Can transportation network companies improve the sustainability of urban transportation?
Notice bibliographique
Résumé
• The effects of TNCs promotion on urban mobility and GHG emissions were dynamically investigated. • TNCs promotion in areas with low car ownership and strong car travel demand may increase GHG emissions. • Raising prices and limiting fleet size significantly mitigated the adverse effects. • Adopting BEVs can only reduce GHG emissions during the transition to electrification. • Heterogeneity based on travel distance and demographic characteristics was examined. This study investigates the effects of transportation network companies (TNCs) on user travel behavior and greenhouse gas (GHG) emissions in Beijing. The results show that TNCs in areas with low car ownership and strong car travel demand may increase GHG emissions. Raising prices and limiting vehicle supply can significantly mitigate the adverse effects by greening modal shift patterns and reducing TNC service use. TNCs, in the initial phase under laissez-faire policy, increased GHG emissions by 3.58 kg of CO 2 -eq per user per month, while in the mature development stage under strict regulatory policies, this value dropped to 1.06 kg of CO 2 -eq. In addition, significant heterogeneity was found among users with different demographic characteristics. It is worth noting that under the current modal shift patterns, adopting battery electric vehicles can improve the sustainability of TNCs, but it can only reduce GHG emissions in the transitory stage.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».