侯立文,張 麗

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院,上海 200030)

隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高,人們與交通系統(tǒng)的互動(dòng)成為日常生活的常態(tài),但從一個(gè)地方到另一個(gè)地方似乎變得越來(lái)越困難、昂貴。道路擁擠、燃料價(jià)格負(fù)擔(dān)沉重和環(huán)境污染問(wèn)題迫切需要新的交通方式來(lái)緩解。傳統(tǒng)的交通方式如公共汽車或地鐵相對(duì)便宜和安全,但只提供具有固定地理路線和時(shí)間表的出行選擇,難以滿足乘客的個(gè)性化需求[1]。私家車或出租車能提供更靈活、更方便且往往更快的出行服務(wù),但在燃料和道路基礎(chǔ)設(shè)施方面需要付出相對(duì)高昂的成本[2]。共享乘車出行中駕駛員把車輛上空余的位置提供給乘客,也被稱為“拼車”“汽車共享”“順風(fēng)車”或“搭便車”[3]。這種新的交通方式提高了資源的利用率,在節(jié)約出行成本、縮短出行時(shí)間、緩解交通擁堵、節(jié)約燃料、減少空氣污染等方面都具有顯著優(yōu)勢(shì)[4-6]。隨著微軟、蘋果、谷歌、Facebook等公司相繼通過(guò)社會(huì)媒體開始提供共乘服務(wù),該領(lǐng)域已成為當(dāng)前交通和互聯(lián)網(wǎng)服務(wù)的研究熱點(diǎn)[7]。

共享乘車方式按照出發(fā)后行程是否可變,分為靜態(tài)共乘和動(dòng)態(tài)共乘兩種。靜態(tài)共乘需在車輛出發(fā)前規(guī)劃好行程,出行之后不能改變行程。這種共乘方式靈活性較差,沒有發(fā)揮資源最大潛力,對(duì)共乘服務(wù)的大規(guī)模發(fā)展有一定限制[3]。動(dòng)態(tài)共乘允許行程靈活地變更,只需要參與者輸入行程和時(shí)間表,指定接送地點(diǎn)和時(shí)間,就能提供在途的駕駛員和乘客的自動(dòng)匹配,具有明顯的優(yōu)越性[8]。共乘出行通過(guò)共享出行成本和增加系統(tǒng)用戶的機(jī)動(dòng)性,使得有車的參與者節(jié)省與出行相關(guān)的費(fèi)用,無(wú)車的參與者有車可用,同時(shí)減少污染和擁擠堵塞。但動(dòng)態(tài)共乘在提供靈活性和便利性的同時(shí),又帶來(lái)了計(jì)算復(fù)雜度、匹配成功率、價(jià)格機(jī)制和安全機(jī)制等一系列問(wèn)題?，F(xiàn)有研究也大多圍繞著這些問(wèn)題展開?？紤]到這些出行目標(biāo),大多數(shù)關(guān)于共乘出行的研究在確定共享乘車匹配時(shí)考慮如下特定目標(biāo)及其組合:

(1)系統(tǒng)范圍內(nèi)的車輛里程最小化[9-10],即要求無(wú)論是共享乘坐還是單獨(dú)駕駛的所有參與者前往目的地的駕駛里程最低,這一目標(biāo)有助于減少污染排放和擁堵,也能最大限度地降低總出行成本。

(2)行程時(shí)間最小化[11],即要求車輛在始發(fā)地和目的地之間實(shí)際行駛所花費(fèi)的時(shí)間最短,這對(duì)于消費(fèi)者而言也是一個(gè)重要的考量因素。

(3)參與者數(shù)量最大化[12],即要求最大化駕駛員和乘客數(shù)量,這一目標(biāo)有利于共乘服務(wù)提供商,其收入與參與者數(shù)目密切相關(guān)。

(4)匹配成功率最大化[3,13],這對(duì)于共乘服務(wù)參與者而言是一個(gè)非常重要的性能指標(biāo),高匹配成功率將有助于鼓勵(lì)形成更大的用戶參與池。

通過(guò)對(duì)優(yōu)化目標(biāo)的整合求解,已有大量研究對(duì)動(dòng)態(tài)共乘的司乘匹配和路徑規(guī)劃等問(wèn)題進(jìn)行了深入討論,但司機(jī)與乘客的社會(huì)行為因素尤其是安全影響因素,也是共乘系統(tǒng)需要考慮的重點(diǎn)[3],關(guān)于這方面的研究目前還較為缺乏。部分學(xué)者從理論視角闡述了共享乘車服務(wù)中存在的各種安全問(wèn)題。從共乘服務(wù)使用者層面看,共乘服務(wù)駕駛員的技術(shù)水平和職業(yè)素養(yǎng)稂莠不齊,服務(wù)安全質(zhì)量難以保證,投訴機(jī)制存在滯后性和維權(quán)困難等問(wèn)題,且隱私信息泄露嚴(yán)重,評(píng)價(jià)機(jī)制無(wú)法做到公開透明,嚴(yán)重影響消費(fèi)者對(duì)共乘服務(wù)平臺(tái)的持續(xù)性使用體驗(yàn)。從共乘服務(wù)提供者的角度看,共享乘車行業(yè)從業(yè)人員勞動(dòng)保障機(jī)制不健全,社保、養(yǎng)老保險(xiǎn)等問(wèn)題尚未有明確的法律條文規(guī)定[14]。從政府監(jiān)管層面而言,大量私家車涌入共享乘車市場(chǎng),產(chǎn)生許多監(jiān)管模糊和規(guī)則真空的灰色地帶[15],法律和規(guī)章的修訂難以跟上行業(yè)發(fā)展的步伐,存在一定的滯后性,難以在短期內(nèi)落實(shí)執(zhí)行[16]。共享乘車行業(yè)存在的諸多安全問(wèn)題也引起了學(xué)者的廣泛關(guān)注[17]。

根據(jù)對(duì)英國(guó)和美國(guó)消費(fèi)者的跨大西洋調(diào)查,安全問(wèn)題是共享乘車模式的主要瓶頸[18],一些大型共乘服務(wù)提供商如Uber等在數(shù)個(gè)國(guó)家面臨安全問(wèn)題的禁令[19]。共享乘車的商業(yè)模式不可避免地引起用戶對(duì)安全、隱私及合法訪問(wèn)的擔(dān)憂。安全被認(rèn)為是人類的基本需求之一,確保參與者的安全以防止服務(wù)提供商或服務(wù)使用者帶來(lái)潛在威脅至關(guān)重要,更高的安全效益將是參與者持續(xù)使用共乘服務(wù)的根本動(dòng)力[20]。左文明等[21]針對(duì)網(wǎng)約車服務(wù)存在的駕駛員素質(zhì)不佳、信息泄露、拼車不安全等問(wèn)題,應(yīng)用中介物和外部性能等創(chuàng)新原理,從乘客評(píng)價(jià)服務(wù)、用戶反饋信息歸類、駕駛員信息管理與關(guān)系維護(hù)等環(huán)節(jié)改進(jìn)滴滴出行的服務(wù)藍(lán)圖,提出網(wǎng)約車的服務(wù)創(chuàng)新方案。Yang等[20]將共享經(jīng)濟(jì)服務(wù)中驅(qū)動(dòng)顧客忠誠(chéng)的關(guān)系利益劃分為社會(huì)效益、經(jīng)濟(jì)效益和安全效益,以評(píng)估這些關(guān)系利益在影響顧客忠誠(chéng)方面的相對(duì)優(yōu)勢(shì),研究結(jié)果表明,安全效益會(huì)顯著影響顧客承諾。Almoqbel等[22]采用定性研究的方法研究影響共乘司機(jī)安全的相關(guān)問(wèn)題。Chaudhry等[23]重點(diǎn)研究了共享服務(wù)中的乘客安全問(wèn)題,并給出諸如引入強(qiáng)制行車記錄儀、設(shè)置求救警報(bào)、引入乘客保險(xiǎn)附加條款等建議,增強(qiáng)乘客出行的安全性。

上述研究為分析共享乘車服務(wù)的安全影響機(jī)制提供了很好的指導(dǎo)和依據(jù),但這些理論性研究大多數(shù)處于定性分析影響用戶使用共乘服務(wù)的安全因素和防范措施的階段,定量研究的方法很少,對(duì)平臺(tái)安全性與參與者互動(dòng)機(jī)理的刻畫不夠深入,也沒有考慮政府的監(jiān)管將如何影響整個(gè)市場(chǎng)。鑒于此,本文從共享乘車服務(wù)安全的角度出發(fā),基于多智能體仿真方法探究司乘安全對(duì)于共享乘車匹配率的影響。在司乘匹配模型框架下,分別細(xì)化了乘客安全信任的演化模型、政策導(dǎo)向的影響模型、平臺(tái)安全投入的影響模型和安全事件影響模型,并根據(jù)仿真結(jié)果給出具體的研究結(jié)論和建議。

1 考慮安全水平的動(dòng)態(tài)共乘多智能體建模

在基于Agent的多智能體建模中,宏觀系統(tǒng)中的主體被建模成具有適應(yīng)性和自主性的智能體,宏觀行為不是預(yù)設(shè)的,而是來(lái)自個(gè)體的微觀決策。通過(guò)對(duì)宏觀系統(tǒng)中的個(gè)體及個(gè)體行為的抽離,建立個(gè)體行為規(guī)則和演化機(jī)制,從而實(shí)現(xiàn)對(duì)現(xiàn)實(shí)系統(tǒng)的演繹。多智能體仿真技術(shù)可以反映群體行為下個(gè)體狀態(tài)的變化策略,已有不少學(xué)者將多智能體仿真技術(shù)應(yīng)用于交通出行領(lǐng)域的理論研究[24-26]。本文將從多智能體仿真建模的角度將司機(jī)和乘客抽象化為具有決策意識(shí)的智能體,探究在考慮司乘安全的視角下,司乘匹配如何隨時(shí)間動(dòng)態(tài)演化的過(guò)程。

1.1 問(wèn)題描述

給定N個(gè)乘客agent,乘客屬性集合={乘客出發(fā)地、乘客目的地、最大等待時(shí)間、乘客安全信任},即P={origin,destination,wait_time,safety_trust}。給定M個(gè)司機(jī)agent,司機(jī)屬性集合={司機(jī)當(dāng)前位置,司機(jī)安全水平},即D={location,safety_level}。要求在給定仿真時(shí)間內(nèi),根據(jù)匹配算法求解每個(gè)時(shí)間單位下司乘匹配的匹配成功率。司乘成功匹配要求在乘客最大等待時(shí)間內(nèi),司機(jī)能夠到達(dá)乘客所在的出發(fā)地,且司機(jī)安全水平高于乘客安全信任閾值。

參照文獻(xiàn)[3]中的研究,將匹配成功率定義為:nsuc表示固定區(qū)域內(nèi)在時(shí)間窗口[timei,timej]被成功分配的乘客乘車請(qǐng)求;nreq表示該區(qū)域內(nèi)在時(shí)間窗口[timei,timej]中所有的乘客請(qǐng)求。匹配成功率表示在該區(qū)域內(nèi),同一時(shí)間窗口中所有成功分配的乘客乘車請(qǐng)求占總請(qǐng)求數(shù)的比例,即ratiosuc=nsuc/nreq。

動(dòng)態(tài)共乘中乘客請(qǐng)求的匹配效果是大數(shù)據(jù)背景下共乘能否可持續(xù)發(fā)展的重要因素,如乘客的請(qǐng)求不能被有效匹配,會(huì)導(dǎo)致用戶體驗(yàn)下降,而多次匹配失敗,則很可能造成用戶流失,匹配成功率可以從一定尺度上反映匹配效果。實(shí)時(shí)動(dòng)態(tài)共乘可以近似看成貪心匹配問(wèn)題,乘客的行程需求被發(fā)出后,要求在一定的等待時(shí)間內(nèi)得到服務(wù)響應(yīng)。利用匹配算法,在某個(gè)時(shí)刻將得到司機(jī)和乘客在這一時(shí)刻的最優(yōu)匹配安排,并將用戶請(qǐng)求分配給指定車輛。隨著新的乘客請(qǐng)求加入,之前的最優(yōu)匹配安排在之后的時(shí)刻可能并不是最優(yōu)的。然而,對(duì)實(shí)時(shí)的請(qǐng)求處理,這種方法從技術(shù)角度看更容易實(shí)現(xiàn),也能夠被乘客和司機(jī)所接受。因此,對(duì)動(dòng)態(tài)共乘的匹配將被處理為某一時(shí)間點(diǎn)所能達(dá)到的最優(yōu)匹配。

1.2 司乘匹配模型設(shè)計(jì)

1.2.1 乘客安全信任演化模型 每個(gè)乘客智能體agent都具有乘客安全信任屬性,該屬性反映了乘客對(duì)于司機(jī)安全水平的要求,只有高于該乘客安全信任閾值的司機(jī)才能作為候選司機(jī)進(jìn)行匹配。乘客安全信任屬性包含兩個(gè)變量:安全信任值xi,滿足xi∈[0,1],0和1分別表示安全信任的兩個(gè)極值;不確定性水平ui,表示乘客agenti對(duì)其觀點(diǎn)的確信程度,也滿足ui∈[0,1]。在每一次交互中,某一個(gè)智能體agenti被選取作為目標(biāo)智能體(觀點(diǎn)傳播方),另一個(gè)智能體agentj則被選取為被動(dòng)智能體(觀點(diǎn)接收方)。

乘客安全信任的演化公式借鑒了Deffuant-Weisbuch模型,即連續(xù)觀點(diǎn)相對(duì)協(xié)議模型[27-28]。根據(jù)DW 模型,任意乘客智能體agenti的安全信任觀點(diǎn)表示為

對(duì)于任意兩個(gè)智能體agenti和agentj,觀點(diǎn)重疊部分

如果hij＞ui,意味著觀點(diǎn)的重合度高于主動(dòng)智能體agenti的不確定性;如果hij＜ui,則意味著觀點(diǎn)重合度低于主動(dòng)智能體agenti的不確定性。

DW 模型認(rèn)為,當(dāng)hij≤ui時(shí),智能體agenti對(duì)智能體agentj沒有影響,即所謂的“話不投機(jī)半句多”,個(gè)體僅接受與自己觀點(diǎn)相似的其他個(gè)體的觀點(diǎn)。然而,在現(xiàn)實(shí)中,當(dāng)涉及到安全問(wèn)題時(shí),往往是相反的口碑影響更甚。Lim 等[29]的研究也表明,負(fù)向口碑相對(duì)于正口碑能更有效地影響信任屬性的評(píng)價(jià)。接觸到的觀點(diǎn)差異越大,個(gè)體反而更有可能動(dòng)搖自己的初始觀點(diǎn)。因此,當(dāng)觀點(diǎn)重合度hij≤ui時(shí),智能體agenti對(duì)智能體agentj也會(huì)產(chǎn)生影響,且重合度越低,影響力度越大。被動(dòng)智能體agentj的觀點(diǎn)xj和不確定性u(píng)j更新規(guī)則為:

這里的μ是一個(gè)收斂參數(shù),滿足μ∈[0,1/2];hij反映了智能體agenti和智能體agentj的安全信任觀點(diǎn)重合度,且有hij∈[-1,1],觀點(diǎn)重合度越低,則取值越大,被動(dòng)智能體agenti越會(huì)改變自己的安全信任觀點(diǎn)值;ui反映了智能體的觀點(diǎn)不確定性,該值越低,則智能體agenti觀點(diǎn)越堅(jiān)定,越能產(chǎn)生影響。

1.2.2 政策導(dǎo)向的影響模型 建立安全穩(wěn)定、競(jìng)爭(zhēng)有序的共享乘車市場(chǎng)體系,需要發(fā)揮政府管制的作用,政府要著力解決市場(chǎng)體系不完善、監(jiān)管不到位等問(wèn)題,促進(jìn)形成良好市場(chǎng)秩序。各級(jí)政府組織針對(duì)特定共享乘車安全事件,出臺(tái)一系列公告、倡議書、規(guī)章制度等政策信息,宣傳政策導(dǎo)向。這些代表政府導(dǎo)向觀點(diǎn)信息的傳播過(guò)程,往往不會(huì)像工作流程或合作書一樣馬上執(zhí)行,其執(zhí)行效果不是一蹴而就,而是在長(zhǎng)期宣傳和倡導(dǎo)中逐漸被大眾所接受。為了反映政府導(dǎo)向信息的影響過(guò)程,參考Martins等[30]對(duì)大眾傳媒模型的設(shè)置,設(shè)置政府政策導(dǎo)向變量為government,滿足government∈[0,1],智能體agenti受政策導(dǎo)向影響的過(guò)程如下式所示。在政策執(zhí)行時(shí)間為D的范圍內(nèi),執(zhí)行下式,表明政策導(dǎo)向的持續(xù)作用時(shí)間,

式中:pj依概率p0取值為1,依概率(1-p0)取值為0,服從概率為p0的伯努利分布;ξ是更新因子,滿足ξ∈[0,1/2]。這里體現(xiàn)了乘客agent并非看到安全導(dǎo)向的政策宣傳文件或活動(dòng)時(shí)都會(huì)發(fā)生觀點(diǎn)和行為的調(diào)整。

式(3)表明,政府主體也具有安全信任值government,隨著政策導(dǎo)向宣傳力度以及政府管制措施落實(shí)程度的變化,政府主體的安全信任值government也會(huì)隨之變化,并以概率pj影響所有的乘客agent,使得乘客的安全信任值在接收到政策信息時(shí)也產(chǎn)生相應(yīng)改變。

1.2.3 平臺(tái)安全投入的影響模型 共享乘車平臺(tái)的安全投入將對(duì)平臺(tái)簽約司機(jī)的安全水平產(chǎn)生正向影響。安全問(wèn)題是共享乘車服務(wù)最基本的要求之一,也是共享乘車行業(yè)發(fā)展過(guò)程中最常被用戶詬病的問(wèn)題。作為國(guó)內(nèi)共享乘車行業(yè)的代表企業(yè),滴滴在2020年投入30億元保障司乘出行安全,全面落實(shí)行程分享、司乘黑名單、緊急聯(lián)系人以及行程錄音等基礎(chǔ)性安全功能要求,司機(jī)資質(zhì)更是成為重點(diǎn)整改方向[31]。定義平臺(tái)安全投入對(duì)司機(jī)安全水平的影響如下式所示:

式中:ht為t時(shí)刻平臺(tái)的安全投入引起的司機(jī)安全水平增加量,反映了平臺(tái)的安全投入程度;γi為不同司機(jī)對(duì)平臺(tái)安全投入的敏感程度,滿足γi∈[0,1]。

式(4)表明,平臺(tái)安全投入能有效提高司機(jī)安全水平,而司機(jī)個(gè)體安全水平增量與平臺(tái)安全投入強(qiáng)度ht、司機(jī)對(duì)平臺(tái)安全投入敏感度γi呈正相關(guān)關(guān)系,同時(shí)也存在邊際效應(yīng)遞減的規(guī)律。

1.2.4 安全事件的影響模型 安全是共享乘車監(jiān)管最重要的維度,突發(fā)安全事件是衡量共享乘車安全監(jiān)管狀況的重要指標(biāo)。以滴滴出行為代表的共享乘車平臺(tái),在2018年3個(gè)月內(nèi)發(fā)生了兩起惡性安全事件,引起了社會(huì)輿論的廣泛關(guān)注,公眾對(duì)共享乘車的安全風(fēng)險(xiǎn)感知增強(qiáng),整個(gè)共享乘車市場(chǎng)陷入了信任危機(jī)。針對(duì)上述惡性安全事故,滴滴公司下架順風(fēng)車業(yè)務(wù),進(jìn)行內(nèi)部安全整改;交通運(yùn)輸部、公安部、中央網(wǎng)信辦等多部門也組成專項(xiàng)工作調(diào)查組,展開安全專項(xiàng)檢查。盡管平臺(tái)加強(qiáng)安全審查,政府也實(shí)行嚴(yán)厲的安全監(jiān)管,但公眾是否能重拾對(duì)共享乘車服務(wù)的信任還未可知。而對(duì)于一些程度較輕微的安全事件,考慮到監(jiān)管成本和資源的限制,政府部門和共享乘車平臺(tái)也不一定會(huì)采取措施加以管控。

為了反映安全事件影響的動(dòng)態(tài)演化過(guò)程,引入了基于“情景-應(yīng)對(duì)”模式的演化博弈方法,針對(duì)不同的安全事件場(chǎng)景分別考慮政府和共享乘車平臺(tái)的應(yīng)對(duì)措施,以分析安全事件對(duì)政府和共享乘車平臺(tái)的交互機(jī)制對(duì)司乘匹配的影響。

政府部門作為共享乘車監(jiān)管的重要主體,面對(duì)不同程度的安全事件時(shí),可以選擇監(jiān)管與不監(jiān)管兩種策略。對(duì)于危害性不高、影響范圍窄的安全事件,如果政府采取監(jiān)管策略,則可以有效提升共乘服務(wù)的安全質(zhì)量,但過(guò)于嚴(yán)格的管控可能會(huì)影響共享乘車市場(chǎng)的活力與效率,記乘客收益為H-A。如果政府采取不監(jiān)管策略,則存在安全事件進(jìn)一步發(fā)酵擴(kuò)散的風(fēng)險(xiǎn),記乘客收益為-Cl。另一方面,對(duì)于危害性較大的安全事件,如果政府采取嚴(yán)格監(jiān)管舉措,則有利于控制安全事件的社會(huì)影響,但乘客信任仍然會(huì)受到一定打擊,記乘客收益為H-Ch。如果政府采取不監(jiān)管策略,則乘客對(duì)共享乘車服務(wù)的安全風(fēng)險(xiǎn)感知將大大增強(qiáng),即乘客收益為-Ch。據(jù)此,得到乘客個(gè)體在不同安全事件情景下關(guān)于政府策略的收益矩陣,如表1所示。

表1 乘客個(gè)體收益矩陣

共享乘車平臺(tái)處于對(duì)效益的考慮,主觀上具有安全監(jiān)管動(dòng)機(jī)。如果市場(chǎng)中存在較多機(jī)會(huì)主義以及資質(zhì)較差的用戶,則市場(chǎng)規(guī)模必然會(huì)受到影響。另一方面,如果平臺(tái)安全投入過(guò)多,可能導(dǎo)致平臺(tái)盈利能力受限,同樣影響平臺(tái)經(jīng)營(yíng)和發(fā)展。因此,平臺(tái)在面對(duì)不同程度的安全事件時(shí),也可以采用無(wú)安全投入和安全投入兩種策略。對(duì)于危害性較低的安全事件,如果平臺(tái)采取無(wú)安全投入策略,可能會(huì)導(dǎo)致司機(jī)出現(xiàn)監(jiān)管松懈,記司機(jī)收益為-V。如果平臺(tái)采取安全投入策略,則可以有效提高司機(jī)安全質(zhì)量,記司機(jī)收益為S。對(duì)于高危害性的安全事件,如果平臺(tái)采取安全投入策略,則可以在一定程度上規(guī)范司機(jī)安全意識(shí),但安全事件造成的負(fù)面影響仍然無(wú)法完全抵消,記司機(jī)收益為S-K。如果平臺(tái)不采取安全投入策略,則在缺乏有效安全監(jiān)督和監(jiān)管激勵(lì)的情況下,司機(jī)安全水平受到嚴(yán)重影響,記司機(jī)收益為-K。據(jù)此,得到司機(jī)個(gè)體在不同安全事件情景下關(guān)于平臺(tái)安全投入的收益矩陣,如表2所示。

表2 司機(jī)個(gè)體收益矩陣

以乘客的策略學(xué)習(xí)為例,介紹乘客個(gè)體在政府與安全事件博弈過(guò)程中的安全信任觀點(diǎn)演化過(guò)程。司機(jī)的策略學(xué)習(xí)步驟同理。

(1)初始設(shè)置。初始的乘客agent占agent總數(shù)的N/(M +N),安全事件為低危害性的概率為p,為高危害性的概率為1-p;政府采取無(wú)監(jiān)管策略的概率為q,采取監(jiān)管策略的概率為1-q。群體中所有個(gè)體都隨機(jī)分布在仿真區(qū)域內(nèi)。

(2)計(jì)算個(gè)體收益函數(shù)。博弈過(guò)程發(fā)生在政府和安全事件之間,并對(duì)乘客策略產(chǎn)生影響,此時(shí)乘客agent可以在群體內(nèi)部進(jìn)行策略學(xué)習(xí)。記乘客agent收益函數(shù)為:Ui=f(pi,qi),i=1,2,…,n。其中,f函數(shù)表示第i個(gè)乘客個(gè)體在不同安全事件-政府監(jiān)管情景下的收益,且安全事件為低危害性的概率為pi,政府采取無(wú)監(jiān)管策略的概率為qi。乘客個(gè)體根據(jù)政府管制的影響模型更新參數(shù)。

(3)策略學(xué)習(xí)。隨機(jī)在鄰居節(jié)點(diǎn)中選擇一個(gè)作為策略學(xué)習(xí)對(duì)象。由于個(gè)體總是以追求更好的收益為目的,故博弈過(guò)程中收益高的個(gè)體更容易被其他個(gè)體學(xué)習(xí)模仿。據(jù)此,乘客個(gè)體策略更新規(guī)則為[35-36]

式中:pij為第i個(gè)乘客個(gè)體采取第j個(gè)乘客個(gè)體策略的概率,策略更新公式如式(1)所示,第i個(gè)乘客將以概率pij根據(jù)式(1)更新當(dāng)前的安全信任觀點(diǎn)值,同理,司機(jī)也將以概率pij更新當(dāng)前的司機(jī)安全水平值;Ui和Uj分別為第i和第j個(gè)乘客的總收益;k是噪聲系數(shù),表明個(gè)體的有限理性,即使收益較低的個(gè)體策略也可能以一個(gè)小的概率被其他個(gè)體學(xué)習(xí)。參照文獻(xiàn)[35],本文取k=5。

1.3 司乘匹配模型流程

司乘匹配模型總體算法流程:

步驟1初始化仿真對(duì)象,N個(gè)乘客和M個(gè)司機(jī),其中,乘客屬性:{出發(fā)地,目的地,最大等待時(shí)間,乘客安全信任},司機(jī)屬性:{司機(jī)當(dāng)前位置,司機(jī)安全水平}。根據(jù)初始化參數(shù)表3設(shè)置相應(yīng)參數(shù)。

步驟2設(shè)置系統(tǒng)時(shí)間T(天),執(zhí)行步驟3,計(jì)算單位系統(tǒng)時(shí)間內(nèi)的司乘匹配率。

步驟3設(shè)置單位T內(nèi)的模擬次數(shù)Iterations(min),循環(huán)執(zhí)行步驟4～7。

步驟4查看是否有在途中的司機(jī)和乘客。若有,則更新當(dāng)前乘客和司機(jī)的旅行剩余時(shí)間;若剩余時(shí)間為0,則將該乘客和司機(jī)移出在途名單,并對(duì)該乘客和司機(jī)重新初始化。

步驟5對(duì)非在途的司機(jī)和乘客進(jìn)行匹配。匹配規(guī)則為:對(duì)于每個(gè)乘客,篩選出滿足乘客最大等待時(shí)間的司機(jī),并對(duì)這些司機(jī)按照安全等級(jí)由大到小排序,選定前k個(gè)司機(jī)作為候選司機(jī)發(fā)布訂單。每個(gè)司機(jī)接單的概率服從[0-1]的均勻分布。若當(dāng)前司機(jī)的安全等級(jí)滿足乘客的安全信任閾值,且接單概率大于0.1,則將該司機(jī)和乘客進(jìn)行匹配。

步驟6未匹配上的司機(jī)開始隨機(jī)游走。對(duì)于未匹配上的乘客,若其當(dāng)前的最大等待時(shí)間為0,則對(duì)該乘客重新初始化。

步驟7單位T內(nèi)的模擬次數(shù)Iterations推進(jìn)一個(gè)單位,根據(jù)乘客安全信任演化模型更新乘客屬性。

步驟8系統(tǒng)時(shí)間T推進(jìn)一個(gè)單位,在不同仿真情景下根據(jù)政府管制影響模型、平臺(tái)安全投入影響模型和安全事件影響模型更新乘客和司機(jī)屬性。

步驟9當(dāng)達(dá)到最大系統(tǒng)時(shí)間T時(shí)模擬結(jié)束。

2 仿真與結(jié)果分析

2.1 參數(shù)設(shè)置

本文選取覆蓋北京市區(qū)的真實(shí)軌跡Geolife數(shù)據(jù)集[32]對(duì)上述設(shè)計(jì)的司乘匹配模型進(jìn)行參數(shù)設(shè)置,使仿真過(guò)程更加貼近現(xiàn)實(shí)設(shè)定。Geolife數(shù)據(jù)集出自微軟研究Geolife項(xiàng)目,從2007-04～2012-08 共收集了182個(gè)用戶的GPS軌跡信息,其中大部分軌跡信息來(lái)自中國(guó)北京。由于本文是在共享乘車出行的背景下進(jìn)行的,故僅選取其中標(biāo)簽為出租車和私家車的軌跡進(jìn)行分析。

首先對(duì)Geolife數(shù)據(jù)集進(jìn)行預(yù)處理,刪除文件中的說(shuō)明性信息,提取出每條軌跡信息的出發(fā)時(shí)間、到達(dá)時(shí)間、出發(fā)地點(diǎn)(經(jīng)度、維度)以及到達(dá)地點(diǎn)(經(jīng)度、維度)。計(jì)算出每條軌跡信息的里程和時(shí)間,剔除行程時(shí)間低于5 min的軌跡,最終得到有效軌跡663條,軌跡里程從1～350 km,平均駕駛速度約為20 km/h。考慮到數(shù)據(jù)集大部分軌跡來(lái)自中國(guó)北京,參考北京市面積范圍和仿真區(qū)域清晰度,將仿真區(qū)域設(shè)置為1 300×1 300,單位距離為100 m;設(shè)置司機(jī)平均駕駛速度為400 m/min。其他參數(shù)的默認(rèn)設(shè)置見表1。

仿真實(shí)驗(yàn)通過(guò)不同的參數(shù)設(shè)置表達(dá)不同的情景,例如政策導(dǎo)向模式、平臺(tái)安全投入模式,其余參數(shù)的缺省設(shè)置參照表3。每次交互時(shí),被動(dòng)智能體agentj隨機(jī)選取n個(gè)主動(dòng)智能體agenti作為交互對(duì),并根據(jù)上述模型更新智能體agent的屬性值。仿真過(guò)程通過(guò)Python編程實(shí)現(xiàn)。

表3 默認(rèn)的參數(shù)設(shè)置

2.2 政策導(dǎo)向?qū)λ境似ヅ涞挠绊?/h3>

在共享乘車平臺(tái)的發(fā)展過(guò)程中,政府部門必須積極引導(dǎo)行業(yè)規(guī)范性,督促共享乘車平臺(tái)完善行業(yè)從業(yè)人員準(zhǔn)入、考核及管理制度,杜絕不法分子利用共享乘車駕駛員身份進(jìn)行違法犯罪的惡行。政府通過(guò)出臺(tái)一系列政策導(dǎo)向措施來(lái)引導(dǎo)平臺(tái)發(fā)展,嚴(yán)厲的監(jiān)管手段和法律法規(guī)能增強(qiáng)用戶對(duì)共乘服務(wù)的安全信任,降低對(duì)共乘服務(wù)的安全擔(dān)憂。

首先分析政策導(dǎo)向宣傳密集度D對(duì)司乘匹配的影響。政府出臺(tái)某項(xiàng)政策導(dǎo)向舉措,往往只會(huì)在某時(shí)間段內(nèi)密集宣傳,舉辦與該政策導(dǎo)向有關(guān)的活動(dòng)或會(huì)議等。設(shè)置系統(tǒng)時(shí)間T=10時(shí),政策導(dǎo)向宣傳開始發(fā)揮作用;設(shè)置3種情境:D=5,D=10,D=15。密集度D=5 時(shí)的政策宣傳示意圖如圖1 所示。3種情境下的司乘匹配率變化過(guò)程如圖2所示。

圖1 宣傳密集度的政策作用時(shí)間示意圖(D=5)

圖2 政策宣傳持續(xù)時(shí)間3種情境下的司乘匹配率(D=5,10,15)

由圖2可以看出,在不同的政策導(dǎo)向宣傳周期下,司乘匹配率呈現(xiàn)出一定的區(qū)別:司乘匹配率在系統(tǒng)時(shí)間T=10后均出現(xiàn)明顯上升趨勢(shì),但當(dāng)政策宣傳密集度超過(guò)一定程度后,司乘匹配率提升程度有限。從乘客安全信任的角度,當(dāng)政府宣傳不夠充分,即宣傳密集度較低時(shí),政策導(dǎo)向信息引起的乘客安全信任提升度有限,乘客還未完全接受政策信息并調(diào)整自身觀點(diǎn)。隨著政策宣傳的持續(xù)和相關(guān)措施的落實(shí),乘客逐漸被政策導(dǎo)向信息影響,安全信任閾值逐漸降低,并最終維持在和政府主體倡導(dǎo)的安全信任值趨于一致的水平。乘客安全信任閾值的降低意味著對(duì)司機(jī)安全等級(jí)要求的降低,因此,有更多的司機(jī)可以作為行程服務(wù)的候選司機(jī),司乘匹配率得到提升。而當(dāng)安全監(jiān)管政策已經(jīng)深入人心后,乘客對(duì)共乘服務(wù)的安全信任已趨于固化,即使再進(jìn)行政策宣傳也只能起到非常有限的作用,因此,在D=10和D=15情境下的司乘匹配率無(wú)明顯差別。這表明,政策導(dǎo)向宣傳存在一定的衰減效應(yīng)。政府應(yīng)該把控好共享乘車平臺(tái)管制的時(shí)機(jī)和節(jié)奏,跟進(jìn)市場(chǎng)發(fā)展動(dòng)態(tài),既不能一蹴而就造成政策落實(shí)不到位,也不能追求過(guò)度宣傳而導(dǎo)致政府監(jiān)管資源的浪費(fèi)。

圖2展現(xiàn)了government=0.1時(shí),不同宣傳密集度的政策導(dǎo)向信息對(duì)于司乘匹配的影響。接下來(lái)探究政策導(dǎo)向信息的強(qiáng)度給司乘匹配帶來(lái)的影響。嘗試改變government的值,即設(shè)定government=0.1,government=0.3,government=0.6,并保持政策持續(xù)時(shí)間D=10,模擬結(jié)果對(duì)比如圖3所示。

圖3 政策導(dǎo)向信息情境下的司乘匹配率(government=0.1,0.3,0.6)

考慮到乘客群體的初始安全信任值的均值為0.5,government=0.1,可以理解為政府通過(guò)一系列政策監(jiān)管措施之后,對(duì)于共享乘車平臺(tái)的安全發(fā)展態(tài)勢(shì)非常有信心,向用戶傳遞出了積極的信號(hào);government=0.3,則意味著政府管制強(qiáng)度一般,對(duì)用戶的引導(dǎo)效果有限;government=0.6,則說(shuō)明政府發(fā)布的政策導(dǎo)向信息對(duì)共享乘車的安全管理現(xiàn)狀較為消極,同時(shí)也影響了用戶的安全信任。由圖3可以看出,司乘匹配成功率與政府安全信任閾值水平呈負(fù)相關(guān)關(guān)系,這也印證了政策導(dǎo)向信息在共享乘車平臺(tái)發(fā)展的重要作用。

2.3 平臺(tái)安全投入對(duì)司乘匹配的影響

面對(duì)共享乘車這一新興業(yè)態(tài),政府的監(jiān)管手段和法律法規(guī)也難以適應(yīng)新生事物的發(fā)展。共享乘車平臺(tái)作為服務(wù)提供方,具有更及時(shí)、更豐富的信息來(lái)源,對(duì)服務(wù)的安全弊端和缺陷也具有更加深刻的認(rèn)識(shí),由平臺(tái)主導(dǎo)的安全監(jiān)管措施能夠更直接有效地提升共乘服務(wù)的安全質(zhì)量。在平臺(tái)的安全投入中,司機(jī)資質(zhì)審查和司機(jī)安全培訓(xùn)計(jì)劃是平臺(tái)關(guān)注的重點(diǎn)方面[33],將對(duì)司機(jī)整體的安全水平產(chǎn)生積極效果。

首先分析平臺(tái)安全投入程度h對(duì)于司乘匹配率影響。設(shè)定4 種情境:h=0.01,h=0.03,h=0.05,h=0.07,分別表示平臺(tái)采取不同程度(輕度、中度和重度)的安全投入而引起的司機(jī)安全水平增加量。仿真結(jié)果如圖4所示。

由圖4可以看出,在平臺(tái)安全投入初始階段,司乘匹配率之間的差異并不明顯,隨后才表現(xiàn)出較為顯著的差異。這意味著平臺(tái)的安全監(jiān)管是一個(gè)需要持續(xù)性投入的過(guò)程,短期的投入難以對(duì)司機(jī)安全做到有效提升。安全是共享乘車平臺(tái)的核心競(jìng)爭(zhēng)力,平臺(tái)需要持續(xù)性地做好安全保障工作,才能贏取乘客的信任與支持。此外,隨著安全投入強(qiáng)度的增大,司乘匹配成功率呈現(xiàn)出先遞增后不變的趨勢(shì),h=0.05和h=0.07兩種情境下的司乘匹配成功率幾乎無(wú)顯著區(qū)別。這說(shuō)明,與政府政策導(dǎo)向相似,平臺(tái)安全投入對(duì)司機(jī)安全水平的提升存在衰減效果,平臺(tái)應(yīng)把握好投入的度與量。安全投入過(guò)少,則司機(jī)安全水平提升有限;安全投入過(guò)多,則會(huì)導(dǎo)致平臺(tái)資源的浪費(fèi),加大平臺(tái)的虧損壓力。

圖4 平臺(tái)安全投入程度4種情境下的司乘匹配率(h=0.01,0.03,0.05,0.07)

接下來(lái)分析司機(jī)對(duì)平臺(tái)安全投入的敏感程度的影響。設(shè)定3種情境:γ∈[0,0.1],γ∈[0,0.5],γ∈[0,1],分別表示司機(jī)不同程度(從低到高)的平臺(tái)安全投入敏感度。仿真結(jié)果如圖5所示。

圖5 平臺(tái)安全投入敏感度3種情境下的司乘匹配率(γ ∈[0,0.1],γ ∈[0,0.5],γ ∈[0,1])

由圖5可以看出,敏感度越高的司機(jī)越容易被平臺(tái)的安全培訓(xùn)和管控措施所影響,因此,有更多的司機(jī)滿足乘客的安全要求,從而帶來(lái)司乘匹配率的提升。Signori等[34]的研究結(jié)果也表明,發(fā)生安全事故的司機(jī)往往對(duì)內(nèi)知覺的敏感性較低,即駕駛員對(duì)外部環(huán)境存在極度依賴性,并且內(nèi)在控制能力較弱。因此,平臺(tái)可以對(duì)司機(jī)的心理素質(zhì)進(jìn)行考核,重點(diǎn)關(guān)注存在較強(qiáng)外部依賴心和較弱自控能力的司機(jī),加強(qiáng)對(duì)這部分司機(jī)的安全培訓(xùn)和監(jiān)管,這將使得平臺(tái)的安全投入更加行之有效。

2.4 安全事件對(duì)司乘匹配的影響

共享乘車安全事件頻發(fā)給乘客帶來(lái)了信任危機(jī),而對(duì)不同程度的安全事件如何響應(yīng),也成為政府和共享乘車平臺(tái)共同面臨的重要挑戰(zhàn)。下面探究不同安全事件危害性情景下,政府管制力度和平臺(tái)安全投入強(qiáng)度的協(xié)同演化對(duì)司乘匹配的影響。在本文模型中,安全事件危害度和政府、平臺(tái)的管控力度主要體現(xiàn)在概率p、q和s中。當(dāng)p＞0.5時(shí),表示安全事件為低危害性的概率更大;當(dāng)p＜0.5時(shí),則意味著安全事件為高危害性的概率更大。同理,q＜0.5和s＜0.5分別表示更高強(qiáng)度的政府管制措施和平臺(tái)安全投入策略。

首先探究高危安全事件發(fā)生概率對(duì)司乘匹配的影響。分別設(shè)置不同的p參數(shù)值,分析在一定的政府管制力度和平臺(tái)安全投入情景下(q=0.3,s=0.3),司乘匹配成功率如何變動(dòng)。仿真結(jié)果如圖6所示。

圖6 不同高危安全事件發(fā)生概率下的司乘匹配率

由圖6可以看出,安全事件對(duì)司乘匹配成功率有著重要影響。即使是在政府和平臺(tái)的協(xié)同監(jiān)管下,頻發(fā)的高危安全事件仍然會(huì)對(duì)市場(chǎng)信心造成嚴(yán)重打擊,司乘匹配成功率遠(yuǎn)遠(yuǎn)低于低發(fā)安全事件情景下的結(jié)果。而高危安全事件的有效控制能夠給司乘匹配率帶來(lái)顯著提升,這也證實(shí)了安全事件的預(yù)防與控制對(duì)共享乘車行業(yè)的重要意義。

接下來(lái)分析安全事件危害性強(qiáng)度中等(p=0.5)情景下,政府和平臺(tái)單方面主導(dǎo)的監(jiān)管模式(q=0.1,s=0.9;q=0.9,s=0.1)以及雙重監(jiān)管模式(q=0.1,s=0.1)下司乘匹配率的變化情況,仿真結(jié)果如圖7所示。

圖7 政府和平臺(tái)單方面主導(dǎo)的監(jiān)管模式以及雙重監(jiān)管模式下的司乘匹配率

由圖7可以看出,當(dāng)安全監(jiān)管完全由平臺(tái)主導(dǎo),而政策宣傳僅僅起輔助作用時(shí),司乘匹配率曲線顯著低于政府主導(dǎo)的監(jiān)管模式和政府-平臺(tái)雙重監(jiān)管模式。這意味著共享乘車服務(wù)供需雙方在安全需求上的隔閡,也體現(xiàn)出平臺(tái)單一監(jiān)管模式存在的局限性。如文獻(xiàn)[37]所述,依靠共享乘車平臺(tái)自身發(fā)揮監(jiān)管作用存在3點(diǎn)局限:①平臺(tái)企業(yè)實(shí)施監(jiān)管缺乏有效地監(jiān)督,可能會(huì)存在監(jiān)管松懈的情況;②平臺(tái)企業(yè)作為市場(chǎng)規(guī)則的制定者,也會(huì)為了短期利益而產(chǎn)生內(nèi)部腐敗的情況;③平臺(tái)企業(yè)難以改變自身作為企業(yè)的屬性,因此并沒有執(zhí)法權(quán),對(duì)于違法行為的監(jiān)管具有一定的局限性。相反,政府主導(dǎo)的監(jiān)管模式相對(duì)于平臺(tái)主導(dǎo)模式而言更能顯著提升司乘匹配成功率。政府的長(zhǎng)處是行政機(jī)關(guān)可以合法進(jìn)行監(jiān)管,并且可以克服平臺(tái)單一監(jiān)管帶來(lái)的弊端。對(duì)于平臺(tái)監(jiān)管松懈和內(nèi)部腐敗問(wèn)題,政府可以依法向平臺(tái)企業(yè)施加連帶懲罰,克服企業(yè)主觀監(jiān)管動(dòng)機(jī)不純的問(wèn)題。同時(shí),政府的政策宣傳也能對(duì)乘客信心回升產(chǎn)生積極的引導(dǎo)作用。特別地,政府和共享乘車平臺(tái)的雙重監(jiān)管模式對(duì)司乘匹配率的提升最為有效。這種模式能充分發(fā)揮共乘平臺(tái)的監(jiān)管積極性,在市場(chǎng)監(jiān)管上與政府相互配合,取長(zhǎng)補(bǔ)短。政府實(shí)施事前的準(zhǔn)入監(jiān)管,平臺(tái)通過(guò)大數(shù)據(jù)手段進(jìn)行事中的行為監(jiān)督,對(duì)于事后的糾紛則可由平臺(tái)和政府共同解決。這種監(jiān)管模式要求政府建立靈活的監(jiān)管機(jī)制,同時(shí)放權(quán)給平臺(tái)企業(yè),推動(dòng)共享乘車行業(yè)自律監(jiān)督,更好地發(fā)揮協(xié)作作用,從而最大限度地提升安全監(jiān)管效率,保障司乘安全需求。

3 結(jié)論

本文研究了安全視角下司乘匹配成功率如何隨時(shí)間動(dòng)態(tài)演化的過(guò)程。與傳統(tǒng)司乘匹配的研究相比,本文既考慮了乘客安全信任和司機(jī)安全水平等內(nèi)生安全因素,同時(shí)也考慮了政策導(dǎo)向、平臺(tái)安全投入和安全事件等外生變量的影響。分別建立了乘客安全信任演化模型、政策導(dǎo)向影響模型、平臺(tái)安全投入影響模型和安全事件影響模型,探究不同的政策宣傳密集度和強(qiáng)度、平臺(tái)安全投入強(qiáng)度、司機(jī)對(duì)安全投入敏感度和高危安全事件發(fā)生概率等情景下,司乘匹配成功率隨之變化的情況。綜合仿真結(jié)果可以得出如下結(jié)論:

(1)政府主導(dǎo)的監(jiān)管模式相對(duì)于平臺(tái)主導(dǎo)模式更能顯著提升司乘匹配成功率,而政府和共享乘車平臺(tái)的雙重監(jiān)管模式對(duì)司乘匹配率的提升最為有效。政府管制對(duì)整治共享乘車行業(yè)亂象具有積極效用,同時(shí)也應(yīng)該主動(dòng)放權(quán),加強(qiáng)平臺(tái)企業(yè)的事中監(jiān)管力度,發(fā)揮政府-平臺(tái)雙重監(jiān)管模式的優(yōu)勢(shì)。

(2)政策導(dǎo)向的宣傳作用存在一定的衰減效應(yīng)。政府要把控好共享乘車平臺(tái)管制的時(shí)機(jī)和節(jié)奏,跟進(jìn)市場(chǎng)發(fā)展動(dòng)態(tài),既不能一蹴而就造成政策落實(shí)不到位,也不能追求過(guò)度宣傳而導(dǎo)致政府監(jiān)管資源的浪費(fèi)。同理,平臺(tái)也要考慮安全投入的度量問(wèn)題。安全投入過(guò)少,則不能充分保障司機(jī)和乘客的安全水平;安全投入過(guò)多,又會(huì)造成平臺(tái)資源的浪費(fèi),增大平臺(tái)運(yùn)營(yíng)成本。

(3)平臺(tái)在進(jìn)行司機(jī)資質(zhì)考核與培訓(xùn)時(shí),應(yīng)對(duì)自控能力較弱且依賴性較強(qiáng)的司機(jī)進(jìn)行重點(diǎn)觀察。這部分司機(jī)對(duì)平臺(tái)的安全管制措施更加敏感,也更容易在受監(jiān)管的情況下規(guī)范自身行為,使得平臺(tái)的安全投入更卓有成效。

(4)安全事件的預(yù)防和控制對(duì)司乘匹配成功率具有重要影響。即使是在政府和平臺(tái)雙重監(jiān)管的情況下,高發(fā)安全事件仍會(huì)對(duì)市場(chǎng)信心造成嚴(yán)重的負(fù)面影響,需要采取有效手段盡量避免此類安全事件的發(fā)生。

本文存在一些不足,可以在未來(lái)的工作中加以改進(jìn)。例如,對(duì)政策導(dǎo)向的建模只考慮了政策導(dǎo)向宣傳密集度和政策導(dǎo)向信息強(qiáng)度兩個(gè)維度,現(xiàn)實(shí)的政策導(dǎo)向可能更復(fù)雜,未來(lái)可以考慮用更多變量來(lái)更加客觀地表達(dá)政策導(dǎo)向。