本战略计划提出了 40 项将在未来几年指导 TLC 的举措,包括使车队电气化、确保所有纽约人都能享受到服务、使车辆设备现代化以及调整票价和费用。这些举措反映了与出租车咨询小组的对话,该小组是一个由出租车行业各个部分的成员组成的工作组,包括司机、牌照所有者、代理商、技术提供商和保险公司,自 2021 年 1 月以来一直定期开会。战略计划还反映了通过其他论坛与许多行业利益相关者的讨论,包括会议和听证会,以及 TLC 的内部研究和对话。我真诚感谢出租车咨询小组成员和其他行业利益相关者的深思熟虑的贡献、见解和建议,这些为本战略计划中提出的大部分内容提供了信息。
证据表明,出租车通常用于在酒店,酒吧和其他被剥削的地方运送儿童(男孩和男孩)。因此,出租车司机能够发现剥削的迹象不仅是一个好主意,而且是他们的责任。被剥削的孩子可能无法完全表达自己是剥削的受害者,或者他们可能不会轻易地将自己视为受害者,因为他们可能会被拒绝或害怕,因为他们仍然可以被拒绝,否则他们认为剥削者是他们的朋友,伴侣或关心他们的人。出租车司机处于独特的位置,可以注意到车辆中的乘客可能不正确,将他们的担忧传递给警察,并有可能使孩子免于剥削的噩梦。
议会有法律义务改善整个地区的空气质量,特别是污染严重的地区,例如城镇和城市中心。出租车和私人租用车辆 (TPH) 对空气质量的影响尤为严重,进而影响人类健康。这是因为它们行驶的里程相对较高,而且在繁忙的城市地区,如市中心、火车站和汽车站以及超市等行人众多的地方,它们的浓度较高。这些车辆产生的排放不仅影响当地居民的健康,还会影响司机的健康,因为他们每天可能会暴露在恶劣的空气质量中 8 到 12 小时。当地交通占氮氧化物排放的 80% 左右,而且由于 TPH 贸易大部分是本地的,尽管车队只占城市地区当地交通的一小部分,但却是总量的很大一部分。2016 年之前生产的车辆造成了大部分当地空气污染。
使命:我们的使命是将太空知识带到基层,激励学生成为未来的太空领袖。愿景:通过集中式方式建立全面的生态系统 - 研讨会、移动天文馆、太空节、活动、竞赛、移动实验室、博物馆、线上和线下课程以及有影响力的评估。
在我们的讨论中,我们非常清楚地认识到,我们城市的出租车行业正处于危机之中,现在是采取紧急、大胆行动来补救这种情况的时候了。随后的报告列出了几项切实可行的建议,供我们的地方、州和联邦政府采取行动应对这场危机,改善纽约市出租车司机的经济状况。其中一些是常识性的解决方案,比如禁止认罪或加强对非法街头叫车的执法力度。其他一些可能需要更多的创造力和坚定的决心,比如为深陷债务泥潭的出租车司机建立贷款购买和修改计划的提议。然而,我们认为,不采取任何行动只会加剧目前阻碍这个行业发展的问题。
现在处于第三次迭代中的航空出租车准备指数(ATRI)是一种工具,可以帮助衡量即将到来的60个选定领土上即将到来的乘客和货运垂直起飞和降落(VTOL)车辆的准备水平。这是一个综合指数,将近50个个人的现有指标结合在一起,从一系列来源组合到一个分数中。指标是在五个支柱上安排的:消费者接受;基础设施;政策与立法;技术与创新;和商机。得分基于预先存在的毕马威(KPMG)和第三方二级源(结束)的归一化结果,并应用了加权以反映指标相关性作为代理。每个领土都会获得每个支柱的分数,这些分数在国家一级汇总为总数,然后我们将其转换为60个领土的相对排名。1
本文表达的任何观点均为作者观点,而非 IZA 观点。本系列中发表的研究可能包括政策观点,但 IZA 不代表任何机构政策立场。IZA 研究网络致力于遵守 IZA 研究诚信指导原则。IZA 劳动经济研究所是一个独立的经济研究机构,开展劳动经济学研究,并就劳动力市场问题提供基于证据的政策建议。在德国邮政基金会的支持下,IZA 运营着世界上最大的经济学家网络,其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究、政策制定者和社会之间架起桥梁。IZA 讨论文件通常代表初步工作,并被分发以鼓励讨论。引用此类文件时应说明其临时性质。修订版可直接从作者处获得。
人工智能 (AI) 有可能彻底改变就业格局 (Brynjolfs-son 等人,2018 年)。1 然而,人工智能对就业的影响可能与过去的技术(包括 IT 和机器人技术)截然不同,后者被认为可以增强技能并加剧不平等 (Autor 等人,2003 年;Bartel 等人,2007 年;Acemoglue 和 Restrepo,2020 年)。过去的技术取代了手工和常规任务,而人工智能将取代非常规认知任务。事实上,Webb (2020) 记录显示,人工智能技术主要影响高技能职业,因为人工智能取代了需要高技能工人所具备的技能类型的任务。所有研究人工智能影响的研究都考虑到了不同职业受到人工智能影响的程度,并根据每种职业受到人工智能的影响程度对不同职业产生了不同的影响(Felten 等人,2018 年、2019 年;Frank 等人,2019 年;Webb,2020 年;Alekseeva 等人,2020 年)。因此,这些研究隐含地假设该职业中的所有工人都受到人工智能的一致影响。2