通过车辆行驶里程效率标准来衡量城市出行效率
作者：Allison Crow，落基山研究所咨询师
Edward J. Klock-McCook，落基山研究所项目经理

美国的城市交通出行系统正在经历一场变革，来福车和优步等交通网络公司（transportation network companies, TNC）正在改变着人们的出行方式。然而它们是否真的比自驾车出行（personally owned vehicles, POV）更加高效是一个十分关键却很难回答的问题。随着交通网络公司的不断扩张，城市也在研究如何将这种新型出行系统纳入道路交通体系。近期的许多报告都在通过用户调查和其他经验法对这一问题进行验证。落基山研究所通过与来福车合作，获取了美国三大城市市场的实际出行数据。经过分析得出，在旧金山，来福车提供的出行服务效率比自驾车高出至少20%，而其在纽约和芝加哥所展现出的效率优势都不低于这一水平。

交通网络公司对道路交通通行量的增加或减少程度取决于三个因素：1，交通网络公司车辆在寻找用车乘客时的绕行空载；2，乘客是否选用公共交通或步行、自行车等替代出行模式；3，交通网络公司车辆在途中上下乘客。后两种影响因素（替代出行模式和上下车过程对效率的影响）将不在本文中进行讨论。

车辆行驶里程效率标准

城市需要一套可靠的标准来判定交通网络公司对车辆行驶里程（VMT）的影响。车辆行驶里程效率正是量化这一影响的一种方式，它是指一个人自驾车抵达目的地所需要行驶的里程数（包括寻找停车位所需驾驶的距离）与交通网络公司车辆将其送至相同目的地的行驶里程数的比值。

车辆行驶里程效率=单个行程中使用自驾车行驶里程/同样行程中使用交通网络公司车辆行驶里程

如果该比值大于1，则表示交通网络公司服务比自驾车更高效。交通网络公司的平均车辆行驶里程效率能够帮助城市量化交通网络公司对交通产生的影响。

来福车与落基山研究所合作，提供了旧金山、芝加哥和纽约三座城市从2016年11月1日到2017年10月31日的出行数据（图1）。作为来福车发展较成熟的市场，这些城市涵盖了多种不同地形和气候类别，包括人口密集的城市中心区和人口密度较小的周边地带。这些数据可以帮助落基山研究所回答以下问题：与传统自驾车相比，交通网络公司的服务究竟是增加还是减少了行驶里程？哪些因素会对此造成影响？如何量化这些因素？深入的分析使我们对来福车的功能有了新的了解，发现了尚未解决的问题，并为解决这些问题提供了新思路。

图1. 精确测量的交通网络公司车辆行驶里程效率与自驾车的数据对比。虽然更多因素可进一步提高附加效率，但这些因素难以测量和评估，在此忽略不计。

跟踪行驶里程

如图2所示，来福车在其app中通过三种驾驶操作模式跟踪出行数据。第1阶段表示司机打开app但尚未找到匹配乘客时的行驶里程。当用户发出出行请求并与司机匹配后，司机随即进入第2阶段，也就是司机从开车出发到接到乘客所行驶的里程。第3阶段则是运送乘客抵达目的地的行程。图3显示了三个城市中来福车平均每次出行的总里程数和各阶段的分解里程数据。

图2. 来福车操作模式。司机使用来福车app记录3个阶段的行驶里程。一次出行的车辆行驶总里程是完成出行任务所需的3个阶段里程之和。

图3. 每次出行的平均里程数可以按照3个运营阶段进行分解：1，交通网络公司app已打开，但尚未匹配乘客（第1阶段包含最大不确定性，详见下文）；2，驾车去接乘客；3，送乘客到目的地。

通过仔细研究各阶段的出行数据，我们可以更好地了解交通网络公司对城市交通的影响，以及提升交通网络公司的运营效率的方法。各阶段特别是第一阶段的分解数据，也显示了造成部分信息的缺失，造成了计算交通网络公司运营效率中只能采用保守方法。

第1阶段：交通网络公司app运行中，但尚未匹配乘客

来福车第1阶段显示的是司机打开app但尚未匹配到乘客时所行驶的里程数。此类里程可能出于各种不同原因出现，有些会降低效率但有些不会。司机空车行驶或寻找乘客时行驶的里程数会增加系统车辆行驶里程。但另一方面，由于交通网络公司司机均为独立的合同工，他们行驶的一部分里程是出于个人原因，并不会额外增加系统车辆行驶里程。例如，司机可能在自己的通勤途中上打开app试图搭载顺路的乘客。此外，一名司机常常同时使用多家交通网络公司的app，从而提高接单的可能性。据SherpaShare预测，75%的司机同时为两家或两家以上的交通网络公司工作，这也意味着来福车第1阶段数据中显示的里程数可能和其他交通网络公司的里程重叠。从目前来看，这些不同原因造成的里程数还无法被分解，因此，按照保守计算原则处理的这部分交通网络公司的数据存在着很大程度的不确定性。

第2阶段：驾车去接乘客

当一名乘客在来福车app上叫车时，系统会通过计算为该用户匹配一位该区域的司机，并指引司机前往乘客的上车地点。第2阶段即显示了司机前往该地点所必须行驶的里程数。这一里程数主要由交通网络公司市场渗透率决定。随着用户用车需求和司机数量的增加，司机匹配到距离更近的乘客的可能性也会逐渐变大。目前我们已经发现，与大型市场相比，小型市场中乘客的等待时间明显更长。

第3阶段：送乘客到目的地

最后一组数据是第3阶段，即送乘客前往目的地。虽然看起来很直观，但来福车所报道的里程数会受到Lyft Line拼车服务的影响。来福车在多数市场都推出了这种拼车服务，允许路线重叠的乘车用户通过拼车来分担成本。对于第3阶段里程数，我们必须了解的是，拼车行程的里程数是从第一位乘客的起点开始计算，直到最后一位乘客下车为止。这一差别的大小与拼车段里程的长短非常相关。如果拼车用户相互叠加的路程仅仅是数英里总路程中的一小段，那么从这些数据中计算得出的效率还是比较准确的。但如果拼车用户的行程几乎完全重叠，实际上一辆汽车同时完成了两次出行任务，但数据只记录了其中的一次出行，那么数据显示的效率就仅仅是实际效率的一半而已。因此，前文中给出的数据仅仅是这一动态范围中最保守的计算结果，因为多名用户参与的拼车行程都被集中到了一次行程之中。

来福车拼车服务提高了实载率，从而提高了交通网络公司的车辆行驶里程效率。但并不是所有用车请求都是拼车请求，也不是所有拼车请求都能够匹配到其他拼车用户。来福车记录了普通用车出行和拼车出行请求，以及最终得到匹配的拼车请求数量。在所研究的三座城市里，来福车拼车请求占所有出行总数的大约1/3。这一细分数据使我们更多地了解了用户在共乘出行方面的选择偏好，但每次行程中的乘客总数以及重叠里程的长短等信息仍然是缺失的。

与单纯的车辆行驶里程相比，想要了解具体的乘客出行里程还需要更完整的数据。毕竟，完成乘客的出行需求才是城市交通的首要任务，城市交通系统越是高效，越能够以最短的车辆行驶里程完成每一位乘客的每一段出行需求。

估算车辆行驶里程效率

通过对表1所示精确测量数据的简单分析可以得出，在运送乘客出行时，来福车比自驾车的效率高出20%左右，但由于并不是所有影响交通网络公司车辆行驶里程效率的因素都能够进行精确测量，这一估算数值相对保守。为了进一步阐明实际效率，图4以旧金山为例显示了在无需考虑寻找停车位、拼车、数据透明以及系统优化等因素情况下可能实现的最大效率。如前文所述，其中的挑战在于许多因素都具有一定程度的不确定性，而一些因素甚至不可能量化测量。很显然，使用交通网络公司车辆出行不需要寻找停车位，但由此带来的里程数削减很难进行量化计算。更加明晰的数据对分解前文所讨论的第1阶段里程数有着很大作用。目前来看未来系统效率的改进和提升手段涵盖了乘客上下车区域，市场渗透率，甚至自动驾驶车辆等。

图4. 旧金山整体车辆行驶里程效率提高的估算情况

图4显示：如果将交通网络公司的附加效率考虑进来，来福车的车辆行驶里程效率可以提高到比自驾车高60%。这为交通网络公司和城市实现效率最大化提供了两条补充行动建议。第一，提高车辆里程数据的质量、可得性和精细度。第二，采取附加行动在整体上改进系统，如在高需求区域设置短期停车位，公共交通无缝衔接和设置乘客上下车专用区域等。

目前，交通网络公司产业和整个交通部门有机会以最佳的可行方式发展一种新的服务模式。为了抓住这一机会，我们首先要了解我们的研究对象。使用车辆行驶里程效率计算法，我们发现与自驾车相比，交通网络公司车辆在每次出行中行驶的里程数更少。因此，城市可以向不愿或不能使用公共交通或自助出行模式的市民推广交通网络公司出行模式，并从中获益。

提升交通网络公司在交通服务中的效率是落基山研究所通过合作优化交通网络公司出行模式，减少拥堵、提高便捷度、降低出行成本并减少碳排放的第一步。未来我们计划与交通网络公司、城市以及其他利益相关方展开合作，开发新的数据源，了解计算标准的价值，填补信息缺口，从而帮助城市最大化交通服务经济带来的福利。