基于三方演化博弈的出租車駕駛人交通違法行為分析

摘" 要：為了從執法部門和出租車公司兩方探索對出租車駕駛人交通違法行為的管理措施，有必要研究執法部門、出租車公司對出租車駕駛人交通違法行為的影響機制。基于演化博弈論，從交通違法和管理的成本收益角度，構建了出租車駕駛人與執法部門、出租車公司的策略選擇演化三方博弈模型。通過模型求解和仿真分析，揭示了不同管理策略下交通違法成本對出租車駕駛人交通違法行為的影響機理。研究結果表明：當執法部門和出租車公司共同管理出租車駕駛人交通違法行為時，能將駕駛人交通違法概率控制在相對最低的水平，且管理投入相對也最低；出租車公司的管理力度對一般狀態駕駛人的交通違法行為影響更大，而執法部門的執法力度對臨界狀態駕駛人的交通違法行為影響更大；相較于現金處罰，駕照分扣減和駕駛資格限制對出租車駕駛人交通違法行為的管理更有效。

" 關鍵詞：交通安全；交通違法行為；演化博弈模型；出租車駕駛人

中圖分類號：F570" " 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.01.021

Abstract： In order to explore the management measures for the traffic violating behavior of taxi drivers from the two sides of law enforcement departments and taxi companies， it is necessary to study the influence mechanism of law enforcement departments and taxi companies on the traffic violating behavior of taxi drivers. Based on evolutionary game theory， from the perspective of cost and benefit of traffic violating behavior and management， this paper proposes a tripartite evolutionary game model of strategy choice among taxi drivers， law enforcement departments and taxi companies. Through model solving and simulation analysis， this study revealed the influence mechanism of traffic violating cost on taxi drivers' violating behavior under different management strategies. The results show that when the law enforcement departments and taxi companies jointly manage the traffic violating behavior of taxi drivers， the probability of traffic violating behavior can be controlled to a relatively low level， and the management cost is also relatively low. The management of taxi companies has a greater impact on the traffic violating behavior of taxi drivers in general state， while the enforcement of law enforcement departments has a stronger effect on the traffic violating behavior of taxi drivers in critical state. Compared with cash penalty， driving license deduction and disqualification are more effective in managing taxi drivers' violating behavior.

Key words： traffic safety; traffic violating behavior; evolutionary game model; taxi driver

0" 引" 言

" 出租車駕駛人相較于其他道路使用者，其駕駛時間更長、駕駛強度更大，也面臨更多的交通安全風險。相關研究發現，長時間高強度的駕駛，以及為了獲取更高的營運收入，會導致出租車駕駛人發生更多的交通違法行為（如違反交通標志標線、超速行駛、違反交通信號燈等），從而導致交通事故[1-3]。因此，如何有效減少出租車駕駛人的交通違法行為顯得尤為迫切，學界已經開始研究出租車駕駛人的交通違法行為。現有研究主要分析了駕駛人個體特征[4]、性格和認知[1，5]、法律觀念[6]，以及駕駛里程[7-8]等對交通違法行為的影響機制。部分學者研究指出收入壓力[9-10]、違法收益敏感性[11]以及時間價值[12]等也是影響出租車駕駛人交通違法行為的主要因素。由此可見，影響出租車駕駛人交通違法行為的核心要素之一即為對違法收益的追求，部分學者從違法成本和收益角度，基于博弈論探索了出租車駕駛人與執法部門之間的博弈演化關系[13-15]，揭示了交通違法成本對出租車駕駛人交通違法行為的影響機理。現有研究僅考慮了執法部門對出租車駕駛人交通違法行為的管理。然而，出租車公司也可通過處罰和獎勵等方式管理出租車駕駛人的交通行為。因此，執法部門和出租車公司是管理出租車駕駛人交通違法行為的主體。本文為研究執法部門、出租車公司對出租車駕駛人交通違法行為的影響，構建了出租車駕駛人與執法部門、出租車公司的策略選擇演化三方博弈模型。通過模型求解和仿真分析，揭示了不同管理策略下交通違法成本對出租車駕駛人交通違法行為的影響機理。

1" 出租車駕駛人交通違法行為演化博弈模型建立

1.1" 博弈模型假設

" 基于對出租車駕駛人、執法部門和出租車公司策略選擇的合理考慮，提出以下假設：

" 假設1：出租車駕駛人的策略集為交通違法、交通不違法，執法部門的策略集為執法、不執法，出租車公司的策略集為管理嚴格、管理不嚴格；

" 假設2：出租車駕駛人、執法部門和出租車公司都是在不確定情況下選擇策略，博弈三方均為有限理性，無法通過一次博弈而獲取自身的最大收益策略，必須通過不斷的重復博弈才能獲取最大收益策略；

" 假設3：研究主要考慮出租車駕駛人群體交通違法行為決策，不考慮出租車駕駛人個體特征的差異影響，仿真參數采用群體平均值，因此對群體的行為決策而言，分析結果仍然是合理的。

1.2" 交通違法成本組成

" 交通違法行為的成本主要包括直接成本、機會成本、懲罰成本、間接成本和后續成本[16]。針對出租車駕駛人交通違法行為，本次主要考慮機會成本、懲罰成本和后續成本。目前，執法部門對于出租車駕駛人的處罰主要為現金罰款、駕照分扣減、駕駛資格限制等方法。由此，確定出租車駕駛人的交通違法成本由經濟成本、時間成本和資格限制成本組成。

1.3" 博弈收益矩陣建立

" 對于出租車駕駛人，用α0≤α≤1表示出租車駕駛人的交通違法概率，α越大，則表示出租車駕駛人的交通違法概率越大。出租車駕駛人交通違法產生的收益記為B。出租車駕駛人未發生交通違法行為時，出租車公司對出租車駕駛人的獎勵收益記為B。出租車駕駛人發生交通違法行為且被發現時，執法部門對出租車駕駛人的處罰經濟成本記為C，出租車公司對出租車駕駛人的處罰經濟成本記為C，執法部門對出租車駕駛人的資格限制成本記為C，出租車駕駛人受到資格限制后所損失的時間成本記為C。

" 對于執法部門，用β0≤β≤1表示執法部門的執法力度，β越大，則表示執法部門的執法力度越大。執法力度采用執法部門在某個區域路網中的執法密度進行表示，比如巡邏密度、交通監控攝像頭的布設密度等。執法部門單次執法成本記為D；當發現出租車駕駛人交通違法時，所獲得的社會收益記為D；當認定出租車公司管理嚴格時，對出租車公司的獎勵記為D；當認定出租車公司管理不嚴格時，對出租車公司的懲罰記為D。

對于出租車公司，用γ0≤γ≤1表示出租車公司管理的嚴格程度，γ越大，則表示出租車公司的管理越嚴格。當出租車公司管理嚴格時，公司額外支出的成本記為E；管理不嚴格時，公司節約的成本記為E。

" 根據出租車駕駛人、執法部門和出租車公司三方選擇的不同策略組合，結合出租車駕駛人可能面臨兩種狀態：一般狀態（未被扣分，駕照分等于12分）和臨界狀態（被扣分，駕照分小于12分），分別構建一般狀態和臨界狀態下的三方博弈收益矩陣，如表1和表2所示。

1.4" 博弈模型建立

出租車駕駛人選擇交通違法的期望收益記為U，選擇交通不違法的期望收益記為U。根據復制動態方程計算公式[17-18]，將一般狀態下出租車駕駛人的成本及收益函數代入并化簡：

U=βγB-C-C+1-βγB-C+β1-γB-C+1-β1-γB" " " " " " " " " " " （1）

U=βγB+1-βγB" " " " " " " " " " " " " " " " " " " " "（2）

一般狀態下出租車駕駛人的平均期望收益為：

U=αU+1-αU" " " " " " " " " " " " " " " " " " " " " （3）

由此可得，一般狀態下出租車駕駛人策略選擇概率的復制動態方程：

=αU-U=α1-αU-U=α1-αγB-C-βγB-B-βC+B" " " " " " " " " "（4）

同理，可得一般狀態下執法部門策略選擇概率和出租車公司策略選擇概率的復制動態方程，一般狀態下的復制動態方程：

（5）

同理，可得臨界狀態下三方的復制動態方程：

（6）

2" 出租車駕駛人交通違法行為演化博弈求解

根據Ritzberger提出的演化博弈均衡求解方法[19-21]，令出租車駕駛人、執法部門、出租車公司三方的動態復制方程為0，可求得三方博弈的均衡點。只需討論8個特殊均衡點：0，0，0、0，0，1、0，1，0、0，1，1、1，0，0、1，0，1、1，1，0、1，1，1的穩定性，即可分析三方博弈的穩定性。

" 根據李雅普諾夫穩定性理論，通過對三方復制動態方程求偏導，可得雅可比矩陣J，分析矩陣在每個均衡點的特征值，判斷三方博弈的漸近穩定性。一般狀態下的雅可比矩陣J為：

" 將上述8個均衡點的數值分別代入雅各比矩陣J，可得一般狀態下各均衡點對應的特征值λ、λ、λ，如表3所示。

同理可得，臨界狀態下的雅可比矩陣，以及各均衡點及其特征值，如表4所示。

3" 仿真分析

由演化博弈求解結果可知，除0，0，0、0，0，1為不穩定點以外，其余6個均衡點在不同條件下的穩定性不同。為驗證三方博弈的穩定性，結合假設數據對模型進行賦值（見表5），采用MATLAB軟件進行數值仿真。

3.1" 一般狀態下的仿真分析

在以上假設基礎上，分別分析B1、C1、D3、E1的數值變化對三方博弈演化過程和結果的影響，仿真分析結果如圖1所示。由圖1（a）可知，當出租車駕駛人的交通違法收益B1逐漸增大時，執法部門的執法概率逐漸收斂于1，即執法部門需要不斷加大執法力度，才能約束駕駛人的交通違法行為；由圖1（b）可知，當執法部門對出租車駕駛人的處罰經濟成本C1逐漸增大時，出租車駕駛人的交通違法概率逐漸收斂于0；值得注意的是，出租車駕駛人對于處罰經濟成本的小范圍增減并不敏感；由圖1（c）可知，當執法部門對出租車公司的獎勵D3逐漸增大時，出租車公司與出租車駕駛人的演化速率不同，出租車駕駛人收斂的速率更快，即出租車公司獲得獎勵后能降低其管理成本，出租車公司更傾向于嚴格管理出租車駕駛人，從而使出租車駕駛人的交通違法概率進一步降低，出租車駕駛人對出租車公司的管理更加敏感；由圖1（d）可知，當出租車公司管理嚴格，額外支出的成本E1逐漸增大時，出租車公司與出租車駕駛人的演化速率不同且差異較大，出租車駕駛人交通違法概率收斂的速率越慢，即出租車公司的管理成本越高，雖然能減少出租車駕駛人的交通違法行為，但效率較低。由仿真分析結果可知，當出租車公司的管理力度不變時，交通執法者執法概率提高，駕駛人的交通違法概率減小；當交通執法者的執法概率不變時，出租車公司的管理力度提高，駕駛人的交通違法概率減小；當交通執法者和出租車公司共同管理時，博弈三方會達到平衡，此時駕駛人的交通違法概率相對最低，且交通執法者和出租車公司的管理力度也相對最低。出租車公司的管理力度，對一般狀態駕駛人的交通違法行為影響更大。對一般狀態駕駛人而言，相較于處罰額度的提高，減少出租車公司的管理成本更有利于抑制出租車駕駛人的交通違法行為。

3.2" 臨界狀態下的仿真分析

在以上假設基礎上，分別分析B1、C1、D3、E1、C3、C4的數值變化對三方博弈演化過程和結果的影響，仿真分析結果如圖2所示。由圖2（a）至圖2（d）可知，演化規律與一般狀態下的演化規律基本一致。由圖2（e）可知，當執法部門對出租車駕駛人的資格限制成本C3逐漸增大時，即當臨界狀態出租車駕駛人被扣的駕照分越多，出租車駕駛人交通違法概率收斂于0的速率越快；由圖2（f）可知，當出租車駕駛人受到資格限制后損失的時間成本C4逐漸增大時，出租車駕駛人交通違法概率收斂于0的速率越快。由仿真分析結果可知，出租車駕駛人對駕照分扣減和駕駛資格限制最為敏感，且這種方式相較于現金處罰更有效。

4" 結束語

" 基于演化博弈論，從交通違法和管理的成本收益角度出發，構建了出租車駕駛人與執法部門、出租車公司的策略選擇演化三方博弈模型。通過模型求解和仿真分析，揭示了不同管理策略下交通違法成本對出租車駕駛人交通違法行為的影響機理。研究結果表明：當執法部門和出租車公司共同參與管理出租車駕駛人交通違法行為時，能將駕駛人的交通違法概率控制在相對最低的水平，且此時執法部門和出租車公司的投入相對也最低；出租車公司的管理力度，對一般狀態駕駛人的交通違法行為影響更大；而執法部門的執法力度，對臨界狀態駕駛人的交通違法行為影響更大。對一般狀態駕駛人而言，相較于處罰額度的提高，減少出租車公司的管理成本更有利于抑制出租車駕駛人的交通違法行為；出租車駕駛人對駕照分扣減和駕駛資格限制最為敏感，且這種方式相較于現金處罰更有效。

參考文獻：

[1]" SANI S R H， TABIBI Z， FADARDI J S， et al. Aggression， emotional self-regulation， attentional bias， and cognitive inhibition predict risky driving behavior[J]. Accident Analysis amp; Prevention， 2017，109：78-88.

[2]" WANG Y， LI L， PRATO C G. The relation between working conditions， aberrant driving behavior and crash propensity among taxi drivers in China[J]. Accident Analysis amp; Prevention， 2018，126：17-24.

[3]" DALZIEL J R， JOB R F S. Motor vehicle accidents， fatigue and optimism bias in taxi drivers[J]. Accident Analysis amp; Prevention， 1997，29（4）：489-494.

[4]" YEH M S， TSENG C M， LIU H H， et al. The factors of female taxi drivers' speeding offenses in Taiwan[J]. Transportation Research Part F： Traffic Psychology and Behavior， 2015，32：35-45.

[5]" BURNS P， WILDE J S. Risk taking in male taxi drivers： Relationships among personality， observational data and driver records[J]. Personality and Individual Differences， 1995，18（2）：267-278.

[6]" CHENG A S K， TING K H， LIU K P， et al. Impulsivity and risky decision making among taxi drivers in Hong Kong： An event-related potential study[J]. Accident Analysis amp; Prevention， 2015，95：387-394.

[7]" MANI K， MUN S W， HAYATI K. Speeding among taxi drivers in Selangor， Malaysia[J]. Injury Prevention， 2011，16：111-125.

[8]" HUANG Y， SUN J， TANG J. Taxi driver speeding： Who， when， where and how？ A comparative study between Shanghai and New York City[J]. Traffic Injury Prevention， 2017，19（3）：311-316.

[9]" JING S， LI T， LI X， et al. A survey of taxi drivers' aberrant driving behavior in Beijing[J]. Journal of Transportation Safety amp; Security， 2013，6（1）：34-43.

[10]" BIDASCA L， TOWNSEND E. Making taxis safer： Managing road risks for taxi drivers， their passengers and other road users[R]. Brussels： European Transport Safety Council， 2016.

[11]" CASTELLA J， PEREZ J. Sensitivity to punishment and sensitivity to reward and traffic violations[J]. Accident Analysis amp; Prevention， 2004，36：947-952.

[12]" HUANG Y， SUN J， ZHANG L. Effects of congestion on drivers' speed choice： Assessing the mediating role of state aggressiveness based on taxi floating car data[J]. Accident Analysis amp; Prevention， 2018，117：318-327.

[13] 楊曉芳，張盛，付強. 基于博弈論的完全信息下的駕駛行為研究[J]. 公路交通科技，2015，32（7）：105-111.

[14] 江欣國，周悅，夏亮，等. 出租車駕駛人交通違法行為演化博弈模型[J]. 西南交通大學學報，2019，54（6）：1121-1128.

[15] 周悅. 出租車駕駛員交通違法成本與交通違法行為研究[D]. 成都：西南交通大學，2018.

[16]" BECKER G S. Crime and punishment： An economic approach[J]. Journal of Political Economy， 1968，76：169-217.

[17]" SUN J， WANG X， SHEN L. Chinese construction workers' behavior towards attending vocational skills trainings： Evolutionary game theory with government participation[J]. Journal of Difference Equations and Applications， 2016（23）：468-485.

[18]" TANG T， GUO Y， ZHOU X， et al. Understanding electric bike riders' intention to violate traffic rules and accident proneness in China[J]. Travel Behavior and Society， 2021，23：25-38.

[19] 孫有銘，吳光宇. 博弈理論在認知小蜂窩網絡無線資源配置優化中的應用[J]. 南通大學學報（自然科學版），2017，16（1）：1-11.

[20] 朱立龍，榮俊美. 政府獎懲機制下藥品安全質量監管三方演化博弈及仿真分析[J]. 中國管理科學，2021，29（11）：55-67.

[21]" 史小特. 基于博弈論的城市公共交通定價模型研究[D]. 重慶：重慶交通大學，2015.