Optimal Tradable Credit Scheme Design with Recommended Credit Price
Notice bibliographique
Résumé
As an interesting research topic in transportation field, tradable credit scheme (TCS) has been extensively explored in the latest decade. Existing studies implicitly assumed that travelers are clear about the equilibrium credit price and make their trips accordingly. However, this may not be the case in reality, since the credit price is endogenously determined by the credit-trading behavior, especially in the early stages after the implementation of a TCS. Considering travelers’ uncertainty on the equilibrium credit price, this paper aims to investigate the impacts of perception error on credit price and how to accommodate such errors by an appropriate scheme design. Transferring the perception error on credit price to a given and fixed value released by central authority, we first investigate the impacts of recommended credit price under a given TCS. The numerical results imply that it is necessary to simultaneously consider the choice of recommended credit price and charging scheme in TCS design. Regarding this, we combine the goals of social welfare and public acceptance of the scheme and propose a bilevel biobjective programming (BLBOP) model, by which the net economic benefit is maximized while the gap between the recommended and realized credit prices is minimized. Through two numerical examples, it is found that the rise in perception variance could intensify the contradiction effect between the two objectives. Additionally, a nonnegligible price gap must be allowed to occur to maintain the effectiveness of a TCS.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».