Unveiling drivers of sustainability in Chinese transport: an approach based on principal component analysis and neural networks
Lade...
Autor:in (Körperschaft)
Publikationsdatum
2023
Typ der Arbeit
Studiengang
Typ
01A - Beitrag in wissenschaftlicher Zeitschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Transportation Planning and Technology
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
46
Ausgabe / Nummer
5
Seiten / Dauer
573-598
Patentnummer
Verlag / Herausgebende Institution
Routledge
Verlagsort / Veranstaltungsort
London
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
The paper analyzes the sustainability of the Chinese transportation sector by examining the relationship between energy consumption (and CO2 emissions), transportation modes, and macroeconomic variables. Principal Component Analysis (PCA) and Neural Networks (NN) are combined using monthly data from January 1999 to December 2017. Our goal is to propose a model that links China's transportation footprint to major macroeconomic factors while simultaneously controlling each mode of transportation. Inflation and credit policies exert relatively weak effects on the explained variable. In contrast, trade and fixed asset investments, as well as monetary and fiscal policies, show a positive and significant impact. The use of waterways and airways plays an imperative role in sustainable development compared to the use of roads.
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
1029-0354
0308-1060
0308-1060
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Hybrid
Lizenz
Zitation
Wanke, P. F., Yazdi, A. K., Hanne, T., & Tan, Y. (2023). Unveiling drivers of sustainability in Chinese transport: an approach based on principal component analysis and neural networks. Transportation Planning and Technology, 46(5), 573–598. https://doi.org/10.1080/03081060.2023.2198517