文章信息Transportation: Discrete Gods — Choice, Freedom, Order, Fairness, and Collective Action
作者:筱泽广 1,2,†,蓝水心 3,†
单位:1 东京大学大学院工学系研究科社会基盘学专攻,日本东京 / 2 苏黎世联邦理工学院交通规划与系统研究所(IVT),瑞士苏黎世(访问研究) / 3 北京交通大学交通运输学院,中国北京
† 共同第一作者 / Equal contribution
关键词:交通科学;最优化;博弈论;网络均衡;学习动力学;动态用户均衡;社会选择;机制设计;可达性;交通公平;集体行动
摘要
交通从来没有一个能够完整决定它的单一主语。基础设施、运行组织、个体行为、信息平台与公共制度分处不同时间尺度:规划者改变网络,运营者组织供给,平台改变可见信息,旅客与运输服务提供者各自选择;流量、拥堵、均衡和新的需求从这些局部行动中共同生成。任何参与者都只控制联合行动的一部分,只看见系统状态的一部分,也只表达公共价值的一部分。
本文沿交通科学自身的理论演进追问这一结构。经典需求预测与系统分析赋予规划者俯瞰城市的计算能力,离散选择与活动基础方法又把偏好和生活约束交还给行动者;Wardrop 用户均衡接受没有中央分配者的自洽秩序,Beckmann 势函数在特定条件下让分散行为重新长出极值结构,变分不等式则表明,共同秩序可以脱离隐藏的共同目标而成立。Braess、Downs–Thomson 与用户均衡效率损失击碎供给改善的朴素单调性;存在、唯一、稳定、学习与动态用户均衡继续把历史、时间和路径依赖写进秩序。公共交通分配从频率走向具体班次与容量约束以后,运行图甚至直接生成和关闭乘客的行动机会。有限理性、随机感知、信息服务、平台预测与部分可观测随机博弈继续拆掉“完美旅行者”:真实参与者既不知道全部世界,也不会对全部备选方案进行无穷精确的最优化。
本文以“离散的上帝”概括这种分布式能动性:每个人都能改变世界,没有人能够决定世界。它的理论内核有三层——有限控制要求协调,有限认知要求信息与学习,有限价值代表性要求社会选择。由此,自由从移动速度扩展为真实可用的行动集合与机会集合;公平进入目标函数,也进入可行域、风险暴露和结构性权力;治理则从直接选择结果转向设计产生结果的网络、价格、时刻、信息与规则。
交通因而是一门受约束的集体选择科学。它研究复数主体如何在有限资源、有限信息、目标多元、权力有别和未来不确定的世界里形成秩序,并让不同方向仍然拥有继续抵达的可能。
1 没有人决定的秩序
1.1 从个体行动到网络状态
清晨,一座城市开始移动。数以百万计的人分别拥有自己的目的地、出发时间、时间预算和行为偏好。列车按照运行图进入线路,公交车辆从首站发出,信号系统持续分配道路和轨道上的时空资源;旅客调整出发时间,驾驶者依据拥堵状态重新选路,平台更新导航信息,运营者处理局部故障和客流波动。这些行为共同形成城市交通状态。
笔者在东京长期观察高峰期轨道交通时,反复注意到一种近乎日常的稳定性:参与者、局部扰动和出发选择每天都在变化,站台拥挤、流量波峰和换乘压力却总会长出可以辨认的形状。日常经验很容易让这种现象失去问题感;数学建模又会把它的结构重新暴露出来。问题后来收束成一句很简单的话:谁也没有决定整个城市时,秩序为什么仍然会出现?
对于交通工程,最直接的观察对象通常是流量、速度、密度、容量、排队长度、旅行时间和可靠性。然而这些量已经是大量微观行为的聚合结果。一个交通系统的宏观状态可以写成个体行动的某种映射
其中 表示第 个参与者的行动, 表示由联合行动产生的流量、拥堵和运行状态。若 表示个体 对道路 的使用,则路段流量满足
而旅行时间进一步写成 。一个参与者的路径选择首先改变道路流量,流量随后改变其他使用者面对的旅行时间。个人行动在聚合之后形成公共环境,公共环境又重新进入个人的下一轮选择。
东京 Big Sight 的有明特别舞台《Transit Bloom》结束后,笔者原本准备从国际展示场经临海线返回市区。进站前,大井町方向因信号确认长时间停驶,站内广播开始引导旅客改走百合海鸥线和都营巴士。最初从有明绕到丰洲仍是很清楚的备选。最终采用的路线在出发时看起来是那么正确,但是十几分钟以后,越来越多人作出相同选择,站台开始限流,丰洲的换乘口排起队,站外出租车等待时间也随之上升。原先作为绕行方案的路径,也随着这些同步选择进入了新的运行状态。式 (1) 中的其他参与者不只在自己的路径上移动,也在不断改写每个人下一步面对的环境。
这一反馈关系构成交通系统的重要特征。在许多单主体工程问题中,决策面对一个给定环境;在交通系统中,环境的一部分由参与者共同创造。对驾驶者而言,拥堵是路径选择时面对的条件;从所有驾驶者的联合行为看,拥堵同时是他们共同生成的结果。谢林(Schelling)关于“微观动机与宏观行为”的讨论,在交通系统中拥有直接的物理表现:简单、稳定乃至高度理性的个体规则,经过相互作用后仍可产生复杂的宏观分布和集体结果[1]。与此同时,交通流理论从利特希尔–惠瑟姆–理查兹(Lighthill–Whitham–Richards, LWR)模型,到简化运动波理论与元胞传输模型(Cell Transmission Model, CTM),再到二阶连续模型、微观跟驰与统计物理模型,建立了另一条从局部行为通向宏观状态的理论传统[2-9]。
图 1 区分了车辆的前进与状态扰动的传播:车辆仍可向下游行驶,而容量不足处形成的激波会向上游扩展。
图 1 车辆速度、运动波与瓶颈激波。依据 Lighthill 与 Whitham[2] 的 Fig. 4(p. 326)和 Fig. 12(p. 333)所示机制独立重构。a:基本图上同一点的原点割线斜率给出车速 ,局部切线斜率给出连续波速 。b:来流超过瓶颈容量时,特征线折返并汇聚为向上游传播的激波;图中曲线表示波,而非车辆轨迹。两面板均为定性示意,无实测数据或原图像素取数,图面坐标不用于估算距离、时间和容量。
宏观流量之外,需求也有自己的作者。目的地、出发时刻、方式与路径背后,是时间价值不同、活动安排不同、空间约束不同的人;同一组 OD 总量可以来自完全不同的生活结构,也会在网络、服务和信息变化以后重新分配[10-12]。另一条交通理论传统因此始终追问同一个问题:究竟是谁在移动?
1.2 物理、制度与行为:三层秩序
交通秩序至少有三个彼此嵌套的层次。其一是 物理秩序:道路、轨道、站场、车辆性能与安全间隔规定行动发生的基础边界。其二是 制度秩序:信号、运行图、交通法规、票价、优先权和运营规则分配有限的空间与时间。其三是 行为秩序:参与者在既有条件下作出选择,大量选择聚合为需求分布、路径流和均衡。
三类秩序对应不同程度的集中与分散。铁路运行图具有较强的计划性,道路路径选择具有高度分散性,公共交通则把集中供给与自主选择同时置于一套系统中。计划和自组织沿基础设施、运营、实时控制与行为等层级共同存在。交通系统不断重复一个基本过程:
当观察尺度从单一路网扩大到城市和区域,交通还呈现出复杂网络与多层网络结构。小世界、无标度网络及复杂网络研究提供了描述连通性、中心性和级联失效的通用语言;航空网络与城市多方式网络进一步说明,拓扑位置、功能地位和跨层连接并不总是重合[13-20]。大规模移动数据又使个体出行的尺度律、可预测性和空间生成机制能够被直接观察,交通系统开始同时呈现网络结构与人类移动规律[21-26]。
1.3 秩序作为自洽条件
物理与制度划出“允许发生什么”,行为响应决定其中哪些状态真的能够持续存在。设 表示基础设施、容量与安全约束构成的物理可行域, 表示规则、时刻、票价和权限构成的制度可行域, 表示参与者面对状态 时形成的行为响应集合。一个现实可持续状态需要同时满足
其中 表示把个体行动加载到网络、服务和资源系统上的映射。第一组条件给出“允许发生什么”,第二组条件要求“参与者在这个状态下作出反应以后,系统仍回到与之相容的状态”。
交通秩序首先表现为一种自洽性。给定网络不足以确定流量,给定规则也无法直接产生真实运行状态;基础设施、制度和行为需要在同一状态上彼此兼容。若把行为与网络加载合并成映射 ,这一关系可以进一步写成不动点(fixed point)形式
均衡理论随后要回答的,正是这样的不动点是否存在、是否唯一、怎样被学习过程选中,以及受到扰动后是否还能保持。
这里必须把三件事分开:可行 只说明状态没有越过物理与制度边界,自洽 说明个体响应与联合状态能够彼此支持,理想 才引入公共评价。一个状态完全可能既可行又自洽,却在效率、公平或韧性上糟糕透顶。系统最优、社会选择与机制设计处理的,正是这道裂缝。
城市交通具有秩序。这个秩序拥有复数作者。
2 世界只有一个主语吗
2.1 完整决策者:集中式最优化的力量
最优化提供了一种极有力量的整体视角。给定可行域 和目标函数 ,一个标准问题可以写成
可行域规定可实施方案,目标函数赋予方案以比较关系,决策向量汇集需要共同确定的变量。网络设计、运行图编制、车辆运用、信号控制和资源配置都能够自然进入这一结构。集中式建模把不同局部决定重新置于联合约束中,也使安全、资源、服务和效率能够接受严格比较。这种形式背后的网络运筹传统,可以追溯到运输问题、线性规划、网络流、动态规划与最短路等一系列曾经定义运筹学前沿的问题[27-33]。
图 2 以一个单源单汇例子说明,整体运量既可以从具体运输方案算出,也可以由横跨网络的容量约束证实。
图 2 最大流与最小割的同值证据。依据 Ford 与 Fulkerson[30] 第 1 节定理 1 的思想构建独立有向算例。a,逐弧容量与逐点守恒均满足,可行源汇流量为 6;b,虚线割上的三条出割弧容量之和为 6,因此任何可行流都不能超过 6。可行下界与容量上界相等,说明该方案达到最大流、该割达到最小容量。容量和流量均为算例单位。
对笔者而言,集中式最优化一直具有很强的结构吸引力。给定 ,给定 ,模型可以复杂到难以穷尽,决策语法却始终清楚:有人负责选择整个 。对于一个长期接受数学训练的人,这种完整性很容易形成稳定的研究直觉。交通系统后来对这个完整主语的拆解,也因此显得格外鲜明。
式 (6) 还隐含一个决策主语:谁在选择整个 ?更一般地,一个集中式交通模型可以表示为
决策主体定义目标、识别约束、观察必要状态,并把方案实施到系统中。本文把这个位置称为“完整决策者”。在标题的隐喻里,它就是最优化中的完整上帝:全局视角、统一目标和联合决策向量都收束于同一个主语。
这种抽象对于交通科学具有基础意义。两列车分别追求局部最早发车,可能在下游形成冲突;多个运输组织单元分别追求局部利用率,可能把共同瓶颈推向更紧张的状态。集中式最优化通过共享约束和统一评价,把局部决定重新放回整体关系之中。
一番星之后,笔者最早参与交通实施项目时做的事情很小:帮人对运行日志、查时间冲突、复现已有模型、替项目组跑几组仿真,再把结果画成能在会上直接看的图。最初很多业务细节来自身边的人:为什么表里某段时间必须留空,为什么数学上看似等价的动作现场不能交换,为什么某个纸面可行方案最后仍需要运营人员逐项确认。后来独立负责一块可行性诊断时,开始反复遇到同一种情况:模型倾向于把等待和空闲压掉,现场人员却会把其中一些重新加回来。有人要交接,有人要从前一个任务走到这里,临时作业需要插入,前序晚点以后也需要重新安排的空间。余量并不总是浪费。有时候,它保存的是失败以后仍然存在的下一步。
2.2 预测城市:经典需求预测与系统分析
交通规划曾经获得过一种近乎俯瞰城市的分析位置。二十世纪中后期逐渐定型的经典四阶段模型(four-step model)把城市客运需求组织为出行生成、出行分布、方式划分与交通分配四个相互衔接的步骤,使人口、土地利用、OD 需求、方式选择和网络流量能够进入一套可重复计算的预测流程。McNally 对这一传统的回顾指出,四阶段模型长期主导了人员出行需求建模;理论上,出行始终被理解为参与活动所派生的需求,实践中却主要依赖以 trip 和 OD 为单位的模型体系[34]。城市规划由此获得了一套能够系统调查、预测、加载和比较大规模交通需求与网络方案的方法。
这套范式具有重要的工程力量。给定未来人口、就业和土地利用情景,规划者可以比较道路、轨道和公共交通方案,估计不同供给结构下的流量与服务水平,再把结果带回投资和设计。它与集中式最优化共享一种鲜明的工程倾向:先把复杂城市转换成能够被共同观察和计算的状态,再在候选方案之间建立比较关系。交通系统分析在这里体现为一种把需求、供给、性能、评价与选择放进同一框架的传统。
Manheim 的 transportation systems analysis 把视野继续推向整个社会系统。他强调交通分析同时吸收工程、经济学、运筹学、政治科学、心理学和管理等知识,并要求把交通系统作为统一整体,放入地区更广泛的社会、经济与政治环境中评价;多方式方案、需求与性能、评价与选择因此属于同一个系统问题[35]。交通规划在这里已经超出“把流量分到网络上”,开始处理交通与社会活动之间的双向关系。
预测能力越强,城市的回答反而越清楚。四阶段模型最后的交通分配必须面对使用者怎样选路,方式划分必须解释人为什么选择汽车、公交或轨道,土地利用又会在更长时间尺度上反过来改写需求。规划者越来越能够计算城市,城市也越来越明确地回答规划者。
2.3 需求开始回答:从出行表到行动者
需求研究把这种响应逐渐写回模型。McFadden 对城市出行需求的行为建模把个体选择、效用和可观测属性连接起来,并明确把城市总需求理解为大量个人出行决策的聚合;出行通常服务于工作、购物、休闲等活动,移动的意义来自这些活动本身[10,36]。离散选择理论随后使异质偏好、备选方案属性与随机效用进入方式、目的地和路径选择[37-38]。
图 3 把备选方式的组织和个体选择概率的聚合分开表示。
图 3 出行方式结构与选择概率的聚合。a,依据 McFadden[[36] 图 1 重新组织备选方式,分支不表示选择比例。b,依据 Train38] 图 2.1 的聚合原理自绘二元 Logit 算例:两个等权个体的相对代表性效用分别为 和 ,个体概率的平均值为 0.259,把均值效用代入同一模型则得到 0.119。数值为本图公式的计算结果,并非观测数据。
时间地理和活动基础方法又把一次 trip 放回一个人的全天生活。Hägerstrand 的时空约束、后续活动链与活动基础模型共同提醒交通研究:同一段移动之前存在活动安排,之后仍有时间预算、家庭责任和下一项活动;需求因而表现为相互关联的日内选择;彼此独立的 OD 记录只留下了其中一个截面[12,39-41]。从 trip-based 到 activity-based,预测对象也随之改变:一张未来 OD 表已经不足以覆盖需求形成过程,人怎样在现实约束中组织自己的行动同样进入模型。
图 4 用同一速度下的两个活动窗口说明,出行机会取决于全天的时间安排。
图 4 活动窗口约束下的时空棱柱。依据 Hägerstrand[12] 图 1 的时空约束思路自绘;时刻、速度和距离均为说明性设定。两个情形均由同一地点出发并必须按时返回,沿走廊最大速度均为 4 公里每小时。a,两小时的窗口允许到达 3 公里处并停留 30 分钟。b,窗口减半后,至多到达距出发地 2 公里处并按时返回。阴影是满足出发与返回时间约束的状态集合;a 中实线活动轨迹只是一个可行例子。
决策结构就在这里裂开。外生 OD 矩阵可以被中央模型直接加载;具有偏好、活动约束和适应能力的人会回答网络、价格、服务和信息。问题从“未来需求是多少”变成“需求为什么成为这样,以及方案本身会把它改成什么样”。完整决策者第一次真正遇到了响应者。
2.4 谁先决定,谁随后响应:层级与双层结构
现实交通中的多个主语经常拥有明确的先后关系。规划者先选择网络、能力或政策参数,运营者随后确定服务方案,旅客再根据已经形成的供给与价格作出方式、路径和出发时间选择。上层决策改变下层的行动集合,下层响应又决定上层方案的真实绩效。
设上层结构变量为 ,参与者在给定 后形成响应 ,则最简层级关系为
交通网络设计长期以来就采用这种思想:上层选择设施或容量,下层按照用户均衡重新分配交通流;道路网络设计的经典综述将这种“设计者决策—使用者响应”的结构视为该类问题的核心特征[42],公共交通网络和频率设计也可形成上层供给设计、下层乘客均衡分配的双层模型[43]。
这类结构可以写成
设计者只直接控制 ; 属于响应者。它能改写别人面对的问题,却必须等待别人解完自己的问题。完整决策者对结果的直接控制,第一次真正断开。
层级关系还会继续嵌套。规划部门决定长期结构,运营者在结构内组织服务,实时控制根据运行状态调整局部动作,旅客在这些条件下作出选择。不同层级各自拥有局部目标与权限,交通系统由此更接近多层领导者—响应者关系,而非单一主体一次性决定全部变量。
2.5 能选择什么,与能改变什么
层级差异还意味着两类行动权。普通参与者在既定制度状态 下选择 ;拥有结构性权限的主体还能够改变制度参数本身。设这种结构行动的映射为 ,则
结构性影响可以进一步写成
普通旅客主要改变自己的路径;规划者、运营组织者、平台和其他具有正式权限的主体则可能改变大量参与者面对的行动集合。资源优势扩大的是主体自己的余裕,结构性权力改变的则是别人进行选择时面对的条件。
规划能力又是另一回事。一个主体可以在既定规则下为异常准备条件分支,例如
计划树越深,已经预见的异常越容易恢复;真实状态空间仍会继续产生没有被事先写进去的分支。
2.6 时间尺度、承诺与长期反作用
交通系统的复数主语还分布在不同时间尺度。基础设施规划以年和十年为尺度,服务设计与运行图以日和运营周期为尺度,实时调度以分钟乃至秒为尺度,旅客路径与出发时间选择持续发生在出行过程中,居住、就业和土地利用又会在更长时期根据交通条件调整。一个更接近现实的决策向量可以写成
不同部分由不同主体、在不同时间尺度上确定,并对应不同评价函数
多种目标之间既有交集,也存在结构性张力。
若以 、、 和 分别表示规划、运营、实时控制与个体选择的典型更新时间尺度,则通常有
慢变量为快变量提供结构,快变量的长期累积又会改变慢变量的评价。线路建设几十年保持稳定,旅客可以在一次出行中连续更新路径;运行图在一个运营周期内相对固定,调度则在扰动出现后立即修改局部时序。一个层级视为“参数”的对象,在另一个时间尺度上本身就是决策变量。
交通系统因此很难由单次优化完整描述。更一般的层级更新可以写成
其中 表示第 个规划或制度周期的结构参数, 表示该结构下经行为响应形成的运营状态或均衡, 表示绩效、需求变化与社会反馈。交通规划由此具有“设计—响应—再设计”的时间结构。
时间尺度差异也意味着承诺。道路、轨道和站点一旦形成,短期参与者只能在既有结构中响应,长期却可能进一步改变活动位置、开发强度和需求;运行图发布以后,旅客据此安排出发与换乘;价格制度建立以后,企业和个人重新选择方式、时间与空间。平台的秒级推荐又能快速改写刚刚被观测到的流量。先行动者拥有结构性优势,却无法冻结后行动者的反应。
一项公开承诺是否会被别人真正写进行程,还取决于它被兑现的可信程度。将这种可信度概念性记为 ,可以写成
运行图、接驳服务、预约窗口和长期交通政策都具有这种属性。公共秩序由正在运行的车辆,也由人们有理由相信之后仍会兑现的服务共同构成。
完整决策者已经退回到有限位置。它可以先行动、塑造条件、承担公共目标,也可以凭借模型预判后续响应;响应本身始终属于别人。世界的主语由单数进入复数,系统的“现在”也从一个时刻展开成彼此嵌套的时间尺度。
3 没有最优化的最优化
博弈论为这种复数决策主语提供了直接的形式表达。设参与者集合为 ,第 个参与者拥有行动集合 ,其行动为 ,其他人的联合行动记作 ,个体成本为 。纳什(Nash)均衡满足[44]
笔者一直认为, 是博弈论里一个很有表现力的记号。一个很小的下标,把其他所有主体放进了第 个行动者自己的决策问题。式 (18) 把这种关系写得极其紧凑:驾驶者能够决定路径,路径成本由所有人的路径选择共同决定;乘客能够决定出发时间和车次,拥挤程度由其他乘客共同形成;平台提供的推荐改变用户选择,用户接受推荐以后又改变平台下一次预测所依据的数据。交通中的战略耦合,在 里已经出现。
系统内部可以同时存在
每个主体都在优化自己的问题,而整体层面没有自动覆盖所有主体的统一优化行为。“没有最优化的最优化”描述的正是这一结构:统一的最优化退到背景,局部最优化密集存在,并通过相互作用形成整体状态。
3.1 他人进入目标函数:竞争、支持与状态
战略耦合还会进入主体自身的评价函数。对两个长期同时竞争又相互支持的主体 与 ,可以写成
其中 表示某种表现或完成质量, 表示相对竞争驱动, 表示希望对方同样表现良好的支持项。竞争与支持可以同时进入效用函数1,他人的存在由此直接改变主体自己的行动排序。
目标函数还可能依赖当时状态:
疲劳、饥饿、天气、时间压力和身体状态都可能改变方案排序,而且这些状态本身也在一天里不断变化。神乐坂出版社联动访谈《街と声》收录结束后,下午原本还准备去印刷博物馆的夜间特别展。到傍晚时,同行者已经需要先吃饭;继续原计划意味着要等第二处结束,临时寻找的折中方案又受到餐厅排队和关门时间限制。最后大家先留下吃饭,原定的下一站改到别的时间2。状态变化时,重新排序的不只是一条固定路径的成本,目标本身和可接受集合也会随之移动。把许多这样各自更新的选择同时放回网络,问题就进一步变成:当每个人都按照自己的状态和判断行动时,什么样的系统状态能够同时成立?
3.2 沃德罗普的两个世界:用户均衡与系统最优
[45]:对于给定 OD 对,设路径 的广义出行成本沃德罗普(Wardrop)1952 年提出的两条原则把交通网络清楚地分成两个世界。第一原理给出后来所谓用户均衡(User Equilibrium, UE)(generalized travel cost)为 ,均衡条件为
式中所有被使用路径具有相同且最低的个体成本,任何单一参与者独自换路都无法继续改善自己的出行。这个定义很短,却支撑了后来一整套交通分配方法:随机分配、概率多路径、凸组合算法与一般变分不等式等可计算路线,使行为假设能够经过网络加载一直落到大规模求解[46-50]。
[45]。系统最优从联合结果出发。系统层面的评价可以采用系统总出行成本沃德罗普第二原理则把视角移到整个系统:平均旅行时间应达到最小,由此形成后来所谓系统最优(System Optimum, SO)
相应的系统最优为
一般条件下, 与 就落在不同位置。边际成本把这道裂缝写得很清楚。对路段 ,社会层面对流量增加一单位的边际成本为
其中 对应新增流量施加给其他使用者的拥堵外部性。个体看到自身旅行时间,社会评价还需要计入个体行动对他人造成的边际影响。
图 5 在同一个两路网络上比较个人成本与边际社会成本,显示两种准则如何给出不同的流量分配。
图 5 两条道路的用户均衡与系统最优。按照 Sheffi[49] 图 3.5 的网络结构及习题 3.12 的参数独立复算,总需求保持为 。a,按个人成本选路,全部需求留在城市道路,空心点为未使用道路的私人成本;b,按总成本最小分配,两路的边际成本相等。图线为算例结果,并非实测。
边际成本定价正从这道裂缝里长出来。若收费能够反映
个体面对的广义成本便会更接近社会边际成本。公共政策通过改变个体成本函数,影响分散选择所形成的均衡位置。机制设计的基本思想已经在这里出现。
从庇古(Pigou)的外部性,到沃尔特斯(Walters)和维克里(Vickrey)的拥堵定价与瓶颈模型,再到莫林(Mohring)的公共交通规模经济,交通经济学一直在计算“个人成本之外还留下什么”[51-56]。诱导交通与“基本道路拥堵定律”又把长期需求反馈写进能力评价[57-58];算法博弈论则进一步把自利路由造成的均衡效率损失变成可度量的边界[59]。
图 6 展示扩容如何通过单位成本改变出行需求。
图 6 道路容量变化与均衡车公里数。根据 Duranton 与 Turner[58] 图 1 的供需关系独立构造线性算例。在给定反需求曲线下,扩容降低同一车公里数对应的平均成本,均衡由 移至 。参数仅用于说明机制,不代表作者的实证估计。
2006 年的斯德哥尔摩拥堵收费试验把这种抽象结构放进了一座真实城市。分时收费改变了驾车者面对的广义成本,实际交通量、出发时刻和方式选择随之调整,旅行时间改善也足以被公众直接感知;后续评估进一步表明,这一制度产生了可观的社会净收益[60-61]。公共交通同时构成收费政策的真实替代条件。试验期间扩充的公共交通供给为方式转换提供了备选,也参与形成制度的可接受性与可实施性[62]。一个价格信号能够移动均衡,前提是人们确实拥有可以转向的其他路径、时刻和方式。机制设计由此从“给边增加一个价格”扩展为对整个选择环境的共同安排。
图 7 给出收费圈车流的月度同比变化。
图示为 2006 年工作日 06:00–19:00 车流相较 2005 年同期的百分比变化,图 7 斯德哥尔摩拥堵收费试行期间及结束后的跨收费圈车流变化。根据 Eliasson 等[60]原文图 2 标注的百分比重绘,未重建绝对车流。阴影标示 1 月 3 日至 7 月 31 日收费试行,实际收费时段为工作日 06:30–18:30。9–12 月因道路施工和测量设备问题存在原文明确提示的不确定性,以虚线和空心点区别表示。
3.3 贝克曼势函数:分散选择重新长出极值结构
在经典可分离路段成本等条件下,沃德罗普用户均衡等价于求解贝克曼(Beckmann)势函数[63]
并满足交通流守恒等约束。一个由大量独立主体形成的均衡,再次表现为一个最优化问题。
这里容易混淆的一点,是势函数 与社会总成本 看起来相似,却承担不同理论含义。前者产生用户均衡,后者定义系统层面的效率评价。同一个网络由两种不同决策逻辑产生两个形式相似的优化问题。优化在行为解释上已经分散,在数学结构上又重新聚合。这一对应关系使“没有最优化的最优化”超出修辞层面,成为交通均衡理论中可严格分析的结构现象。
这层对应很早就从定理进入了计算。LeBlanc、Morlok 与 Pierskalla 在 1975 年用一个 24 节点、76 条有向弧的网络检验非线性均衡分配算法;这组数据后来成为交通分配领域反复使用的苏福尔斯(Sioux Falls)基准网络[48]。它把沃德罗普–贝克曼结构压缩成一个可以反复求解、比较和检验的工程对象:输入 OD、容量和阻抗函数,输出的是分散选择彼此一致时留下的网络流。中央规划者并没有替每一辆车选路,算法仍然能够算出秩序。
苏福尔斯网络被使用半个世纪,靠的正是这种奇妙的可计算性:分散行为在特定条件下恰好能够被势函数重新聚合。数学把它们收拢在一起,行为上的决策权却没有被收回。这是 Beckmann 结构最迷人的地方。
3.4 变分不等式:没有共同势函数以后
贝克曼形式给出了一个极其漂亮的势函数,但它依赖可分离、可积等结构。一般交通网络还存在路段之间、方向之间、车型之间和方式之间的相互影响。Dafermos 将交通均衡写成变分不等式(Variational Inequality, VI),从而把均衡从某个特定势函数的极小点推广为更一般的自洽条件[64]。
先把这个推广写清楚。设 为满足流守恒和非负性等条件的可行流集合, 为网络成本映射。交通均衡可以直接寻找 ,使
从均衡流 出发,任何可行方向上的一阶整体偏移都无法按照当前成本结构产生负的改进方向。路径选择、路段相互作用和多方式耦合由此能够进入同一数学框架。
变分不等式把“每个人无法单独改善”提升为网络层面的算子条件。均衡的核心落在成本映射与可行集合之间的互补关系上。全局势函数消失以后,交通均衡仍然可以被定义、计算和分析。
小客车与货车共享同一条道路时,这个差别会立刻变得具体。Bliemer 与 Bovy 的多用户类别动态分配把小客车和货车放进同一网络:不同车型拥有不同速度、占用空间和可用设施,又通过同一段道路彼此影响[65]。一辆货车增加后给小客车造成的时间影响,不必与一辆小客车增加后给货车造成的影响互为对称;跨时段传播还会继续破坏这种对称性。此时,很难再期待所有成本都来自同一个标量势函数的梯度,而(拟)变分不等式仍然能够直接描述“各类使用者在共同网络上彼此一致”的状态。
这一案例把变分不等式从抽象推广变成了工程需要。多车型、多方式、多时段和相互作用不断削弱共同目标函数的结构条件,均衡却仍然可以存在。数学语言也随之从“找到一个最低点”转向“找到一个与整个成本场相容的点”。
3.5 理性的系统成本:Braess、PoA 与方式间悖论
布雷斯(Braess)悖论说明,资源增加与福利改善之间存在由行为响应介导的关系[66]。网络从 扩展到 后,参与者获得新的行动集合,最优反应随之改变,新的均衡又重新定义基础设施的实际使用价值:
新增道路能够扩大形式上的选择空间,同时通过均衡重构产生更高的联合成本。基础设施的社会价值与行为响应不可分割。
用户均衡的效率损失(Price of Anarchy, PoA)直接度量分散均衡与系统最优之间的效率距离[67]
这一指标把“所有主体分别追求自身目标时,社会需要承担多少额外成本”转化为可分析的问题。局部理性形成秩序,秩序同时具有价格。
图 8 并列展示同一需求下的原网均衡、增路后均衡与增路后的系统最优。
图 8 Braess 原始四节点算例的重新绘制。固定需求为 6,新增有向边 \ (2\to 3);均衡平均出行时间从 83 升为 92。扩展网络在最小总旅行成本意义下的系统最优不使用新增边,平均出行时间为 83,对应 \ (\mathrm {PoA} =92/83)。依据 Braess[66] 图 3 和原始成本函数绘制并独立核算;数值为模型单位,不是实地观测。
这类悖论最值得反复讨论的地方,是错误无需出现在任何一个个体决策里。局部决定可以全部成立,整体仍然失败;参与者越认真地追求自己的改进,这种联合结果有时反而越清楚。系统问题会从正确的个人决定之间长出来。
现实网络把四节点悖论拉进城市。Youn、Gastner 与 Jeong 在波士顿、伦敦和纽约道路网络上比较用户均衡与系统最优,识别出若干在模型中关闭后反而降低均衡旅行时间的连接;首尔清溪川快速路拆除后的长期调整又展示了另一种吸收机制:路线、时刻和方式会共同重组[68-69]。城市不服从“多修一点就一定更好”的容量算术。供给改变以后,真正决定结果的是人的重新选择。
当分析从单一道路网络扩展到道路与公共交通之间,Downs–Thomson 悖论把这种非单调性继续推进。Downs 对高峰高速公路拥堵的早期讨论已经把道路与公共交通之间的需求反馈纳入通勤均衡,Thomson 随后从大城市交通战略的尺度系统讨论道路扩张与公共交通竞争之间的关系[70-71]。道路扩容可能吸引乘客离开公共交通;如果公共交通服务频率、票价或运营经济性又随需求响应,原本针对道路的一项改善可以经过方式转换和服务调整重新塑造整个双方式系统。Zhang、Yang 与 Liu 对 responsive transit service 下的条件进行了进一步形式化分析[72]。因此,
Braess 把裂缝留在网络内部,Downs–Thomson 又把它推到方式之间。交通供给的价值从来不只取决于新增了什么,也取决于所有主体随后怎样重新组织自己的选择。
3.6 秩序能否停下来:存在、唯一、稳定与均衡选择
均衡作为一个概念还需要回答三个基础问题:它是否存在,是否唯一,以及受到小扰动以后是否仍会回到附近状态。Smith 对交通均衡的经典研究分别讨论了存在、唯一与稳定条件,并把交叉口相互作用等更一般的路段耦合纳入分析[73]。
这些性质可以沿着上一节的变分不等式继续追问。若可行集合 具有适当的闭、凸、有界性质,成本映射 连续,则可以建立均衡存在的基本条件;若成本映射进一步具有严格单调性,路段流层面的均衡通常能够获得更强的唯一性保证。严格单调性可以写为
它表示任意两组不同流状态的成本差与流量差具有严格正内积,是路段流唯一性常用的充分结构条件之一。
有了存在性以后,唯一性还要区分层次。路段流唯一并不必然意味着路径流分解唯一;多个路径组合可以产生同一组路段流。对交通系统而言,这一区分十分重要:宏观道路负荷可以稳定而唯一,个体层面的具体路径构成仍保留多样性。秩序可以在宏观上确定,在微观上保持复数。
再往现实靠近一步,稳定性把静态数学对象与日常运行联系起来。一个均衡即使存在,如果任意小扰动都会把系统带离其邻域,它对现实交通的解释力仍然有限。日常交通中的需求波动、事故、天气和信息误差不断提供扰动,能够被长期观察到的秩序通常还需要某种动态吸引性或恢复能力。
图 9 用同一个均衡对照两种滞后响应:偏差都来回越过均衡,但只有一种会逐期收敛。
图 9 滞后响应下的均衡稳定性。据 Beckmann 等[63] 图 3.1–3.2 的单路调整机制构建独立线性算例。 为供给成本曲线的斜率,\ (b) 为逆需求曲线斜率的绝对值。a,当 时,流量偏差振荡衰减;b,当 时,同一初始偏差振荡放大。点表示离散调整期;轨迹为理论示意,非原书数值轨迹或实测。
Meneguzzer 与 Olivieri 做过一个很小、却很说明问题的重复选路实验:30 名参与者在一个三路径网络上连续决策 50 个周期,每轮只能获得自己已选路径的旅行时间反馈[74]。用户均衡在实验过程中偶尔被达到,却没有稳定地停在那里,路径流和平均旅行时间持续波动。一个数学上可以写出的均衡,与一个真实群体能够长期停留的状态之间,隔着学习、记忆、有限信息和不断发生的重新选择。
“存在、唯一、稳定”于是从三个证明题变成三种现实追问:秩序能不能出现,出现以后是不是只有一个,偏离以后还会不会回来。真实交通每天都在重复最后一个问题。
均衡选择与初始条件、历史经验、学习规则、信息到达顺序和随机扰动有关。设参与者依据历史经验、可见信息与既有策略持续更新行为,则长期状态可以概念性地表示为
Fudenberg 与 Levine 对博弈学习的系统讨论表明,均衡可以作为学习过程的长期结果来理解,参与者能够通过反复响应、经验更新与策略适应逐步接近稳定状态[75]。对于交通而言,历史由此进入状态演化本身。昨天的拥堵经验、导航长期形成的路线习惯、一次持续施工和一个新站开通后的适应过程,都可能改变系统进入哪个吸引域。
多重均衡在方式选择里可以被直接观察。Han 等构造了一个公共交通—小汽车方式选择实验:公共交通一侧具有正外部性,小汽车一侧具有拥堵型负外部性,系统因此出现两个纯策略均衡;参与者是否能够协调、先前经历过怎样的制度条件,会影响群体最终落在哪个均衡[76]。同样的物理网络和支付结构并没有自动指定唯一历史,群体需要在可行的秩序之间完成选择。
交通秩序至少包含三个不同问题:均衡是否存在,多个均衡中哪一个被选择,以及在扰动与学习下该状态是否具有动态稳定性。第一层属于存在性,第二层涉及路径依赖和均衡选择,第三层涉及系统受到扰动后的演化。三者共同决定一个均衡能否从数学对象转化为现实中可持续出现的秩序。
3.7 时间进入均衡:从静态分配到 DTA 与 DUE
静态沃德罗普均衡把一个分析时段内的需求和成本视作相对稳定,而真实交通具有明显的时变性:出发时刻、排队形成与消散、拥堵传播和容量变化都发生在时间轴上。动态交通分配(Dynamic Traffic Assignment, DTA)把路径选择与出发时间同时纳入网络演化。早期研究已沿最优控制、瞬时用户最优与日际调整等方向展开[77-79];Friesz 等进一步给出动态用户均衡(Dynamic User Equilibrium, DUE)的变分不等式形式,使同时选择路径和出发时刻的用户均衡能够在连续时间中表达[80]。此后,DTA 逐渐形成数学规划、最优控制、变分不等式和仿真等多条方法路线[81]。
时间进入交通选择的历史还要更早。Vickrey 的瓶颈模型已经把高峰通勤写成排队时间与 schedule delay 之间的权衡:有人宁可早到,有人愿意在瓶颈前多排一会儿,只为把抵达时刻推近自己的目标时刻[53-54]。这一步很关键。时间第一次从路段阻抗的附属量变成被旅客主动选择、彼此争夺并共同塑形的资源。
图 10 用累计曲线区分队列长度与个体等待,并显示收费如何重新组织出发时刻。
图 10 瓶颈模型的累计出发、到达与排队。依据 Arnott 等[54] 图 1、图 3 及式 (6)–(14),使用原文算例参数独立计算。a,无收费均衡;两曲线的竖向差为归一化队长,横向差为等待时间。b,最优单时段固定收费改变出发时刻,收费结束后的批量出发未作平滑。纵轴归一化后,两曲线间的面积等于人均排队时间。模型采用固定需求、同质通勤者、恒定容量、零自由流时间及批次内随机次序;结果不是实测交通。
动态化以后,均衡条件本身并没有消失,只是从一组静态路径流变成了一条时间轨迹。设 表示路径 在时刻 的出发流率, 表示在整个动态流 下经历的广义出行成本。动态用户均衡的核心条件可以概念性写为
其中 是对应 OD 对在所有可接受路径—出发时刻组合中的最小广义成本。参与者由此同时选择“走哪条路”和“什么时候走”。
动态化改变了均衡的哲学含义。静态均衡像一个截面,动态均衡则是一条完整轨迹;早一分钟的选择会改变后一分钟的排队,前一批人的路径进入后一批人的状态。时间同时承担成本和主体之间相互作用的媒介。
同一个苏福尔斯(Sioux Falls)网络后来也被用来检验动态用户均衡。Friesz 等把 LWR 模型嵌入 DUE,在这一网络上同时处理路径、出发时刻、排队传播与随时间变化的路径成本[82]。静态基准中的一条弧只有一个随流量变化的阻抗;进入动态模型以后,同一条弧还携带“什么时候进入、前方队列何时消散、这批车何时离开”的历史。一个熟悉的网络因此从平面上的流量分配问题变成了时间轴上的相互占用问题。
这也连接了运行组织与用户选择。运行图、信号、容量和实时调度决定时变供给,旅客出发和路径决策形成时变需求,动态网络加载(Dynamic Network Loading, DNL)把二者转化为排队和传播过程。交通秩序从“谁在哪里”进一步扩展为“谁在什么时候占用什么资源”。
图 11 用元胞传输模型把拥堵传播转为可逐时步计算的网络加载过程。

图 11 元胞传输模型中的密度跃迁。沿 Daganzo[5] 的元胞传输方法构造独立的双状态算例。a,虚线标出连续守恒律算得的激波位置,离散元胞按上游发送能力与下游接收能力中的较小值传输。b,三个时点的密度剖面展示拥堵边界向上游移动。结果为数值模拟,不是现场观测,也未从原文图像反读数值。
3.8 从频率到班次:公共交通分配把时间切成窗口
公共交通分配的发展使“时间怎样进入行动集合”变得更加具体。早期的 common lines problem 已经指出,高频公交中的旅客未必预先锁定单一路线,而可能面对一组可以接受的共同线路,并根据先到车辆决定实际登乘[83]。频率型(frequency-based)模型随后把这种选择系统化为到达频率、期望等待与线路策略;Spiess 与 Florian 的 optimal strategies 模型允许旅客选择能够最小化期望成本的策略,成为公共交通分配的经典形式之一[84]。De Cea 与 Fernandez 又把拥挤和使用者均衡纳入这条频率型传统[85]。这些模型适合高频服务,具体哪一班车在什么时刻到达则被有意弱化。
图 12 用同一网络比较先到择乘、固定换乘序列和单一路径。
图 12 公交择线策略与期望出行时间。按 Spiess 与 Florian[84] 图 1–4 和表 1–2 的原算例复算。a,先到择乘策略产生三条实现路径;图中的 B 为同一终点的重复展开。b,在原例班距与等待近似下,最优策略、最佳固定换乘序列及最佳单一路径的期望出行时间分别为 27.75、30.5、31 分钟。以等候与车上时间拆分,结果是模型算例,不是实测节时。
随后,schedule-based assignment 把具体班次重新放回供给。Nuzzolo、Russo 与 Crisalli 的双动态模型以实际时刻表和 run 为基础,同时描述日内服务演化、日际学习与路径选择[86]。再往前一步,显式容量约束把“是否登得上这一班车”写进网络加载:Nuzzolo、Crisalli 与 Rosati 的模型按车辆剩余容量把旅客分配到具体 run,并允许失败登乘影响后续选择[87]。公共交通分配由此经历了一个很有意味的变化:
供给从平均意义上的服务率逐渐变成一系列真实发生的时空事件。
笔者在苏黎世访问期间曾有一段时间反复注意周期运行网络里的“一分钟”。相差一分钟,有时只增加一分钟旅行时间;落在换乘阈值两侧时,它会让原本存在的连接直接消失。从卢塞恩返回苏黎世的那趟周末行程里,前一班区域列车晚点,后车在站内多等了几分钟,同行者正好接上;这几分钟随后又沿列车运行继续向后传播。访问期间参与连接保护与扰动恢复分析时,同一个问题又以工程形式出现:等待一项连接,也意味着改变后续列车、容量和其他旅客面对的时间。换乘资格由此更像一种事件状态:时间连续流动,机会却会突然打开或关闭。
动态均衡把时间放进选择,公共交通还进一步把时间切成离散窗口。道路交通常把流量和出发过程连续化处理;公共交通中的乘客到达同样可以近似连续,真正可供选择的运输机会却由一班班车辆和一个个时刻事件给出。对一次从线路 换乘线路 的连接,设前车到达时刻为 ,后车发车时刻为 ,完成步行、下车和必要缓冲至少需要 ,则连接是否存在可以写成
在阈值附近,一分钟足以让 从 变成 。这一分钟直接删掉一次换乘,把整批人的未来推向下一班车;它改变的是机会,而不只是成本。时间在这里既是连续量,也是机会的开关。
容量又给这个开关增加了第二层离散性。设第 班车到站时等待人数为 ,可供本站乘客使用的剩余容量为 ,实际登乘人数和滞留人数满足
同一批到达站台的人会在这一刻裂成两个未来:一部分进入车辆,沿运行图继续传播;另一部分留在站台,直接成为下一班车的初始条件。几秒钟的晚点、几米更长的换乘步行、站台拥挤和车内剩余容量,都可能把这条分界线推向另一边。
运行图首先安排列车,也同时生成乘客的行动集合。公共交通时刻表协调研究很早就把换乘同步直接写入优化目标,Ceder、Golany 与 Tal 通过调整公交时刻来最大化换乘节点上的同步到达,使乘客的等待机会受到系统性设计[88]。瑞士的固定间隔、定时换乘、多枢纽体系则把这一思想推到网络尺度:周期性服务围绕枢纽组织到达与发车,使来自不同方向的陌生乘客能够在重复出现的时间窗口中完成连接[89]。铁路运行图的周期优化、容量配置、稳定性与鲁棒性进一步表明,这些窗口本身还受轨道、进路、车辆和扰动传播约束[90-92]。
图 13 展示同一套发车时刻如何同时安排多个换乘节点,而非只优化一次局部连接。
图 13 多节点时刻表同步。按 Ceder、Golany 与 Tal[88] 图 3 及第 4.1 节例 1 给出的发车方案与行驶时间复算。a,节点 1 在 12、 20、28 分钟发生三次同步到达;b,同一方案在节点 2 的 43 分钟再形成一次同步。I 线第 4 班从 26 分钟发车,与 II 线 16 分钟发出的第 3 班在节点 2 相遇,合计 4 次同步。黑色外环标出同一班车。数值为原文模型算例,不是实测或乘客成功换乘人数。
道路均衡里,个人选择常通过改变流量连续地改变他人的成本;公共交通里,集中供给先生成一组离散机会,分散选择再决定这些机会如何被使用。运营者无法替乘客决定最终路径,乘客也无法仅凭意愿创造一班不存在的列车。两类主语在运行图、换乘和容量边界上相遇,“离散的上帝”在这里获得了最直接的工程形态。
图 14 把换乘时间与剩余容量这两道门槛分开表示。
。b,设本站剩余容量为 24 人,图 14 同一运行图下的换乘窗口与登乘容量。自绘算例,非观测数据。a,设步行和必要缓冲共需 3 分钟且后车不等候,前车晚 1 分钟使可登乘的后车从 08:04 变为 08:10(式 36) 36 名乘客到站候车时有 24 人登乘、12 人滞留(式 37)。
3.9 看见不同的世界:有限理性、信息与反身性
信息能不能被执行,还取决于人与制度环境的熟悉程度。记
为主体 在城市或制度环境 、时刻 的制度熟悉度。和从海外来的朋友在日本出行时,熟悉本地制度的一方往往会承担更多查站台、票制与换乘规则的工作3;到了对方熟悉的地方,带路的人又会换过来。熟悉度还会随着经验更新,而不是固定贴在一个人身上。
数字平台还会生成新的目的地。可以写成
和朋友旅行时,目的地并不总是在出门以前确定。有人从社交媒体上看到附近刚出现的活动、店铺或展览4,原来的路线随即多出一个新目标;信息进入群聊以后,整组人的候选目的地也一起变化。信息系统因此既帮助主体在既有目的之间选路,也参与生成需求本身。
Wardrop 均衡里的旅行者仿佛能够看见真实成本,并对最小差异作出反应。 “完美旅行者”提供了一个极有生产力的分析基准,让分散选路第一次拥有清楚的均衡条件。现实旅行者生活在更窄的视野里:可见的备选方案有限,感知存在误差,记忆、习惯、注意力、风险态度、活动承诺和对信息源的信任共同参与选择。交通行为研究随后把这些因素逐步写回模型。Daganzo 与 Sheffi 的随机用户均衡(Stochastic User Equilibrium, SUE)把感知误差正式写进交通分配:参与者依据带有随机感知的成本世界行动, “真实最短路”失去对行为的直接支配[47]。Mahmassani 与 Chang 提出的有限理性用户均衡(Boundedly Rational User Equilibrium, BRUE)更进一步:当前方案落在可接受的无差异带内时,旅行者就可以停止寻找绝对最优解[93]。均衡于是获得另一种解释:在各自能够感知和接受的世界里,人已经缺少继续改变的充分理由。足够好,就可能留下来。
日常出行往往更接近后一种状态。知道另一条线路理论上快两分钟,通常不足以触发一次换乘;熟悉程度、下一项活动、当天剩余的精力以及对实时信息的信任都会改变决定。BRUE 的关键价值之一,在于它允许交通模型承认一种极其普通的停止条件:人会停止优化。
信息技术很快把这个问题从认知假设变成工程系统。Emmerink、Axhausen、Nijkamp 与 Rietveld 对经常性拥堵网络中的驾驶者信息进行仿真时,已经观察到信息质量、市场渗透率与过度反应之间的耦合:信息越丰富,行为响应越值得单独建模;信息本身会改变行为[94]。后来被统称为 Advanced Traveler Information Systems(ATIS)的研究面对的,正是这种交通特有的反身性:信息进入驾驶者的选择以后,同时承担描述世界和参与塑造世界两种作用。
设参与者 能够观察的信息为 ,策略写成
其中 是个体可观察状态。平台改变 ,就能同时改变成千上万人的行动。当足够多的人接受相似推荐,推荐会改写道路流量,下一轮预测面对的是一个已经被改写的世界。设历史数据为 ,预测模型为 ,行为响应映射为 ,系统演化为 ,这种反身关系可以写成
预测进入了状态转移本身。
交通 AI 把这件事做得尤其显眼。短时预测从统计模型一路走到深度网络、图卷积和时空注意力[95-100];信号控制又把最大压力与深度强化学习带进走廊乃至大规模路网[101-102]。模型能力越强,闭环本身越值得单独研究:预测会诱发行动,行动改写状态,新的状态再喂回模型。一个足够成功的预测系统甚至会亲手破坏自己预测成立的条件。
导航软件已经让这种反身性进入日常街道。对大规模导航技术社会外部性的系统分析收集了 90 个公开报道的事件,其中 59 个涉及导航建议把交通从高速公路或主干路重新导向支路和住宅区;洛杉矶谢尔曼奥克斯(Sherman Oaks)的住宅街因 Waze 绕避高速拥堵而承受新的过境流量,是其中一个典型例子[103]。单个驾驶者得到的是“更快路线”,整个社区收到的却可能是一股从未被规划为本地交通的过境流。平台既读取网络,也重新分配网络中的注意力、流量和外部性。
信息还没有到头。真实交通持续经历状态变化、随机扰动和不完全观测;不同主体看到的甚至是彼此不同的世界截图。夏普利(Shapley)的随机博弈把动态状态转移纳入博弈框架[104]。加入不完全观测以后,可以写成部分可观测随机博弈(Partially Observable Stochastic Game, POSG)
其中 为系统状态空间, 为主体行动空间, 为状态转移核, 为奖励或成本函数, 为观测函数。第 个参与者只能获得
并依据局部历史或信念行动
没有人完整控制联合行动 ,没有人完整观察状态 ,也没有人独自决定 。
以一列车晚点三分钟为例, 同时包含列车位置、延误、站台等待人数、换乘关系和剩余容量;乘客从屏幕、移动应用和站台现场得到自己的局部观察,调度者掌握更完整的运行状态,却仍不知道每名乘客下一步会怎么走。乘客可以等待或改路,运营侧可以改变列车次序、局部改路或维持原计划,运行时间和停站时间继续受到随机扰动。
D’Ariano 等开发的 ROMA 实时铁路交通管理系统把类似问题放进荷兰铁路的实际调度区域:列车晚点、线路封锁、车辆约束和旅客换乘连接同时存在,调度需要在重排序与局部改路之间作出选择[105]。调度者能够改变供给序列,随机运行和旅客响应仍然存在;旅客可以改变路径,列车重排序仍掌握在运营侧。权限、信息和未来状态在同一现场被分给了不同的人。
主体继续增多以后,逐个写下每个人又变得奢侈。平均场博弈(Mean-Field Game, MFG)和群体动力学把海量行动者压缩成个体策略与群体分布的耦合[106-108];信息设计则干脆把“谁看见什么”变成制度变量[109]。从 Wardrop 到 SUE、BRUE、ATIS、平台预测、POSG 与 MFG,交通学一步步接受了一个事实:参与者不仅控制得有限,他们连自己正在参与的世界都只能看见一部分。
4 离散的上帝
回望前面的理论演进,交通科学一直在缩小“完整决策者”的领地。经典规划与系统分析让需求、网络和流量第一次可以被系统预测、比较和设计;行为研究把异质偏好重新交还给出行者;Wardrop 接受了没有中央分配者的自洽秩序;Beckmann 在特殊条件下发现分散行为仍能重新长出极值结构;变分不等式则让均衡摆脱隐藏共同势函数的庇护。Braess 与 Downs–Thomson 再往前一步:连“供给增加会让系统更好”这样朴素的单调性也保不住。
后来退场的假设更多。多重均衡与学习让历史进入结果,DTA 与 DUE 让时间进入均衡,活动基础方法把孤立 trip 放回人的一天。与此同时,系统两端的两个“完美主体”一起消失:规划者无法控制全部行动,旅行者也无法看见并计算全部世界。SUE 接受感知误差, BRUE 接受“足够好”,时刻表与容量把连续时间切成一扇扇会打开、也会关闭的机会窗口。实时信息更彻底:参与者看到的世界开始彼此不同,预测本身还会反过来制造新的交通。
交通理论没有因此失去秩序。它只是越来越不需要那个同时掌握全部变量、全部信息和全部价值的主语。
“离散的上帝”,就是把这段漫长的退让说到底。
每个人都能改变世界,没有人能够决定世界。
集中式最优化中的统一决策主体拥有完整决策向量。多主体交通系统则把这些决策权分散到大量相互依赖的参与者之间。旅客拥有出发时间、交通方式和路径选择;运营者拥有服务和资源组织权;调度者控制局部时序与异常处置;平台改变信息和匹配结构;规划者决定长期网络和能力配置;公共管理者改变价格、通行规则和权利边界。
将所有主体的联合行动写成
系统状态可进一步表示为
其中 表示随机扰动和未观测因素。每个主体只直接掌握自己的 ,整个系统接受的却是联合行动 。
“离散的上帝”概括的就是这种决策主权的分布。统一的全局主语分解为大量有限行动者,每个参与者拥有真实而局部的行动权,同时又把自己的行动写进其他人的环境。一名驾驶者选择进入道路时,他是决策者;进入道路以后,他成为别人所面对的流量。一名旅客选择进入车厢时,他是行动主体;进入车厢以后,他成为别人所面对的拥挤。多主体系统中的个体同时具有
两种身份。
“离散的上帝”最终落在一种人本主义的系统观上:世界由具有局部能动性的人共同产生,行动彼此嵌套,制度由人建立,联合结果也由人承担。隐喻走到这里便该停止。全知、完整控制和统一意志已经分散,留下的是有限的人。
这个结构最终收束成三重有限性。
第一是 有限控制。联合行动空间满足
单一参与者只控制其中一个分量。即使规划者拥有更高层级的结构性权限,也需要面对其他主体对规则和设施的自主响应。
第二是 有限认知。参与者通过 获得局部观察, 很少足以唯一恢复全局状态 。交通决策由此依赖估计、预测、经验与信念,信息不对称和模型误差成为系统本身的一部分。
第三是 有限价值代表性。个体效用或成本 只能表达第 个主体的评价;公共目标 需要在多个主体与多种价值之间建立聚合关系。任何单一 都没有天然资格代表全部人的共同价值。
三重有限性给出“离散的上帝”的理论内核:
三重有限性缺一不可。解决控制问题以后,认知误差与价值冲突仍在;充分信息还需要价值聚合才能形成共同目标;社会目标最终还要进入真实参与者的行动过程。
目标函数 本身也是人的选择。总旅行时间、运营成本、可靠性、环境影响、最低可达性和公平之间没有一组从数学里自动长出来的权重。最优化能够严格回答给定 以后哪个方案更优;交通政策还得回答,为什么偏偏是这个 。效率就在这里走向自由与公平。
交通理论已经能够解释一个没有统一主语的系统怎样形成秩序。剩下的问题更困难:这样的秩序究竟为不同的人留下了多少真实选择,它为什么值得共同接受?
5 自由发生在彼此之间
5.1 从机动性到可行能力:自由的三层结构
个体选择始终发生在一个已经形成的可行空间里。设个体 的实际行动集合为
其中 表示基础设施与网络, 表示服务频率、时刻和可靠性, 表示价格, 表示信息条件, 描述身体能力及个体特征, 容纳工作、照护和时间预算等现实约束。交通中的自由首先表现为这一集合的大小、结构和稳定性。
制度和资源给出的只是潜在选择,具体状态还会继续删除其中一部分。定义
潜在集合回答通常有哪些可能,可执行集合回答此刻哪些还做得到,可接受集合则承认“能做”和“愿意这样做”仍是两个问题。
这种差异在扰动中最容易显出来。KT Zepp Yokohama 联合公演《Blue Hour》终演比预定晚了约二十分钟,几个人赶到车站后又遇到主干线信号设备异常,原本能够接上的最后一段铁路已经消失。振替线路需要再换两次,站前出租车排队很长,叫车价格也在散场客流里迅速上升。大家还在重新算路线时,其中一位同行者给家里打了电话;二十多分钟后,家里安排的车辆来到车站,把几个人一起接走,进东京以后再顺路分送。家庭能够在公共系统失效以后重新投入车辆、司机和可支配时间,从而支持公共交通之外的额外选择。本文把这种高资源主体的扩展行动集合简记为 5。
价格又会继续裁剪集合。设 为当前出行预算, 为方案货币成本,则
横滨那一晚,叫车软件里的车辆仍然存在,但上涨后的价格已经使一部分即时叫车方案超出 6。若把预算为 时的最优个体成本写成 ,预算影子价格和经济余量可以写成
同样的一千日元,对不同主体具有完全不同的边际意义;在前述预算实例中,这种差异也分别进入 7 与 。
地图上存在一条线路,表示物理网络提供了连接;一个人能够稳定使用这条线路,还取决于时间、费用、可靠性、身体条件和换乘环境。两名旅客面对同一张网络图,实际拥有的 可以明显不同。机动性(mobility)、可达性(accessibility)和可行能力(capability)由此形成递进关系:机动性关注移动本身,可达性关注能够到达哪些机会,可行能力进一步关注个体是否真实拥有实现这些机会的自由。
阿马蒂亚·森(Amartya Sen)的可行能力方法(Capability Approach)把福利评价从资源拥有推进到真实可实现的生活状态[110];交通可达性研究也逐渐从速度和距离转向活动机会[111]。这一转向还有更早的空间传统:汉森(Hansen)用可达性解释土地利用,时间地理把个人活动置于时空棱柱中,后续城市空间结构与建成环境研究持续揭示交通条件、土地利用和出行行为之间的双向关系[12,112-114]。
图 15 用两个平均出行时间相同的居住地说明,即使平均行程时间一样,机会分布也能使可达性明显不同。
图 15 相同平均行程时间与不同的机会可达性。依据 Hansen[112] 的机会规模与距离阻抗构造独立算例。a,两个居住地到两处目的地的行程时间简单平均均为 30 分钟。b,以 表示机会数量,以 表示行程分钟数,取幂指数 1 和 15 分钟归一化基准;两处居住地的指数分别为 140 和 260。数值是加权指数,不是观测人数或实测岗位数。
公共交通里,同一项连接也并不必然同时存在于每个人的有效网络。式 (36) 中的换乘时间更一般地应写成
新宿住友ホール的《Campus Link》mini live 收场后,前一段车晚了几分钟,App 重新计算出一个只剩四分钟的跨站区换乘。熟悉站内路径的人先去赶前一班;笔者当天还带着电脑和换下来的衣服,便没有跟着跑,直接坐后一班,几个人后来在下游车站重新会合。同一张运行图因此对应着不同的有效连接集合。 可以表示疲劳状态, 可以表示移动能力;笔者对应的 8 与佑芽对应的 9 完全可能不同。
“赶得上”之外,还有“愿不愿意让整段生活依赖连续的临界连接”。可以把可接受余量分解为
Zepp Sapporo 北日本巡演《Northbound》札幌公演结束后的第二天空出半天,导航给出的最快方案需要连续完成三次只有几分钟余量的换乘。最后大家没有采用最快方案,改走了只需要一次主要换乘、总时间多十几分钟的路线。傍晚开始下雪以后,前段也出现了几分钟晚点。物理上能够完成,与愿不愿意把一天的安排建立在连续的临界连接上,是两回事。
一些偏好还具有非补偿性。设 为否决条件集合,则
一个方案即使更快、更便宜,只要越过主体不会接受的阈值,仍会退出可接受集合10。
给定时间预算 和费用预算 ,可以定义个体 的机会集合
一座车站投入使用,可能把新的工作、学校、医院和社会关系加入 ;一条夜间线路取消,也可能让部分机会退出 。交通规划由此参与塑造人能够拥有怎样的生活空间。
笔者的家乡在秋田。返乡参加地方局《ふるさと春便り》特别收录时,原本安排好的一次五城目往返在 4 月 1 日改点后失去了习惯的傍晚班次。最后只能让家里人来接。有人能够这样临时改用家庭车辆,问题只是换一种方式;没有这种条件时,能不能去、几点去、是否还参加晚上的活动,都会先被班次改写。后来在导师分配的地方交通项目里,需要整理居民问卷、医院门诊时段、学校作息和班次数据;模型一度建议削减几班长期低利用率的固定服务,地方工作人员坚持留下两班:一班承接学生放学,一班承担医院回程。已经坐上车的人会形成客流,没有发生的旅行却不会留下同样的数据;它仍可能意味着一个原本存在的机会已经在出发以前被交通条件删除。
5.2 可靠性与风险:平均时间之外的不平等
交通机会还取决于能否稳定兑现。同样的平均旅行时间可以对应完全不同的时间分布:一条线路每天稳定需要四十分钟,另一条线路平均也是四十分钟,却经常在三十分钟与九十分钟之间波动。对具有严格签到、照护交接、医疗预约或末班车约束的人而言,两者产生的生活后果差异很大。
早期建模时,注意力更容易落在可控变量、绑定约束和均衡条件上;长期共同生活又把另一些问题推到同样显眼的位置:一次平均意义上的改善由谁稳定兑现,一次尾部延误会截断谁的下一项活动,服务中断以后谁还保有备选路径。可靠性因而不只描述时间分布,也描述机会能否真正兑现。
旅行时间可靠性研究长期关注参与者如何对时间波动作出行为响应,以及如何评价不确定旅行时间带来的额外成本[115]。若随机旅行时间为 ,一个简化的可靠性广义成本可以写成
其中 表示时间波动, 表示个体对可靠性的敏感程度。即使两个群体拥有相同的平均旅行时间,可靠性差异也会造成不同的风险负担。
可靠性还会影响机会集合的“厚度”。若某项活动要求在截止时刻 前到达,平均旅行时间只能描述机会的一部分,更稳健的条件还要关注准时到达概率
于是,可达性从“理论上能到”扩展到“以足够高概率能到”。这一变化对于低频公共交通、跨线换乘和夜间服务尤其重要。
旅行时间可靠性仍然围绕某一条既定方案的时间分布。若进一步关心扰动发生以后主体是否还保有任何可执行方案,可以定义行动集合韧性
对于这类资源余裕较大的主体,行动集合韧性可以具体记为 11。随着 降低,扰动带来的后果会从旅行成本上升进一步发展为可执行方案本身的消失。对公共保障对象集合 ,还可以看
系统平均可靠性很高,并不排除最薄的一层可行动未来几乎消失。
Boston 访问期间,Kendall/MIT—Park Street 周末施工改用 shuttle 的那一周,合作组已经列出 shuttle、步行、自行车、其他公交与 ride-hailing 等替代方式。把真正受影响的人放进去以后,这份清单很快分裂成几张不同的表:有人必须按时接孩子,有人带着仪器箱无法骑共享单车,有人天气好时能步行、下雨以后又会改变选择;叫车服务始终存在于 App 里,涨价以后却不再属于所有人的可负担集合。这份 alternative list 在不同主体手中对应着不同的 。风险承受能力也具有分配差异。拥有弹性工作时间、备用交通方式和更高支付能力的人可以吸收延误,选择集合较窄的人则更容易受到尾部风险影响。公平同时关心平均资源与平均时间,以及谁承担系统波动、谁拥有对冲波动的能力。
把时间尺度继续拉长,可靠性问题会进入网络脆弱性与系统韧性。道路脆弱性研究关注关键路段失效后哪些群体和地区暴露于更大的可达性损失,韧性研究则强调系统在扰动后维持和恢复基本功能的能力[116-118]。这一思路与生态系统中的韧性概念相呼应[119]。平均意义上的“能到”因此继续扩展为扰动发生以后仍然能够维持多少机会。
5.3 公平在目标函数以前已经进入可行域
交通公平经常以分配问题出现,例如最小化加权总旅行时间
这里的 将价值判断压缩为参数:谁的一分钟以怎样的方式进入系统评价?高频走廊中大量微小时间收益与低需求地区的最低服务如何权衡?无障碍设施带来的机会改善如何进入以平均旅行时间为主体的评价框架?
Martens 的交通正义研究把可达性与分配原则连接起来[120]。交通排斥、可达性正义和分配公平的研究进一步把群体差异、机会不足和空间不平等纳入交通评价[121-123]。沿这一方向,交通公平至少包含四个层面:结果分配 关注时间、费用、可靠性和拥堵负担;机会分配 关注就业、教育、医疗和社会活动的可达性;最低保障 关注基本可达性阈值;程序与表达 关注谁能够参与线路、站点、票价和服务调整的决定。
图 16 示意均值改善、极差限制与最低水平之间的区别。
(a)相对不干预基准,方案 A 的最低、平均与最高可达性均提高,但极差超过政策上限 。图 16 可达性均值与分配约束的不同作用。(b)B 与 C 都满足该上限;C 的均值较高,最低及最高水平却低于 B。原文准则因此选择 C,而非使最低水平最大。两面板均为定性示意,位置和间距不代表观测值或变化幅度;端点表示最低与最高水平,圆点表示均值。该极差准则与本文的个体最低机会约束不同。根据 K. Martens[121] 图 3 改编,CC BY 2.0(https://creativecommons.org/licenses/by/2.0/);已重组布局并改写标注。
公平既能写进目标函数,也能直接切进可行域。若 表示必须获得最低机会保障的主体集合,可以要求
其中 表示基本机会阈值。公平由抽象权重转化为可检验的系统要求,也开始直接塑造可行域。
评价尺度再拉远,长期可持续性也进入同一张账。Banister 对传统交通规划中“出行是派生需求”和“以旅行成本最小化为中心”等基本假设作出系统反思,并把可持续交通的实现条件进一步连接到公共接受、政策实施和参与过程[124];气候约束又把能源、土地利用和长期排放写进交通系统的公共评价[125]。效率、机会、公平与可持续性由此构成不断扩展的评价边界,彼此无法简单替代。
图 17 将交通碳排放拆为需求、能耗强度和能源碳强度,以区分不同政策所改变的量。
图 17 交通碳排放的乘法分解。依据 Creutzig 等[125] 正文与图 1 所述核算关系自绘;客运与货运分别采用人公里和吨公里计算,再以统一的碳排放单位加总。图中不含原文情景数值,亦不意味着三个因子相互独立。
5.4 从个体效用到社会选择
当交通系统包含多个主体时,“系统更好”需要先回答多个个体评价如何进入公共评价。设方案 对个体 的效用为 ,则一个社会状态可以映射为效用向量
帕累托(Pareto)效率只排除能够让所有人至少不变差、并让部分人严格变好的方案。帕累托前沿可以写成
它能够排除明显低效方案,却通常留下大量彼此无法按帕累托标准继续排序的候选状态。公共选择还需要一层价值聚合。
不同社会福利函数表达不同价值结构。例如,功利主义(utilitarian)型评价可以写成
最大最小准则(maximin)关注处境最差者,可以写成
而受纳什议价(Nash bargaining)思想启发的乘积型福利可以表示为[126]
其中 是基准或分歧点。三种形式对“改善谁、改善多少、是否允许较强补偿”给出不同答案。所谓系统最优总是相对于一个福利结构而言。
最低者优先在多人移动中有直接含义。一个方案可以显著改善平均时间,却让体力最弱、携带最多行李或承担照护责任的人直接掉出共同可行域。群体方案的可行性因此不能只由平均成员代表。
社会选择理论把聚合本身的困难彻底暴露出来。阿罗不可能性定理(Arrow impossibility theorem)表明,在序数偏好、三个及以上备选方案和一组具有吸引力的公平条件下,不存在同时满足全部条件的普遍社会排序规则[127]。这一结果把交通评价推进到更深一层:从许多人的“好”构造一个社会的“好”,本身就是需要制度与价值判断的问题。
交通评价可以形成三个层次:个体效用描述主体自己的评价,帕累托条件识别无争议的改进空间,社会福利或权利约束完成进一步选择。最低可达性、无障碍与基本服务尤其适合直接写成约束,从而为加权福利函数补充不可被跨主体补偿消解的权利边界。公共评价由此同时拥有福利聚合与权利边界。
5.5 行动权与结构性权力
多主体结构还包含明显的权限差异。旅客可以在网络里选路,规划者能够改变网络;乘客依据票价调整行为,政策制定者能够改变票价制度;用户决定是否接受导航推荐,平台能够改变信息排序和可见性。各主体的行动集合及其影响范围具有显著差异:
有些行动主要改变个体自身状态,有些行动能够改变大量其他人的可行域。交通中的公平因而同时涉及资源、机会与决策权。
行动集合还具有关系性。设 为能够与主体 实际协调或共享资源的关系邻域, 表示主体 能向 开放的可执行选择,则
一起出门时,有人能共享信息,有人愿意改变自己的时间安排,有人能把原本只属于自己的车辆、住宿或费用余量临时带进共同计划。两个人一起走的时候,会多一些办法。
这种关系还可以区分“依赖公共系统的自由”与“能够退出公共系统的自由”。设 为公共交通及普遍可获得服务构成的集合,定义
12 描述了公共系统之外仍然保有可执行选择的情形。较高的退出能力能够让个体迅速离开故障系统;公共系统自身恢复到什么程度,则需要单独评价。
自由因此既有外部性,也有关系性。一个人的行动改变别人的成本,一项规则改变别人的选择集合,一项基础设施决策能够改变他人未来数十年的空间机会;一个人的资源、承诺和陪伴也可能临时扩大另一个人的行动集合。自由发生在彼此之间,公平也发生在彼此之间。
6 没有上帝的共同世界
6.1 设计选择发生的结构
接受复数主体以后,公共治理的任务就变了:公共主体设计选择发生的条件,分散行为再在这些条件中形成联合结果。机制设计正好站在最优化与博弈论之间。
MIT ORC 短期研究期间,反复接触到一种研究视角:把规则本身当作决策对象。网络、价格、服务、信息与权限先被写成可设计变量,参与者随后用自己的目标回应这些变量。对交通而言,这个视角把“如何求一个好解”继续推进成“如何设计一个会产生结果的世界”。
设交通博弈为
其中制度参数 可以包含
分别表示网络、价格、服务、信息与规则。给定 后,参与者形成均衡
公共规划问题因此具有典型的“设计结构—等待响应”性质。 可以包含预算、安全、公平、能力和实施条件,而参与者的真实状态仍需要经过 生成。
第二节把“设计—响应”写成完整决策者失去直接控制的事实;到了这里,同一结构成为治理的出发点。公共主体选择 ,参与者在新制度里形成自己的响应。规划者真正设计的是行为发生的网络、成本、机会和规则。
6.2 网络设计:把使用者响应写进规划问题
交通网络设计是“设计结构—等待响应”最典型的工程化形式,也是第二节中层级响应在工程规划里的成熟形态。道路网络设计要求在有限投资下决定新建或扩容方案,同时显式考虑用户在新网络上的路径选择;这一类问题长期被视为交通规划中最具挑战性的均衡约束优化问题之一[42]。从离散网络设计、综合方式划分与交通分配,到连续容量设计和双层规划,这一传统逐步形成了“上层改变供给、下层重构均衡”的标准结构[128-131]。公共交通网络和频率设计同样可以把供给方案置于上层,把乘客分配和均衡置于下层[43]。
连续网络设计的简化形式可以写成
其中 表示容量或网络设计变量, 表示投资成本, 是设计方案诱导出的用户均衡流。式 (75) 说明,基础设施的评价必须经过“人会怎样使用它”这一层才能完成。
图 18 把式 (75) 落实为一个可解析的容量设计问题:直接安排流量得到的低成本点,并不自动是容量投资能够诱导出的均衡。
图 18 容量设计的均衡约束与系统最优松弛。依据 Marcotte[131] 式 (6)–(8) 的结构独立构造两条并行道路的归一化算例,总需求为 1,道路 1 流量为 、容量为 ,道路 2 容量固定;成本和投资函数见图。a,用户均衡响应轨迹限定了仅凭容量设计能够实现的流量;灰线为总成本等值线。b,分别沿用户均衡和系统最优流量轨迹评价出行成本与投资之和,最优容量分别为 1.291 和 0.936。松弛最优点虽有更低的总成本,但两条使用路径的个人成本不同,不能直接作为仅容量投资下的用户均衡方案。数值由本图的原创示例参数解析得到,非原文数值试验或实测数据。
这个结构也解释了能力、局部时间和新增连接为什么必须经过行为响应才能转化为社会绩效。设计变量首先改变成本和行动集合,使用者随后重新选择,新的均衡再决定真实效果。规划目标面对的始终是一个经过行为响应后的系统。
同一结构在更快的时间尺度上成为反馈控制。匝道控制和城市交通控制直接根据流量与拥堵状态调整局部供给,宏观基本图(Macroscopic Fundamental Diagram, MFD)把城市路网压缩为可控制的聚合状态,最大压力控制则利用局部排队关系构造网络级协调[132-136]。规划、运营与实时控制由此可以被视作同一“设计—响应”结构在不同时间尺度上的展开。
铁路和公共交通同样具有相似关系。发车频率、停站方案、换乘衔接和票价改变乘客的路径、时刻与方式选择,需求重分布又会改变拥挤、站停时间和资源使用。公共交通分配从共同线路问题、策略分配发展到拥挤均衡;铁路运筹则把运行图、轨道容量、稳定性和鲁棒性逐步纳入统一的时空资源配置框架[83-85,90-92,137-139]。
把视野继续拉开,同一套结构会在不同运输方式里变形重现。货运把问题写成车辆、货流、服务网络与动态调度;航运把时空资源拉到更长周期,航线与船期共同决定可用能力;航空则把容量压进航路、机场、时隙、机队和航班计划[140-150]。图、流、容量、时空资源与行为响应不断复现,业务机制却拒绝被完全抹平。真正有意思的综合交通,要追问哪些结构能够统一,也要知道哪些差异一旦消掉,模型就已经失去了那个运输系统。
这些差异后来在不同项目接口上反复出现。处理机场接驳时,航班“落地”很快会继续分解为机位、行李、地面车辆、旅客出站和接驳窗口;进入港口以后,同样的容量问题又沿船期、泊位、桥吊、堆场、闸口以及铁路/卡车展开;综合货运中的替代路径进一步把铁路、公路与航空放进同一个扰动传播过程。铁路自身的理论追踪间隔,也还要经过停站、折返、车底和恢复余量,才成为全天真正能够兑现的能力。不同运输方式共享图、流、容量和组织,却从来不只拥有同一种“容量”。
在一次京津冀综合货运恢复评估里,总吞吐已经回到约九成,从总量指标看,系统已经接近常态;业务人员随后指出,一批冷链箱仍滞留在错误堆场,并已经错过后续班列。普通货类恢复较快,使总吞吐率先回升,关键货类的后续运输链却仍然中断。恢复多少总量,与哪些社会功能首先恢复,是两个问题。
平台化服务又把新的主语塞进系统。MaaS 把多方式服务、支付与信息接口重新组合,共享出行把一段个人行程变成实时匹配与动态车辆分配,自动驾驶甚至让车辆本身获得可被协调的控制权[151-160]。人、机构、平台、算法和自主设备开始同时参与交通,也同时改写彼此的行动集合。
6.3 从好结果到可实施机制
好结果还需要能够被真实制度实现。对于一个制度方案 ,效率之外至少还要经过四道检验。激励相容(Incentive Compatibility, IC)要求制度希望参与者采取的行为,与参与者按自身利益作出的最优反应相容;个体理性(Individual Rationality, IR)通常表现为参与约束,要求参与者接受制度后的处境不低于其可接受基准;可实施性(feasibility)把预算、容量、安全、法律与组织能力写回可行域;鲁棒性(robustness)则要求需求、偏好、信息和模型出现合理偏差时,制度性能不会迅速失效。
其中,IC 与 IR 是机制设计中的通行约束;可实施性更自然地进入方案集合,鲁棒性则需要在扰动场景中接受检验。一个简化表达可以写成
数学对象已经换了:问题从“哪个状态最好”推进到“什么规则能让真实的人把系统推向更好的状态”。拥堵收费改变成本函数,公交专用道改变方式间的相对优势,运行图改变等待与换乘条件,预约制度改变到达过程,实时信息改变信念,基础设施建设改变行动集合,无障碍设计改变部分群体的有效网络。制度设计通过这些方式改变博弈,然后让人的选择继续发生。
6.4 规划者也在系统之中
公共主体拥有结构性权限,也面对有限信息、有限资源和实施反馈。治理过程可以表示为
其中 表示系统绩效、社会反馈和新的信息。政策改变行为,行为改变系统,系统暴露新的问题,新的问题推动制度修正。这种反馈构成持续学习的治理结构。更一般地,可以把政策更新写成
其中 表示新获得的数据, 表示对行为与系统模型的当前认识, 表示当期公共偏好、约束与政治可行域。治理同时更新政策,也更新对系统本身的认识。模型与制度在实践中共同学习。
这也重新呼应交通系统分析很早提出的提醒:交通系统始终嵌在更大的社会、经济与政治环境中[35]。规划者能够改变系统的一部分,同时也会被预算、组织能力、公众反馈、既有制度和新的知识反过来约束。系统分析最终把规划者放回系统之中,让规划者在反馈中持续修正自己对系统的理解。
早期参与运营合作时,任务往往只是复现上一阶段的 assignment,或接手运行图中的一个换乘模块;数据口径和业务解释主要由更熟悉现场的人决定。几年后再次面对类似问题,工作已经开始于和运营方共同确定评价口径, “什么应当被算作恢复”本身也进入了模型。一条铁路恢复通车、机场吞吐恢复、港口箱量恢复,都不自动等价于所有人的基本活动与关键物流功能已经恢复。
治理还面对什么能够被制度看见。设真实需求、困难与被抑制机会构成集合 ,数据和制度观察过程记为 ,则
没有发生的旅行不会形成客流,已经放弃的活动不会出现在 OD 矩阵,没有正式投诉的困难也可能长期留在数据之外。被看见,本身就是进入下一轮模型和公共决策的前提。
6.5 多中心治理:公共权力也具有复数主语
埃莉诺·奥斯特罗姆(Elinor Ostrom)对公共事务和多中心治理的研究强调,复杂公共资源系统能够由多个具有相对独立权力的治理中心,通过协调、规则、监督和学习共同维持[161-162]。交通系统具有相似的组织特征:中央与地方政府承担法律和投资职责,运营机构承担服务,平台掌握部分信息基础设施,社区和使用者提供反馈,个人继续依据自身目标行动。共同秩序来自多个层级的持续协调。
6.6 从一个红灯到集体行动
交通中的集体行动可以从一个路口开始。红灯要求一个方向暂时等待,让另一个方向获得通行;局部等待换来冲突流之间长期可重复的兼容秩序。公共交通则把这种共同安排扩展到更长时间和更大空间。轨道、车站、车辆、人员和运行图在乘客出现以前已经被准备,社会通过持续投入创造一种可以被陌生人共同使用的移动能力。
一次出行也很少孤立存在。设主体 一天或一段旅程中的活动链为
则第 段交通会改变下一项活动开始时的状态和可行域:
某一段最快的方案可能以没有晚饭、没有休息、行李无法处理或第二天起点被破坏为代价。活动链把当前交通选择与后续生活连续在一起。
共同制度又会反过来扩大个人行动集合,从而形成循环
个人可行域扩大以后,新的冲突与协调需求又会出现。自由和集体行动因此一直互相制造对方的问题。
6.7 责任链:谁设计、谁受影响、谁来修正
最后还剩下责任。交通系统中的共同价值只能经由人的判断进入目标、约束和制度。一个模型得到 以后,问题远没有结束:谁获得收益,谁承担成本,谁拥有备选方案,谁的可行域被扩大,谁的机会集合被压缩,哪些主体拥有改变规则的权力。
这些问题还对应一条责任链。设政策从数据 和模型 出发形成方案 ,方案经参与者响应形成状态 ,最终产生分配结果 ,则治理过程可以写成
每一个箭头都可能引入误差、价值判断和权力分配:数据决定哪些人被看见,模型决定哪些机制被表达,政策决定哪些权重进入公共选择,行为响应决定方案怎样被现实重新解释,结果评价又决定哪些问题会进入下一轮修正。
可追溯性具有学术与制度双重意义。一个公共决策需要能够说明目标从何而来、关键假设如何建立、哪些群体受到影响、何种反馈能够触发修正。有限认知要求承认模型会错,有限价值代表性要求允许目标被讨论,有限控制要求为参与者响应和制度调整保留空间。
全文使用过的几种数学语言,此刻可以重新并排放在一起:
它们处理同一个交通系统的不同切面。最优化给出联合意义上的比较,参与者仍然保留自己的选择;均衡描述分散选择形成的秩序,公共正当性继续留给价值判断;机制设计改变价格、网络、时刻和信息,也把“设计应当服务于什么”推到前台;社会选择讨论共同价值,同时接受容量、安全、信息和行为响应这些现实边界。笔者更愿意把交通科学理解为这些语言相互接触的地方。
“离散的上帝”已经没有神秘性可言。现实交通里不存在那个同时决定全部变量、掌握全部信息、代表全部价值的统一主语。留下来的,是许多能力有限、信息有限、价值各异的人,以及他们共同使用的轨道、道路、车辆、规则、价格、信息和时间。共同秩序只能由最后,这些有限行动者建造,也只能由他们使用、质疑和修正。
没有上帝以后,共同世界仍然需要被组织。组织它的,是有限而彼此依赖的人。
文献谱系:交通科学如何走到这里
本文横跨若干长期演化的研究谱系。交通科学不断把新的对象纳入同一问题空间:连续流与离散选择,道路与轨道,客运与货运,供给与土地利用,效率与公平,基础设施与数字平台,规划者与自主行动者。下面的文献坐标标记那些曾经改变学科边界、今天仍在继续生长的节点。它们共同勾勒出“大交通”的一种数学形态:不同模式、时间尺度、决策权、信息结构与价值标准在同一系统中逐渐建立可计算的关系。
交通流、拥堵与网络动力学。 Lighthill–Whitham–Richards 的守恒律把车流推进为连续介质上的动力学问题;Cell Transmission Model 把这种结构带入可计算网络。元胞自动机、自驱粒子系统、城市宏观基本图与网络信号控制又分别从离散微观、统计物理、城市尺度和反馈控制重写了“流”这一对象。今天的交通状态已经同时具有物理场、网络流和控制系统三种面貌[2-3,5-6,9,133,135-136,163-164]。
选择、时间、均衡、价格与信息。 McFadden 的离散选择、活动基础分析和时间地理把需求从 OD 数字还原为人的活动与选择;Wardrop、Beckmann、变分不等式和动态用户均衡建立了个体选择与网络状态之间的自洽关系。Vickrey 瓶颈模型把出发时刻与排队写进均衡,拥堵定价则把外部性重新送回个体成本。信息进入以后,导航和预测也成为博弈的一部分,更多信息甚至可能生成新的 Braess 型损失[10-12,37-40,45,53-54,59,63-64,73,80-81,165-176]。
网络设计、公共交通与跨方式运输。 当网络、线路、班次、容量和价格成为决策变量,使用者响应必须进入规划模型,离散网络设计、连续网络设计和双层规划成为交通运筹的经典结构。公共交通把频率、拥挤、换乘和策略选择带入分配问题;铁路把时刻表、基础设施容量和扰动恢复推向大规模组合优化。航空、航运和货运又展示同一套运筹思想如何跨越完全不同的资源系统。综合交通的早期数学形态,已经散布在这些彼此连接的网络设计与跨方式问题中[35,42-43,49-50,55,84-85,90-91,129-131,138-139,142-144,146-147,149,177-194]。
空间、土地利用、可达性、公平与韧性。 交通改变的并不只有旅行时间。可达性研究把网络性能转写为人能够抵达的机会,土地利用与诱增交通说明供给变化会在更长时间尺度上重塑需求和空间结构;社会排斥、分配正义与交通公平把“谁得到什么”带入评价。可靠性、脆弱性与韧性要求系统在扰动、失效和不确定条件下仍能兑现这种机会。交通系统的长期价值因而同时存在于效率、空间结构、分配结果与恢复能力之中[58,70,110-112,114-120,122-124,195-210]。
复杂网络、人类移动与多层交通。 复杂网络理论提供了拓扑、连通性、鲁棒性和多层耦合的共同语言,人类移动研究则从大规模轨迹数据中辨认出跨尺度规律。多方式城市交通可以被表示为相互连接的道路、轨道、步行、自行车和公共交通层,模式之间的换乘不再只是传统分配模型中的附属变量,而成为网络结构本身。MaaS、共享出行和自动驾驶继续加入新的平台、市场与自治主体,交通系统开始同时具有物理网络、信息网络和交易网络的属性[13-15,18,20-23,25,152-156,158,160,211-220]。
自主主体、学习与正在形成的新前沿。 均场博弈把数量巨大的理性主体压缩为个体决策与总体分布之间的固定点,已经从行人拥挤扩展到出发时刻、自动驾驶和多类别交通流。与此同时,数据驱动方法开始从“预测交通状态”推进到“学习均衡结构、学习行为目标、再参与控制”。2024–2026 年的工作中,逆强化学习、逆均衡学习、多方式均衡、MaaS 多领导者–多跟随者博弈、交通枢纽双层设计以及带可达性约束的均场强化学习已经把优化、博弈、学习、公平和平台治理直接放进同一问题。这里更接近本文所说的下一层交通科学:模型不只求解系统,也学习行动者、制度与价值如何共同生成系统[95,106,221-237]。
从社会福利到机制与公共选择。 当模型开始设计规则,目标函数本身便进入理论对象。Nash 的讨价还价、Arrow 的社会选择、Sen 的福利与能力、Ostrom 的多中心治理分别处理协商、聚合、自由和制度;Hurwicz 与 Maskin 的机制设计追问什么样的规则能够把分散私人信息与公共目标连接起来。Gibbard–Satterthwaite 的不可操纵性结果和 Rawls、Harsanyi 的不同福利立场提醒交通规划者:一个全局目标从来都带着制度来源和价值选择。交通中的“系统最优”需要和权利、参与、激励与公共理由一起被说明[110,126-127,161-162,238-244]。
尾声:抵达的复数形式
一项个体出行可以写成
起点、终点,以及连接两者的一段路径。第二条轨迹出现以后,交通才获得完整意义。另一名参与者进入同一段空间,占用同一种资源,在同一个站台停留,在同一个时刻请求通行。越来越多的路径相互嵌入,单独清楚的箭头开始共同构成一个系统:
前文始终把参与者集合写成 。如果把尺度不断缩小, 时还不存在主体之间的协调、外部性或共同选择; 时,相互依赖第一次成为不可消去的结构。两个主体已经足以拥有不同目标,改变彼此的约束,共享有限资源,形成承诺,也给对方留下新的可能。城市中的问题没有消失,它只是从百万人的网络缩小到了最小的共同世界。
“交”意味着轨迹相遇;“通”意味着相遇以后,各自的方向仍然拥有继续延伸的条件。共同世界允许不同目的同时保持自己的方向。交通科学所要维护的,是多种目的在有限空间、时间和资源中持续共存的能力。
这个问题在城市尺度上表现为网络、容量、均衡、公平和制度;把共同使用的世界缩到一段时间、一段路,它也可以只是两个人同行。两个主体仍然保留各自的方向、行动集合和未来。其中一个人的存在进入另一个人的时间、约束与可能性,彼此又没有因此失去作为独立主语的完整性。
同行可以容纳两个不同的终点。共同经过的一段时间里,一些信息会共享,一些费用会分担,一些失败会一起处理;这些关系会进入彼此的行动集合,却不替任何一方决定最后的方向。同行更接近一种持续的可达性承诺:让对方的下一步仍然存在,让一次失败之后仍有新的路径,让已经走远的人继续拥有选择更远方向的能力。
这种关系和交通系统最深处的结构彼此呼应。真正稳定的共同秩序保留人的主语;制度的价值,也在于不同主语仍能保有自己的方向。自由因此有了他人的维度:一个人要能决定自己往哪里去,共同世界也要给这个方向留下空间。
城市同样如此。道路保存前人的选择,轨道把陌生人的时间暂时排列在一起,运行图约定明天仍有列车到来。每个人只拥有整张图的一部分,却会在这部分里给后来者留下些什么。新的行动者经过这里,再继续向前。共同秩序便在这种接续中获得时间尺度。
于是,抵达逐渐显出第二层含义。一个点的抵达完成一段旅行;复数的抵达要求许多方向在相互进入以后仍有未来。交通研究的核心也由“怎样更快抵达”扩展为“怎样让不同的人都保有值得抵达的地方,以及通往那里仍然存在的路”。
一个人的愿望可以写成 。共同世界所面对的,是式 (86) 如何长期成立。
世界属于许多方向。
交通所保存的,是这些方向继续通向未来的可能。
基金资助 Funding
本研究获得十王财团旗下初星跨学科研究基金(HIF-2028-0327)、仓本财团旗下仓本城市流动与公共机会研究基金(KUMO-2031-0003),以及分布式主体治理研究计划(GODS-2032-0002)的资助。
HIF:Hatsuboshi Interdisciplinary Fellowship
KUMO:Kuramoto Urban Mobility and Opportunity Fund
GODS:Governance of Distributed Subjects
利益冲突声明 Competing Interests
第一作者篠泽广曾接受仓本财团的有偿研究咨询委托,参与城市出行行为与公共服务评价相关项目;第二作者蓝水心曾接受仓本财团的有偿学术咨询委托,涉及交通网络优化、资源配置及出行信息服务。两位作者均获得相应报酬。
仓本财团通过其关联投资机构持有部分城市出行服务及交通信息平台企业的股权,相关商业利益可能与本文研究议题存在关联。仓本财团及其关联机构未参与本文的理论分析、结论形成、论文撰写或投稿决策。除上述情况外,两位作者均声明不存在其他需要披露的利益冲突。
参考文献
- SCHELLING T C. Micromotives and Macrobehavior[M]. New York: W. W. Norton, 1978.
- LIGHTHILL M J, WHITHAM G B. On Kinematic Waves. II. A Theory of Traffic Flow on Long Crowded Roads[J/OL]. Proceedings of the Royal Society of London. Series A, 1955, 229(1178): 317-345. DOI: 10.1098/rspa.1955.0089.
- RICHARDS P I. Shock Waves on the Highway[J/OL]. Operations Research, 1956, 4(1): 42-51. DOI: 10.1287/opre.4.1.42.
- NEWELL G F. A Simplified Theory of Kinematic Waves in Highway Traffic, Part I: General Theory[J/OL]. Transportation Research Part B: Methodological, 1993, 27(4): 281-287. DOI: 10.1016/0191-2615(93)90038-C.
- DAGANZO C F. The Cell Transmission Model: A Dynamic Representation of Highway Traffic Consistent with the Hydrodynamic Theory[J/OL]. Transportation Research Part B: Methodological, 1994, 28(4): 269-287. DOI: 10.1016/0191-2615(94)90002-7.
- DAGANZO C F. The Cell Transmission Model, Part II: Network Traffic[J/OL]. Transportation Research Part B: Methodological, 1995, 29(2): 79-93. DOI: 10.1016/0191-2615(94)00022-R.
- AW A, RASCLE M. Resurrection of “Second Order” Models of Traffic Flow[J/OL]. SIAM Journal on Applied Mathematics, 2000, 60(3): 916-938. DOI: 10.1137/ S0036139997332099.
- TREIBER M, HENNECKE A, HELBING D. Congested Traffic States in Empirical Observations and Microscopic Simulations[J/OL]. Physical Review E, 2000, 62(2): 1805-1824. DOI: 10.1103/PhysRevE.62.1805.
- HELBING D. Traffic and Related Self-Driven Many-Particle Systems[J/OL]. Reviews of Modern Physics, 2001, 73(4): 1067-1141. DOI: 10.1103/ RevModPhys.73.1067.
- MCFADDEN D. Conditional Logit Analysis of Qualitative Choice Behavior[G]//ZAREMBKA P. Frontiers in Econometrics. New York: Academic Press, 1974: 105-142.
- SMALL K A. The Scheduling of Consumer Activities: Work Trips[J]. American Economic Review, 1982, 72(3): 467-479.
- HAGERSTRAND T. What about People in Regional Science?[J/OL]. Papers of the Regional Science Association, 1970, 24: 7-21. DOI: 10.1007/BF01936872.
- WATTS D J, STROGATZ S H. Collective Dynamics of ‘Small-World’ Networks[J/OL]. Nature, 1998, 393: 440-442. DOI: 10.1038/30918.
- BARABASI A L, ALBERT R. Emergence of Scaling in Random Networks[J/OL]. Science, 1999, 286(5439): 509-512. DOI: 10.1126/science.286.5439.509.
- NEWMAN M E J. The Structure and Function of Complex Networks[J/OL]. SIAM Review, 2003, 45(2): 167-256. DOI: 10.1137/S003614450342480.
- GUIMERA R, MOSSA S, TURTSCHI A, et al. The Worldwide Air Transportation Network: Anomalous Centrality, Community Structure, and Cities’ Global Roles[J/OL]. Proceedings of the National Academy of Sciences, 2005, 102(22): 7794-7799. DOI: 10.1073/pnas.0407994102.
- BULDYREV S V, PARSHANI R, PAUL G, et al. Catastrophic Cascade of Failures in Interdependent Networks[J/OL]. Nature, 2010, 464: 1025-1028. DOI: 10.1038/ nature08932.
- GALLOTTI R, BARTHELEMY M. Anatomy and Efficiency of Urban Multimodal Mobility[J/OL]. Scientific Reports, 2014, 4: 6911. DOI: 10.1038/srep06911.
- DE DOMENICO M, SOLE-RIBALTA A, COZZO E, et al. Mathematical Formulation of Multilayer Networks[J/OL]. Physical Review X, 2013, 3(4): 041022. DOI: 10.1103/PhysRevX.3.041022.
- KIVELA M, ARENAS A, BARTHELEMY M, et al. Multilayer Networks[J/OL]. Journal of Complex Networks, 2014, 2(3): 203-271. DOI: 10.1093/comnet/cnu016.
- BROCKMANN D, HUFNAGEL L, GEISEL T. The Scaling Laws of Human Travel[J/OL]. Nature, 2006, 439: 462-465. DOI: 10.1038/nature04292.
- GONZALEZ M C, HIDALGO C A, BARABASI A L. Understanding Individual Human Mobility Patterns[J/OL]. Nature, 2008, 453: 779-782. DOI: 10.1038/nature06958.
- SONG C, QU Z, BLUMM N, et al. Limits of Predictability in Human Mobility[J/OL]. Science, 2010, 327(5968): 1018-1021. DOI: 10.1126/science.1177170.
- SIMINI F, GONZALEZ M C, MARITAN A, et al. A Universal Model for Mobility and Migration Patterns[J/OL]. Nature, 2012, 484: 96-100. DOI: 10.1038/nature10856.
- BARBOSA H, BARTHELEMY M, GHOSHAL G, et al. Human Mobility: Models and Applications[J/OL]. Physics Reports, 2018, 734: 1-74. DOI: 10.1016/ j.physrep.2018.01.001.
- ALESSANDRETTI L, SAPIEZYNSKI P, SEKARA V, et al. Evidence for a Conserved Quantity in Human Mobility[J/OL]. Nature Human Behaviour, 2018, 2: 485-491. DOI: 10.1038/s41562-018-0364-x.
- HITCHCOCK F L. The Distribution of a Product from Several Sources to Numerous Localities[J]. Journal of Mathematics and Physics, 1941, 20: 224-230.
- KOOPMANS T C. Optimum Utilization of the Transportation System[J]. Econometrica, 1949, 17(Supplement): 136-146.
- DANTZIG G B. Maximization of a Linear Function of Variables Subject to Linear Inequalities[G]//KOOPMANS T C. Activity Analysis of Production and Allocation. New York: Wiley, 1951: 339-347.
- FORD L R, FULKERSON D R. Maximal Flow Through a Network[J]. Canadian Journal of Mathematics, 1956, 8: 399-404.
- BELLMAN R. On a Routing Problem[J]. Quarterly of Applied Mathematics, 1958, 16(1): 87-90.
- DIJKSTRA E W. A Note on Two Problems in Connexion with Graphs[J/OL]. Numerische Mathematik, 1959, 1: 269-271. DOI: 10.1007/BF01386390.
- ROCKAFELLAR R T. Convex Analysis[M]. Princeton: Princeton University Press, 1970.
REPORTMCNALLY M G. The Four Step Model: UCI-ITS-WP-00-17[R/OL]. Institute of Transportation Studies, University of California, Irvine. (2000). https://escholarship.org/uc/item/1zb9n444.BOOKMANHEIM M L. Fundamentals of Transportation Systems Analysis: Basic Concepts: vol. 1[M]. Cambridge, MA: MIT Press, 1979.JOURNALMCFADDEN D. The Measurement of Urban Travel Demand[J/OL]. Journal of Public Economics, 1974, 3(4): 303-328. DOI: 10.1016/0047-2727(74)90003-6.- BEN-AKIVA M, LERMAN S R. Discrete Choice Analysis: Theory and Application to Travel Demand[M]. Cambridge, MA: MIT Press, 1985.
- TRAIN K E. Discrete Choice Methods with Simulation[M]. 2nd ed. Cambridge: Cambridge University Press, 2009.
- AXHAUSEN K W, GARLING T. Activity-Based Approaches to Travel Analysis: Conceptual Frameworks, Models, and Research Problems[J/OL]. Transport Reviews, 1992, 12(4): 323-341. DOI: 10.1080/01441649208716826.
- BOWMAN J L, BEN-AKIVA M E. Activity-Based Disaggregate Travel Demand Model System with Activity Schedules[J/OL]. Transportation Research Part A: Policy and Practice, 2001, 35(1): 1-28. DOI: 10.1016/S0965-8564(99)00043-9.
REPORTMCNALLY M G. The Activity-Based Approach: UCI-ITS-WP-00-16[R/OL]. Institute of Transportation Studies, University of California, Irvine. (2000). https://escholarship.org/uc/item/5sv5v9qt.- YANG H, BELL M G H. Models and Algorithms for Road Network Design: A Review and Some New Developments[J/OL]. Transport Reviews, 1998, 18(3): 257-278. DOI: 10.1080/01441649808717016.
- GAO Z, SUN H, SHAN L L. A Continuous Equilibrium Network Design Model and Algorithm for Transit Systems[J/OL]. Transportation Research Part B: Methodological, 2004, 38(3): 235-250. DOI: 10.1016/S0191-2615(03)00011-0.
- NASH J F. Non-Cooperative Games[J/OL]. Annals of Mathematics, 1951, 54(2): 286-295. DOI: 10.2307/1969529.
- WARDROP J G. Some Theoretical Aspects of Road Traffic Research[J/OL]. Proceedings of the Institution of Civil Engineers, Part II, 1952, 1(3): 325-378. DOI: 10.1680/ipeds.1952.11259.
- DIAL R B. A Probabilistic Multipath Traffic Assignment Model Which Obviates Path Enumeration[J/OL]. Transportation Research, 1971, 5(2): 83-111. DOI: 10.1016/0041-1647(71)90012-3.
- DAGANZO C F, SHEFFI Y. On Stochastic Models of Traffic Assignment[J/OL]. Transportation Science, 1977, 11(3): 253-274. DOI: 10.1287/trsc.11.3.253.
- LEBLANC L J, MORLOK E K, PIERSKALLA W P. An Efficient Approach to Solving the Road Network Equilibrium Traffic Assignment Problem[J/OL]. Transportation Research, 1975, 9(5): 309-318. DOI: 10.1016/0041-1647(75)90030-1.
- SHEFFI Y. Urban Transportation Networks: Equilibrium Analysis with Mathematical Programming Methods[M]. Englewood Cliffs, NJ: Prentice-Hall, 1985.
- PATRIKSSON M. The Traffic Assignment Problem: Models and Methods[M]. Utrecht: VSP, 1994.
- PIGOU A C. The Economics of Welfare[M]. London: Macmillan, 1920.
- WALTERS A A. The Theory and Measurement of Private and Social Cost of Highway Congestion[J/OL]. Econometrica, 1961, 29(4): 676-699. DOI: 10.2307/1911814.
- VICKREY W S. Congestion Theory and Transport Investment[J]. American Economic Review, 1969, 59(2): 251-260.
- ARNOTT R, de PALMA A, LINDSEY R. Economics of a Bottleneck[J/OL]. Journal of Urban Economics, 1990, 27(1): 111-130. DOI: 10.1016/0094-1190(90)90028-L.
- MOHRING H. Optimization and Scale Economies in Urban Bus Transportation[J]. American Economic Review, 1972, 62(4): 591-604.
- SMALL K A, VERHOEF E T. The Economics of Urban Transportation[M]. London: Routledge, 2007.
- CERVERO R. Induced Travel Demand: Research Design, Empirical Evidence, and Normative Policies[J/OL]. Journal of the American Planning Association, 2002, 68(1): 3-20. DOI: 10.1080/01944360208977184.
- DURANTON G, TURNER M A. The Fundamental Law of Road Congestion: Evidence from US Cities[J/OL]. American Economic Review, 2011, 101(6): 2616-2652. DOI: 10.1257/aer.101.6.2616.
- ROUGHGARDEN T, TARDOS E. How Bad Is Selfish Routing?[J/OL]. Journal of the ACM, 2002, 49(2): 236-259. DOI: 10.1145/506147.506153.
- ELIASSON J, HULTKRANTZ L, NERHAGEN L, et al. The Stockholm Congestion-Charging Trial 2006: Overview of Effects[J/OL]. Transportation Research Part A: Policy and Practice, 2009, 43(3): 240-250. DOI: 10.1016/j.tra.2008.09.007.
- ELIASSON J. A Cost–Benefit Analysis of the Stockholm Congestion Charging System[J/OL]. Transportation Research Part A: Policy and Practice, 2009, 43(4): 468-480. DOI: 10.1016/j.tra.2008.11.014.
- KOTTENHOFF K, BRUNDELL FREIJ K. The Role of Public Transport for Feasibility and Acceptability of Congestion Charging: The Case of Stockholm[J/OL]. Transportation Research Part A: Policy and Practice, 2009, 43(3): 297-305. DOI: 10.1016/j.tra.2008.09.004.
- BECKMANN M, MCGUIRE C B, WINSTEN C B. Studies in the Economics of Transportation[M]. New Haven: Yale University Press, 1956.
- DAFERMOS S. Traffic Equilibrium and Variational Inequalities[J/OL]. Transportation Science, 1980, 14(1): 42-54. DOI: 10.1287/trsc.14.1.42.
- BLIEMER M C J, BOVY P H L. Quasi-Variational Inequality Formulation of the Multiclass Dynamic Traffic Assignment Problem[J/OL]. Transportation Research Part B: Methodological, 2003, 37(6): 501-519. DOI: 10.1016/S0191-2615(02)00025-5.
- BRAESS D. Über ein Paradoxon aus der Verkehrsplanung[J/OL]. Unternehmensforschung, 1968, 12: 258-268. DOI: 10.1007/BF01918335.
- ROUGHGARDEN T. Selfish Routing and the Price of Anarchy[M]. Cambridge, MA: MIT Press, 2005.
- YOUN H, GASTNER M T, JEONG H. Price of Anarchy in Transportation Networks: Efficiency and Optimality Control[J/OL]. Physical Review Letters, 2008, 101(12): 128701. DOI: 10.1103/PhysRevLett.101.128701.
- CHUNG J H, HWANG K Y, BAE Y K. The Loss of Road Capacity and Self-Compliance: Lessons from the Cheonggyecheon Stream Restoration[J/OL]. Transport Policy, 2012, 21: 165-178. DOI: 10.1016/j.tranpol.2012.01.009.
JOURNALDOWNS A. The Law of Peak-Hour Expressway Congestion[J]. Traffic Quarterly, 1962, 16(3): 393-409.BOOKTHOMSON J M. Great Cities and Their Traffic[M]. London: Victor Gollancz, 1977.JOURNALZHANG F, YANG H, LIU W. The Downs–Thomson Paradox with Responsive Transit Service[J/OL]. Transportation Research Part A: Policy and Practice, 2014, 70: 244-263. DOI: 10.1016/j.tra.2014.10.022.- SMITH M J. The Existence, Uniqueness and Stability of Traffic Equilibria[J/OL]. Transportation Research Part B: Methodological, 1979, 13(4): 295-304. DOI: 10.1016/0191-2615(79)90022-5.
- MENEGUZZER C, OLIVIERI A. Day-to-Day Traffic Dynamics: Laboratory-like Experiment on Route Choice and Route Switching in a Simple Network with Limited Feedback Information[J/OL]. Procedia - Social and Behavioral Sciences, 2013, 87: 44-59. DOI: 10.1016/j.sbspro.2013.10.593.
- FUDENBERG D, LEVINE D K. The Theory of Learning in Games[M]. Cambridge, MA: MIT Press, 1998.
- HAN X, YU Y, JIA B, et al. Coordination Behavior in Mode Choice: Laboratory Study of Equilibrium Transformation and Selection[J/OL]. Production and Operations Management, 2021, 30(10): 3635-3656. DOI: 10.1111/poms.13454.
- MERCHANT D K, NEMHAUSER G L. A Model and an Algorithm for the Dynamic Traffic Assignment Problems[J/OL]. Transportation Science, 1978, 12(3): 183-199. DOI: 10.1287/trsc.12.3.183.
- RAN B, BOYCE D E, LEBLANC L J. A New Class of Instantaneous Dynamic User-Optimal Traffic Assignment Models[J/OL]. Operations Research, 1993, 41(1): 192-202. DOI: 10.1287/opre.41.1.192.
- SMITH M J. The Stability of a Dynamic Model of Traffic Assignment—An Application of a Method of Lyapunov[J/OL]. Transportation Science, 1984, 18(3): 245-252. DOI: 10.1287/trsc.18.3.245.
- FRIESZ T L, BERNSTEIN D, SMITH T E, et al. A Variational Inequality Formulation of the Dynamic Network User Equilibrium Problem[J/OL]. Operations Research, 1993, 41(1): 179-191. DOI: 10.1287/opre.41.1.179.
- PEETA S, ZILIASKOPOULOS A K. Foundations of Dynamic Traffic Assignment: The Past, the Present and the Future[J/OL]. Networks and Spatial Economics, 2001, 1(3–4): 233-265. DOI: 10.1023/A:1012827724856.
- FRIESZ T L, HAN K, NETO P A, et al. Dynamic User Equilibrium Based on a Hydrodynamic Model[J/OL]. Transportation Research Part B: Methodological, 2013, 47: 102-126. DOI: 10.1016/j.trb.2012.10.001.
- CHRIQUI C, ROBILLARD P. Common Bus Lines[J/OL]. Transportation Science, 1975, 9(2): 115-121. DOI: 10.1287/trsc.9.2.115.
- SPIESS H, FLORIAN M. Optimal Strategies: A New Assignment Model for Transit Networks[J/OL]. Transportation Research Part B: Methodological, 1989, 23(2): 83-102. DOI: 10.1016/0191-2615(89)90034-9.
- DE CEA J, FERNANDEZ E. Transit Assignment for Congested Public Transport Systems: An Equilibrium Model[J/OL]. Transportation Science, 1993, 27(2): 133-147. DOI: 10.1287/trsc.27.2.133.
JOURNALNUZZOLO A, RUSSO F, CRISALLI U. A Doubly Dynamic Schedule-Based Assignment Model for Transit Networks[J/OL]. Transportation Science, 2001, 35(3): 268-285. DOI: 10.1287/trsc.35.3.268.10149.JOURNALNUZZOLO A, CRISALLI U, ROSATI L. A Schedule-Based Assignment Model with Explicit Capacity Constraints for Congested Transit Networks[J/OL]. Transportation Research Part C: Emerging Technologies, 2012, 20(1): 16-33. DOI: 10.1016/j.trc.2011.02.007.- CEDER A, GOLANY B, TAL O. Creating Bus Timetables with Maximal Synchronization[J/OL]. Transportation Research Part A: Policy and Practice, 2001, 35(10): 913-928. DOI: 10.1016/S0965-8564(00)00032-X.
- MAXWELL R R. Intercity Rail Fixed-Interval, Timed-Transfer, Multihub System: Applicability of the Integraler Taktfahrplan Strategy to North America[J/OL]. Transportation Research Record, 1999, 1691(1): 1-11. DOI: 10.3141/1691-01.
- CAPRARA A, FISCHETTI M, TOTH P. Modeling and Solving the Train Timetabling Problem[J/OL]. Operations Research, 2002, 50(5): 851-861. DOI: 10.1287/ opre.50.5.851.362.
- GOVERDE R M P. Railway Timetable Stability Analysis Using Max-Plus System Theory[J/OL]. Transportation Research Part B: Methodological, 2007, 41(2): 179-201. DOI: 10.1016/j.trb.2006.02.003.
- CACCHIANI V, TOTH P. Nominal and Robust Train Timetabling Problems[J/OL]. European Journal of Operational Research, 2012, 219(3): 727-737. DOI: 10.1016/j.ejor.2011.11.003.
JOURNALMAHMASSANI H S, CHANG G L. On Boundedly Rational User Equilibrium in Transportation Systems[J/OL]. Transportation Science, 1987, 21(2): 89-99. DOI: 10.1287/trsc.21.2.89.JOURNALEMMERINK R H M, AXHAUSEN K W, NIJKAMP P, et al. Effects of Information in Road Transport Networks with Recurrent Congestion[J/OL]. Transportation, 1995, 22(1): 21-53. DOI: 10.1007/BF01151617.- VLAHOGIANNI E I, KARLAFTIS M G, GOLIAS J C. Short-Term Traffic Forecasting: Where We Are and Where We’re Going[J/OL]. Transportation Research Part C: Emerging Technologies, 2014, 43: 3-19. DOI: 10.1016/j.trc.2014.01.005.
- LV Y, DUAN Y, KANG W, et al. Traffic Flow Prediction with Big Data: A Deep Learning Approach[J/OL]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(2): 865-873. DOI: 10.1109/TITS.2014.2345663.
- LI Y, YU R, SHAHABI C, et al. Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting[C]//International Conference on Learning Representations. 2018.
- YU B, YIN H, ZHU Z. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting[C/OL]//Proceedings of the 27th International Joint Conference on Artificial Intelligence. 2018: 3634-3640. DOI: 10.24963/ijcai.2018/505.
- WU Z, PAN S, LONG G, et al. Graph WaveNet for Deep Spatial-Temporal Graph Modeling[C/OL]//Proceedings of the 28th International Joint Conference on Artificial Intelligence. 2019: 1907-1913. DOI: 10.24963/ijcai.2019/264.
- ZHENG C, FAN X, WANG C, et al. GMAN: A Graph Multi-Attention Network for Traffic Prediction[C/OL]//Proceedings of the AAAI Conference on Artificial Intelligence: vol. 34: 1. 2020: 1234-1241. DOI: 10.1609/aaai.v34i01.5477.
- WEI H, CHEN C, ZHENG G, et al. PressLight: Learning Max Pressure Control to Coordinate Traffic Signals in Arterial Network[C/OL]//Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2019: 1290-1298. DOI: 10.1145/3292500.3330949.
- CHEN C, WEI H, XU N, et al. Toward A Thousand Lights: Decentralized Deep Reinforcement Learning for Large-Scale Traffic Signal Control[C/OL]//Proceedings of the AAAI Conference on Artificial Intelligence: vol. 34: 4. 2020: 3414-3421. DOI: 10.1609/aaai.v34i04.5744.
- SCHADE E, SAVINO G L, GUNAL Y, et al. Traffic Jam by GPS: A Systematic Analysis of the Negative Social Externalities of Large-Scale Navigation Technologies[J/OL]. PLOS ONE, 2024, 19(8): e0308260. DOI: 10.1371/journal.pone.0308260.
- SHAPLEY L S. Stochastic Games[J/OL]. Proceedings of the National Academy of Sciences of the United States of America, 1953, 39(10): 1095-1100. DOI: 10.1073/ pnas.39.10.1095.
- D’ARIANO A, CORMAN F, PACCIARELLI D, et al. Reordering and Local Rerouting Strategies to Manage Train Traffic in Real Time[J/OL]. Transportation Science, 2008, 42(4): 405-419. DOI: 10.1287/trsc.1080.0247.
- LASRY J M, LIONS P L. Mean Field Games[J/OL]. Japanese Journal of Mathematics, 2007, 2(1): 229-260. DOI: 10.1007/s11537-007-0657-8.
- HUANG M, MALHAME R P, CAINES P E. Large Population Stochastic Dynamic Games: Closed-Loop McKean–Vlasov Systems and the Nash Certainty Equivalence Principle[J/OL]. Communications in Information and Systems, 2006, 6(3): 221-252. DOI: 10.4310/CIS.2006.v6.n3.a5.
- SANDHOLM W H. Population Games and Evolutionary Dynamics[M]. Cambridge, MA: MIT Press, 2010.
- KAMENICA E, GENTZKOW M. Bayesian Persuasion[J/OL]. American Economic Review, 2011, 101(6): 2590-2615. DOI: 10.1257/aer.101.6.2590.
- SEN A. Development as Freedom[M]. New York: Alfred A. Knopf, 1999.
- GEURS K T, van WEE B. Accessibility Evaluation of Land-Use and Transport Strategies: Review and Research Directions[J/OL]. Journal of Transport Geography, 2004, 12(2): 127-140. DOI: 10.1016/j.jtrangeo.2003.10.005.
- HANSEN W G. How Accessibility Shapes Land Use[J/OL]. Journal of the American Institute of Planners, 1959, 25(2): 73-76. DOI: 10.1080/01944365908978307.
- ANAS A, ARNOTT R, SMALL K A. Urban Spatial Structure[J]. Journal of Economic Literature, 1998, 36(3): 1426-1464.
- EWING R, CERVERO R. Travel and the Built Environment: A Meta-Analysis[J/OL]. Journal of the American Planning Association, 2010, 76(3): 265-294. DOI: 10.1080/01944361003766766.
- NOLAND R B, POLAK J W. Travel Time Variability: A Review of Theoretical and Empirical Issues[J/OL]. Transport Reviews, 2002, 22(1): 39-54. DOI: 10.1080/01441640010022456.
- BERDICA K. An Introduction to Road Vulnerability: What Has Been Done, Is Done and Should Be Done[J/OL]. Transport Policy, 2002, 9(2): 117-127. DOI: 10.1016/S0967-070X(02)00011-2.
- JENELIUS E, PETERSEN T, MATTSSON L G. Importance and Exposure in Road Network Vulnerability Analysis[J/OL]. Transportation Research Part A: Policy and Practice, 2006, 40(7): 537-560. DOI: 10.1016/j.tra.2005.11.003.
- MATTSSON L G, JENELIUS E. Vulnerability and Resilience of Transport Systems—A Discussion of Recent Research[J/OL]. Transportation Research Part A: Policy and Practice, 2015, 81: 16-34. DOI: 10.1016/j.tra.2015.06.002.
- HOLLING C S. Resilience and Stability of Ecological Systems[J/OL]. Annual Review of Ecology and Systematics, 1973, 4: 1-23. DOI: 10.1146/ annurev.es.04.110173.000245.
- MARTENS K. Transport Justice: Designing Fair Transportation Systems[M]. New York: Routledge, 2016.
- MARTENS K. Justice in Transport as Justice in Accessibility: Applying Walzer’s ‘Spheres of Justice’ to the Transport Sector[J/OL]. Transportation, 2012, 39(6): 1035-1053. DOI: 10.1007/s11116-012-9388-7.
- LUCAS K. Transport and Social Exclusion: Where Are We Now?[J/OL]. Transport Policy, 2012, 20: 105-113. DOI: 10.1016/j.tranpol.2012.01.013.
- PEREIRA R H M, SCHWANEN T, BANISTER D. Distributive Justice and Equity in Transportation[J/OL]. Transport Reviews, 2017, 37(2): 170-191. DOI: 10.1080/01441647.2016.1257660.
- BANISTER D. The Sustainable Mobility Paradigm[J/OL]. Transport Policy, 2008, 15(2): 73-80. DOI: 10.1016/j.tranpol.2007.10.005.
- CREUTZIG F, JOCHEM P, EDELENBOSCH O Y, et al. Transport: A Roadblock to Climate Change Mitigation?[J/OL]. Science, 2015, 350(6263): 911-912. DOI: 10.1126/science.aac8033.
- NASH J F. The Bargaining Problem[J/OL]. Econometrica, 1950, 18(2): 155-162. DOI: 10.2307/1907266.
- ARROW K J. Social Choice and Individual Values[M]. 2nd ed. New Haven: Yale University Press, 1963.
- LEBLANC L J. An Algorithm for the Discrete Network Design Problem[J/OL]. Transportation Science, 1975, 9(3): 183-199. DOI: 10.1287/trsc.9.3.183.
- ABDULAAL M, LEBLANC L J. Methods for Combining Modal Split and Equilibrium Assignment Models[J/OL]. Transportation Science, 1979, 13(4): 292-314. DOI: 10.1287/trsc.13.4.292.
- MAGNANTI T L, WONG R T. Network Design and Transportation Planning: Models and Algorithms[J/OL]. Transportation Science, 1984, 18(1): 1-55. DOI: 10.1287/ trsc.18.1.1.
- MARCOTTE P. Network Design Problem with Congestion Effects: A Case of Bilevel Programming[J]. Mathematical Programming, 1986, 34: 142-162.
- PAPAGEORGIOU M, KOTSIALOS A. Freeway Ramp Metering: An Overview[J/OL]. IEEE Transactions on Intelligent Transportation Systems, 2002, 3(4): 271-281. DOI: 10.1109/TITS.2002.806803.
- PAPAGEORGIOU M, DIAKAKI C, DINOPOULOU V, et al. Review of Road Traffic Control Strategies[J/OL]. Proceedings of the IEEE, 2003, 91(12): 2043-2067. DOI: 10.1109/JPROC.2003.819610.
- DAGANZO C F. Urban Gridlock: Macroscopic Modeling and Mitigation Approaches[J/OL]. Transportation Research Part B: Methodological, 2007, 41(1): 49-62. DOI: 10.1016/j.trb.2006.03.001.
- GEROLIMINIS N, DAGANZO C F. Existence of Urban-Scale Macroscopic Fundamental Diagrams: Some Experimental Findings[J/OL]. Transportation Research Part B: Methodological, 2008, 42(9): 759-770. DOI: 10.1016/j.trb.2008.02.002.
- VARAIYA P. Max Pressure Control of a Network of Signalized Intersections[J/OL]. Transportation Research Part C: Emerging Technologies, 2013, 36: 177-195. DOI: 10.1016/j.trc.2013.08.014.
- CORDEAU J F, TOTH P, VIGO D. A Survey of Optimization Models for Train Routing and Scheduling[J/OL]. Transportation Science, 1998, 32(4): 380-404. DOI: 10.1287/trsc.32.4.380.
- LUSBY R M, LARSEN J, EHRGOTT M, et al. Railway Track Allocation: Models and Methods[J/OL]. OR Spectrum, 2011, 33(4): 843-883. DOI: 10.1007/ s00291-009-0189-0.
- CEDER A. Public Transit Planning and Operation: Modeling, Practice and Behavior[M]. 2nd ed. Boca Raton: CRC Press, 2016.
- CLARKE G, WRIGHT J W. Scheduling of Vehicles from a Central Depot to a Number of Delivery Points[J/OL]. Operations Research, 1964, 12(4): 568-581. DOI: 10.1287/opre.12.4.568.
- POWELL W B. A Stochastic Model of the Dynamic Vehicle Allocation Problem[J/OL]. Transportation Science, 1986, 20(2): 117-129. DOI: 10.1287/trsc.20.2.117.
- CRAINIC T G, LAPORTE G. Planning Models for Freight Transportation[J/OL]. European Journal of Operational Research, 1997, 97(3): 409-438. DOI: 10.1016/S0377-2217(96)00298-6.
- CRAINIC T G. Service Network Design in Freight Transportation[J/OL]. European Journal of Operational Research, 2000, 122(2): 272-288. DOI: 10.1016/ S0377-2217(99)00233-7.
- MACHARIS C, BONTEKONING Y M. Opportunities for OR in Intermodal Freight Transport Research: A Review[J/OL]. European Journal of Operational Research, 2004, 153(2): 400-416. DOI: 10.1016/S0377-2217(03)00161-9.
- CARIS A, MACHARIS C, JANSSENS G K. Planning Problems in Intermodal Freight Transport: Accomplishments and Prospects[J/OL]. Transportation Planning and Technology, 2008, 31(3): 277-302. DOI: 10.1080/03081060802086397.
- CHRISTIANSEN M, FAGERHOLT K, RONEN D. Ship Routing and Scheduling: Status and Perspectives[J/OL]. Transportation Science, 2004, 38(1): 1-18. DOI: 10.1287/trsc.1030.0036.
- CHRISTIANSEN M, FAGERHOLT K, NYGREEN B, et al. Ship Routing and Scheduling in the New Millennium[J/OL]. European Journal of Operational Research, 2013, 228(3): 467-483. DOI: 10.1016/j.ejor.2012.12.002.
- BERTSIMAS D, PATTERSON S S. The Air Traffic Flow Management Problem with Enroute Capacities[J/OL]. Operations Research, 1998, 46(3): 406-422. DOI: 10.1287/opre.46.3.406.
- BARNHART C, BELOBABA P, ODONI A R. Applications of Operations Research in the Air Transport Industry[J]. Transportation Science, 2003, 37(4): 368-391.
- LOHATEPANONT M, BARNHART C. Airline Schedule Planning: Integrated Models and Algorithms for Schedule Design and Fleet Assignment[J/OL]. Transportation Science, 2004, 38(1): 19-32. DOI: 10.1287/trsc.1030.0026.
- KAMARGIANNI M, LI W, MATYAS M, et al. A Critical Review of New Mobility Services for Urban Transport[J/OL]. Transportation Research Procedia, 2016, 14: 3294-3303. DOI: 10.1016/j.trpro.2016.05.277.
- JITTRAPIROM P, CAIATI V, FENERI A M, et al. Mobility as a Service: A Critical Review of Definitions, Assessments of Schemes, and Key Challenges[J/OL]. Urban Planning, 2017, 2(2): 13-25. DOI: 10.17645/up.v2i2.931.
- SOCHOR J, ARBY H, KARLSSON I C M, et al. A Topological Approach to Mobility as a Service: A Proposed Tool for Understanding Requirements and Effects, and for Aiding the Integration of Societal Goals[J/OL]. Research in Transportation Business and Management, 2018, 27: 3-14. DOI: 10.1016/j.rtbm.2018.12.003.
- SANTI P, RESTA G, SZELL M, et al. Quantifying the Benefits of Vehicle Pooling with Shareability Networks[J/OL]. Proceedings of the National Academy of Sciences, 2014, 111(37): 13290-13294. DOI: 10.1073/pnas.1403657111.
- ALONSO-MORA J, SAMARANAYAKE S, WALLAR A, et al. On-Demand High-Capacity Ride-Sharing via Dynamic Trip-Vehicle Assignment[J/OL]. Proceedings of the National Academy of Sciences, 2017, 114(3): 462-467. DOI: 10.1073/pnas.1611675114.
- FAGNANT D J, KOCKELMAN K M. The Travel and Environmental Implications of Shared Autonomous Vehicles, Using Agent-Based Model Scenarios[J/OL]. Transportation Research Part C: Emerging Technologies, 2014, 40: 1-13. DOI: 10.1016/j.trc.2013.12.001.
- LEVIN M W, BOYLES S D. A Multiclass Cell Transmission Model for Shared Human and Autonomous Vehicle Roads[J/OL]. Transportation Research Part C: Emerging Technologies, 2016, 62: 103-116. DOI: 10.1016/j.trc.2015.10.005.
- STERN R E, CUI S, DELLE MONACHE M L, et al. Dissipation of Stop-and-Go Waves via Control of Autonomous Vehicles: Field Experiments[J/OL]. Transportation Research Part C: Emerging Technologies, 2018, 89: 205-221. DOI: 10.1016/j.trc.2018.02.005.
- PAVONE M, SMITH S L, FRAZZOLI E, et al. Robotic Load Balancing for Mobility-on-Demand Systems[J/OL]. The International Journal of Robotics Research, 2012, 31(7): 839-854. DOI: 10.1177/0278364912444766.
- ZHANG R, PAVONE M. Control of Robotic Mobility-on-Demand Systems: A Queueing-Theoretical Perspective[J/OL]. The International Journal of Robotics Research, 2016, 35(1–3): 186-203. DOI: 10.1177/0278364915581863.
- OSTROM E. Governing the Commons: The Evolution of Institutions for Collective Action[M]. Cambridge: Cambridge University Press, 1990.
- OSTROM E. Beyond Markets and States: Polycentric Governance of Complex Economic Systems[J/OL]. American Economic Review, 2010, 100(3): 641-672. DOI: 10.1257/aer.100.3.641.
- NAGEL K, SCHRECKENBERG M. A Cellular Automaton Model for Freeway Traffic[J/OL]. Journal de Physique I, 1992, 2(12): 2221-2229. DOI: 10.1051/jp1:1992277.
- DAGANZO C F. Urban Gridlock: Macroscopic Modeling and Mitigation Approaches[J/OL]. Transportation Research Part B: Methodological, 2007, 41(1): 49-62. DOI: 10.1016/j.trb.2006.03.001.
- DOMENCICH T A, MCFADDEN D. Urban Travel Demand: A Behavioral Analysis[M]. Amsterdam: North-Holland, 1975.
- MCFADDEN D, TRAIN K. Mixed MNL Models for Discrete Response[J/OL]. Journal of Applied Econometrics, 2000, 15(5): 447-470. DOI: 10.1002/1099-1255(200009/10)15:53.0.CO;2-1.
- KAHNEMAN D, TVERSKY A. Prospect Theory: An Analysis of Decision under Risk[J/OL]. Econometrica, 1979, 47(2): 263-291. DOI: 10.2307/1914185.
- CHORUS C G, ARENTZE T A, TIMMERMANS H J P. A Random Regret-Minimization Model of Travel Choice[J/OL]. Transportation Research Part B: Methodological, 2008, 42(1): 1-18. DOI: 10.1016/j.trb.2007.05.004.
- ARNOTT R, de PALMA A, LINDSEY R. Does Providing Information to Drivers Reduce Traffic Congestion?[J/OL]. Transportation Research Part A: General, 1991, 25(5): 309-318. DOI: 10.1016/0191-2607(91)90119-H.
- MAHMASSANI H S, JAYAKRISHNAN R. System Performance and User Response under Real-Time Information in a Congested Traffic Corridor[J/OL]. Transportation Research Part A: General, 1991, 25(5): 293-307. DOI: 10.1016/0191-2607(91)90118-G.
- ACEMOGLU D, MAKHDOUMI A, MALEKIAN A, et al. Informational Braess’ Paradox: The Effect of Information on Traffic Congestion[J/OL]. Operations Research, 2018, 66(4): 893-917. DOI: 10.1287/opre.2017.1712.
- De PALMA A, LINDSEY R. Traffic Congestion Pricing Methodologies and Technologies[J/OL]. Transportation Research Part C: Emerging Technologies, 2011, 19(6): 1377-1399. DOI: 10.1016/j.trc.2011.02.010.
- YANG H, HUANG H J. Principle of Marginal-Cost Pricing: How Does It Work in a General Road Network?[J/OL]. Transportation Research Part A: Policy and Practice, 1998, 32(1): 45-54. DOI: 10.1016/S0965-8564(97)00018-3.
- ROSENTHAL R W. A Class of Games Possessing Pure-Strategy Nash Equilibria[J/OL]. International Journal of Game Theory, 1973, 2: 65-67. DOI: 10.1007/ BF01737559.
- MONDERER D, SHAPLEY L S. Potential Games[J/OL]. Games and Economic Behavior, 1996, 14(1): 124-143. DOI: 10.1006/game.1996.0044.
- SANDHOLM W H. Potential Games with Continuous Player Sets[J/OL]. Journal of Economic Theory, 2001, 97(1): 81-108. DOI: 10.1006/jeth.2000.2696.
- LEBLANC L J. An Algorithm for the Discrete Network Design Problem[J/OL]. Transportation Science, 1975, 9(3): 183-199. DOI: 10.1287/trsc.9.3.183.
- ZANJIRANI FARAHANI R, MIANDOABCHI E, SZETO W Y, et al. A Review of Urban Transportation Network Design Problems[J/OL]. European Journal of Operational Research, 2013, 229(2): 281-302. DOI: 10.1016/j.ejor.2013.01.001.
- CASCETTA E. Transportation Systems Analysis: Models and Applications[M/OL]. 2nd ed. New York: Springer, 2009. DOI: 10.1007/978-0-387-75857-2.
- ORTÚZAR J D D, WILLUMSEN L G. Modelling Transport[M]. 4th ed. Chichester: Wiley, 2011.
- DAGANZO C F. Fundamentals of Transportation and Traffic Operations[M]. Oxford: Pergamon, 1997.
- BOYCE D E, WILLIAMS H C W L. Forecasting Urban Travel: Past, Present and Future[M]. Cheltenham: Edward Elgar, 2015.
- FERNÁNDEZ E, de CEA J, FLORIAN M, et al. Network Equilibrium Models with Combined Modes[J/OL]. Transportation Science, 1994, 28(3): 182-192. DOI: 10.1287/trsc.28.3.182.
- GUIHAIRE V, HAO J K. Transit Network Design and Scheduling: A Global Review[J/OL]. Transportation Research Part A: Policy and Practice, 2008, 42(10): 1251-1273. DOI: 10.1016/j.tra.2008.03.011.
- KEPAPTSOGLOU K, KARLAFTIS M G. Transit Route Network Design Problem: Review[J/OL]. Journal of Transportation Engineering, 2009, 135(8): 491-505. DOI: 10.1061/(ASCE)0733-947X(2009)135:8(491).
- VUCHIC V R. Urban Transit: Operations, Planning, and Economics[M]. Hoboken, NJ: Wiley, 2005.
- KROON L, HUISMAN D, ABBINK E, et al. The New Dutch Timetable: The OR Revolution[J/OL]. Interfaces, 2009, 39(1): 6-17. DOI: 10.1287/inte.1080.0409.
- CACCHIANI V, HUISMAN D, KIDD M, et al. An Overview of Recovery Models and Algorithms for Real-Time Railway Rescheduling[J/OL]. Transportation Research Part B: Methodological, 2014, 63: 15-37. DOI: 10.1016/j.trb.2014.01.009.
- CORMAN F, MENG L. A Review of Online Dynamic Models and Algorithms for Railway Traffic Management[J/OL]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(3): 1274-1284. DOI: 10.1109/TITS.2014.2358392.
- HANSEN I A, PACHL J. Railway Timetabling and Operations: Analysis, Modelling, Optimisation, Simulation, Performance Evaluation[G]. 2nd ed. Hamburg: Eurailpress, 2014.
- BONTEKONING Y M, MACHARIS C, TRIP J J. Is a New Applied Transportation Research Field Emerging? A Review of Intermodal Rail-Truck Freight Transport Literature[J/OL]. Transportation Research Part A: Policy and Practice, 2004, 38(1): 1-34. DOI: 10.1016/j.tra.2003.06.001.
- STEADIESEIFI M, DELLAERT N P, NUIJTEN W, et al. Multimodal Freight Transportation Planning: A Literature Review[J/OL]. European Journal of Operational Research, 2014, 233(1): 1-15. DOI: 10.1016/j.ejor.2013.06.055.
- PSARAFTIS H N, KONTOVAS C A. Speed Models for Energy-Efficient Maritime Transportation: A Taxonomy and Survey[J/OL]. Transportation Research Part C: Emerging Technologies, 2013, 26: 331-351. DOI: 10.1016/j.trc.2012.09.012.
- BEHRENS C, PELS E. Intermodal Competition in the London–Paris Passenger Market: High-Speed Rail and Air Transport[J/OL]. Journal of Urban Economics, 2012, 71(3): 278-288. DOI: 10.1016/j.jue.2011.12.005.
- WACHS M, KUMAGAI T G. Physical Accessibility as a Social Indicator[J/OL]. Socio-Economic Planning Sciences, 1973, 7(5): 437-456. DOI: 10.1016/0038-0121(73)90041-4.
- LEVINSON D. Equity Effects of Road Pricing: A Review[J/OL]. Transport Reviews, 2010, 30(1): 33-57. DOI: 10.1080/01441640903189304.
- PÁEZ A, SCOTT D M, MORENCY C. Measuring Accessibility: Positive and Normative Implementations of Various Accessibility Indicators[J/OL]. Journal of Transport Geography, 2012, 25: 141-153. DOI: 10.1016/j.jtrangeo.2012.03.016.
- Van WEE B, GEURS K. Discussing Equity and Social Exclusion in Accessibility Evaluations[J]. European Journal of Transport and Infrastructure Research, 2011, 11(4): 350-367.
- CERVERO R, KOCKELMAN K. Travel Demand and the 3Ds: Density, Diversity, and Design[J/OL]. Transportation Research Part D: Transport and Environment, 1997, 2(3): 199-219. DOI: 10.1016/S1361-9209(97)00009-6.
- GOODWIN P B. Empirical Evidence on Induced Traffic[J/OL]. Transportation, 1996, 23(1): 35-54. DOI: 10.1007/BF00166218.
- NOLAND R B, LEM L L. A Review of the Evidence for Induced Travel and Changes in Transportation and Environmental Policy in the US and the UK[J/OL]. Transportation Research Part D: Transport and Environment, 2002, 7(1): 1-26. DOI: 10.1016/S1361-9209(01)00009-8.
- BERTOLINI L. Spatial Development Patterns and Public Transport: The Application of an Analytical Model in the Netherlands[J/OL]. Planning Practice and Research, 1999, 14(2): 199-210. DOI: 10.1080/02697459915724.
- WADDELL P. UrbanSim: Modeling Urban Development for Land Use, Transportation, and Environmental Planning[J/OL]. Journal of the American Planning Association, 2002, 68(3): 297-314. DOI: 10.1080/01944360208976274.
- BELL M G H. A Game Theory Approach to Measuring the Performance Reliability of Transport Networks[J/OL]. Transportation Research Part B: Methodological, 2000, 34(6): 533-545. DOI: 10.1016/S0191-2615(99)00042-9.
- CHEN A, YANG H, LO H K, et al. Capacity Reliability of a Road Network: An Assessment Methodology and Numerical Results[J/OL]. Transportation Research Part B: Methodological, 2002, 36(3): 225-252. DOI: 10.1016/S0191-2615(00)00048-5.
- REGGIANI A, NIJKAMP P, LANZI D. Transport Resilience and Vulnerability: The Role of Connectivity[J/OL]. Transportation Research Part A: Policy and Practice, 2015, 81: 4-15. DOI: 10.1016/j.tra.2014.12.012.
- MOGRIDGE M J H. The Self-Defeating Nature of Urban Road Capacity Policy: A Review of Theories, Disputes and Available Evidence[J/OL]. Transport Policy, 1997, 4(1): 5-23. DOI: 10.1016/S0967-070X(96)00030-3.
- NEWMAN P W G, KENWORTHY J R. Gasoline Consumption and Cities: A Comparison of U.S. Cities with a Global Survey[J/OL]. Journal of the American Planning Association, 1989, 55(1): 24-37. DOI: 10.1080/01944368908975398.
- PARRY I W H, SMALL K A. Should Urban Transit Subsidies Be Reduced?[J/OL]. American Economic Review, 2009, 99(3): 700-724. DOI: 10.1257/aer.99.3.700.
- BRUNEAU M, CHANG S E, EGUCHI R T, et al. A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities[J/OL]. Earthquake Spectra, 2003, 19(4): 733-752. DOI: 10.1193/1.1623497.
- ALBERT R, JEONG H, BARABÁSI A L. Error and Attack Tolerance of Complex Networks[J/OL]. Nature, 2000, 406: 378-382. DOI: 10.1038/35019019.
- BARTHÉLEMY M. Spatial Networks[J/OL]. Physics Reports, 2011, 499(1–3): 1-101. DOI: 10.1016/j.physrep.2010.11.002.
- DE DOMENICO M, SOLÉ-RIBALTA A, COZZO E, et al. Mathematical Formulation of Multilayer Networks[J/OL]. Physical Review X, 2013, 3(4): 041022. DOI: 10.1103/PhysRevX.3.041022.
- ALESSANDRETTI L, NATERA OROZCO L G, SABERI M, et al. Multimodal Urban Mobility and Multilayer Transport Networks[J/OL]. Environment and Planning B: Urban Analytics and City Science, 2023, 50(8). DOI: 10.1177/23998083221108190.
- SMITH G, SOCHOR J, KARLSSON I C M. Mobility as a Service: Development Scenarios and Implications for Public Transport[J/OL]. Research in Transportation Economics, 2018, 69: 592-599. DOI: 10.1016/j.retrec.2018.04.001.
- PANGBOURNE K, MLADENOVIĆ M N, STEAD D, et al. Questioning Mobility as a Service: Unanticipated Implications for Society and Governance[J/OL]. Transportation Research Part A: Policy and Practice, 2020, 131: 35-49. DOI: 10.1016/j.tra.2019.09.033.
- TALEBPOUR A, MAHMASSANI H S. Influence of Connected and Autonomous Vehicles on Traffic Flow Stability and Throughput[J/OL]. Transportation Research Part C: Emerging Technologies, 2016, 71: 143-163. DOI: 10.1016/j.trc.2016.07.007.
- WADUD Z, MACKENZIE D, LEIBY P. Help or Hindrance? The Travel, Energy and Carbon Impacts of Highly Automated Vehicles[J/OL]. Transportation Research Part A: Policy and Practice, 2016, 86: 1-18. DOI: 10.1016/j.tra.2015.12.001.
- MORRIS R G, BARTHELEMY M. Transport on Coupled Spatial Networks[J/OL]. Physical Review Letters, 2012, 109: 128703. DOI: 10.1103/ PhysRevLett.109.128703.
- LEVIN M W, BOYLES S D. A Multiclass Cell Transmission Model for Shared Human and Autonomous Vehicle Roads[J/OL]. Transportation Research Part C: Emerging Technologies, 2016, 62: 103-116. DOI: 10.1016/j.trc.2015.10.005.
- LACHAPELLE A, WOLFRAM M T. On a Mean Field Game Approach Modeling Congestion and Aversion in Pedestrian Crowds[J/OL]. Transportation Research Part B: Methodological, 2011, 45(10): 1572-1589. DOI: 10.1016/j.trb.2011.07.011.
- AMELI M, SHIRANI FARADONBEH M S, LEBACQUE J P, et al. Departure Time Choice Models in Urban Transportation Systems Based on Mean Field Games[J/OL]. Transportation Science, 2022, 56(6): 1483-1504. DOI: 10.1287/trsc.2022.1147.
- HUANG K, CHEN X, DI X, et al. Dynamic Driving and Routing Games for Autonomous Vehicles on Networks: A Mean Field Game Approach[J/OL]. Transportation Research Part C: Emerging Technologies, 2021, 128: 103189. DOI: 10.1016/j.trc.2021.103189.
- MO Z, CHEN X, DI X, et al. A Game-Theoretic Framework for Generic Second-Order Traffic Flow Models Using Mean Field Games and Adversarial Inverse Reinforcement Learning[J/OL]. Transportation Science, 2024, 58(6): 1403-1426. DOI: 10.1287/trsc.2024.0532.
- MACHTALAY A, HABBAL A, RATNANI A, et al. Computational Investigations of a Multi-Class Traffic Flow Model: Mean-Field and Microscopic Dynamics[J/OL]. Transportation Research Part B: Methodological, 2025, 195: 103196. DOI: 10.1016/j.trb.2025.103196.
- LI Y, YU R, SHAHABI C, et al. Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting[C]//International Conference on Learning Representations. 2018.
- YU B, YIN H, ZHU Z. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting[C/OL]//Proceedings of the 27th International Joint Conference on Artificial Intelligence. 2018: 3634-3640. DOI: 10.24963/ijcai.2018/505.
- PERDOMO J C, ZRNIC T, MENDLER-DÜNNER C, et al. Performative Prediction[J]. Proceedings of Machine Learning Research, 2020, 119: 7599-7609.
- BANERJEE S, HSSAINE C, LUO Q, et al. Plan Your System and Price for Free: Fast Algorithms for Multimodal Transit Operations[J/OL]. Transportation Science, 2025, 59(1): 13-27. DOI: 10.1287/trsc.2022.0452.
- YAO R, MA X, ZHANG K. Mobility-as-a-Service (MaaS) System as a Multi-Leader-Multi-Follower Game: A Single-Level Variational Inequality (VI) Formulation[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 188: 105703. DOI: 10.1016/j.trc.2026.105703.
- YANG H, CHOW J Y J. Bilevel Subsidy-Enabled Mobility Hub Network Design with Perturbed Utility Coalitional Choice-Based Assignment[J/OL]. Transportation Research Part A: Policy and Practice, 2026, 208: 104972. DOI: 10.1016/j.tra.2026.104972.
- DU M, CUN D, GU Y, et al. A Two-Phase Approach with a Novel Network Representation for Solving the Multimodal Traffic Network Equilibrium with Multimode Combinations[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 182: 105436. DOI: 10.1016/j.trc.2025.105436.
- JUSUP M, ZHANG K, HU Z, et al. Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 188: 105705. DOI: 10.1016/j.trc.2026.105705.
- LIU Z, YIN Y, LIN X, et al. Large-Scale Inverse Learning of User Equilibrium via Multiconvex Optimization[J/OL]. Transportation Research Part B: Methodological, 2026, 209: 103463. DOI: 10.1016/j.trb.2026.103463.
- YI Z, XU M, WANG S. An Integrated Deep Reinforcement Learning-Linear Control Strategy for Longitudinal Control of Connected and Automated Vehicles[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 184: 105541. DOI: 10.1016/j.trc.2026.105541.
- KATZILIERIS K, KAMPITAKIS E, VLAHOGIANNI E I. A Multi-Agent Reinforcement Learning Framework for Integrated Traffic Signal Control and Dynamic Bus Lane Access Management[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 182: 105391. DOI: 10.1016/j.trc.2025.105391.
- HAN G, HAN Y, WANG J, et al. Cooperative Signal and Vehicle Control in Mixed Traffic Environment Using Model-Guided Reinforcement Learning[J/OL]. Transportation Research Part C: Emerging Technologies, 2026, 186: 105590. DOI: 10.1016/j.trc.2026.105590.
- SEN A K. Collective Choice and Social Welfare[M]. San Francisco: Holden-Day, 1970.
- HURWICZ L. The Design of Mechanisms for Resource Allocation[J]. American Economic Review, 1973, 63(2): 1-30.
- MASKIN E. Nash Equilibrium and Welfare Optimality[J/OL]. Review of Economic Studies, 1999, 66(1): 23-38. DOI: 10.1111/1467-937X.00076.
- GIBBARD A. Manipulation of Voting Schemes: A General Result[J/OL]. Econometrica, 1973, 41(4): 587-601. DOI: 10.2307/1914083.
- SATTERTHWAITE M A. Strategy-Proofness and Arrow’s Conditions: Existence and Correspondence Theorems for Voting Procedures and Social Welfare Functions[J/OL]. Journal of Economic Theory, 1975, 10(2): 187-217. DOI: 10.1016/0022-0531(75)90050-2.
- HARSANYI J C. Cardinal Welfare, Individualistic Ethics, and Interpersonal Comparisons of Utility[J/OL]. Journal of Political Economy, 1955, 63(4): 309-321. DOI: 10.1086/257678.
- RAWLS J. A Theory of Justice[M]. Cambridge, MA: Harvard University Press, 1971.
平行世界设定这是一条从既有故事继续延伸的学术世界线。筱泽广十四岁完成大学阶段学业,随后继续数学研究;十五岁从秋田来到东京进入初星学园以后,数学与偶像活动并未分成先后两段,而是在节拍、身体、训练、风险、关系与共同制作中长期并行。2026 年 1–2 月、十七岁时,她在 H.I.F. 本战优胜并成为“一番星”;这一节点只完成“她能够成为偶像”的局部证明,偶像活动与 Produce 此后仍持续。2027 年初、十八岁时,她完成数学博士答辩与学位阶段,并在同年春季接近/伴随初星毕业;数学研究此后并未退出。数学博士后期,现实约束下的资源配置、网络、调度、反馈与决策使运筹学逐渐成为数学进入行动的重要桥梁;交通也在秋田与东京的日常移动、演出与巡演、返乡、故障、地方服务和实际项目中长期显形,而非由某一次事件或某个人单独启蒙。2028 年四月、十九岁时,她进入东京大学大学院工学系研究科社会基盘/交通方向开展第二阶段博士研究;2030 年赴苏黎世联邦理工学院交通规划与系统研究所(IVT)访问,2031 年在第二阶段交通研究主要工作完成后于麻省理工学院运筹学中心(MIT ORC)开展短期研究。数学、运筹、工程、行为、制度与公共问题随后在交通这一无法由任何单一上位词替代的对象中继续汇合。本文被设定为这一阶段中筱泽广与蓝水心共同完成的一篇概念论文;人物的学术经历属于该平行世界,所引数学、运筹学与交通科学理论及文献均来自现实研究。排版基于 AtelierTeX 与 atelier-profile-hiro。
2028 年入学发生在取得数学博士一年以后,不再与数学博士学位手续写成同一春季。当前世界线只锁定“主要研究完成”和 MIT 访问,不额外锁死第二阶段博士的正式答辩或学位授予日期。
注:以上资助、项目编号、顾问关系及关联投资均属平行世界虚构设定。
平行世界人物小传|篠泽广
篠泽广出生于 2008 年 12 月 21 日。十四岁时,她已经完成大学阶段学业,接受了完整而高度超前的数学与物理训练。2024 年 3 月 27 日,十五岁的她从秋田来到东京,进入初星学园;偶像活动与数学研究从此长期并行。2026 年 1 至 2 月,十七岁的广在 H.I.F. 本战优胜,成为“一番星”。H.I.F. 没有结束她的偶像生涯,也没有结束 P 对她的 Produce;此后的录音、Live、地方活动、合作企划、巡演与粉丝交流继续进行。2026 年末至 2027 年初,P 完成交通博士答辩;2027 年 1 至 2 月,十八岁的广完成数学博士论文答辩,3 月前后完成学位手续,并接近或伴随初星毕业。
第一阶段博士研究集中于图结构上的离散动力系统、稳定性及相关组合结构,并与她此前的物理训练保持联系。数学博士的完成没有让数学退出她的生活。2027 年春以后,她已经以数学博士、活跃偶像和早期运筹学/交通研究参与者的多重身份生活,继续参与纯数学合作,也逐渐把网络优化、调度、资源配置、随机与鲁棒优化等语言带入现实问题。运筹学在这里更像一座桥:它让证明、结构和算法开始面对有限时间、有限资源、执行条件与人的选择。
P 从初星时期开始担任她的制作人,也有自己的交通研究与工程实践。长期相处使广很早就接触运输组织、社会运行和现实选择中的具体限制,但交通并不是由 P 一次“教会”她的,也不是由某次散场、晚点或拥堵突然触发。秋田与东京、日常换乘、演出与巡演、返乡、地方低频服务、故障时的替代路径,以及工作人员和观众各自不同的行程,本来就长期存在。广后来只是越来越不愿意让这些经验重新沉入理所当然。
2028 年 4 月,十九岁的广进入东京大学大学院工学系研究科社会基盘/交通方向,开始第二阶段博士研究。她带着数学博士阶段形成的证明习惯、对离散结构的敏感和逐渐成熟的运筹学训练,重新接受交通科学的专业训练,从铁路与城市轨道进入运行组织、网络能力、旅客行为、交通经济、公共交通、地方政策、公共治理和基础设施等问题。
二十岁前后,广已经能够在数学、运筹学和交通科学之间切换,但这种切换并不意味着几个领域互相替代。她继续用网络模型研究线路与换乘,以优化方法处理排程和资源配置,也开始把旅客选择、制度约束和公共治理放进同一问题。铁路和城市轨道仍是最早深入的工程对象,研究范围随后逐渐延伸到道路、区域运输、机场与港口、多方式网络和公共服务。
2030 年,二十一岁的广前往 ETH Zürich 交通规划与系统研究所 IVT 访问。此时她取得数学博士已经三年,并在东京接受了两年的交通专业训练。Zürich 阶段主要深化周期运行图、网络时刻表、换乘协调、可用能力、可靠性、扰动恢复和多方式公共交通等问题。访问结束后,她回到东京继续第二阶段交通研究。北京与东京也逐渐成为她和 P 反复比较交通问题的两个现实坐标:一方从运输组织与实施出发,一方从成熟网络与制度环境出发,用另一座城市检验自己到底看见了一般机制,还是只看见了地方经验。
2031 年,二十二岁的广完成第二阶段交通研究的主要工作,随后在 MIT ORC / Boston 开展数月研究。她带着已经成熟的交通问题进入更宽的运筹学与公共系统环境,研究继续延伸到资源分配、机制、可达性、分配、公平、风险与多主体激励。2031 年秋返回东京以后,她继续数学、运筹学和交通研究,也继续偶像活动;P 仍然是她的制作人、长期同行者和部分研究合作者。
2032 年春至秋,二十三岁的广与 P 共同完成《交通:离散的上帝》。到这里,她仍同时保留数学研究、偶像活动、交通研究和日常生活。她的经历并没有被整理成“数学结束以后进入运筹,再进入交通”的单线职业史:数学始终存在,偶像活动始终存在,P 与现实经验始终存在,交通训练则在其中逐渐获得专业深度。后面的道路继续留白。
注释
Footnotes
-
咲季和佑芽连赶站台都要比一比谁先到。 ↩
-
手毬一旦饿了,原定目的地通常就得先给晚饭让路。 ↩
-
莉莉娅刚到日本时,在东京站买票、过闸都要多看一眼。到了斯德哥尔摩,她一边走一边告诉大家哪张票能用、该去哪个站台,轮到笔者担心跟错了。 ↩
-
在京都,电车才开出两站,清夏就刷到河原町临时加开的展,递过手机问大家去不去。五分钟后,大家已经在查闭馆时间和公交。笔者倒挺喜欢这样出门。 ↩
-
大家还在研究怎么换车,千奈已经联系了家里,说有车来接。 ↩
-
叫车价格一路往上跳时,琴音把页面放大看了两次,最后认真地宣布:“不行。”软件里的车当然还在,藤田琴音的钱包不支持这个选项。 ↩
-
等车的二十多分钟里,琴音把几种回去办法的差价都算了一遍。少等一会儿要多花一千日元,她还得给这周剩下的几顿饭留钱。 ↩
-
App 很有自信地给出那个四分钟换乘时,笔者背着电脑,包里还有换下来的衣服。一拎起包,才觉得这四分钟有点紧。站内图和导航都说来得及,笔者的体能不支持这两位的意见。 ↩
-
同样只剩四分钟,佑芽已经跟着熟路的人往站台跑了。再碰头时,她看起来都没怎么喘气。笔者稍微有点羡慕。 ↩
-
从荣去名古屋站,导航推荐在金山六分钟内换乘,到了再找店。手毬先问“几点能吃到饭”,一听至少还得再等四十分钟,就开始翻别的路线。 ↩
-
大雨把回程搅乱、附近酒店价格也一起上去时,香名江已经为千奈重新安排了第二天的车和住处。笔者觉得,“出了问题以后还有备用方案”这件事确实很奢侈。 ↩
-
富士 Speedway 一次联动摄影结束时,御殿场方向因强风临时停运,站前很快挤满了等替代交通的人。千奈家的车直接开到场地侧门接她。她已经不用等线路恢复了。很难假装这两种“停运”完全一样。 ↩
留言板
接近留言板时加载评论。