Electrifying Household Car Fleets: Dynamics of Electric Vehicle Adoption and Travel Behavior in the Transition to Electric Mobility
Notice bibliographique
Résumé
The transportation sector contributes around one quarter of global greenhouse gas emissions, making the transition from internal combustion engine vehicles (ICEVs) to electric vehicles (EVs), particularly battery electric vehicles (BEVs), essential for achieving climate goals. This thesis examines the electrification of household car fleets, focusing on the dynamics of EV ownership and travel behavior during the transition to electric mobility, and generates societal, environmental, and policy insights. It advances existing research on EV adoption by exploring three key dimensions: the linkage between EV adoption and household fleet composition, the timing of adoption, and the integration of EVs within household fleets. It also investigates how EVs are used compared with conventional vehicles. Using data from the Dutch National Travel Survey, an original survey, and a literature review, the thesis applies behavioral, spatial, and statistical modeling to identify the determinants of EV adoption, adoption timing, fleet integration strategies, and usage patterns. The findings reveal distinct patterns across household types and ownership structures, showing how social influence, policy awareness, and perceptions of EV benefits shape both the decision and the timing to adopt. Analysis of vehicle usage further uncovers differences in travel behavior between EV and conventional vehicle users, emphasizing the roles of ownership status and charging accessibility. Overall, this thesis deepens understanding of household-level transitions toward electrified mobility. It contributes to innovation and adoption theory and provides practical policy insights for promoting BEV ownership and accelerating private fleet electrification, supporting a more sustainable and inclusive transport future.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».