第2篇　定性研究

第2章　大数据环境下合作式交通运输系统的概念与原理

2.1　引言

人口增长、城镇化、工业化的发展使得中国机动车数量迅猛增长，给城市的环境和交通带来了巨大压力。截至2017年底，全国机动车保有量达3.10亿辆，其中汽车2.17亿辆，机动车驾驶人达3.85亿，其中汽车驾驶人3.42亿。汽车占机动车的比率持续提高，近五年占比从54.93%提高至70.17%，中国城市机动化出行方式经历了从摩托车到汽车的转变，交通出行结构发生了根本性变化。从分布情况看，全国有53个城市的汽车保有量超过百万辆，24个城市超过200万辆，7个城市超过300万辆，分别是北京、成都、重庆、上海、苏州、深圳、郑州^[2]。中国城市的快速机动化引发了交通拥堵、安全事故、环境污染等严重问题，国内外学者围绕如何应对这些挑战展开了大量研究，大体上可以分为宏观、中观、微观三个层面。宏观层面的研究，主要是集中于如何通过综合运用技术、管理、社会、经济、文化等方面的手段来解决城市交通面临的长期不确定的不可持续问题^[3-5]；中观层面的研究，主要是利用“智慧城市”理念和项目应对各种交通现实问题^[6-8]；微观层面的研究，关注个体出行者的决策行为，对交通流的形成和演化规律展开探讨^[9]。

城市交通问题中表现突出的交通拥堵由多种原因引起，从交通运输经济学的角度来看，拥堵是由于交通系统内部供需失衡造成的。其原因一方面可以是供需总量的失衡，即交通系统所能提供的最大容量无法满足出行者的交通需求；另一方面也可以是间歇性、局部性或信息不对称造成的供需失衡，即道路交通系统局部在某些时段内无法满足出行者的交通需求^[10]。有文献将前者称为结构性失衡，将后者称为耦合性失衡^[11]。结构性的供需失衡的特征是全局、静态、长期的失衡，需要通过新建交通基础设施提高道路网络容量来解决，而且，由于交通运输经济学中存在着著名的“当斯定律”，新建的道路设施会诱发新的交通量，而交通需求总是倾向于超过交通供给^[12]，解决结构性的交通供需失衡投入成本较大，短期内不易见效，长期又容易失效。耦合性的交通失衡的特征是局部、动态、短期的失衡，解决起来投入相对较少，是交通管理实践中重点关注的对象。

虽然国内外诸多文献早已关注到交通供需失衡是造成交通拥堵问题的关键所在^{[10][11][13-15]}，但是交通拥堵本质上是城市旺盛的出行需求的个体化和机动化的体现^[10]，因此应从个体出行需求入手，结合交通形成的不同阶段来分析拥堵成因和缓解策略。对于交通拥堵的治理，文献[14]较为全面地分析了国内外治堵的主要思路和难点所在，并提出了中国大城市交通拥堵治理的创新性方案和政策建议；文献[15]指出，交通治理政策生效的关键是能够影响个体出行者的行为决策，并从社会心理学角度构建了城市低碳出行决策过程的逻辑模型；文献[16]和文献[17]系统梳理了美国大都市区交通拥堵的原因和治理措施及其效果，指出其症结在于大都市区的空间结构特征，如郊区社区低密度蔓延、土地利用模式单一、郊区社区的空间设计和道路系统不合理等导致了单一的汽车出行方式占主导位置，使得交通困境长期存在。正如这些文献所指出的，靠单一的措施来治理拥堵难以收到理想效果，需要科学地进行顶层设计，多管齐下。

城市交通运输系统是典型的多主体、非线性、强关联、不确定的动态复杂系统，解决城市交通问题离不开对参与主体行为的分析和预测。从宏观层面而言，城市交通问题的根源在于供需失衡，已有的大量文献进行了这方面的研究。从微观个体决策以及行为角度而言，城市交通问题的根源在于个体在各个决策层面的竞争型行为造成了交通资源的紧张以及由此导致的交通拥堵、噪声污染、尾气排放等“负外部性”，有必要从个体交通决策与出行行为的角度出发，从“底层”的微观主体层面探讨宏观交通现象的影响因素、形成机理以及相应的治理措施。交通系统中有两种典型的个体出行决策行为，一种是争取个体效用最大化的竞争型行为，另一种是考虑到城市交通系统整体效用最大化的合作型行为，在交通流分配理论中，两者分别会导致用户最优均衡（UE）和系统最优均衡的结果（SO），从个体行为选择的角度而言，用户最优均衡（UE）来自出行者最小化自身的边际成本，而系统最优均衡来自出行者最小化平均出行成本^[18][19]。系统最优是出行者采取合作行动的结果，但是它很难自发形成，因为在系统最优状态，某些出行者将会通过转移路径来降低个体出行成本，而这样的行为会提高整个系统的成本，使之偏离系统最优状态^[20]。

进入21世纪以来，人类感知、获取、处理和利用大数据的能力大大提升，基于信息通信技术（ICTs）的各种交通信息服务平台为更智能化、个性化的出行决策提供了有力的工具。有研究表明，信息对于人类合作行为的形成具有重要影响^[21]，如何利用海量的数据以及衍生的丰富的信息资源促进个体在交通决策中做出更亲社会的选择，有效缓解各种由于个体竞争行为导致的交通集体非理性问题，成为交通科学、行为经济学等相关领域的学术界近年关注的一个方向^[22][23]。因此，研究在大数据背景下交通出行中合作行为的形成机制对于消除个体理性行为导致的集体非理性、提高交通系统整体效率、缓解城市交通拥堵、空气污染、能源消耗等负面后果具有重要的理论意义和现实意义。

本章首先分析了交通出行决策问题的特征，讨论不同交通决策场景下实现合作的一般机制，并提出利用大数据促进交通出行合作的分析框架；其次对合作式交通运输系统的含义与结构、具体形式以及实现途径进行总结，探讨存在丰富信息作用下交通行为中的合作机制以及将其应用于指导现实交通问题的解决思路，以期充分利用当下丰富的数据资源和信息通信技术，有效应对新时期中国城市面临的交通挑战。

2.2　交通行为中的合作机制

小到基因细胞，大到人类社会，生命体的生存和发展离不开合作。有学者认为，合作是继基因突变、自然选择之后第三种生物进化机制^[24]，合作对于生物体的适应和进化至关重要。那么，什么是合作？一般意义下的合作是指组织或群体为了一致的目标采取协同行动的过程。在生态学、社会生物学等领域，物种取得生存竞争的先决条件和内在动机是竞争行为，个体倾向于选择能最大程度提高自身收益的自私的策略，显然这与合作的利他属性是相悖的^[21][25]。揭示合作发生的一般机制对于理解人类和自然界其他物种的进化过程至关重要^[26-29]。目前对于交通出行行为的合作机制展开深入探讨的文献还不多见，本节首先讨论城市交通中个体出行决策的特征，然后综合归纳出一般性的交通系统合作分析的理论框架，以此为基础，提出利用数据或信息为中介促进个体由非合作的个体理性向合作的集体理性转变的信息资源池模型。

2.2.1　交通出行决策特征分析

交通运输系统中的个体行为决策是出行者在一定的时间、空间约束条件下，根据出行目的进行判断和选择，制定出行动方案并执行方案的连贯过程，具有明显的决策问题的特点。比如，出行者购买车辆行为的决策，在满足安全性、舒适性、耐用性等目标前提下，会综合考虑价格、配置、性能、质量、品牌、油耗、维护成本、个人偏好、家庭意见等多方面因素进行权衡，属于一个典型的多准则，多属性决策问题。再比如，为了应对日益严峻的交通拥堵及其引发的负面问题，北京、上海、深圳、广州等大城市实施了机动车限行、限购政策，还有不少其他城市正在酝酿实施这种带有强制性的“两限”措施。政府部门在推行政策之前，会综合考虑该类政策对地区经济发展、汽车产业成长、城市交通结构、居民出行等造成的诸多影响，进行综合评估后再谨慎地做出决策，这就属于一个群体（组织）多准则决策问题。

另外，在某些情况下，个体出行者会考虑其他交通参与主体的行为，从而做出策略性的选择。比如，市区居民在节假日去某个市内景点，本来可能选择开车出行，但是考虑到节假日开车去该景点的游客比较多，因此选择公交方式出行。这里，该市民根据其他出行者的行动调整自身的策略，就是一个典型的不完全信息条件下的2×2对称静态博弈问题，其基本的博弈模型要素为：局中人｛出行者，出行者｝，策略集｛开车，公交车｝，支付函数{π（开车，开车），π（开车，公交车），π（公交车，公交车）}。其中，支付函数的三个元素取值为出行者在不同行动方案组合条件下的收益（非货币支出可统一转换成货币成本，收益用负的成本表示）。再比如，出行者根据政府是否征收拥堵费决定自身策略，如果政府征收拥堵费，则出行者选择不开私家车出行，否则，出行者选择开私家车出行。该例子就属于一个不完全信息条件下的2×2非对称静态博弈问题，其基本的博弈模型要素为：局中人｛出行者，政府｝，策略集｛出行者：｛开车，公交车｝；政府：｛征收拥堵费，不征收拥堵费｝｝，支付函数｛出行者：｛π₁（开车，征费），π₁（开车，不征费），π₁（不开车，征费），π₁（不开车，不征费）｝；政府：｛π₂（开车，征费），π₂（开车，不征费），π₂（不开车，征费），π₂（不开车，不征费）｝｝。其中，支付函数的前面4个元素表示出行者的收益，后面4个元素表示政府方的收益。从这两个取自日常生活中的简单例子可看出，现实中许多交通行为均可以描述为交通参与者之间的博弈问题。

事实上，现实中有大量与交通有关的决策行为，要么归结为（狭义的）决策类问题，要么归结为博弈类问题，要么两者兼而有之。这两类问题最主要的区别在于系统中的交通参与者是否存在策略上的相互作用，第一类问题属于非互动决策场景，第二类问题属于互动决策场景。

当用来预测参与者最终将采取何种行为时，可以使用博弈论模型，当用来考察行为的动态过程时，可以运用演化博弈，如果是带有不确定性的情况，还可以建立随机演化博弈模型。事实上，博弈论或者演化博弈作为有效的理论工具已经被广泛地用来分析交通领域的行为及其演化问题。文献[30]对交通出行方式的博弈和演化过程进行了分析，建立了出行方式的演化博弈模型，运用演化博弈理论推导了出行方式选择的演化稳定策略。文献[31]指出，基于非合作博弈的、完全依靠个人理性的行为是导致城市交通问题的重要原因，解决城市交通拥堵需要出行主体的集体合作和集体理性，用集体理性代替个人理性，需要各方之间的合作博弈。文献[32]针对道路网络需求时变的交通流达到均衡的条件以及均衡状态的稳定性问题，运用演化博弈理论和动力系统稳定性理论，建立了多群体、多准则出行选择流量演化系统的动力学模型，讨论了模型解的性质。

2.2.2　交通系统合作行为分析的理论框架

交通系统中存在着竞争型和合作型两种典型的个体出行决策行为，分别导致用户均衡（UE）和系统最优（SO）两种宏观交通状态。虽然对整个交通系统的运行性能和公平性而言，系统最优是城市交通管理者和从业者追求的目标，但是它很难自发形成，有必要从交通出行行为的特征入手，探讨交通行为中合作的形成机制，从而更加合理、有效地提出交通治理应对措施。

2.2.2.1　非互动决策场景下的合作机制

在非互动决策场景下，个体用户依据自身的知识、经验、能力、偏好以及掌握的信息做出决策与判断，这也是通常意义下决策科学的研究领域。在这种决策条件下，存在着两种有代表性的研究范式——标准化范式和描述性范式。决策科学的标准化范式对应于理性决策理论，它与经济学相联系，同时汲取了统计学及某些工程技术的成分；描述性范式对应于行为决策理论，它与心理学，特别是认知心理学有密切的关系。这两种范式中，描述性范式是相对较新的一种，而标准化范式则有着更为久远的历史。标准化范式的基础是理性决策理论，该理论的前提假设为决策者是具有完全理性的“经济人”，其代表理论是期望效用理论和贝叶斯决策理论^[33]。描述性范式的理论基础是行为决策理论，该理论的前提假设为决策者是具有有限理性的“管理人”，其代表理论是西蒙（H. A. Simon）的满意型决策理论^[34]，以及卡尼曼（D. Kahneman）和特沃斯基（A. Tversky）的前景理论^[35]。

非互动决策场景下的决策可以分为合作型决策和非合作型决策两种，如果行为的最终结果有利于系统整体绩效，那么称该决策为合作型决策，否则称该决策为非合作型决策。决策中合作水平的影响因素可以分为两类，即决策主体内生因素和决策主体外生因素。决策主体内生因素由理性因素和非理性因素组成，理性因素包括知识经验、专业技术和技能、解决问题的能力等与决策者的理性认知、推理和判断能力等有关的要素，非理性因素包括各种情绪、情感、心理感受、精神状态和主观偏好等。决策主体的外生因素相对更为复杂，大致可以分为三类：物质要素（有形的物质资源）、运行支撑要素（主要指文化和制度因素）和信息资源。这两大类要素一起共同决定了决策者在决策过程中采取合作行动意愿的强弱，最终决定了系统的实际收益。图2-1描述了非互动决策场景下的合作机制。

2.2.2.2　互动决策场景下的合作机制

互动决策场景下，个体与其他决策者存在着复杂的相互作用，自然选择偏好竞争，生物学意义上的合作意味着自私的复制者放弃一部分生殖潜力去帮助其他个体。认识个体之间存在相互影响场景下合作的形成机制，能够解释自然界广泛的生物进化现象，一直是生态学、进化生物学等领域关注的热点问题。文献[28]讨论了五种合作的进化机制：①亲缘选择；②直接互惠；③间接互惠；④网络互惠；⑤群体选择。不同机制下合作是否出现取决于合作收益和合作付出成本之间的比例。除了这五种基本的合作机制以外，文献[20]指出，信任也是一种重要的合作机制，即在两个个体之间，如果某个体信任另一个个体，则该个体将比较容易采取合作行为，而不论对手是否采取合作行为；反之，如果信任度比较低，则该个体比较容易采取非合作（背叛）行为。在信任机制中，信息资源的使用起到了重要作用。

间接互惠、信任与合作水平三者之间的关系相对比较复杂，简言之，间接互惠与合作水平、信任与合作水平之间具有双向的影响关系。首先，间接互惠和信任两种机制都会影响到合作水平，反过来，个体合作水平越高，越有利于在后续的行动中帮助他人⁽¹⁾，从而主动维持间接互惠的合作机制。类似地，个体合作水平越高，越有利于个体提高对他人的信任度，从而强化已经建立的信任机制。相对地，间接互惠同信任之间则是单向关系，间接互惠会影响到信任，在该机制下，个体对其他个体越是采取合作行为，接收帮助的个体越是有利于建立起对他人的信任关系，从而提高下一步采取合作行为的可能，这说明间接互惠机制影响到了信任机制。相反，信任机制对于间接互惠机制却没有明显的影响作用，即个体出于对其对手的信任采取合作行为，并不会强化个体为了提高其接收到除对手以外的其他个体的帮助而采取合作行为的动机。基于以上分析，我们把文献[21]和文献[28]提到的几种合作机制进行综合，可以得到如图2-2所示的互动决策场景下的合作机制。

将图2-1和图2-2进行组合，可得到如图2-3所示的通用合作机制框架（General Cooperative Mechanism Framework, GCMF）。

2.3　利用大数据资源促进合作

从上节的分析看到，无论是在互动决策还是非互动决策场景下，信息都是影响合作的一个不容忽视的要素。毫无疑问，丰富多样、精确可靠的信息有助于更有效地决策和行动。进入21世纪以来，以大数据的生成、采集、存储、处理和应用为标志的信息通信技术，为构建合作型的交通运输系统、解决城市交通问题带来了希望。大数据是信息经济时代宝贵的资源，如何利用大数据这种信息资源促进人们采取合作的决策和行动，降低交通行为的负外部性，提升系统整体绩效，成为近年来学术界和工业界关注的热点^[22][23]。

通过组织、管理和技术手段实现系统优化的集体理性，是传统的解决思路，现有文献至少提供了三种方法：第一种是基于庇古（Pigou）理论^[36]，其主要思路是：利用强制措施使得私人成本和私人收益与相应的社会成本和社会收益相等，最终系统达到帕累托最优状态。实践中常用的手段有中国某些城市的机动车摇号限购、购买小排量汽车提供补贴、征收过桥过路通行费等，这些都是交通管理中运用庇古理论的例子。第二种是基于科斯（Coase）定理^[37]，其基本思路是通过市场交易和自愿协商的方式达到理想的资源配置状态。科斯定理应用的前提条件是交易双方责任边界明确并且交易成本为零，但由于交通系统中个体追求自身利益最大化会导致负外部性问题，这个前提条件在现实中往往很难得到满足。第三种是来自社会物理学领域的社会参与模型（Social Involvement Model），其基本出发点来自社会心理学的社会影响理论，主要是通过激励个体在社会网络中跟其接触紧密的其他个体的行为让个体感受到压力放大，从而导致个体自身的行为发生改变^[38]。这三种方法都没有明显地考虑到信息对于促进人们做出亲社会合作行为所起的重要作用。

在信息经济时代，每天都会产生海量的数据，信息的可获得性和易用性超过了以往任何时期，遍布于城市的各种个人移动设备、车载传感器、道路传感设备每天都会生成海量的信号、数据和信息，信息已成为促进交通主体从非合作到合作行为转变的关键因素。充分利用信息资源，建立社交网络分享各种交通信息资源，通过信息资源的共享交流，将更多的相关信息提供给个体，形成信任机制，能够使得出行者的决策更充分的社会化，促进更社会化的行为产生。

基于此，本章提出一个内生信息资源池（Endogenous Information Resources Pools, EIRP）模型框架。所谓内生信息，是指交通参与主体自由发布的各类出行信息，既可以是交通需求信息，也可以是交通供给信息，由内生信息资源池进行自动的供需匹配，提供多种经过优化的出行方案供所有发布需求的个体进行选择。在现实中已有一些具备这样特征的出行服务平台，比如，越来越多的城市居民使用Uber拼车服务，这可以提高小汽车的乘坐率，一定程度上降低私家车的使用量。另一个典型的例子是滴滴网约车服务，其能够更好地满足个体出行中方便、快捷、舒适的出行需求，已经成为城市中除私家车、出租车、公交车、地铁等常规出行方式外另一种广受欢迎的出行方式。还有一个例子是百度地图的出行服务，可以为用户提供多种出行方案，但它只是单向地提供出行方案建议，而不能让用户成为交通出行的供给方。相比这里举出的几个出行服务的例子，内生信息资源池一个重要的不同是智能化、交互性、包容性、指导性更强，内生信息资源池可以由用户自由选择交通供需角色，有利于更大程度地提高各种交通资源的利用率，科学合理地调配交通资源，可以对生成的交通出行方案中系统推荐的方案提供更多激励措施，从而鼓励人们做出更亲社会的选择。

图2-4是内生信息资源池（EIRP）模型和前面提到的三种实现系统优化目标方法之间的比较。其中，上方椭圆形为EIRP区域，它的交易成本相对最低，实现的个体合作水平最高；社会参与模型的交易成本和个体合作水平相对两种传统的方法并无优势，其交易成本通常比EIRP要高，因为它主要是考虑社会网络中关联个体产生的影响作用，需要个体自发地进行判断进而调整行为，而社会网络成员是否采取合作行为成为该模型中个体行为调整到期望方向的关键，这一点往往不容易实现。内生信息资源池利用信息诱导、激励效应等实现亲社会的行为选择，相对而言可能会更加有效。利用EIRP模型框架实现集体理性既不是庇古提倡的完全通过政府制度的调控干预，又不像科斯定理所述的那样通过市场交易和自愿协商来实现，而是提供了一种解决思路，在不满足科斯定理适用条件的前提下，利用信息在某些情况下具有促进合作的作用达到系统配置优化的目的。

2.4　合作式交通运输系统

随着中国经济持续增长，城市化、机动化的迅猛发展给中国许多城市交通系统的良好运转带来了巨大压力，如何解决由于个体基于自身效用最大化原则做出竞争型决策从而导致交通资源紧张、机动车过度使用引发的诸多负外部性的问题，其关键就在于如何引导交通行为主体做出更加亲社会的、更有利于系统整体性能的决策和行动。前面对交通出行中合作机制的分析表明，可以充分利用各种数据和信息资源促进交通运输系统整体性能的改善，通过构建个体充分亲社会行为的交通运输系统，实现充分满足个体出行需求、社会公平、环境友好和可持续性的交通发展目标。国外已有学者提出了构建合作式交通运输系统应对城市交通问题的设想^[21][22]，但并无系统化的阐述。本章对此问题进行梳理和综合归纳，探讨合作式交通运输系统的定义、功能、结构框架以及在应用中的具体形式和实现途径，以期为后续的理论研究和实际应用提供参考和启发。

2.4.1　内涵与结构

2.4.1.1　定义与功能

所谓合作式交通运输系统，就是通过共享整合各种交通资源，包括交通基础设施和设备等，充分利用移动互联网、物联网、车联网等数据网络和ICTs技术手段，如将EIRP模型运用于交通建设与管理实践，使得交通参与主体，如政府机构、企业界、社会公众团体、城市居民等采取合作的决策或行动，从局部、操作层面到整体、战略层面，从交通系统的规划、设计、建设、管理到运行维护的全过程，解决各种交通问题，实现满足多样化、个性化、智能化的出行需求、社会公平性以及环境友好等多重目标的交通系统。相比一般的城市交通系统，合作式交通运输系统能够提供更灵活、可靠、安全、便捷的出行服务，它需要依靠交通管理者、从业者、出行者等众多交通参与主体和运输设施设备、信息与通信技术、管理手段、政策措施等多方面的集成整合、高度协作、密切配合才可能形成。

合作式交通运输系统要实现的功能主要体现在三个层面：①经济功能；②社会功能；③环境功能。合作式交通运输系统的经济功能主要体现在其服务完成的效益和效率方面，反映了交通运输的基本功能，即交通运输首先是满足人或物的空间位置移动，具体体现在应满足不同个体用户多样化、个性化的出行需求，因为不同的个体用户有不同的偏好，包含有对交通运输的准时性、可达性、机动性、快速性、灵活性、安全性、舒适性等不同的诉求。合作式交通运输系统的社会功能主要体现在其服务完成的公平性和包容性方面，反映了交通运输作为面向社会大众的一种基本的出行服务提供手段，应该具有对服务对象的无歧视性和覆盖人群的广泛性特点。合作式交通运输系统的环境功能主要体现为它对其所在地区生态、环境和长期的可持续性发展所起到的正向积极作用，具有环境友好和促进地区可持续发展的特点。合作式交通运输系统的这三个功能也可以作为对其性能或效果进行综合评价的三个基本维度。

2.4.1.2　结构框架

（1）合作式交通运输系统的构成要素。

合作式交通运输系统属于城市交通运输系统中的一类，其构成要素跟一般的城市交通运输系统并无太大差异，从大的方面可以划分为以下四个大类：

1）交通行为主体：包括交通管理类、交通需求类、交通从业类三类行为主体。

2）交通物理资源：包括交通基础设施、运输工具、交通管理设施设备等。

3）运行支撑资源：包括技术资源类和管理资源类两大类。技术资源类包含信息通信技术（ICTs）、专业知识、技术标准等；管理资源类包含政策制度、作业流程、法律规章等。

4）交通信息资源：包括内生信息资源和外生信息资源两大类。其中，内生信息资源指个体用户自行生成的各种与交通决策或出行有关的信号、数据或信息；外生信息资源指各类传感器、网络设施、监控设备、信息终端生成的与交通有关的信号、数据与信息等。

交通运输系统每一类的特点及构成如表2-1所示。

（2）合作式交通运输系统的三维结构模型。

从系统论的角度，合作式交通运输系统可从要素维、范围维、时间维三个维度进行展开。要素维度是指构成交通运输系统的各种要素，内容如表2-1所示。范围维度是指构成交通运输系统诸多要素作用覆盖的广度，包括战略层、战术层、操作层。战略层指的是覆盖全市或跨区域的大范围的顶层设计、长期的战略规划、城市土地利用、空间布局、交通管理、政策制定等方面的工作；战术层指覆盖中等范围的交通项目、中短期的交通规划、土地利用、空间布局、交通管理、政策制定等方面的工作，如某个城区内的道路系统规划、交通监控网络建设等；操作层指覆盖小范围的交通规划、建设与管理相关的工作，比如，对某条道路的改扩建，对某个区域实行临时、局部的交通管制等。时间维度指交通运输系统中活动或事件展开的时间阶段，大致可分为构思与规划、分析与设计、建设与实施、运行与维护、收尾与终止5个阶段。比如，交通规划、出行方案的制定分别属于第1、第2阶段，个人的驾驶行为、交通引导与控制属于第4阶段。合作式交通运输系统的要素—范围—时间三维结构模型（Component-Scope-Temporal Trinal Structural Model, CSTsM）如图2-5所示。

2.4.2　具体形式与实现途径

2.4.2.1　具体形式

目前，在城市交通实践中已经出现了一些体现合作式交通运输系统理念和功能特征的具体形式，简要归纳如下：

（1）交通工具的购置和使用。比如，新能源汽车的使用，电动汽车分时共享、城市共享单车（Mobike单车、ofo单车）、P2P租车平台等项目。

（2）公交优先战略，对私家车使用进行管控。比如，政府制定公交优先战略，鼓励公交出行，减少私家车使用；政府有关部门实施停车换乘（P+R）计划；等等。

（3）利用移动互联网和智能终端设备，进行供需匹配。比如，出行者利用移动互联出行服务平台，如Uber、滴滴出行、嘀嗒拼车、神州专车等，消除信息不对称，提高个人的出行体验和效率。

（4）优化道路网络资源配置，提高道路通行率。比如，湖北武汉市交管部门与阿里高德等互联网公司合作，融合多个数据源，搭建“互联网+”信号灯智能管控平台，借助大数据，实时优化调整信号灯配时方案，对高峰期拥堵和平峰期绿波进行优化控制，使得多条道路的通行效率得到显著提高^[39]。

（5）提高交通资源的利用率。比如，湖北武汉市交管部门联合停车企业，在移动终端APP上提供停车诱导信息，将周边停车场的位置、车位数量、是否有空位等信息推送到个人用户端，极大地提高了停车设施的利用率^[39]。

（6）采用众包的方式解决某些交通难题。对于某些交通问题，众包的解决方式往往比单一的个体或少数专业群体更加有效。比如，某些出行信息服务平台^[40]能够让用户对一些拥堵点、施工点进行标注，这样可以让其他没有进入该区域的驾驶者提前避让，规划更合理的出行路线，降低了拥堵加剧的可能性。

以上提到的这些形式，都体现了合作式交通运输系统思想和理念的应用，其存在的主要问题在于各个平台之间在技术和资源等方面缺乏有效的共享与整合，系统功能集成度不高，智能化、人性化不足，各种交通要素之间的协作、衔接和匹配效果还有待提高，交通系统各个部分之间还没有成为一个协调统一的整体，离真正的合作式交通运输系统还有较大的距离，有待在后续的应用实践中进一步发展和完善。

2.4.2.2　实现途径

打造真正的合作式交通运输系统，需要从实际情况出发，参考合作式交通运输系统的CSTsM结构模型，从理论研究和应用创新两个方面入手，从多个维度进行综合集成。可先从已有的雏形出发，选择某些城市或者地区作为试点或者试验区，找出问题和不足，遵循小范围、局部优化，然后推广充实、扩大范围，以点带面、逐步完善的原则，实现全方位、全区域的合作式交通运输系统的建设目标。这个过程是一个不断递进提升的过程，因为城市的社会经济状况是不断变化的，人们对于运输服务的需求也是复杂多变的，某个阶段运行较为理想的合作式交通运输系统不代表过一段时间还能完全符合城市发展要求，这时就需要继续对交通运输系统进行优化提升。

在此提出一个可行的建议如下：首先基于EIRP框架，建设可行的EIRP交通服务平台（如，在高德导航、百度地图、滴滴出行、嘀嗒拼车、神州专车等互联网出行信息平台的基础上进一步丰富、完善功能），使得个体在出行决策中采取更加合作的行动；然后将政府交通管理部门、个体出行用户、交通行业有关企业等涉及城市交通的众多主体纳入EIRP服务平台的范畴，进一步整合多种数据、信息源，以大数据处理与分析技术为核心，建设一个探索、管理、分析交通数据和交通信息的综合集成网络环境，为交通参与主体提供多样化、个性化、智能化的交通服务。如，为城市居民提供更人性化、实时化的交通信息服务，为城市交通管理者提供更加准确的交通流量预测和更有效的调节控制手段建议，为跨地区的远距离物流企业提供高效可靠的多种运输方式衔接方案等。在更大范围和规模上发展多样化的运输文化，提供多种出行模式的选项，在各个交通决策水平上鼓励和引导合作行为，最终建立较为完善的具备自适应能力的高度智能化的合作式交通运输系统。

2.5　小结

我国城市正在经历快速机动化的变革时期，为了避免重蹈西方发达国家交通困境的覆辙，单纯从宏观交通现象出发脱离微观个体行为来制定交通政策与治理措施，可能收不到理想的效果。宏观上的交通现象是微观个体行为在时空上大量集聚的结果，要深入认识和理解各种交通现象并进行有效预测和控制，有必要将个体出行者在交通需求不同发展阶段的决策考虑进来，构建一种包容有序、便捷安全、可持续性的城市交通运输体系。本章立足于探讨交通领域中如何从个体理性的竞争型行为过渡到集体理性的合作型行为的影响因素和形成机理，建立了一般性的交通系统合作分析的理论框架，以此为基础，提出了利用信息为中介促进个体由非合作向合作行为转变的信息资源池模型，最后，讨论了合作式交通运输系统的概念、结构框架以及在应用中的具体形式和实现途径，为理论研究向实际应用转化提供了可操作性的建议。

本章关注的问题涉及管理学、经济学、社会心理学、进化生物学、行为决策科学、信息科学、系统工程等众多学科领域知识，属于典型的跨学科交叉研究，探讨存在丰富信息作用下人类交通行为中的合作机制以及将其应用于指导现实交通问题的解决还属于相对较新的方向。信息通信技术的不断发展，人类感知、获取、处理、利用数据的能力不断提高，为本章提出的分析思路和模型框架的深入发展提供了更加有利的条件。这里我们只是从问题提出和理论探索的视角进行了一些初步的尝试，还有大量的理论或现实问题有待进一步挖掘，下面仅列出部分笔者认为未来值得关注的研究方向。

（1）理论方面的问题。

1）交通决策主体在不同场景下的内生信息的内容、特征和使用方式分析。

2）不同类型的内生信息，在促进群体、网络等社会组织形成方面有何差异？

3）信息在促进群体成员形成合作以及群体间合作所起到的作用是怎样的？

4）不同的社会群体结构对于各种内生信息的形成和传播将产生怎样的影响？

5）不同信息条件下，群体结构对于运输系统中合作行为的形成和演化的作用机制如何？

（2）应用相关的问题。

1）本章主要关注的对象是交通系统中的需求方，即广大出行者在交通决策和行为方面的合作。如何加强交通管理的不同部门以及交通管理部门和交通行业企业之间的资源共享、业务协同与合作？

2）EIRP模型的进一步具体化、实用化，研发功能较完善的基于EIRP模型的原型系统。

3）现有交通运输系统如何升级改造成合作式交通运输系统？

4）合作式交通运输系统的规划、建设与运行维护等方面的成本分析。

5）合作式交通运输系统的性能、效益和效率等综合评估问题。

---

(1)　间接互惠机制是指不论能否从直接对手那里得到好处，它预期帮助对手的行为能够提高自身接收到除直接对手以外其他主体的帮助，从而采取帮助对手的行动。