Self-financing of transport infrastructure for multiple types of transport services and capacities
Notice bibliographique
Résumé
We reexamine the self-financing result in the context of multiple types of transport services and capacities. First, we confirm that the standard assumption—that the total cost function is homogeneous of degree one—is sufficient but not necessary for self-financing in the case of a single transport service. The necessary and sufficient condition is that the total cost function exhibits local homogeneity at the welfare-maximizing optimum. This distinction is practically important, as ensuring local homogeneity is more challenging when multiple types of transport services and capacities are involved. Second, we extend the analysis to multiple types of transport services and show that a similar conclusion holds. The result also applies to settings such as airports, where both aeronautical and non-aeronautical services (e.g., retail, parking, and car rentals) are provided, with the latter not necessarily being transport services. Third, we consider cases in which prices are predetermined and potentially distorted, while the policy authority controls only service capacities. Examples include predetermined passenger facility charges, uniform public transport fares, and flat vehicle mileage taxes. Even in these multi-service and multi-capacity settings, self-financing can be maintained despite losses from one service, provided that they are offset by profits from other transport or non-core services. Our findings demonstrate that self-financing can remain consistent with second-best welfare maximization under fixed or distorted prices, expanding its applicability to modern multi-service transport operators and informing policy and infrastructure management.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».