網約車平臺信息機制設計與司機工作模式選擇

李玲芳　盧向華　符琳　黃少卿

關鍵詞：共享經濟;網約車平臺;信息機制設計;激勵機制設計

一、引言

隨著互聯網、大數據、云計算等新一代信息技術與交通行業的深度融合，Uber、滴滴、神州租車等網約車平臺在全球范圍內迅速普及。一方面，網約車平臺為城市居民出行提供便捷，但是另一方面，網約車平臺機制設計的不合理很可能會導致司機與乘客發生利益沖突，降低網約車服務質量（黃雷彩等，2020）。

其中，網約車平臺的乘客目的地透明機制由于引發司機“拒載”行為而備受爭議。以滴滴共享平臺為例，2017 年以前，平臺允許司機獲悉乘客最終目的地，由司機決定是否應答。這種機制設計雖然可以幫助平臺服務供給者和服務需求者之間更好地匹配，但是也造成了司機出現兩種策略性工作模式——主動選單（選擇長距離訂單）和被動接單（不挑選訂單），進而產生司機拒載行為，降低乘客滿意度。為此，2017 年，上海市交通委決定網約車平臺不得顯示乘客目的地相關功能①。

現有研究對網約車平臺如何激勵司機行為進行了大量探討。例如探討網約車平臺根據市場需求變化采取不同的定價模式和策略，從而優化司機接單行為（Diakopoulos，2015）;實證研究證實了平臺幫助司機與乘客之間實現信息共享，可以降低總體出行費用的60%，降低司機之間的惡性競爭（Zhan 等，2016），節約乘客與司機獲悉搜尋與等待接單的時間，是時間成本最小化與乘車收入最大化的關鍵點（Gabel，2016）。網約車平臺在機制設計上需要在司機個體利益最大化與市場需求盡可能滿足間實現激勵相容（周樂欣，2020）。現有研究主要從乘客交易價格變化、乘客等待時間等因素出發探討司機行為的激勵效應，缺乏探討乘客目的地已知情境下司機不同工作模式的績效差異。

為探討上述研究缺口，本文作者與滴滴平臺合作，針對其2015 年搶派結合模式探索階段，以隨機抽樣網約車司機脫敏數據為研究樣本，并選取北京市限行①產生市場需求快速波動時間段為自然實驗事件，聚焦于回答以下兩個研究問題：第一，網約車平臺乘客目的地已知情況下，司機主動式選單模式是否一定比被動式接單模式產生更好的績效？第二，當市場需求發生快速變化時，司機主動式選單是否仍然維持績效優勢？

本文采用傾向評分匹配（PSM）的研究方法對滴滴出行網約車數據進行分析，發現無論市場需求是高或者低，主動選擇模式下司機在每日總收入、每小時收入以及載客率上都優于被動接單的司機。但是，主動選單司機的邊際收入在市場高需求期間遞減，即限行期的高需求市場會削弱挑選長距離訂單的司機與不挑選長距離訂單司機之間的收入差距。這個研究結果表明，司機主動式選單回報要優于被動式選單。由此可以推測，隨著司機網約車經驗的增長，將有越來越多的挑單行為發生，因此會出現對于短途出行的需求不平衡和不匹配。

相對已有文獻，本文的理論貢獻在于：

① 以往對于網約車平臺的機制設計研究主要關注平臺訂單類型設計、訂單時長設計與訂單報價設計對司機工作模式的影響（Zheng 等，2016;程絮森等，2015;Cici，2015），缺乏關注乘客目的地信息機制與司機工作模式選擇之間的關系。本文發現乘客目的地機制設計的缺陷會導致部分市場失靈現象出現，具體表現為司機在利益最大化驅動下選擇長途單而忽視短途單，短途出行需求得不到匹配，由此揭示了乘客目的地信息機制下市場失靈的內在機理。

② 本文發現在乘客目的地信息機制影響下的市場失靈中，市場需求的波動性不會產生根本性影響，主動式選單工作模式的績效總是優于被動式接單工作模式;指出了這種類型的市場失靈具有魯棒性效應，不會隨著市場波動而變化，推進了現有網約車領域研究對該現象的理解。

③ 對于乘客目的地信息機制設計，本文一方面揭示了可能會出現的市場失靈現象，另一方面也指出該機制對策略性司機群體具有正向激勵效應，有助于提高司機參與度和訂單應答效率。本文的研究結論有助于網約車及其他共享經濟平臺（例如共享單車）改進乘客目的地信息披露模式，對平臺的長遠發展有一定的推動作用。

二、網約車平臺機制設計文獻回顧

共享經濟平臺資源配置的特性使得平臺承擔了部分市場組織者的職能（Hurwicz，1973）。如何在非理想條件下實現資源的有效配置是平臺發展的關鍵，也是經濟學的重要議題——市場（機制）設計理論研究的主要內容（李玲芳和洪占卿，2015）。平臺的參與者會按照平臺設定的規則進行經濟活動，因此，平臺的機制設計會對參與者的行為產生較大的影響（Maskin，2008），如果設計不當，則會對平臺自身和市場的公平與效率產生影響。比如：電商平臺eBay 一開始的評論系統里面允許買賣雙方互評，但是后來發現這樣的平臺機制設計會導致買家不敢留下真實的差評，因此在2013年禁止賣家給買家留差評。

現有研究對網約車平臺的機制設計進行了大量探討。在訂單類型選擇方面，研究發現司機在可以預期接到很多訂單時，存在通過多接一些距離小于起步價距離的訂單來提高收入的情況，網約車平臺的出現使得司機更愿意接短單了（Zheng 等，2016）。與之相反，有學者的研究證實了當起步價的收入遠高于多跑一公里的收入時，司機更愿意多接短單來獲得更多的起步價（Dong，2016）。與前者結論均不同的是，將司機按收入高低分為四組，四組司機的平均每單車程的概率分布曲線相同，結論認為司機不能通過接長單、少接單來獲取更多收入（Zhang 等，2016）。但是，這些研究并沒有以有可比性的司機為研究對象進行分組，從而研究司機的工作策略，也缺少在市場需求波動情景下司機的策略行為的研究。

在訂單工作時長方面，共享機制下，司機可以自由選擇工作時長，司機的工作時長問題以及其與傳統出租車司機的工作效率和行為模式比較成為了近期研究關注的熱點。在共享機制下，司機傾向于在工資高時投入更多的工作時間（Cachon等，2015）。其中，以Uber為例，司機的平均每小時收入并不隨著一周內工作時間的長短而變化（Hall 和Krueger，2017）。相較出租車司機，Uber司機工作時間的彈性更大，平均每小時收入更高，且每周工作更少時間。在資源利用效率上， Uber司機載客時間比率（載客時間占總工作時間的比率）以及載客路程比率（載客時間占總工作時間的比率）都顯著高于出租車司機（Cramer 和 Krueger，2016）。在Uber 平臺被采用的城市，總就業人數有所增加，傳統出租車司機的收入下降部分被Uber 司機收入的增長部分所抵消（Berger等，2018）。

在訂單報價方面，現有網約車平臺采取司機接受或者拒絕的定價交易機制，可以幫助平臺優化司機的實際運行成本和期望收益（程絮森，2015）。網約平臺動態定價模式是競爭性報價交易機制在共享經濟平臺的表現（McAfee，1992;Cici 等，2015）。通過實證分析數據發現，在線乘車系統的動態價格匹配機制可以使得司機乘客匹配率高達78%。另有研究證實了動態價格機制在提高市場效率和提升乘客服務體驗上均優于固定價格機制（Pueboobpaphan 等，2017）。

針對中國網約車市場的研究，一些學者對出租車司機及滴滴司機的工作方式選擇進行了新的探討。有研究按照每日收入高低將司機分為3 組，發現供需關系、搜索距離、費用率、車速是影響司機收入的主要因素。但是在低需求地區不代表著低收入，長訂單也不代表著高收入（Qin 等，2017）。而這正是本文可以進一步解釋的。低需求地區的挑單司機一樣可以獲得高收入，挑選長訂單的司機一定程度上會受到訂單需求的影響。

綜上所述，現有研究已經意識到網約車平臺機制設計的重要性，并從司機訂單類型、訂單時長、訂單價格等方面探討對司機行為的激勵效應，然而缺乏探討在訂單目的地已知情況下不同司機行為的績效差異。

三、理論與假說

（一）基礎理論模型：司機工作方式對司機績效的影響

所有司機都有動機在有限工作時間內以更高效的工作方式獲得更高的收入。過去我們觀察到出租車司機更偏好于接長訂單，尤其是機場和火車站的訂單。在這種情況下，一些司機會更具策略性，只回應價值較高的訂單，即長訂單。因為他們認為，即使他們可能會犧牲一些短距離訂單，導致等待時間更長，但長訂單的利潤會覆蓋掉成本。如北京出租車（早5：00—晚22：59）的起步價為10元（三公里以內），超出（含）三公里至十五公里以內的公里數每公里按2 元計費。超出（含）十五公里的公里數（每公里加收50%空駛費）按3 元計費。顯然，司機更偏好距離超過十五公里的長訂單。

有學者的研究發現，與出租車司機相反，網約車司機在可以預期接到很多訂單時，存在通過多接一些小于起步價距離的訂單來提高收入的情況，網約車平臺的出現使得司機更愿意接短單了（Dong，2016;Tang，2017）。其他學者的研究進一步證實了司機不能通過接長單、少接單來獲取更多收入（Zhang 等，2016）。

假說1：司機挑選長距離訂單會獲得超額回報。

（二）需求波動對司機行為模式與績效的影響

在高峰期，挑長單的策略效果減弱。低峰期沒有足夠的短單，使得司機無法實現多接單接短單策略。高峰期情況下，市場訂單足夠多，司機的尋客成本更低，司機多接短訂單也可以實現高收入。我們將司機劃分為挑選長訂單的主動選單組，和不挑選長訂單的被動接單組。經檢驗，確實兩者收入差距在高峰期減少，說明在不挑選長訂單的司機中有一部分司機采用了多接單、接短單策略，從而獲得更高的收入。

假說2：高需求市場下，主動選單的工作策略的邊際效應降低。

（三）司機行為模式轉換對司機績效的影響

正如前面所述，在高需求模式下，司機即使不挑單也能有足夠的訂單數，因此很多司機會選擇維持低需求模式下的工作方式。但另一方面，高需求模式提供了一個更好的挑單環境，也就是說高需求模式下，訂單量足夠多，更允許司機對訂單進行有目的性的選擇。那么一個自然的問題就是，在需求波動的情況下，司機改變其工作方式會帶來更高還是更低的邊際收入？考慮到這一問題背后有著兩種不同的機制在影響著司機的決策，我們尚未知哪一種機制產生的作用更大，因此，我們提出兩個競爭性的假設：

假說3a：司機在市場需求波動的情況下轉換為主動選單工作策略，會帶來更高的邊際收入。

假說3b：司機在市場需求波動的情況下轉換為主動選單工作策略，會帶來更低的邊際收入。

四、樣本選擇、指標構建與變量統計

（一）樣本選擇

2015 年12 月，北京市政府實施了7 天“單雙車禁”政策（12 月9 日-12 日和12 月20 日-22 日），要求車輛按照車牌號的奇偶分天數限行，以緩解霧霾和交通擁堵。這個政策導致公共交通和私家車共享需求急劇增加，12 月7 日滴滴順風車的預約量相比前一日大幅增長了93.5%①。政策期和非政策期創造出了相應的高需求市場和低需求市場，對此，我們構建實證模型檢驗需求波動對網約車司機的工作方式的影響。

在本研究中，我們與滴滴平臺合作，隨機抽取了2015年12月1日至12月31日北京1000名網約車司機的脫敏數據。2015年滴滴仍處于搶派結合模式的探索階段，訂單優先派送距離乘客一定半徑范圍內的司機，播報訂單的起始位置和目的地位置信息（播報時間3-5 秒），如果沒有司機搶單，系統會擴大播報半徑直至有司機接單。因此在這個過程中，一些司機會策略性選擇距離更長、價值更高的訂單。

為了確定哪些是主動選單司機哪些是被動接單司機，我們計算了正常需求期間（即沒有單雙車禁止期，共21天）每個駕駛者的平均每程行程距離。如果司機的平均行程距離高于平均值的3/4標準偏差，我們將他們定義為主動選單司機，最終在1000名司機中有255名主動選單司機，而其他745名司機則更傾向于隨機地選擇這些訂單。

為了更好地比較主動選單司機與被動接單司機的行為差異，我們要排除這兩類司機的自我選擇偏差，即兩類司機除了搶單方式之外，在經驗、工作時間、車輛配置等方面沒有顯著的偏差。因此，基于這255 名司機的信息，我們采用傾向得分匹配（PSM）方法，在745 名剩余的司機中采用一對一最近鄰居匹配（無替換）算法（Brodeur，2018），匹配了255 名被動接單司機，即這些司機在正常需求期間不會刻意地去搶長單。表1 是經過PSM 匹配后兩組司機的特征比較結果，我們發現匹配后，四項特征的t 檢驗均不顯著，提示兩組司機的工作時間、經驗、車輛價格、車的排量方面均相似，這兩組之間的唯一區別是司機所選擇的平均行程距離。

（二）變量定義與描述

在衡量司機績效時，勞動供給理論的學者大多采用平均每日工資、工作時間、小時平均工資來衡量（Farber，2005;Kim，2018）。但有研究指出，以往研究司機績效時忽略了司機空跑尋找乘客的成本，提出還需要考慮司機空載成本和單位時間效率（Tang 等，2017）。因此，除每天每個司機的日收入（daily income）、平均每小時收入（hourly income）指標之外，本文增補了司機日訂單數量（daily order）、日負載率（load rate）等指標作為因變量，從多個角度來衡量司機績效。

每日收入和每日訂單數量是指特定日期所有訂單的總費用和訂單數量。每日工作時間可以計算為司機的第一個和最后一個訂單之間的時間差。然而，由于大多數共享汽車司機都是間斷工作的，他們可能會在一天中選擇自己的工作時間，因此，時差計算方法可能會高估總工作時間。在本研究中，我們假設當兩個連續交易之間有一個小時的差距時，認為司機已經結束工作。這樣，我們把司機的一天劃分成幾個時間段，并把這些時間段作為他的總工作時間加總，作為他的每日工作時間。據此，我們可以進一步計算每個司機每小時的收入為日收入除以每天的工作時間。每日接單時間則等于當日所有訂單的時間長度的總和。基于每日接單時間得到司機日負載率，每個司機的載客時間除以她/他每天的總工作時間。載客時間是司機一整天所有訂單的累計時間，我們可以把它命名為司機可以賺取利潤的有效的工作時間。表2給出了所有的變量定義及描述性統計。

根據表2 的統計，共享車的平均載客率均值為72.3%，明顯高出出租車的平均載客率35.18%①。共享車司機平均每日收入均值為219.678元，標準差為152.865元，說明司機之間的收入差距大。司機平均每小時收入均值為37.05元，標準差為11.85元，說明司機之間的收入差距不僅僅只是工作時長的不同，司機之間的工作效率也有差異。

五、研究內容

（一）研究一：需求變動對司機績效的影響檢驗

根據前面的分析，市場打車需求和司機行為模式影響司機績效的路徑是相互交織的，不同市場需求下，同樣的司機行為模式可能會有不同的結果。圖1 報告了本文關注的四個因變量在高需求與日常需求（低需求）期間的描述性比較結果。我們可以大致了解，盡管主動選單司機的日常訂單數量較少，但他們的日收入、小時收入和日負載率要高于被動接單司機，這表明他們的工作效率比被動接單司機高。這個結果與前人的研究一致，即高入出租車司機會在某些情況下拒絕乘客，并巧妙地選擇他們喜歡的乘客的目的地（Zhang 等，2016）。同時我們發現在高需求模式下，主動選單司機的整體績效仍然要高于被動接單司機，盡管邊際差異會有所縮小。

為了更系統地檢驗假設1和假設2，即主動選單司機的收益效果，以及需求變化時主動選單行為是否仍然是一個有效的策略，我們構建公式（1）所示的模型，引入市場需求和司機類型的交叉變量來檢驗在市場需求高時挑選長距離訂單的司機是否仍然能獲得更好的績效。如果交叉變量的系數為負，說明高需求期能弱化司機主動選單行為對績效的影響。為此，我們構建了模型（1）-（4）對假設1 與假設2 進行檢驗：

表3 展示了模型（1）-（4）的回歸結果。demand回歸系數β在四個模型中均顯著為正，在經濟學意義上，說明在市場需求高時，相比市場需求較低時，所有司機的空載率降低了，接單更多了，收入也有顯著提高;drivertype系數β在模型（2）（3）中均顯著為正，在模型（1）（4）中顯著為負， 說明在市場需求低時，主動選單的司機相比被動接單的司機在相同條件下平均每小時收入更高，平均日收入也更高，而負載率和訂單數明顯低于被動接單司機，因此假設1 成立，表明主動選單司機花費了更多時間在挑選訂單上，而不是通過多接單來獲取更高的收益。demand·drivertype交叉項系數β在模型（1）（3）（4）中均顯著為負，說明在市場需求變得更高時，主動選單所能帶來的績效提升被削弱了，因此，主動選單司機和被動接單司機之間在訂單數量、每小時收入和負載率上的差距被縮小，假設2被支持。不過在模型（2）中β為正但并不顯著，表明在高需求時，主動選單所帶來的收入與低需求時間相比，并沒有顯著差異，因此也是側面支持了假設2。

（二）研究二：司機行為模式轉換對司機績效的影響檢驗

司機可能在需求變動時改變自己的行為模式，而這也會影響司機的績效。舉例來說，被動接單司機可能在高需求時期轉變為主動選單司機，因為他們同時擁有了更多的選擇。這一轉變行為可能導致過高地評估了被動接單司機的績效。所以在這一部分的研究中，我們將司機轉變行為模式的學習加入了我們的模型。我們通過構建shift變量來描述司機i 是否在t 時刻轉換為另一種類型。我們將這510名司機按照在高需求時期的平均訂單距離排序，并定義排序在前255 名的司機為高需求時期的主動選單司機，剩下的255 名司機為被動接單司機。如果司機i 在低需求時期和高需求時期挑選訂單的行為模式發生轉換，則定義shift=1，否則shift=0。

shift變量將原有的兩類司機進一步分為了四類：174 名持續型主動選單司機 （A），174 名持續型被動接單司機（B），81名從主動選單轉換到被動接單的司機 （A），以及81 名從被動接單轉換到主動選單的司機 （B ）。我們關心的問題是，當一名主動挑長距離訂單的司機在高需求市場條件下變得不那么挑單了，他們的收入會比一直挑單的司機有所降低嗎？或者，如果一名不挑選長距離訂單的司機在高需求市場條件下，轉換為挑選長距離訂單的司機了，他們會比不挑選長距離訂單的司機更好嗎？

圖2顯示了行為轉換后帶來的邊際價值。我們可以發現四類司機均在高需求市場中獲得更多的訂單，這也進一步驗證了限行政策創造了一個高需求的市場。不過從圖2 可以看出，被動式接單轉換到主動式選單的司機 （B） 的效率獲得了最大的提升，他們的日收入、平均每小時收入，以及日負載率的提升，和其它三類司機相比，都是最高的。

為了系統地檢驗司機行為轉換的影響，本文構建了如下模型。表4顯示了相關的回歸結果。

從表5的結果中我們可以看到，模型（6）、（7）、（8）中β+β均為負，說明如果主動挑單司機在高需求時期轉變為不挑選長距離訂單的策略，他們的績效就不如一直挑選長距離訂單的司機，同時他們也沒有多接訂單。而模型（6）、（7）、（8）中β系數顯著為正，說明原本被動接單司機，在經過行為轉換后，能在高需求市場中獲得更多的收益。因此我們的假設3a 得到了支持，而3b 沒有得到支持，表明即使是高需求情況下，主動選單的行為仍能帶來更大的邊際價值。

六、研究結論和政策建議

在2015年網約車搶派結合模式探索階段，我們基于2015年12月1000名北京市網約車司機的隨機抽樣脫敏數據，初步探索了司機的工作模式行為選擇，及在復雜交通情況影響下，司機的行為選擇所帶來的績效差異。研究證實了我們的假設，即無論在高峰期還是低峰期，司機主動挑選長距離訂單均會獲得超額回報，但是在高峰期，即訂單充足的情況下，被動接單與主動選單之間的回報差異顯著縮小。因此我們可以發現，主動選單對司機本人績效的影響總是正面的，司機可以通過更少的接單數獲得更高的每日收入、平均每小時收入、更高的負載率等。負載率的提高一定程度上節約了資源，是資源利用效率提高的表現。不過這樣的選擇可能會對短途乘客造成負面的影響，后續研究可以從乘客角度做進一步的研究。同時，主動選擇訂單的行為會進一步削減被動接單司機的收入，造成平臺司機的流失。

因此，從市場機制設計視角出發，假若網約車平臺需要解決這個問題，就必須思考如何持續激勵挑選短單的司機留在平臺上。一方面，結合本文的結論，在訂單充足的情況下，被動接單的司機也能獲得較高的回報，平臺可以向接短單較多的司機優先派送訂單，提高被動接單的司機收入;另一方面，平臺可以限制司機的主動選單行為，弱化司機選單行為對乘客和平臺的影響。當前網約車平臺實施的乘客目的地不透明機制，一方面雖然可以減小司機拒載行為，提升乘客服務滿意度，但是另一方面也會對司機造成負面影響。具體來說，本文在后續分析中發現主動選單的超額回報在高需求時期減少，所以在派單行為上可以再進一步優化。另外，本文的研究也存在一定的不足。在轉換效應的檢驗中，結果不夠顯著，可能是數據量不夠造成的。我們期待在未來的研究中能夠有更多的數據來完善，并且也希望有更多的學者利用共享經濟的數據來研究人們工作模式對其績效的影響。