Planning and Economic Feasibility of Electric-Connected Automated Microtransit First/Last Mile Service Under Uncertainty
Notice bibliographique
Résumé
Electric-connected automated vehicle (CAV) shuttles, as a part of the sustainable microtransit system, have the potential to fill public transit service gaps. Following technology and traveler acceptance tests that are underway around the world, mass-produced CAVs will be considered for shared mobility service, including “first/last mile” travel between public transit hub stations and medical campuses or other activity centres. Thus, there is a need for increased knowledge on treating risk in such applications. This paper covers the planning and economic feasibility of an advanced technology level 4 automated vehicle-based microtransit system, considering uncertain service and economic feasibility factors. The methods used are advanced for addressing uncertainties in travel demand, service factors, and the economic feasibility of investments by public and private sector entities. Specifically, a probability-based macro simulation approach is used to treat demand and supply-side service factors as stochastic, and it is adapted for risk analysis in financial decision-making. The effects of uncertain life-cycle costs on fares and the rate-of-return are described. Results are favourable regarding the technical and economic feasibility of advanced technology-based microtransit first/last mile service. The findings reported here are a contribution to knowledge on the feasibility of implementing CAV-based first/last mile, and other microtransit services, under uncertainty.
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 ».