江欣國,周 悅,夏 亮,付川云
(1.西南交通大學(xué)交通運輸與物流學(xué)院,四川 成都 611756;2.西南交通大學(xué)綜合交通運輸智能化國家地方聯(lián)合工程實驗室,四川 成都 610031)
出租車駕駛員通常需要在道路上長時間駕駛以獲取經(jīng)濟利益,然而,該群體也面臨更大的交通安全風(fēng)險.許多研究發(fā)現(xiàn),長時間連續(xù)駕駛易催生出侵略性駕駛行為、交通違法行為[1-2]和駕駛疲勞[3-4],進而引起事故發(fā)生.其中,交通違法行為是導(dǎo)致交通事故的重要原因之一.出租車駕駛員由于長期暴露在交通環(huán)境中,會產(chǎn)生更多交通違法[5-6],對道路交通安全造成消極影響.有效控制其交通違法行為,能夠減少傷亡事故的發(fā)生[7],顯著提升道路交通安全水平.
現(xiàn)有文獻對于出租車駕駛員違法行為的研究主要涉及:管理與投訴[8]、性格和認知[1,9]、駕駛里程[10-11]、對待法律的觀念[12]和個人特征[13]等因素.值得注意的是,除了個體因素外,對駕駛員整體產(chǎn)生影響的原因也有待納入考慮.出租車駕駛員進行駕駛的根本目的是為了獲取更高的收入.研究證實,經(jīng)濟收入壓力是導(dǎo)致出租車交通違法的主要原因[8, 14].駕駛員會采取危險駕駛甚至違法行為謀取額外收益,并承擔(dān)由此導(dǎo)致的駕駛風(fēng)險.例如,在經(jīng)歷過交通延誤后,出租車駕駛員會選擇更加激進的駕駛行為,且程度與其時間價值有關(guān)[15].對違法收益更加敏感的駕駛員會更加傾向于選擇交通違法[16].這些事實均深刻地說明,影響出租車駕駛員整個群體交通違法的一大原因在于追求風(fēng)險收益.
出租車駕駛員追求風(fēng)險收益的具體方式,主要是通過實施“風(fēng)險-收益”分析.由于長期從事駕駛活動,這些駕駛員經(jīng)驗豐富,技藝嫻熟[17],且充分信任自身駕駛技術(shù),能有效規(guī)避運營環(huán)境中的風(fēng)險[18].因此,對駕駛的自信會促使出租車駕駛員輕視許多低程度的交通違法行為[17, 19].簡而言之,駕駛員會通過得失分析,選擇可接受的風(fēng)險限度,在相對較低的執(zhí)法和處罰風(fēng)險時空條件下實施交通違法[11].
綜上所述,追求違法收益是出租車駕駛員群體實施交通違法的重要原因.然而,當前文獻極少關(guān)注違法成本與收益對實施違法行為的影響,也未能明確其影響機制.此外,交通違法成本和收益構(gòu)成亦尚不清晰.可以明確的是,基于我國現(xiàn)行交通管理法規(guī),交通違法成本會隨管理者執(zhí)法策略和累積違法處罰情況而變化.這就涉及到出租車駕駛員與交通執(zhí)法者之間的博弈,且二者之間的博弈會隨時間演化發(fā)展.為此,本文構(gòu)建了出租車駕駛員交通違法行為演化博弈模型,并對執(zhí)法策略和駕照管理制度下出租車駕駛員交通違法行為演變規(guī)律進行仿真,以揭示不同交通執(zhí)法策略和駕照管理制度下,交通違法成本對出租車駕駛員交通違法行為的影響機理.
為了解出租車駕駛員的基本信息,研究團隊從個人情況、運營情況、安全培訓(xùn)、收入情況和違法認知等5個方面設(shè)計問卷,并于2017年8月在四川省瀘州市停車場和出租車等待載客區(qū)發(fā)放問卷共100份.經(jīng)篩選和檢驗,回收問卷95份,回收率為95%.統(tǒng)計結(jié)果如表1所示.
表 1 抽樣調(diào)查結(jié)果Tab.1 Questionnaire Results
調(diào)查分析顯示:出租車駕駛員普遍有1~2名合伙駕駛?cè)耍蝗司咳展ぷ鲿r超過11 h;月凈收入均值為4 244元;67%的出租車駕駛員不會因交通違法受到公司二次罰款.駕駛員每年可接受的平均交通違法罰款為468元,累計扣分約為6分.
對于交通處罰及駕駛員可承受程度方面,出租車遭受處罰的均值為131元/次(駕駛員1 a 內(nèi)可容忍的經(jīng)濟損失均值468元),而駕照分處罰均值為2 分/次(駕駛員 1 a 內(nèi)可容忍均值為 6 分),駕駛員更多地考慮駕照分扣除導(dǎo)致的違法成本變化.因而,本研究對違法成本判定以駕照分扣除變化為主要依據(jù).
理性的違法者會考慮預(yù)期收益與違法成本,以決定是否實施違法[20].Becker指出,個人總是以謀求盡可能低的違法成本而實現(xiàn)理想的犯罪效果為目的[21].郭東在此基礎(chǔ)上,將個人違法成本進行了劃分[22].
同普通違法犯罪相比,交通違法行為具有準備時間短、危害程度低、心理負擔(dān)小及無視物理防護等特點.因此在不考慮貼現(xiàn)和心理負擔(dān)條件下,交通違法成本可定義為
式中:C為單次交通違法成本;CO為機會成本,指駕駛員等待實施違法期間的時間消耗;CA為后續(xù)成本,指出租車公司的二次處罰;CS為單次違法的懲罰成本,需結(jié)合我國交通法規(guī)進行量化.
懲罰成本可以分為經(jīng)濟成本、時間成本、資格成本.根據(jù)我國機動車違法處罰的相關(guān)規(guī)定[23],駕駛資格可分為駕照被暫扣前后兩個階段;駕照被暫扣的駕駛員需承擔(dān)資格成本.因此,單次違法的懲罰成本可具體表示為
式中:N為周期內(nèi)扣除駕照總分;S為資格限制駕照分上限;μ為警戒分數(shù)線;r為執(zhí)法有效性;CT為單次遭現(xiàn)場處罰而損失時間等價的經(jīng)濟成本均值(元),非現(xiàn)場處罰時CT= 0;CE為單次罰金均值(元);α為單次扣分大于S?μ的違法行為數(shù)量比例;CQ為單次遭資格限制的經(jīng)濟成本均值(元);CC為單次遭資格限制損失時間等價的經(jīng)濟成本均值(元);ri為第i個執(zhí)法點的執(zhí)法有效性(區(qū)域內(nèi)共有k個執(zhí)法點);Vi為單位時間內(nèi)在執(zhí)法點i處有效執(zhí)法范圍內(nèi)實施交通違法的車輛數(shù);Vsi為單位時間內(nèi)在執(zhí)法點i有效執(zhí)法范圍內(nèi)因交通違法而實際被處罰的車輛數(shù).
駕照分的扣除累積是違法成本變化的一個重要依據(jù).根據(jù)我國相關(guān)規(guī)定[23],機動車駕駛?cè)嗽谝粋€記分周期內(nèi)累積記分達到12分的,交通管理部門應(yīng)當扣留其機動車駕駛證;駕駛?cè)吮仨殔⒓? d的法律法規(guī)學(xué)習(xí),并在20 d內(nèi)接受考試,合格的予以發(fā)還駕照.
出租車駕駛員會經(jīng)歷多次重復(fù)違法的博弈過程,并積累資格成本.因此,為區(qū)別一般駕駛員和一旦違法則可能遭受駕駛資格限制的駕駛員,可在駕照分累積過程中人為劃設(shè)一條警戒線,將未達到警戒分數(shù)線的駕駛員稱為“一般駕駛員”,達到或超過警戒分數(shù)線而未遭到資格限制的駕駛員稱為“臨界駕駛員”.出租車駕駛員駕照資格轉(zhuǎn)化過程如圖1.
圖 1 出租車駕駛員駕照資格轉(zhuǎn)化過程Fig.1 Transformation process of taxi driver’s license qualification
復(fù)制動態(tài)是有指限理性的群體對優(yōu)勢策略的模仿行為,博弈各方可根據(jù)策略收益不斷調(diào)整自身下一階段行為.本研究借鑒Smith動態(tài)演化機制[24],建立出租車駕駛員與交通執(zhí)法者在違法和不違法兩策略條件下的動態(tài)選擇方式.若某一群體有違法(策略1)和不違法(策略2)兩種策略,其策略概率分別為z1和z2,根據(jù) Smith 動態(tài)方程,可得
式中:1為選擇策略1所獲得的適應(yīng)性(決策概率)變化;F(z1)和F(z2)分別為選擇策略1和策略2各自所獲得的當前收益;(·)+為正向保號運算機制,若括號內(nèi)數(shù)值為負或0值則取0,若為正值則取相應(yīng)正數(shù)結(jié)果.
若F(z1)>F(z2),則駕駛員不會在策略2上有任何概率增長,故會向策略1演化(1>0),反之則其選擇更傾向于向策略2演化(1<0).
為研究出租車駕駛員違法行為,基于對駕駛員與執(zhí)法者的合理考慮,提出如下假設(shè):
(1)出租車駕駛員策略集為{違法,不違法},出租車駕駛員選擇交通違法的概率為x,不違法的概率為1?x;交通執(zhí)法者策略集為{執(zhí)法,不執(zhí)法},交通執(zhí)法者開展執(zhí)法概率是y,不開展執(zhí)法的概率為1?y.
(2)出租車駕駛員單次違法成本為CO+rCS+rCA,其中r反應(yīng)了實際受處罰概率;單次違法的平均收益為B,違法收益指各種直接或間接經(jīng)濟收益.
(3)交通管理部門單次執(zhí)法成本為A,收益即為對違法行為的罰款,用平均罰款與有效性的乘積表示(rCE).此外,由于處罰具有滯后性,一旦發(fā)生違法行為,管理者就會遭受其造成的潛在安全問題以及對交通運行產(chǎn)生的社會負面影響,單次違法負面影響設(shè)為I.
(4)本研究考慮宏觀群體違法決策,忽略個體特征差異,參數(shù)采用整體調(diào)查的平均值,確保對群體的行為影響研究的可靠性.
由此,得到兩類駕駛員與交通執(zhí)法者之間的博弈矩陣,如表2 所示.表中,參數(shù)取值為正,括號中數(shù)據(jù)由兩部分組成,逗號前為駕駛員對應(yīng)收益,逗號后為執(zhí)法者對應(yīng)收益.
由表2可知,兩類出租車駕駛員與交通執(zhí)法者之間均存在非對稱博弈.一般駕駛員和臨界駕駛員的演化策略分別為1和2,交通管理者在應(yīng)對1和2時,選擇的執(zhí)法演化策略分別為1和2.兩類對象的演化模型方程組如式(6)和式(7)所示.
表 2 出租車駕駛員與交通執(zhí)法者博弈矩陣Tab.2 Game matrix of taxi dirvers and traffic enforcement men
本文采用數(shù)值仿真方法,對演化博弈過程進行模擬.基本設(shè)定如下:
(1)通過瀘州市交警支隊調(diào)研,搜集了該市2016年共計7 029起出租車交通違法數(shù)據(jù).瀘州市共有出租車1 314輛,出租車駕駛員約3 000名.
(2)周期內(nèi)各群體策略的成本及收益不變;出租車駕駛員違法行為的數(shù)量比例不變.
(3)周期內(nèi)參與博弈的出租車駕駛員總數(shù)不變;且出租車駕駛員之間的信息交流頻率為2次/d.
(4)出租車駕駛員單次違法平均成本由常見交通違法行為確定.根據(jù)相關(guān)數(shù)據(jù),常見的有未按規(guī)定導(dǎo)向車道行駛、違反禁令標志、違反使用專用車道、違反禁止標線、未禮讓行人、超速、闖紅燈7類交通違法行為,占整體比例的94%.設(shè)為考慮7種違法類型下,單次遭到處罰扣分的均值.因此,對不同違法類型進行加權(quán)平均,表示為
式中:為單次平均扣分處罰成本;nj為周期內(nèi)第j種違法行為發(fā)生的次數(shù);m為7類違法行為的總次數(shù);sj和ej分別為第j種違法行為單次處罰的資格成本和經(jīng)濟成本.經(jīng)計算,單次遭到處罰的扣分s為2分,CE為 131元.
(5)設(shè)μ= 6 分,S= 12 分;駕照暫扣后重新獲得駕照的CQ為 100 元,CC為 3 728 元.
(6)設(shè)CT= 7 元;CO= 0.001 5 元,不考慮后續(xù)成本.
(7)設(shè)B= 0.06 元,A= 0.05 元,單次處罰 ≥6分的違法行為占所有違法行為數(shù)量的比例為5.7%.
(8)設(shè)r= 0.000 7,人均每日違法決策的博弈次數(shù)為40次.
(9)設(shè)出租車駕駛員總數(shù)為M,那么一年中平均每天有M/365個人駕照更新.且仿真周期開始時,所有出租車駕駛員均無處罰記錄.
(10)出租車駕駛員理性程度較高,故仿真中僅考慮單次違法收益大于機會成本(B>CO),且平均單次違法收益一般不會高于100%執(zhí)法概率的懲罰成本,單次執(zhí)法成本也會低于確定的執(zhí)法收益.
首先考慮執(zhí)法者對兩類駕駛員群體選擇不同執(zhí)法策略.設(shè)定兩類駕駛員各 3 000 人.經(jīng)大量仿真證實,兩類駕駛員和管理者以任何初始違法概率和執(zhí)法概率進行演化,最終系統(tǒng)都會向特定的均衡點收斂,該條件下雙方策略變化趨勢僅與執(zhí)法和違法成本有關(guān).現(xiàn)列舉出其中3種初始概率條件,并設(shè)駕駛員最初選擇違法策略的概率為x0,管理者選擇執(zhí)法的概率為y0.條件1:x0=0.3,y0=0.6;條件2:x0=0.5,y0=0.5;條件 3:x0=1.0,y0=0.3種條件演化博弈過程如圖2~4所示.
圖 2 3種初始概率下兩類駕駛員違法策略演化Fig.2 Traffic violation evolution of two types drivers based on different original strategies
由圖2可得,不論雙方采取何種初始策略,隨時間推進,雙方的混合策略變化幅度會越來越小,兩類駕駛員的違法策略最終都會向兩者的均衡點收斂,違法策略均衡點為(o與c分別表示一般駕駛員與臨界駕駛員,執(zhí)法概率均衡點解釋類似).在本例中兩類駕駛員最終違法策略概率較為接近.而對于管理者的執(zhí)法概率而言,因而執(zhí)法者對臨界駕駛員采取更低的執(zhí)法概率,即使可達到與一般駕駛員相似的執(zhí)法效果,說明臨界駕駛員受執(zhí)法影響更大.類似地,若執(zhí)法者對兩者采用相同概率的執(zhí)法策略,臨界駕駛員違法概率也必然更低.因此,駕駛員進入臨界狀態(tài)有助于降低執(zhí)法概率,從而降低執(zhí)法成本.
圖3和圖4分別表示了在條件1~3的基礎(chǔ)上,兩類駕駛員進入臨界狀態(tài)或遭到資格限制的人數(shù)情況,以及演化過程中駕照分扣除的積累人數(shù).每種駕照分扣除人數(shù)仿真均包含了3種條件的演化曲線.可以看出,雙方初始策略概率對處罰影響極小.臨界駕駛員遭處罰人數(shù)較少,說明隨違法成本增加,臨界駕駛員遭處罰概率更低.在相同駕照分累積條件下,一般駕駛員遭處罰人數(shù)遠高于臨界駕駛員.
圖 3 3種初始概率下兩類駕駛員遭3次及以上的處罰人數(shù)Fig.3 Number of two types of drivers punished at or more than three times under three conditions
圖 4 3種初始概率下兩類駕駛員駕照分扣除的累計人數(shù)Fig.4 Accumulated number of two types of drivers under three license points deduction conditions
根據(jù)分析,一般駕駛員在違法人群中占據(jù)主要地位.由于臨界駕駛員數(shù)量較少,實際中執(zhí)法者可能傾向于針對一般駕駛員違法選擇策略,而非對不同駕駛員分別采取執(zhí)法策略.基于此,兩類駕駛員及執(zhí)法者在3種初始策略概率條件下的演化過程,如圖5所示.
由圖5可知,當交通執(zhí)法者以一般駕駛員為對象選擇策略時,進入臨界狀態(tài)的駕駛員會選擇更低的違法策略甚至不違法(如本例).因為其所能承受的違法成本過大.因此,出租車駕駛員由一般狀態(tài)轉(zhuǎn)入臨界狀態(tài),可有效降低其違法傾向性,從而減少違法數(shù)量.
駕照更新制度與駕駛員的違法策略息息相關(guān).現(xiàn)假定出租車駕駛員每天有相同人數(shù)更換駕照,更換后會清除原有累積的處罰分值,重新獲得所有駕照分,故會導(dǎo)致執(zhí)法威懾效果顯著下降(進入臨界狀態(tài)人數(shù)降低).現(xiàn)考慮駕照不更換和每天相同人數(shù)更換駕照兩種情況,僅選取x0=0.5,y0=0.5為初始條件,研究一般駕駛員受處罰情況.若一般駕駛員累計被扣除6分及以上則轉(zhuǎn)為臨界駕駛員并從總?cè)藬?shù)中除去.通過仿真,一般駕駛員的月遭處罰人數(shù)和進入臨界狀態(tài)人數(shù)分別如圖6、7所示.
如圖6、7所示,相同條件下,記分周期內(nèi)不更換駕照的群體每月受處罰人數(shù)更少.前3個月中,兩種管理條件下的一般駕駛員遭處罰人數(shù)差距極小,隨著不更換駕照條件下進入臨界狀態(tài)的人數(shù)增加,遭受處罰人數(shù)明顯減少.駕照更換條件下的全年受處罰人數(shù)較不更換人數(shù)條件下多約10%,且隨時間推移更加顯著,最后3個月累計多約32%.因此,駕照分的不斷積累增加了駕駛員違法成本.
圖5 考慮單群體執(zhí)法的策略演化Fig.5 Strategy evolution considering single group enforcement
圖6 駕照更換對每月遭處罰人數(shù)的影響Fig.6 Influence of driving license replacement on monthly number of punished drivers
圖 7 駕照更換對進入臨界狀態(tài)人數(shù)的影響Fig.7 Effect of driving license replacement on the number of critical drivers
(1)“違法-執(zhí)法”混合策略均衡僅與出租車駕駛員和交通執(zhí)法者的成本/收益相關(guān),與其初始策略概率無關(guān),演化中兩群體策略概率會逐漸向均衡點收斂.因此,遏制出租車駕駛員交通違法的根本措施,在于提高其違法成本并適當增加管理者執(zhí)法收益.
(2)臨界駕駛員管理成本更低,相同執(zhí)法條件下,臨界駕駛員會傾向于更低概率違法或不違法策略.通過提高違法成本或執(zhí)法水平,可迫使更多一般駕駛員進入臨界狀態(tài),有利于降低執(zhí)法頻率與成本.
(3)記分周期內(nèi)駕照不更換,會導(dǎo)致臨界駕駛員增多,有效降低交通違法行為.因而可考慮對特殊駕駛?cè)后w采取駕照集中更換制度,或延長其更換周期,亦或降低駕照資格限制閾值,均可使駕駛員更容易進入臨界狀態(tài),從而有效抑制違法行為.