The barriers, determinants, and willingness-to-pay in electric motorcycle conversion (EMC) adoption
Notice bibliographique
Résumé
The rise in motorcycle use in Southeast Asian countries like Indonesia has caused environmental issues and transitioning from fossil-fuel to electric motorcycles (EM) will reduce emissions and improve air quality. This study aims to investigate the barriers, determinants, and willingness-to-pay in electric motorcycle conversion (EMC). In a choice experiment, data from motorcycle users in Bali, Indonesia, was collected and analysed in this study using K-modes cluster analysis and the Mixed-Logit Model. The study identified different barriers to EMC among motorcyclist groups: mix-motor commuters and hardcore oldies concerned with financial challenges, all-day riders with mature motorcycles face a lack of information on EMC costs and procedures, and higher-power enthusiasts and newbies with light motorcycles concerned with daily travel disruptions during the conversion process. This study also found waiting and conversion time to play a role in EM adoption and travellers who use older motorcycles are the most likely to adopt EMC. Lower-income individuals tend to be more inclined towards EMC and younger demographics lean towards internal combustion engine (ICE) motorcycles. Moreover, the study indicates that EMC reduces the adoption of ICE motorcycles more than conventional EM. A 50% increase in conversion time lowers EMC adoption probability by 5.2%pts. and increases new ICE motorcycle adoption by 3%pts. and new EM adoption by 2.2%pts. Additionally, motorcyclists are more willing to invest in EMC if it means reducing conversion time/charging costs, particularly for older motorcycles. This study offers several policy recommendations for accelerating EMC adoption in Indonesia. • Waiting and conversion times impact the adoption of conventional e-motorcycle (EM) and e-motorcycle conversion (EMC). • Hardcore oldies motorcyclists are concerned with financing and daily riders are also concerned with EMC procedures. • EMC potentially serves as complementary to EM in reducing internal combustion engine motorcycle adoption. • Motorcyclists are more willing to invest in EMC if it means reducing conversion time/charging costs.
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 | 0,000 |
| 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 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 ».