Оценка стоимости времени: применение в городской транспортной политике
Bibliographic record
Abstract
Оценка стоимости времени определяет максимальную цену, которую индивид готов заплатить за получение дополнительной единицы свободного времени при прочих равных. В развитых зарубежных странах такое стоимостное выражение ценности времени в пути активно применяется для экономической оценки эффектов от проектов и инвестиций в транспортную инфраструктуру. В России, однако, использование оценки стоимости времени пока не внедрено в практику. В этой статье это впервые делается на российских данных: проводится оценка стоимости времени для регулярных рабочих поездок по Москве. Опираясь на эмпирические находки зарубежных исследований, автор выделяет факторы, потенциально влияющие на дифференциацию искомого показателя. Помимо времени и стоимости поездки такими факторами являются индивидуальный доход, преодолеваемое расстояние и используемый тип транспорта (личный или общественный). Используется метод заявленных предпочтений, реализуемый в рамках анкетирования, и порядковая логистическая регрессия. Показывается, что максимальная величина, которую готов заплатить среднестатистический работающий в Москве россиянин за одну минуту сэкономленного в поездке времени, при прочих равных составляет 8,25 рубля. Час сэкономленного времени, соответственно, оценивается в 495 рублей. Автор считает необходимым продолжать исследования в данном направлении, совершенствовать методологию поиска показателя и проводить регулярные национальные исследования стоимости времени населения. Это внесет весомый вклад в изучение транспортного поведения населения и сможет повысить эффективность транспортной системы страны в целом.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.026 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".