01引言
近年来，基于技术创新而产生的“在线打车”服务——利用基于位置的移动应用程序，通过将乘客与出租司机联系起来，实现按需“出租车式”服务——已经深入人们的生活。提供这些服务的平台往往可以通过复杂的算法和大量的用户使用数据进行分析，从而在地理和时间方面很好的匹配供需双方，并且通过移动手机便捷和快速的服务保障两边的使用体验。这使得使用这些打车平台的乘客数量越来越多。
那么，这些平台的出现有没有可能改变了许多人原本的出行决策呢？具体来说，原来驾驶私家车出门的人（司机）、通过公共交通出行的人（乘客）和使用非机动交通方式的人（步行者）是否有可能转而使用网约车服务呢？本期文章“Impact of Ride-Hailing Services on Transportation Mode Choices: Evidence from Traffic and Transit Ridership”就聚焦了网约车平台Uber，来探究以上问题的答案。
02文献回顾与研究设计
作者发现现有的研究已经评估了出行特征（例如，工作与购物）、交通方式特征（例如，旅行时间、成本、舒适度、便利性、安全性）和消费者特征（例如，汽车所有权和可用性、收入、地理位置、性别、职业、年龄）对交通方式选择的影响。但关于在线打车服务对出行行为的影响目前仍不清楚，有文献认为网约车服务将激励人们用公共交通/网约车组合来替代私家车出行，也就是说，新的服务解决了最后一英里的问题，并作为公共交通的补充。但也有人认为，在没有打车服务的情况下，一些现在使用Uber或Lyft出行的人可能会待在家里。
更进一步，作者阐释了现有文献关于引进网约车服务后对于交通拥堵正反两方面的影响。这些矛盾的结论可能是将分析聚焦于总体效应的结果，没有考虑到引入网约车服务后对于每个涉及群体的具体影响。因此作者提出了一个新的概念模型，将所有三种出行者——司机、乘客和步行者——结合起来，并将他们的行为变化对交通拥堵的影响以及对公共交通乘客的相关影响理论化。
03概念模型与研究假设
司机：自己开车出行的出行者。可能会转而使用公共交通和网约车服务的组合来出行。
对于一部分出行者来说，使用公共交通带来的不便成本可能超过了公共交通成本较低的相对优势。这种公共交通效率低下的原因之一是“最后一英里问题”，即公共交通可以完成人们出行的大部分路程，但将路程的第一段和/或最后一段连接到公共交通却可能是非常不方便的。因此有能力驾驶个人载具的人很有可能会选择开车出行。但网约车服务会提供更方便的租车服务，这很有可能会使得部分司机改成使用公共交通+网约车服务的组合来解决出行问题。因此，作者预计公共交通的乘客会增加。这可能会减少交通拥堵，因为这种出行行为的改变取代了私家车行驶的较长距离，取而代之的是长距离的公共交通和短距离的网约车服务。
乘客：选择使用公共交通为主并以短途的出租车/非机动车/步行/私家车辅助的出行者。可能会因网约车的便捷性而部分转为使用网约车服务。
一般来说，网约车服务是一种类似于出租车的点对点服务，比有固定时间表和站点的公共交通更方便。因此，虽然网约车服务的成本可能比公共交通更高，但一部分现有的公共交通用户，可能会因为便捷性而使用网约车服务。因此，作者预计这种替代可能会增加交通拥堵。
步行者：选择使用步行或非机动交通方式的出行者。作为网约车服务的潜在用户，可能会因为网约车服务的便捷性而部分转为使用网约车服务。
与上述分析乘客相似，网约车提供的便捷出行有可能使得部分原本采用步行/非机动出行或者待在家中的步行者选择使用网约车服务出行，显然，作者预计这种情况可能会增加交通拥堵。
04数据收集、测度与分析
研究范围包括Uber在2012年1月至2015年12月期间进入的48个大都市统计区（MSA）。MSA是一个地理概念，是美国政府机构提供的各种社会经济统计数据的基础。MSA包括人口密度相对较高的城市地区，其核心是该地区的中心和密切的经济联系。作者使用了两个数据集以计算相关因变量——交通拥堵和公共交通客流量。前者的数据来自美国联邦公路管理局（FHWA）和德克萨斯A&M交通研究所，后者的数据来自APTA数据库（由美国联邦运输管理局汇总）。
作者还收集了表明旅行特征的控制变量，如平均票价（fares），使用公共交通的平均行程距离（trip length），人均车辆收入小时数（transit supply）。以及MSA特征的平均收入（income），人口（population），估计年人口增长（population growth），失业率（unemployment），平均通勤时间（travel time），每户平均车辆数量（vehicle count），出租车数量（taxi）。其中收入，人口和出租车数量的数据经过了对数化处理。
此外，作者通过收集由美国联邦公路管理局在2017年进行的全国家庭旅行调查（NHTS）生成的数据集来测量得到了每个MSA的三类成分（司机，乘客，步行者）组成比例。具体来说是通过出行特征进行了k-means聚类，并进行标记完成测量。
实证分析中作者主要采用的是DID方法，取同一MSA比较Uber进入前后的差异。
05结论与启示
本文构建了司机、乘客与步行者三类人群的概念模型，并通过DID方法测量了Uber进入前后的差异。研究发现虽然Uber通过增加司机使用Uber与公共交通相结合的可能性，对环境产生了积极影响，但这种积极影响也被乘客和步行者转向使用Uber的可能性增加所抑制。作者发现，Uber的进入对公共交通的净影响取决于城市中乘客和司机的相对比例。例如，在像纽约这样高度紧凑的城市，乘客和步行者比司机更多，这导致在Uber进入后，公共交通的替代作用更大。同时在这样（高紧凑度）的城市中，Uber的进入也会加剧交通拥堵。
这些结论也给政策的制定者带来了一定的启示。比如可以推广电动车以促进环保，同时在低紧凑度的城市中可以推广Uber等类似的网约车服务与公共交通结合从而减少交通拥堵。
参考文献：Lee, K., Jin, Q. J., Animes, A., & Ramaprasad, J. (2022). Impact of Ride-Hailing Services on Transportation Mode Choices: Evidence from Traffic and Transit Ridership. MIS Quarterly, 46(4), 1875-1900.
文章链接：https://doi.org/ 10.25300/MISQ/2022/15707
https://misq.umn.edu/impact-of-ride-hailing-services-on-transportation-mode-choices-evidence-from-traffic-and-transit-ridership.html
作者信息：
Kyunghee Lee
Position: Assistant Professor, Information Systems, McGill University
Site: https://www.mcgill.ca/desautels/kyunghee-lee
E-mail: kyunghee.lee@mcgill.ca
Research Interest: Digital business models, Organizational structure, Social infrastructure, Decentralized platforms, Blockchain/Web3 applications
Qianran (Jenny) Jin
Position: Assistant Professor, Department of Decisions, Operations and Technology, Chinese University of Hong Kong
Site: https://www.bschool.cuhk.edu.hk/staff/jin-jenny-qianran/
E-mail: jennyjin@cuhk.edu.hk
Research Interest: Online Platforms, Online Social Signals, Consumer Decision Making, Sharing Economy
Animesh Animesh
Position: Associate Professor and Area Coordinator, Information Systems, McGill University
Site: https://www.mcgill.ca/desautels/animesh-animesh
E-mail: animesh.animesh@mcgill.ca
Research Interest: Business Value of IT, Consumer Behaviour, Helping Canadian Business, Helping Quebec Business, IT in Healthcare, Social Media, Technology & Innovation
Jui Ramaprasad
Position: Advance Professor, Department of Decision, Operations, and Information Technologies, Robert H. Smith School of Business, University of Maryland
Site: https://www.rhsmith.umd.edu/directory/jui-ramaprasad
E-mail: jramapra@umd.edu
Research Interest: My program of research examines digital platforms—different types of platforms, IT-enabled features on these platforms, and social activity on these platforms—and how they motivate user participation, interaction, consumption, and payment in in the context of online music and online dating. My teaching at all levels—from undergraduate to executive, my service to the IS and community, and industry talks have stemmed from the expertise I have developed through my research, and in particular my research in the contexts of digital music and online dating. My work thus far has enabled new understandings of how information technology can influence human behavior, shape social interactions, and impact organizations that have been digitally disrupted.
