Оценка стоимости времени: применение в городской транспортной политике
Notice bibliographique
Résumé
Оценка стоимости времени определяет максимальную цену, которую индивид готов заплатить за получение дополнительной единицы свободного времени при прочих равных. В развитых зарубежных странах такое стоимостное выражение ценности времени в пути активно применяется для экономической оценки эффектов от проектов и инвестиций в транспортную инфраструктуру. В России, однако, использование оценки стоимости времени пока не внедрено в практику. В этой статье это впервые делается на российских данных: проводится оценка стоимости времени для регулярных рабочих поездок по Москве. Опираясь на эмпирические находки зарубежных исследований, автор выделяет факторы, потенциально влияющие на дифференциацию искомого показателя. Помимо времени и стоимости поездки такими факторами являются индивидуальный доход, преодолеваемое расстояние и используемый тип транспорта (личный или общественный). Используется метод заявленных предпочтений, реализуемый в рамках анкетирования, и порядковая логистическая регрессия. Показывается, что максимальная величина, которую готов заплатить среднестатистический работающий в Москве россиянин за одну минуту сэкономленного в поездке времени, при прочих равных составляет 8,25 рубля. Час сэкономленного времени, соответственно, оценивается в 495 рублей. Автор считает необходимым продолжать исследования в данном направлении, совершенствовать методологию поиска показателя и проводить регулярные национальные исследования стоимости времени населения. Это внесет весомый вклад в изучение транспортного поведения населения и сможет повысить эффективность транспортной системы страны в целом.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,026 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».