MétaCan
Menu
Retour à la cohorte
Enregistrement W4413444979 · doi:10.1016/j.tranpol.2025.103784

Assessment of passengers’ safety and risk attitudes on integrated urban air mobility and airline services

2025· article· en· W4413444979 sur OpenAlexaff
Ying Zhao, Yan Hu, Tao Feng, Anming Zhang

Notice bibliographique

RevueTransport Policy · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringBusinessAir travelAir transportMarketingAviationAdvertisingAeronauticsEngineering

Résumé

récupéré en direct d'OpenAlex

This study introduces the concept of Air Mobility as a Service (AMaaS) by integrating Urban Air Taxi (UAT) services into the Mobility as a Service (MaaS) framework, aiming to enabling seamless multimodal transportation. The objective is to investigate commuter preferences for adopting multimodal UAT services. A stated choice experiment was designed to capture joint choice of UAT-based alternatives and subscription schemes, alongside attitudinal measures assessing the influence of safety and risk perceptions on adoption behavior. Using data collected in Beijing, a hybrid choice model with latent variables was estimated. Results show that subscription-based schemes, particularly sustainable options like Bike + UAT and PT + UAT, are generally preferred over pay-as-you-go alternatives. Government support and discounts significantly increase adoption likelihood. Safety perceptions also play a critical role. Specifically, perceived UAT safety encourages adoption, while safety consciousness, and perceived UAT risks hinder the use of these services. Individuals with higher safety consciousness are less likely to use pay-as-you-go options, and those perceiving UAT as risky are less inclined to use subscription schemes, particularly Taxi + UAT. These findings provide valuable insights for policymakers and UAT service providers in designing effective policies and marketing strategies to promote UAT adoption.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,370
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransport PolicyMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207