Public Preferences of Shared Autonomous Vehicles in Developing Countries: A Cross-National Study of Pakistan and China
Notice bibliographique
Résumé
Shared autonomous vehicles (SAVs) are rapidly emerging as a viable alternative form of public transportation with the potential to provide adequate and user-friendly, on-demand services without having vehicle ownership. It has been argued that SAVs could revolutionize transportation systems and our current way of life. Although SAVs are likely to be introduced in developed countries first, there is little doubt that they would also have a significant effect and enormous market in developing nations. This study aimed to investigate the factors that influence public acceptance of SAVs, as well as the current public attitude toward SAVs, in two developing countries, namely, Pakistan and China. A stated preference survey was conducted to understand respondents’ travel patterns, preferences, and sociodemographic data. A total of 910 valid responses were gathered: 551 from Lahore, Pakistan, and 359 from Dalian, China. A multinomial logit model and a mixed multinomial logit model with panel effect were used for data analysis. The results suggested that generic attributes, such as respondents’ waiting time, travel time, and travel cost were found to be significant in both cities. The results indicate that sociodemographic characteristics, such as education, income, travel frequency in a week, and people who had driver’s licenses, are significantly correlated with respondents’ interest in using SAV in Lahore. The results also showed that people who had a private car indicated a greater interest in SAVs in Dalian. The study provides a new perspective to understand the public preferences toward SAVs in developing countries with different economies and cultures, as well as a benchmark for policymakers to make effective policies for the future implementation of SAVs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».