classified into six phases: 1) “flying car” concepts from the early 1910s to 1950s, 2) early UAM operations using scheduled helicopter services from the 1950s to 1980s, 3) re-emergence of on-demand services starting in the 2010s, 4) corridor services using vertical take-off and landing (VTOL) envisioned for the 2020s, 5) hub and spoke services, and 6) point-to-point services. In the future, UAM could face several barriers to growth and mainstreaming, such as the existing regulatory environment; community acceptance; and concerns about safety, noise, social equity, and environmental impacts. UAM also could be limited by infrastructure and airspace management needs, as well as business model constraints. The paper concludes with recommendations for future research on sustainability, social and economic impacts, airspace integration, and other topics.
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