使用系统动力学模拟交易运输许可证方案
- 运输研究所学院环境,利兹大学,利兹,英国西约克郡
作品简介:在本文中,我们考虑系统动力学(SD)模型的可交易运输许可证计划(ttp)。ttp是复杂和不确定,没有实现超越实验试验在世界任何地方,但有一段时间被认为是一种有效和公平的政策反应减少汽车旅游及其相关的外部性。
方法:虽然有大量的计量经济学模型,探索潜在的ttp,一直没有发表(据我们所知),用SD方法。SD是一种适当的方法来开发我们对ttp的理解效率与公平,因为它捕获反馈和跟踪ttp的影响超过一段时间。因此,我们开发了ttp的SD模型,从已经存在的文学。微观模型,认为在人口异质性每天超过几个月。我们对价格的敏感度进行敏感性测试,首次允许价格,每日的偏好和允许分配和发展这些属性的组合场景。
结果:我们的模拟结果表明灵敏度ttp的异质性在人口,这将影响最终的均衡价格。交易鼓励整个人口的财富再分配,但也可能意味着一些旅游需求没有得到满足,这可能需要一些根据需要分配或某一部分保护许可。内包含non-car用户分配进一步鼓励交易行为和允许补偿外部性的汽车使用。
讨论:通过分析输出我们能够带来新的见解ttp成功所需的治理框架。特别是我们已经表明的重要性分配考虑在ttp的设计问题的人口被认为是公平的。虽然没有数据现有的方案可供我们校准模型,我们比较的趋势和数据从一个领域ttp的实验。
1介绍
在本文中,我们考虑系统动力学(SD)模型的可交易运输许可证计划(ttp)。ttp替代道路收费或税收作为经济应对减少交通拥堵和环境外部性。尽管是在1970年代首次提出,和兴趣在过去50年里,没有一个在实践中实现了。学术研究表明,交易计划更有效和公平的成本比传统的财政政策工具,被认为是被政策制定者试点,但许多杰出的考虑关于他们的开发,管理和执行。新的和新兴技术(及其相关数据)提供了潜在的可靠和有效的机会介绍这样的计划。结合其他新的移动服务(如汽车或自行车共享)和Mobility-as-a-Service包的一部分,可以彻底改变我们运输决策在一个碳约束的环境中。ttp可以替代或互补的道路收费,一项政策,目前正在考虑在英国(和其他国家),由于预期下降的税收舰队电气化。迪帕尔马和林赛(2020)确定,可以更有效的比ttp定价在一定条件下,如容量受限时,提供更大的灵活性和更好的占了“看不见的”外部性。进一步优势道路收费是没有网用户管理当局货币流动,而是用户之间(品牌et al ., 2020)。
排放交易在一个国家或工业水平,作为一个经济工具实现温室气体排放已经有些年头了,如欧盟排放交易。在个人层面,是更多的问题,有许多复杂的反馈和不确定性。出于这个原因,SD提供一个合适的方法来理解关键的关系和重要的变量,可能会导致一个ttp的成功或失败。虽然有大量的计量经济学模型,探索潜在的ttp,一直没有发表(据我们所知),用SD方法。SD是一种适当的方法来开发我们的理解ttp的效率,因为它捕获反馈和跟踪ttp的影响超过一段时间。因此,我们开发了ttp的SD模型,从已经存在的文学。微观模型,认为在人口异质性每天超过几个月。通过敏感性测试和分析的输出我们能够带来新的见解ttp成功所需的治理框架。
本文的其余部分,如下所示。我们首先描述ttp设计考虑(政策目标,分配方法和交易规则),被认为是建立SD模型。我们有一个特别的兴趣使用SD模型考虑如果一个ttp可以开发,预计将减少汽车的使用和排放,同时不增加(或更好的减少)运输相关的社会排斥。在第三节,我们目前的模型结构,描述和方程的关系模型的实现中,紧随其后的是表示我们的基线结果和敏感性测试,允许讨论该模型揭示了ttp的敏感性。虽然没有数据现有的方案可供我们校准模型,我们比较的趋势和数据从一个领域ttp的实验。基线场景中,模型结果部分细节敏感和大量的场景表示人口异质性,如日常的偏好,对车的依赖和价格敏感性,以评估潜在的股权ttp的影响。我们的研究结果表明,根据需要分配许可可能导致效率和公平交易而实现政策目标。虽然这是一个简单的模型,这种见解是重要的促进和设计这样的计划,可能在不久的将来。
2交易运输许可证制度
可交易许可证(或信贷1)计划被提出作为替代道路收费或税收,缺乏公众接受(Dogterom et al ., 2018),作为一个经济应对减少交通拥堵和环境外部性,尽管没有在实践中实现(品牌et al ., 2020)。首次提出在1960年代末(水污染)(Verhoef et al ., 1997;风扇和江,2013年),排污权交易的理论成本效益证明在1970年代早期(Verhoef et al ., 1997道路运输),被认为是在1990年代末(风扇和江,2013年)。所定义的Dogterom et al。(2018)贸易运输许可证的分配通常被理解为“个人比例的汽车的使用驱动程序基于一个总目标(例如,制定本单位的距离或燃料消耗),可以使用和交易根据个人抱负和当时的市场价格,“可交易许可证制度的变化,他们的优点和缺点的表1。这种方案的复杂性提高公平的许多问题和治理(风扇和江,2013年),初始分配的过程是最政治敏感(Grant-Muller徐,2014)。
表1。面向用户的可交易许可证道路运输方案(根据(Verhoef et al ., 1997;风扇和江,2013年;Grant-Muller徐,2014)]。
有越来越多关于ttp的文学。这种方案的潜力和最先进的评论已经被许多作者重新审视20世纪末期以来,越来越在过去的十年中(例如,(Verhoef et al ., 1997;Raux 2004;Raux 2011;风扇和江,2013年;Grant-Muller徐,2014;Dogterom et al ., 2017;Krabbenborg et al ., 2021)已经有大量研究分析从经济(如提出方案。,(高和胡锦涛,2015;风扇et al ., 2016;Lahlou Wynter, 2017;Miralinaghi Peeta, 2018;Mladenovićet al ., 2019;迪帕尔马和林赛,2020年)和社会政治的角度(例如,(戈达德,1997;Wadud et al ., 2008;Harwatt et al ., 2011;Wadud 2011;Dogterom et al ., 2018)。从这个文学,我们建议一个健壮的ttp治理框架需要以下特性:政策目标;分配和交易规则。
2.1策略目标
监管机构设定的政策目标是符合政策目标,并应与关键利益相关者协商,尽管政策目标本身可能不是直接测量(Raux 2004)。目标包括排放、汽车技术、燃料使用,汽车保有量、车辆行驶里程、旅行速度或停车(见表1)。问题确定目标主要涉及到有东西可测量和监控,特别是收集基线数据(Grant-Muller徐,2014)。测量单位应该最好的方式实现预期的目标。选择一个目标减少梦寐以求但可能无法实现(即。,零的目标也就意味着将没有旅行)。评估和决定有多少是可以实现的,需要大量的价值判断和规范可以使它有问题的假设。一个目标的实现可能会被视为浪费时间。的另一种选择可能是设置没有减少或不允许任何增长,尽管这不会解决存在的问题。因此,最好的目标就是要考虑什么是可控的水平(拥塞或排放)——尽管这本身可能会接受(实际上允许),有些苦难是允许的(通过空气质量相关的卫生、噪音、压力等,以及环境恶化)。简而言之,当决定策略目标,所有选项提出问题的监控和执行(见2.3节交易规则),部分由于其空间和时间的特性,而且还通过由于数据收集困难。为克服这一个选择可以通过智能手机应用程序(品牌et al ., 2021)。
2.2配置
道路收费方案的可接受性较低(最常见的是由于自由和公平问题)但socio-demographic敏感因素,在税收和民意支持交易计划(Dogterom et al ., 2018),这表明ttc的设计和分配许可需要详细的决策。假设一项政策目标和测量的单位/形式同意了,然后一个初始的许可证分发数量对应实现目标是必需的。这可能是主观的计量单位,可以集成与初始分配的过程。一个关键的一部分,这可能是通过解决问题谁应该分配许可证和许可证应如何分配。许多论文假设初始组和分配方法(例如,公平股票或以历史使用)(戈达德,1997;Brohe 2010;Harwatt et al ., 2011;Grant-Muller徐,2014;伯吉斯,2016;Lahlou Wynter, 2017),虽然迪帕尔马和林赛(2020)建议配置需要进一步的研究。大多数提出计划采用一个免费的初始分配,尽管一些需要支付(风扇和江,2013年)。在大多数情况下,正在考虑的方案包括整个人口的一个国家,因此没有必要讨论谁应该被包括在分配,虽然有一些提到如果人均应(司机、乘客、应该),家庭或车辆,如果孩子应该包括在内。没有这些选择的关键分析。布里斯托et al。(2010)进行了陈述偏好调查个人碳交易的可接受性。他们找到了一个偏好对许可证包括儿童和根据需要额外津贴。Wadud et al。(2008)和Wadud (2011)考虑个人碳交易(学分)运输燃料的使用。前报导在四个不同的分配策略,有关平等的股票(人均或每辆车,包括或不包括非汽车拥有者),认为分配为车主所有的个人都可以退步,尤其是那些低收入的第二篇论文评估ttp分配策略对成本效率、公平和效率,发现类似的分配策略实现碳减排目标,但一个人分配更进步的所有家庭,尽管每辆车的分配比例。
此外,它应该预期,整个许可证方案可以减少内随着时间的推移,符合政策目标,并认为这将在许可证持有者会相应地减少。然而,也需要有一种机制包括新方案。的一种方法,这可能是有一定数量的许可证持有的未分配,政府可以在需要的时候释放。如果这些都是包含在交易并不适合政府获利,虽然可能会有一些争论,一些资金可能需要实施和监测方案。否则,该计划将不会打开任何一个交易期间内新问题这段时间应该多长时间。在这种情况下,假设是,新来的将无法获得他们的自由分配初始交易期限内,但能够进入交易计划购买许可证。
2.3交易规则
许多论文表明,只有两个actors-provider和用户,尽管在现实中可能会有一些机构参与条款(例如,规划/设计、操作/客户服务、监控/执行)(风扇和江,2013年)。个人之间的交易本身应该只发生,没有政府或私人利润优势超过道路收费(品牌et al ., 2020)虽然小成本支付交易费用。然而,需求可能会创建管理成本大,所以研究需要与运营商的合同安排和几个组件TTPSs可能受到监管,而不是自由市场,因此受到政府决策的低效率(风扇和江,2013年)。例如,必须阻止投机性购买,以确保系统的公平性。它也不能忽视一些政党可能会出售许可和选择少理想水平的可访问性是否有金融资本。在某种程度上有争议的,由个人如何价值商品,目前,更多富裕的个人旅行,所以需要更多。初始分配应该公平,和贫困个人愿意出售,那么这可能是可以接受的。另一个控制领域将信用的有效期。一些实验计划考虑每周学分(品牌et al ., 2020),另一些则提倡更长的多阶段的方法(Miralinaghi Peeta, 2018)。的两个重要方面确保遵守交易规则,理论上该计划是计划,监测和执法。这些依赖于初始的成功设计和选择的目标是可测量的实时和机制,以防止滥用。这是成功的关键的流行滥用不仅会导致计划失败达到预定目标,还公众不信任和可接受性(进一步嵌入计划失败)。
3系统动力学模型
治理框架描述复杂的和不确定的。因此系统动力学(SD)是一种适当的方法来解决我们的问题。在SD方法中,股票和关系,包括反馈和延迟,驱动系统识别,为了创建一个定量仿真模型。
在这项工作中,我们提出一个SD方法评估ttp,微观模型,代表了个人的日常行为的星期。虽然SD已经越来越多地应用于交通政策的理解和计划(牧羊人,2014),我们的知识没有发表的研究对ttp,尽管它已经被用于研究道路使用者收费(Sabounchi et al ., 2014;贾et al ., 2017;瑙曼et al ., 2022)和non-transport可交易许可证(赵et al ., 2019;Yu et al ., 2021)。这个模型被开发为目的的改进的理解的关键交互ttp为了评估所需的治理框架的设计。特别是我们关注价格敏感性的影响,旅游需求和允许分配方案的成功和股票在不同的组。我们没有模型避免峰值旅行中可能是一个允许在给定的一天旅行的旅行与时间无关。
量化浆流模型已经建立,部分借鉴品牌et al。(2020)。SD在这项研究的一个限制是,SD是通常用于研究聚合行为,但可交易许可证的行为依赖于异构的个人。为了operationalise,我们使用群体代表。
股票流模型由五个股票代表举行的许可和使用许可证的价格,银行(许可)和个人组织的预算。虽然一个相对简单的模型,它包含六个反馈回路。特别重要的是需求之间的平衡循环使用和价格。模型运行在100天的时间,使用0.25天的时间步,尽管假设每周工作5天(即。周末是省略了)。这是使用欧拉集成5.7 Vensim DSS中实现。本节中描述的关键模型方程(注意,除了股票,下标一般都为简单起见省略了),并提供了完整的模型文档补充材料。
3.1政策目标和允许分配
在这个模型中,我们没有显式地定义什么是“汽车的使用”,虽然名义上承担一个基线当前使用(铜我)每天1单位/汽车用户组我每周工作5天。以这种方式考虑,例如,日常使用,距离,纬向条目,停车或旅游和工作的地方。保持一个通用的使用在这个简单的模型将允许未来的模型被开发为不同的测量。每周分配许可证(哦,我1)方程。模型包括11代表我组),每组内个人认为是相同的行为。每组包含一个单独的我)的基本情况,即群体可以是可伸缩的。十组和non-car-users视为汽车用户和一个。因此,整个每周当前汽车的使用在所有个人是50单位。的政策目标(PO)是由当局希望减少汽车的使用,和0.6的基础所以有30个可用的许可证。我们假设分布(一种平等我)总允许跨汽车用户组的基本情况(0.1),因此每个小组(由一个代表个人在基地)分配每周3(免费)许可证,并允许使用允许每一天。基础来看,我们不考虑分配non-car用户,和所有汽车用户被分配相同的属性。
方程1:每周允许为每个组分配
3.2许可证可用性
每周每组(AW分配许可,我)是一个流入的股票允许举行(PH值,我)(每组)在每周的开始。PH值,我方程(2)积累许可证不仅从这里流入,而且通过任何允许购买(PB,我方程(3),发生的时候每天允许使用(聚氨酯我)大于目标的日常使用部门(即。,每日分配的凭许可证经营)。相反,他们耗尽时允许出售(PS我——方程4)。假设组PU时将每天出售任何多余的许可我低于目标(啊我/ 5)。实际上该集团也可能贸易大胆回应许可证价格或获得知识,这是不被认为是在这个model-see后来解释下“交易”。有两个进一步控制PH值的内流我:聚氨酯我和每周重置(RW我)。聚氨酯我(不能超过1 /天),等于许可证的需求在任何时候(PD我)(详情见后),也是股票的流入率使用许可(我方程(5)用于确定允许价格(PP)。也重置(URW每周都去我)。RW我删除任何剩余的许可没有被使用或出售每周结束时,按照方案设计。从这些残余组织得不到任何收入许可。
为每个组方程2:允许持有股票
为每个igroup方程3:允许购买
每组方程4:销售的许可
方程5:允许使用股票为每个组
3.3交易
如前所述,群体根据他们的购买和出售许可证每天允许使用(聚氨酯我)和每周分配(哦我),所以实际上我们每天模型收敛到目标。在现实中,组织也可能保留允许一天在本周晚些时候,选择买卖大胆,甚至动机出售即使不满足的需求。在这个简单的模型,我们不包括投机性交易(尽管认识到这些交易行为)的重要性,和假设的最小需求组织通过价格调整需求的敏感性方程(见后)。此外,尽管个人之间发生贸易,它不直接叫人。在本方案设计中,我们遵循的品牌et al。(2020)提供一个仲裁者,银行管理事务。因此,允许在银行的股票在任何时候(PB)是由许可被收购的速度(PB我)和销售(PS我)在所有个人组我)方程(6)。在等计划,该银行将由一个独立的政党(例如,地方当局或代理/承包商),谁不从交易中获利,但应该注意的是,系统本身的运作成本高(可能是)可能需要覆盖。部分银行的作用是额外的许可证(上图中的总系统)可以购买这样的需求可以得到满足。这可能意味着,在最初的短期内,允许进入系统。然而,随着这种发展,这意味着允许价格将进一步上涨之前达成的目标和价格均衡。在这种情况下,支付这些额外的许可不转移到其他用户系统中,但保留银行(和可以用来支付一些费用)——类似于道路收费许可证上面使用的目标。注意,如果最初的价格太高,那么银行的风险购买许可证不用作用户宁愿出售旅行在目标水平。
方程6:银行许可证
3.4许可证价格
的允许价格(PP)建模为股票方程(7),与价格变化(Δ8)的特征方程的常数价格变化(δ,等于0.1),由总许可之间的平衡分配(Q)和一个系数(α= 0.05),相对于那些持有(Zt)或使用(Ut),系统中所有个人在任何时候。因此,价格将上涨如果持有的许可证数量或内使用系统(Zt+ Ut),超过那些分配(如果银行出售多余的凭许可证经营),和将会小于初始分配。目标是达到平衡时,没有比分配系统中更大或更少的许可。这是工作的基础上品牌et al。(2020),尽管他们不包括系数α,我们包括为了顺利收敛到均衡价格的启发式定价算法。在我们开始的基本情况1的单价。这里不包括直接直接交易成本,可以实现的计划,以限制投机暴利,作为在这个简单的模型,我们不包括投机性购买。
方程7:许可证价格的股票
方程8:动态许可价格(品牌et al ., 2020)
3.5允许需求
在这个模型中,需求总是相遇,虽然人与人之间的交易是为达成目标所需的平衡,可以买额外的允许比分布式组织从中央银行,如规定之间的关系每天允许使用(聚氨酯我),允许购买(PB我)。PD我是由的想要的汽车的使用都柏林城市大学(我),允许价格(PP)和价格的敏感度(PS我方程(9)。都柏林城市大学在基础条件下,我们假设一个我允许每一天的每组(基于当前使用)。我们假设一个线性需求函数关于PP为简单起见,允许组织有不同的PS在后面的场景。随着PP增加,PD我减少了,反之亦然。我们假设所有人都有一个平等的PS我基本情况(0.1)。实际上,PD我应该倾向于目标日常使用(啊我在PP / 5 = 0.6 4单位的基本情况)。
方程9:允许对每一组的需求
DCU之后我每个组由每日的偏好(DP我),当前的组使用(铜我方程(11)。在基础条件下,组织被认为没有偏好在一周的哪一天他们选择使用分配许可证(这是每周三个基地),所以他们的迪拜我等于每一天。然而,在现实中,每个人可能有天与某些承诺这可能需要汽车的使用,或者替代成本更高。在以后的场景,我们复制这个都柏林城市大学的调整因素我,DP我,让或高或低体重组可能更喜欢non-car某些日子里,考虑到选择。在这个简单的模型中,这种模式每周重复,然而,可想而知,它可能会改变随着时间的推移,不仅是旅游需求的变化,或那些没有常规的偏好,而且在价格信号反应,他们可能会注意到(例如,如果很多人在某一天可能会有更高需求许可,因此允许·普莱斯个人可能因此激发销售许可证,或不买一个目的)。
为每个组方程10:所需的汽车的使用
3.6预算
需要考虑的模型的最后一部分是预算股票(方程11)。在这里,该模型复制的个人预算组(B我),由收入从销售许可证(π我(PO)和传出花购买许可我)。我们开始模拟初始预算(IB我)25单位为每个单独的,但不承担任何以外的收入通过出售许可证。通过这个股票我们能够评估特定个人和金融负担产生的股票发行。
方程11:预算股票
4的结果
4.1基线
节中,我们简要介绍了模型中的行为基线条件下,如下:
•政策目标:0.6(目前使用的)塞满每周3单位每个汽车集团
•当前的使用:5个/周每组(所有equal-car只有)
•个人:每组一个
•分配:在所有汽车用户(即平等。,3 permits each car group per week)
•价格的敏感度:0.1每组(人人平等)
在所有组的基本情况,是同质的,没有交易发生(我们下面的方法均衡价格):没有集团出售他们的许可,所以允许额外的分配直接从银行购买(类似于道路收费或者过量的凭许可证经营)。所示图1,2,所有的团体行为同质和许可证价格的增长一致,直到达到一个平衡后4单位₹(6周)符合预期价格的价格敏感性0.1和目标使用0.6(换句话说,个人减少每周的汽车旅行从5到3)。因此,这个平衡达成的组织使用他们允许达到自己的目的,在没有成本,他们一旦处于平衡状态。
许可证价格的增加最初阶段,直到达到一个平衡点与行为中观察到的唯一的“领域”贸易运输许可证实验我们知道(品牌et al ., 2021)。虽然我们的基线不包括任何许可证销售(除多余的银行许可证),价格上涨是比较有净购买计划,直到平衡。这个实验涉及两组的参与者参与停车许可证实验一段2周连续两次。参与者被给定的起始预算和没有使用他们的钱,但被允许保留任何东西离开。越来越价格观察这里,证据表明参与者理性的行为,随着价格上涨愿意积极参与实验也会增加。每组的实验只持续了4周(共8周),看来这不是足够长的时间达到一个平衡点。然而,看起来价格增加两组第二段可能以较慢的速度上升,达到一个平衡组b一个注意的作者是(由于参与incentivisation设计实验)的参与者没有完全活跃在他们的反应(见本文)的完整细节。另一个观察是,随着实验的进行,参与者开始应对年底获得知识,价格将上涨周期,从而开始改变行为通过购买许可证(pcoins)本周早些时候价格低。我们承认这是一个限制我们的模型,我们的人口不能以这种方式改变他们的行为。
4.2模型敏感性
在基线行为的基础上,我们接受了一些敏感性模型测试证明政策的适用性测试。
4.2.1系数α和准备价格变化δ
两个常数,这可能证明是具有重要影响的操作模型的系数α和价格变化δ,帮助确定许可证价格方程8。因此,我们进行了敏感性测试了这两个输入基线条件下。使用单变量随机均匀分布在200个模拟我们测试α在0.01和0.1的范围(基值= 0.05)和δ0.01和0.5的范围(基础值= 0.1)。我们发现许可证价格不敏感α在基线条件。另一方面,我们找到δ显著的敏感性。当δ高于基础,达到均衡允许价格早(可能会),低的时候需要更长的时间(在一些模拟一个均衡价格没有达到仿真的时间框架内)。然而,并不是所有的δ值导致平线平衡下基线,确实,当两者α和δ不同我们一起获得许可证价格的振荡均衡价格。这是一个启发式的优化问题,我们使用固定的值α和δ。使用固定值价格变化被认为是容易理解的从用户的角度看问题。就我们的目的而言,价值的选择有些武断,但确实带来一个常数平衡在基线将使用在我们的模拟。
4.2.2价格的敏感度
基线下,所有10个使用的组有一个平等的灵敏度0.1许可证的价格。我们现在测试的敏感性模型通过分配不同的敏感性和团体之间,在表2。PS1和PS2也有平等的敏感性但双半的价值基础,所以交易不发生。PS3-5组之间有不同的值但具有相同平均敏感性为基础。在这种情况下,交易发生的较低的价格敏感性鼓励出售,虽然只有几周的模拟。可能较低的政策目标开始,逐渐增加可能会鼓励一个过渡而价格增加,也可以减少额外的银行许可证。
4.2.2.1许可证价格
所示图3一、价格敏感性的个体有重要影响的关键模型的结果,尤其是时间的确定目标和最终的均衡价格。如同预料的,低的价格敏感性导致更高的均衡价格和时间来达到目标,需求本身更多的是由于更高的支付意愿。这种模式依赖于所有个人,平均价格敏感性的表2。
注意,所有场景除了PS7导致平整线平衡。PS1和PS3-6有相同的平均价格敏感性,但组间不平等的敏感性(一些对称,不对称)。然而应该指出的是,某些平均价格敏感性会导致不恒定的平衡,类似于不同α的影响和δ在前一节中讨论。当然,在现实中不太可能价格敏感性将导致一个“整洁”平衡,这在某种程度上是一个启发式的算法效果定价我们用来保持简单。作为一个例子,PS7,显示所有组敏感性是0.11。我们看到有一个振荡平衡在3.527和3.7之间(0.175单位),价值略低于基础(如平均价格敏感度较高)。比较的结果app-based lab-in-the-field实验(品牌et al ., 2020)(许可证在哪里理论),允许价格还发现波动,但大多保持一个平衡范围内(嵌入图像图3)。解释的形状波动,总允许持有和使用系数,α,分配许可证(见方程8:30±0.05)的第一天,所以没有价格变化引起的。有足够的许可来满足个人需求,更多的销售(通过那些高价格的敏感度)比买(价格敏感度较低的)。系统中多余的允许超过α第二天因此负价格发生变化,导致需求的增加,直到再次许可证可用性和需求的平衡α到年底,第三天到第四天,一个新的价格达到均衡。在这段时间里,允许销售一直低于允许购买所以到了第四天库存允许负导致系统内的许可证总数超过总分配许可证+α(30.05),导致购买价格的增加和需求减少。因此,我们看到不平等的销售和购买价格均衡是敏感需求(交易),以及α和δ,这是在简单的情况下不明显。虽然这些价格波动可能是更现实的,还应该考虑用户可能不会迅速波动价格反应良好。然而应该指出的是,我们已经阻尼的价格反应α系数,以缓解反应迟缓的理解更被动的方法相比,和我们的时间步只有0.25,所以交易进行一天4次而不是更频繁的价格变化的实验品牌et al。(2020)。
4.2.2.2允许使用
当考虑异构组之间的价格敏感性,我们看到交易允许的最低价格敏感性旅行更多的比有更高的敏感性。这也是由于更高的支付意愿。这有利于那些有更高的敏感性,他们更愿意出售他们的许可证(并获得收入),但与此同时,这可能意味着他们的旅游需求还没有完全满足,因为他们一直有效定价的市场,尽管他们已经得到补偿,不像一个类似的道路定价方案交易发生在平衡。为了证明这一点,图3 b显示了五个不同的场景有不同的个体之间的敏感性。这些都是选择在个人,平均灵敏度是相同的在每个场景(基本情况)——这决定允许价格和时间的目标。在所有价格敏感性的场景,包括基础,减少了60%的政策目标是满足(因此均衡价格实现),和旅行相同数量的整体实现。然而,我们可以清楚地看到,那些更高的价格敏感性降低汽车的使用比价格敏感性较低(预期),而且他们补偿,具有最高的最终预算,由于销售许可证以及买的少了。例如,在魔法石第六章当每个组都有不同的价格敏感性,第一组,最高的灵敏度,减少汽车的使用,1.4 /周结束的时期,但是也有最大的剩余预算(见约121台图3 c)。这个销售(以及相关的交易)不最初发生的第一个周计划它类似于道路收费(多余的许可),因为起始价格足够低,那些高价格的敏感度更愿意购买而不是出售。我们的预算模型是相对简单的,因为我们一开始每组与相同数量的预算(25)和允许消极预算的成本每组(假设,预算可以从其他地方)。然而,最终预算总额(在所有组)在每个场景都是一样的(158.88),因此我们可以说,总预算中重新分配以不同的方式。如果我们考虑到这些高敏感性表明最富裕的社会,那么我们就可以表明,基金的交易提供了一个公平分配。与这样的假设,然而,有一些谨慎,因为它也可以把这些容易over-sacrificing必不可少的旅游需求。指出,这158.88个单位的最终预算总额低于最初的总预算250辆。这种差异来自初始许可之前从银行购买出售和交易开始是在我们计划这可以允许的。这种“损失”银行的收入可以减轻通过增加初始许可价格(我们在这项研究中没有模仿)——尽管如果它被设置过高,银行可以同样亏损风险如果允许销售当没有需求。另外,从一个较低的目标与逐渐增加过渡时期也可以减轻这些影响。
4.2.3每日偏好
正如前面所解释的那样,我们认识到,很可能个人可能更愿意使用他们的许可证在每周的特定日子。我们测试了这些偏好的影响通过分配两个五个工作日的“理想的汽车使用”(0.9)低于其余3天(1基本相同)。DP1所有团体有不同的偏好模式,在DP2有五个偏好模式每个分配到两个组,和DP3-6所有组都有相同的偏好模式(DP3-6-M之间不同,你,W;W, Th, F;你,W,;米,W, F)。应该注意的是,因为我们不投机或反应性交易模型(参见前面的解释)和我们造型每天表示每天的目标,这种方法的偏好是说明性的而不是展示具体的行为,我们希望在一个真实的计划。
4.2.3.1许可证价格
我们发现,当这是在模型中实现,许可证的平均价格达到一个“振荡”平衡允许敏感性不同一天(图4 a, B),虽然住在一个平衡我们前面讨论的范围。我们承认,这可能是部分原因是启发式的价格变化的函数,随着变化类似于我们发现PS7,尽管non-etheless一些有趣的动态观察关于使用(见下一节)。首先,尽管所有遵循相同的均匀增加价格在最初的时期,找到平衡(通常)下级比基础和更快。这是由于较低的总体平均每日所需的汽车的使用比基础,进而影响平均价格的敏感性,我们已经确认为决定均衡价格。的基础,理想的汽车的使用被认为是一个对于所有组5天。然而,振荡之间的不同场景,尽管总体价格敏感性和日常的偏好是相同的。DP1和2演示异质性,导致同样的模式允许价格,振荡在3.5和3.65之间(0.15单位)。与偏好DP5和6周中均匀分布在本周,振动在3.475和3.7之间(0.225个单位)和3.475和3.725(0.25单位)(职责)。然而,两种极端情况下,DP3 DP4,偏好时出现在本周的开始或结束,和注意,这两个场景有相反的轨迹图4 b之前,随着价格的上升下降上升前DP3和秋季DP4。在这些情况下,均衡价格高于DP3-oscillating基地在3.925和4.1之间(0.175单位),远低于其他场景DP4,而振荡在3.075和3.325之间(0.25单位)。
4.2.3.2允许使用
正如前面解释的,在这种情况下,两个5天每天低于1的偏好,所以总体平均低于基础。所示图4 c,我们发现大多数场景导致几乎每周会议的目标30许可证(一次平衡),DP1、2和5是略高于DP6略低于目标,而极端场景DP3 DP4明显低于和高于目标。此外,我们可以看到图4 d在这种情况下,要么是有赤字或盈余的许可。DP3极端的例子中,所需的驾驶天是一周的开始,意味着增加一般允许使用之前(大于0.6 /天)的目标,所以没有卖给银行,导致银行产生更多的许可证来满足需求,推高了价格在整个星期。但也是如此,随着需求减少的最后一周(低于0.6的目标使用/天),多余的许可销售,减少目标是巅峰之(28日/周)。而在另一个极端的例子,偏好在本周末(DP4),平衡就会更早地以更低的价格,但没有减少所需的目标(32 /周)。虽然少量的许可销售本周初当需求低,没有销售当需求增加对本周结束,所以银行产生更多的许可证和目标是错过。当偏好天散布到整个星期,如DP5 DP6,交易更加平衡和平衡日常目标更接近于0.6。这一发现表明重要性理解异质性社会日常旅游偏好时的成就目标和分配许可。我们没有代表的是整个星期改变偏好的影响,推测或应对预期价格变化,只是每日偏好在某些天低于基地。揭示了这种方法是每日的偏好会影响平衡允许在深刻的价格在未来的工作方法,值得进一步研究。
4.2.4分配
在这个项目中,我们感兴趣的设计治理框架,允许一个ttp达到减少汽车的使用,在不增加社会不平等。这个设计的关键是允许个人分配的方法,因为这承认现有运输相关的社会公正问题。两种方法来分配,选择平均分配在所有汽车用户:包含non-car用户,并根据需要配置。在表3我们选择许可证分配之间总凭许可证经营)(30组。所有其他属性(价格敏感性、期望的偏好,当前使用)保持基本情况。在a1a3 non-car用户分配允许等于,两倍半的汽车用户(职责)。A4-A8汽车用户之间不平等的分配,和没有non-car用户。
4.2.4.1许可证价格
在所有配置场景许可证价格上涨和均衡价格基本场景下是一样的。这是因为允许系统中可用的总数总是相同的许可销售和许可的需求总是以同样的方式。这些不同于基地组织之间的交易行为是允许现在交易系统中(尽管在每个场景中以不同的方式),而不是只从银行购买多余的许可在基地。
4.2.4.2允许使用
正如所预期的那样(因为价格是由需求),允许使用总也为所有分配方法基本相同。
4.2.4.3事务和预算
有趣的是,当考虑到不同的分配方法是交易行为和结果的变化影响个人的预算。基本情况下不允许销售在整个时期。当non-car用户分配许可,汽车用户平等分配,允许销售以恒定速率。注意,在这个模型中出售率依赖于可用的许可证(方程6),而不是在对需求的反应。这么早的时期,当允许价格是最低的,日常使用高,但不允许出售。此外,当汽车用户组分配比一个人一天需要许可证,然后将出售比例许可(和倾向于减少旅行一样组较低的需要了解后,价格敏感性也占了)。另一方面,汽车用户组分配较低比需要需要购买许可证,而他们当价格低于均衡价格在早期的模拟,并可用于需要满足由于更高的销售额比基本情况。
就像在表4,这些复杂的交易有不同的分配方法会导致非常不同的最终预算为每个组比基本情况所有的车主都是平等和non-car开始有同样的预算(因为他们没有任何的凭许可证经营)。与基地,所有场景仍然承担额外的许可在早期从银行购买除了这些与non-car交易,所以一些钱丢失的系统,尽管所有场景都有相同的最终总预算(同样是给银行在早期)。因此,当non-car分配许可,他们有能力让利润(汽车使用的外部性补偿)汽车用户为代价的。所以我们得到相同的最终用途和许可证的价格,但所有的车主都是口袋相比基本情况没有发生(交易),和non-car用户保留更多的总预算。在这个阶段,当系统处于平衡状态,交易发生汽车用户和non-car-users之间,比基础更高效,因为它减少了资金转移到银行。同样地,当汽车用户分配爱慕允许更高的需要,他们可以出售许可证利润(尽管我们接受现实中他们可能需要使用他们看见后,添加敏感)。或者,这可能被视为一种补偿给他们额外的困难他们可能面临减少汽车的使用比其他汽车用户。
4.3结合场景
为更现实的场景我们需要考虑组合的敏感性测试进行价格敏感性,每日偏好,分配,以及考虑不同的电流分配使用和组的大小。
4.3.1 CS1: Non-car组大小
在基本模型,我们只有一个non-car组,由一个个体。我们假设每个人每天一次,那么这将是大约9%的旅行。在英国,大约68%的通勤旅行的汽车在伦敦(尽管这是27%)(DfT, 2021)。有很多人不使用一辆车(通过选择或能力),因此可以认为[been-e.g。,Wadud (2011)),只允许系统可能是公平的,如果允许分配在整个人口,这甚至可能包括孩子。因此,我们期望的群体大小non-car大于9%我们已经考虑到目前为止。在接下来的场景(见相结合表5),对于CS1, CS2,我们增加了non-car集团大小10 (CS1.1——所以等于汽车用户)和20 (CS1.2-so超过汽车用户)。测试一个极端的例子我们也考虑会发生什么,如果现在还不知道谁是汽车用户和non-cars用户这样一个假设是,不仅non-car汽车用户组是相同的大小,而且他们也相同的汽车用户期望的旅行速度(CS1.3)。在现实中,这不会是一个分配的方法,我们希望当局有知识的旅行总数(例如,通过交通计数),并能够识别汽车用户(例如,通过汽车所有权)。所有这些场景都允许敏感性和日常偏好设置基本情况。
non-car团体大小增加用户(CS1.1 CS2.1)不影响许可证价格,或倾斜的许可证数量,如图所示图5 a, B。这是因为虽然在这两种情况下汽车用户分配更少的许可,有足够的许可可供购买non-car用户(从银行)和过度以同样的方式来满足需求。CS1.3为我们的极端情况下,我们看到,允许价格实际上变成了-(我们接受这是不合理的和仅供说明)的市场已经充斥着允许旅行,永远不会在现实中进行。我们有一个总数的60允许系统中,但只有50旅行必须满足汽车用户偏好的一次/天。因此,尽管使用的许可证数量减少的目标似乎是遇到真正的减少旅行。这表明的重要性,以此为基础建立基线活动允许发行和分配。
同样有趣的是对个体的影响最终的预算(图5 c)。回忆在基础条件下,银行可以产生额外的许可来满足需求,这需要一些钱从系统中出来。这仍然发生在CS1.1 CS1.2,但在CS1.3有足够的许可证卖给银行超过满足需求。一旦non-car组增加汽车用户需要花费更多的(因为他们需要更多的许可证,以满足他们的需求),但每个non-car个人赚更少的钱(如许可证已经与一个更大的集团)共享。再一次,这表明仔细考虑应该给谁是包括在分配,以确保正确的人补偿(例如可以分配到家庭或个人)之间的区别。模型中我们看到一个怪癖有关极端的例子CS1.3-permit价格是消极的,但按照方案设计个人被迫出售许可证,所以实际上non-car集团支付汽车用户许可。这显然不是一个最优的方案设计。进一步区别分配唯一的场景是我们发现scenarios-whereas之间的整体预算不是恒定的基础我们有一个184年的总体预算,这滴772−−1161年和1626年在CS1.1分别CS2.2和CS1.3。这是因为有更多的比基本情况允许系统中。
4.3.2 CS2:分配根据价格的敏感度
分配根据价格敏感性测试,出发表6(目前的使用设置为5,与基本相同),我们认为个人价格敏感性,允许价格的影响,发现异质性的价格敏感性影响均衡允许价格和可能导致那些更少旅行对价格高度敏感,但赚取更多的收入。这可能被视为一个适当的再分配财富,但另一方面可能意味着比旅游需求没有得到满足的价格高度敏感(他们可能已经在其他方面更脆弱)。同样,我们已经考虑如何分配更多的许可与特定需求组可以让目标得以实现在同一许可证价格作为基准,但额外需要补偿。换句话说,如果一个人价格更敏感,然后他们有资格获得额外的需求,因此也应该有更高的分配。对于所有这些场景设置每日偏好和当前使用的基本情况。
在所有这些场景中,允许价格再次遵循相同的过程为基础,和目标。平衡每周允许使用PS3是一样的(只有一个价格敏感性的差异),在更高的价格敏感的群体减少两次/周,降低敏感组减少四次/周。正如我们之前设置的场景相结合,不同的是再一次的交易行为和最终预算组(图6)。
当分配价格敏感性(CS2.1),那些高价格的敏感度比两个基地,A4(根据需要分配,没有会计等敏感性但non-car用户),和PS3,比低敏感性差。因此,在CS2.1,尽管那些高价格的敏感度可能仍然减少旅行多低的价格敏感,他们出售许可得到补偿。如果non-car用户包括在分配相同数量的许可证的低敏感组(CS2.2),他们略不如non-car基地,都是汽车用户CS2.1,虽然略微。最后CS2.2 non-car用户类似于A4表明预算分配汽车用户允许根据需要不影响补偿non-car用户。
允许分配,CS2.3减半non-car(相比低敏感的汽车用户),然后汽车用户类似于CS2.1 CS2.2,尽管高敏感的用户和non-car比A4或PS3好得多,牺牲non-car用户。然而,non-car远低于CS2.2由于他们一半分配。因此,减少non-car补偿为汽车用户受益有限。更大non-car集团(CS2.4)导致所有组不如CS2.1和CS2.2。因此,在领域有很大一部分non-car用户,分配到组对汽车用户可能更有问题的(政治),和分配部分non-car用户必须仔细测试。
从上面的讨论,我们可以得出结论,对价格的敏感度分配需求可以有利于那些高价格的敏感度没有损害non-car用户,但这样做的公平在整个人口依赖组体积占。在现实中这样的挑战将是在识别那些高价格的敏感度,这可能是与收入或额外的需求(例如,不能使用其他模式由于某种原因)。
4.3.3 CS3:分配根据价格的敏感度和日常的偏好
除了假设那些高价格敏感性可能需要额外的许可证,然后我们也可以认为那些个人不得有特定的日子是最敏感的。因此,作为出发表7,我们开发了7个场景理解这可能影响ttp的成功。
所示图7,七个CS3场景导致均衡价格不同基础和单一的场景,这是低和不恒定。这是因为汽车用户的一半都较低的电流(3)和日常使用偏好。由于dis-equilibrium策略目标并不完全满足(每周24.03许可使用而不是24)。
最终的预算CS3所示图7 b。比较最后预算CS2.2(分配根据价格的敏感度),当当前每天使用偏好较低与高价格的敏感度(CS3.2),低价格敏感的汽车用户稍好,而其他组略有恶化。高度敏感组最受益CS3.4和CS3.5(比CS2.2下),但以牺牲其他团体。在CS3.6 CS3.7, non-car大小为10组,所有组织都更糟。因此,从这些结果,我们可以推断,当占每日偏好和当前使用符合价格敏感性,重要的是要分配需要,包括分配non-car用户,这允许补偿non-car用户对汽车用户有限的影响。
相同的许可证可以假定的价格行为,同样允许使用行为是发生在所有CS3场景。类似于我们的发现对于价格的敏感度4.2.2.2节,我们表明,组较低价格的敏感度降低了旅行不到那些高价格的敏感度,我们发现高使用组不减少汽车的使用符合目标,从1 /天减少到0.85,而不是0.6 (图7 c)。另一方面,较低的使用组减少了汽车的使用目标远低于0.36 /天(减少使用从0.6 /天0.15左右你,W, Th, 0.06米和0.09 F)。所以,即使他们补偿减少使用,灵敏度更高的价格可能意味着他们做出更大的牺牲他们的低敏感的对等集合替代之,当他们从每天开始允许使用低于他们的预期当前使用(0.54 /天)由于价格的敏感度。虽然这是由于我们的假设,允许事务是由价格敏感,这可能突出论点提供保护(非贸易)补贴。
4.3.4 CS4:不均衡组大小
在我们最后的组合场景中(CS4)我们测试的影响大组相比,哪个驱动器少量小群体驱动大量。我们组1 - 5设置为当前使用的每周3天但是一群大小5,而组6 - 10作为基础水平。在这种情况下,类似于CS3,平衡允许价格低于基础和不恒定。有一个更高的初始数量的初始旅行(100),导致更高的目标数量的许可证(60),这是不完全满足由于dis-equilibrium (60.43)。
所示图8,两组减少日常使用,然而组1 - 5,少开车,但含有更多的个人减少使用(超出目标10%)比组6 - 10人带来更多但是更小。这些不达到目标0.6,失踪的20%左右。因此,少数高里程司机中以牺牲大多数越野车司机。这可能被视为不公平(特别是一般里程高与高收入),但这里我们不考虑开车的原因,对于一些可以合法的汽车的依赖。
5讨论和结论
5.1政策建议
从显示的结果在前一节中我们已经提出以下看法:
•ttp的模仿和简单的启发式算法对增量价格变化非常敏感,以及整个人口的异质性。
•与同质组在基线条件下均衡价格没有交易发生和用户简单的旅行所需的数量,从初始值减少。达到平衡之前有一个过渡时期,银行销售许可证来满足需求,这可能导致钱离开的用户组根据价格和需求。最初在我们的例子中,价格低,这样用户支付银行过剩的许可。
•有两种类型的平衡。基线下,没有交易发生在同质组,目标是满足人们只是来平衡,允许用于自己的目的。其他形式的平衡,发生在所有异构情况下,交易发生之间的组织和一些组织将继续为他们的旅游需求而其他人支付每周收到钱在接受补偿低于首选旅游水平。
•贸易(车主)不发生在开始的计划如果设置初始许可价格太低了。虽然政策目标可能遇到(或接近)在所有场景建模这里一旦达到一个平衡允许价格,这可能没有影响整个人口。那些拥有更高的价格敏感性出售他们的许可证,允许再分配财富的人口,但这可能导致旅游需求最脆弱的(可能)不满足。
•允许根据需要配置可能需要纠正这种和可能会进一步提供一些补偿,但也可能导致需求没有被满足。在这种情况下,我们认为“保护许可”可以提供一个解决方案。
•每天有不同偏好的人口将会影响个人的均衡允许价格和最终预算。这个异质性的人口将会或多或少甚至在一个聚合的水平,但如果喜欢天是同质的目标可能是错过了。
•包括non-car用户在配置允许补偿那些可能会影响汽车的使用,鼓励交易的外部性,而不是从银行购买额外的许可证。这将导致进一步的费用为汽车用户,大小的依赖non-car用户的数量在人口和许可的一部分分配给他们。
从这个我们可以提供初步的政策建议。首先我们将倡导ttp正在考虑在政策选择减少私家车出行,我们已经表明,目标可以实现(如果价格敏感性匹配目标)。这可能是与道路收费计划(帕丁森et al ., 2022)。很明显,一个准确的基线行为的理解基本是这将是可用许可证的数量的行列式。随着实时访问,“现实世界”数据来自新和新兴技术,这可能成为现实哈里森et al ., 2020)。然而,谁是包括在分配和许可证是如何分配公平的一个重要方面是ttp。符合公平负担参数(坦克,2020),一个ttp可能是有益的对于那些已经更多的富豪仍然可以支付更高的旅行,而较不富裕可能未满足的需求。虽然这将意味着一些资金再分配整个人口可能不足以补偿,和那些有特定需求在ttp旅行需要一些保护措施。因此,任何分配在一个ttp将需要考虑价格的敏感度和旅游现有的汽车用户的需求。例如,可能需要一定的许可(即保护。,not tradable) so that all users are guaranteed a certain minimum amount of car use. In reality, this could be problematic. If everyone is allocated a portion of free non-tradable permits then many of these permits may go unused, or could push up car use for those who are currently driving below the threshold amount (who use them because they can). Some users with both high need and high price sensitivities may still wish to sell if the price is high enough, so allocating non-tradable permits (or even an exemption entirely from the TTPS) may be required. It is also conceivable that if there is low price sensitivity across the population then permit price may continue to rise and not reach equilibrium within a desired time frame. In such a situation, there may be a political decision regarding a maximum permit price that acknowledges that the reduction target is not met. In addition, we would strongly recommend that non-car users are included within the allocation, to ensure fair compensation for externalities. It could also be argued that those individuals could then be allowed to carry out a car trip should they wish, though we did not model this. Although we did not consider who to include as a non-car user (e.g., children), we did identify that the larger the non-car use allocation the greater penalty on car-users. Although decisions on allocation portion and inclusion are political, a model such as this can help form such debates. Finally, we recognise that our base case is somewhat arbitrary and that the sensitivity to incremental price change is related to the heuristic algorithms we have implemented, so recommend that starting price and price change behaviour could be modelled dynamically and proportional in future developments. Though there will be a balance here with the reliability of an infrequent price change that would encourage acceptability.
5.2的局限性和未来的工作
ttp的我们有了一个非常简单的模型,旨在说明高层政策潜在的方案。我们模仿简单的ttp的基本假设一辆车旅行每天/每周工作5天,而不是包含ttp的细节,提出了在文献中访问权限等车辆英里或停车(见表1)。额度有效期只有一个星期,而不是多阶段,初始分配是免费的。这些设计会影响计划的有效性和效率,这样可以开发方案设计考虑将来的工作。我们专注于价格敏感性,每日的偏好和分配可以清楚地导致更多的场景虽然我们提出了那些我们发现在本文最有趣的。特别注意,更详细的和微妙的每日偏好的发展,反映旅游习惯和交易行为,以及每周的考虑使用而不是我们模拟日常使用可以大大提高这种方法提供的洞察力。在其他方面,我们采用的启发式定价方法可以适应更适应和洪。
除了算法和场景的设计,还有很多其他的领域我们可以细化模型超越了简单的假设,我们在我们的讨论和详细的。除了这些,我们未来的工作可以关注更实际的长期政策,如提出了ttp的组合与道路收费(可以是本地或国家),或以外的ttp设计可以扩大汽车使用Mobility-as-a-service包的一部分来帮助计划旅程更为明智的选择可能会加速时间目标以及均衡市场价格低。这两个也可以进一步提供有趣的关于股票的结论。然而,应该指出的是,这是一个微观模型来理解预期的这样一个每周的动力学系统。长期影响模型的输出将被集成在完善LUTI模型,火星(Pfaffenbichler et al ., 2008之间),旅行是代表特定OD对研究区域内,它可以对其他评估新的流动性的政策和计划。
6结论
贸易运输许可证计划(ttp)提供一个公平的潜力巨大,高效和可持续机制减少运输外部性。但是,没有大规模的计划已经实现在任何国家,面对批评的可接受性和复杂的方案设计。在这个简单的系统动力学模型中,我们展示了如何运输相关不等式相关价格敏感性和需求可以被认为是在ttp的设计,这样可以减少汽车的使用和符合政策目标,均衡有或没有发生交易。ttp设计需要仔细考虑,特别是关于许可证的分配在整个人口,以确保它是公平、高效和可持续的。
数据可用性声明
原始数据支持了本文的结论将由作者提供,没有过度的预订。
作者的贡献
GH和SS开发和设计模型。GH执行初始开发的场景和分析结果,指导下的党卫军,GH起草和修订后的手稿。学生回顾和修订后的手稿。
资金
资金提供了通过ESRC和由JPI-Europe见血封喉的项目(格兰特裁判:ES / T000074/1)。
确认
感谢同事在毒害他们的早期反馈工作。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/ffutr.2023.994349/full补充材料
脚注
1学分和许可之间有细微的差别,但是我们没有房间在这里讨论这个。为了便于我们使用术语在本文许可证。
引用
品牌,d K。,Verhoef E。T., Knockaert, J., and Koster, P. R. (2020). Tradable permits to manage urban mobility: Market design and experimental implementation.透明。政策Pract >部分。137年,34-46。doi: 10.1016 / j.tra.2020.04.008
品牌,D。,Verhoef E。,和Knockaert, J. (2021).Pcoins停车:田间试验与贸易流动许可证。Tinbergen研究所讨论文件(TI 2021 - 029 /八世):Tinbergen可用学院:https://papers.tinbergen.nl/21029.pdf
布里斯托,a . L。Wardman, M。,Zanni, A. M., and Chintakayala, P. K. (2010). Public acceptability of personal carbon trading and carbon tax.生态。经济学。69年,1824 - 1837。doi: 10.1016 / j.ecolecon.2010.04.021
•德•帕尔马。,和Lindsey, R. (2020). Tradable permit schemes for congestible facilities with uncertain supply and demand.经济学。透明。21日,100149年。doi: 10.1016 / j.ecotra.2019.100149
DFT (2021)。从1952年(TSGB0101)客运模式:交通部,h . g . (ed)。多种:https://www.gov.uk/government/statistical-data-sets/tsgb01-modal-comparisons(21/06/22访问)。
Dogterom, N。包,Y。徐,M。,和Ettema, D. (2018). Acceptability of a tradable driving credit scheme in The Netherlands and Beijing.螺柱。透明。政策6,499 - 509。doi: 10.1016 / j.cstp.2018.06.003
Dogterom, N。Ettema D。,和D我jst, M. (2017). Tradable credits for managing car travel: A review of empirical research and relevant behavioural approaches.透明。牧师。37岁,322 - 343。doi: 10.1080 / 01441647.2016.1245219
粉丝,J。,He, H., and Wu, Y. (2016). Personal carbon trading and subsidies for hybrid electric vehicles.经济学。模型。59岁,164 - 173。doi: 10.1016 / j.econmod.2016.07.005
粉丝,W。,和Jiang, X. (2013). Tradable mobility permits in roadway capacity allocation: Review and appraisal.透明。政策132 - 142年。doi: 10.1016 / j.tranpol.2013.09.002
高,G。,和Hu, J. (2015). Optimal tradable credits scheme and congestion pricing with the efficiency analysis to congestion.离散动力学。Nat, Soc。2015年,1 - 6。doi: 10.1155 / 2015/801979
戈达德,h . c (1997)。使用可交易许可证来实现可持续发展是世界上的大城市:政策设计问题和效率条件控制汽车尾气排放,交通拥挤和城市分散与应用程序到墨西哥城。环绕。Resour。经济学。10日,63 - 99。doi: 10.1023 /: 1026444113237
Grant-Muller, S。,和Xu, M. (2014). The role of tradable credit schemes in road traffic congestion management.透明。牧师。34岁,128 - 149。doi: 10.1080 / 01441647.2014.880754
哈里森,G。,Grant-Muller, S。M., and Hodgson, F. C. (2020). New and emerging data forms in transportation planning and policy: Opportunities and challenges for “Track and Trace” data.透明。>部分C紧急情况。抛光工艺。117年,102672年。doi: 10.1016 / j.trc.2020.102672
Harwatt, H。,紧,M。,布里斯托,a . L。,和Guehnemann, A. (2011). Personal Carbon Trading and fuel price increases in the transport sector: An exploratory study of public response in the UK.欧元。透明。\ Trasporti Europei47岁,47 - 70。
贾,S。,Yan, G., Shen, A., and Zheng, J. (2017). A system dynamics model for determining the traffic congestion charges and subsidies.阿拉伯科学与工程》杂志上42岁,5291 - 5304。doi: 10.1007 / s13369 - 017 - 2637 - 5
Krabbenborg, L。E等。,一个nnema, J. A., and Van Wee, B. (2021). Exploring the feasibility of tradable credits for congestion management.交通规划和技术44岁,246 - 261。doi: 10.1080 / 03081060.2021.1883226
Lahlou, S。,和Wynter, L. (2017). A Nash equilibrium formulation of a tradable credits scheme for incentivizing transport choices: From next-generation public transport mode choice to HOT lanes.交通研究B部分方法论101年,185 - 212。doi: 10.1016 / j.trb.2017.03.014
Miralinaghi, M。,和Peeta, S. (2018). A multi-period tradable credit scheme incorporating interest rate and traveler value-of-time heterogeneity to manage traffic system emissions,雷竞技rebat前沿建筑环境4所示。doi: 10.3389 / fbuil.2018.00033
Mladenovićm . N。阿巴斯,M。,Roncoli, C., and Chenani, S. B. (2019). A cooperative framework for universal basic mobility system: Mobility credits approach.IEEE智能交通系统会议(ITSC)27日,694 - 701。
瑙曼,r . B。,Sabounchi: S。Kuhlberg, J。,年代我ngichetti, B., Marshall, S. W., and Hassmiller Lich, K. (2022). Simulating congestion pricing policy impacts on pedestrian safety using a system dynamics approach.事故分析和预防171年,106662年。doi: 10.1016 / j.aap.2022.106662
帕丁森,工业大学。哈里森,G。马伦,C。,和年代hepherd, S. P. (2022). Combining tradable credit schemes with a new form of road -pricing: Producing liveable cities and meeting decarbonisation goals.可持续性14日,8413年。doi: 10.3390 / su14148413
Pfaffenbichler, P。Emberger, G。,和年代hepherd, S. (2008). The integrated dynamic land use and transport model MARS.网络和空间经济学8,183 - 200。doi: 10.1007 / s11067 - 007 - 9050 - 7
Raux, c (2011)。排污权交易在运输部门。艾许,萨里约翰利Eurotext。https://shs.hal.science/halshs-01741368/document。
Sabounchi: S。,Triantis, K. P., Sarangi, S., and Liu, S. (2014). Dynamic simulation modeling and policy analysis of an area-based congestion pricing scheme for a transportation socioeconomic system.交通研究部分政策和实践59岁,357 - 383。doi: 10.1016 / j.tra.2013.11.007
Verhoef E。,Nijkamp, P., and Rietveld, P. (1997). Tradeable permits: Their potential in the regulation of road transport externalities.环境和计划B计划和设计24岁,527 - 548。doi: 10.1068 / b240527
Wadud, Z。,Noland, R. B., and Graham, D. J. (2008). Equity analysis of personal tradable carbon permits for the road transport sector.环境科学与政策11日,533 - 544。doi: 10.1016 / j.envsci.2008.04.002
Wadud, z (2011)。个人碳交易为道路运输许可证:为什么,为什么不,谁赢了?交通研究部分政策和实践45岁,1052 - 1065。doi: 10.1016 / j.tra.2010.03.002
Yu X。,Dong, Z., Zhou, D., Sang, X., Chang, C.-T., and Huang, X. (2021). Integration of tradable green certificates trading and carbon emissions trading: How will Chinese power industry do?《清洁生产279年,123485年。doi: 10.1016 / j.jclepro.2020.123485
关键词:可交易许可证,系统动力学、流动性、交通政策、股权、造型
引用:哈里森G和牧羊人年代(2023)模拟交易运输许可证计划使用系统动力学。前面。未来的透明。4:994349。doi: 10.3389 / ffutr.2023.994349
收到:2022年7月14日;接受:2023年1月10日;
发表:2023年1月30日。
编辑:
乔纳森·科勒,德国弗劳恩霍夫研究所系统与创新分析版权©2023哈里森和牧羊犬。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:吉莉安。哈里森g.harrison@leeds.ac.uk