摘要
到2030年,电动滑板车和电动自行车等微型交通工具的全球市场估计将达到3000亿美元,这将加速电气化努力,并从根本上改变城市交通模式。然而,采用微型交通对交通拥堵和可持续性的影响尚不清楚。在这里,我们利用移动地理围栏和高分辨率数据的进步来研究政策干预的影响,该政策出人意料地禁止在夜间远程关机时使用滑板车,确保几乎完全遵守。我们测试了习惯不连续的理论,为微移动用户是否用滑板车代替汽车提供了统计识别。来自美国一个主要城市的自然实验的证据表明,日常通勤的旅行时间增加了9-11%,大型活动的旅行时间增加了37%。鉴于在全球范围内限制使用微型移动设备的做法越来越受欢迎,城市应该在旨在促进公共安全的微型移动限制与与拥堵加剧相关的排放增加之间进行权衡。
主要
电动滑板车和自行车(电动滑板车和电动自行车)等共享微型交通工具迅速涌入城市,在美国100多个大都市地区为城市游客提供了廉价便捷的第一英里/最后一英里解决方案1.共享微型交通是推进交通电气化的一项战略,预计到2030年,全球市场规模将达到3000亿美元2,3..当电动滑板车和电动自行车取代内燃机汽车时,生命周期评估表明相关排放和环境影响的净减少4.电动滑板车和电动自行车被认为可以替代包括通勤和娱乐用途在内的主动交通方式(例如,距离为0-5英里)5,6但是,采用微型交通工具可以缓解交通拥堵或通过替代出行方式带来可持续发展效益的证据一直存在争议7.许多城市以人身安全或其他考虑为由禁止了微移动设备,而其他城市则在基本没有改变城市基础设施的情况下允许了微移动设备的普及。要了解微移动是车辆选择的补充还是替代品,一个基本的挑战很大程度上是行为方面的。
迄今为止,微流动性对城市可持续发展结果影响的因果证据相对薄弱,依赖于来自调查问卷的自我报告使用数据,这些数据受到假设、后见之明或近因偏见的影响。关于出行模式选择的其他证据通常依赖于较小数据集的模拟,这就提出了与人口抽样和内生性相关的建模挑战。因此,关于微移动是否取代汽车的行为证据产生了相互矛盾的说法。例如,来自法国城市滑板车供应商的自我报告数据表明,电动滑板车的采用减少了巴黎120万次汽车出行,减少了里昂4%的汽车出行8,9.相比之下,来自亚特兰大、旧金山和芝加哥的其他研究得出了横断面调查证据,证明电动滑板车和共享微型交通工具并不总是取代汽车,但通常会取代公共交通、步行或其他形式的微型交通工具,这些方式不一定能减少排放10,11.此外,研究人员估计,当电动滑板车取代个人车辆以外的其他交通方式时,排放量可能更高(生命周期排放估计为202克CO2等价(有限公司2e)踏板车的每乘客英里相对于414克CO2乘用车每乘客英里E)4,12.尽管来自生命周期评估的证据表明,共享微交通的采用会导致碳排放的净减少,但混合的行为证据和缺乏可靠的数据使得微交通对城市交通拥堵和排放的影响尚不清楚。
在这里,我们提供的证据表明,城市对电动滑板车使用的限制导致了旨在加强公共安全的措施与增加交通和尾气排放之间意想不到的权衡。我们在美国一个主要城市进行的自然实验结果显示,拥堵效应导致重复夜间出行的城市旅行时间增加了9-11%,在夜间实施微移动禁令后,大型体育赛事的时间增加了37%。我们估计,全国损失时间的潜在价值高达5.36亿美元,其中包括交通损失时间的机会成本。我们讨论了通过电动滑板车替代汽车来减少短期排放的行为见解。
高分辨率移动数据和禁行区
实时数据收集的最新进展使我们能够利用来自移动平台的高度细粒度数字数据来估计旅行决策的影响13,14,15,16,17.首先,通过地理定位和全球定位系统(GPS)跟踪,数字数据为用户提供有关旅行选择和费用的即时信息7.其次,数字平台在使用时提供了便捷的移动支付,简化了在多种出行方式之间做出选择的过程。第三,跨多种出行模式的数据互操作性可以更有效地管理跨司法管辖区的交通服务。然而,城市、政策制定者和研究人员尤其难以获得有关微移动使用的区域数据。这是因为微移动数据是专有的,由具有封闭生态系统的私人实体控制,并且在不同级别的聚合上有数据限制。在这里,我们表明,当实时交通数据更广泛地可用时,与使用横断面和昂贵的政府交通调查研究相比,有可能以更强的因果推断来评估交通政策。
在这项研究中,我们提供了可靠的证据,证明大规模使用电动滑板车和电动自行车对交通拥堵的影响。我们使用优步运动的高分辨率数据分析了亚特兰大市的一项政策干预,该政策禁止在晚上9点至凌晨4点期间使用微型移动设备。与移动地理围栏和远程关机,导致近乎完美的合规18,19.在禁令实施期间,所有供应商的微移动设备将自动从移动应用程序中禁用,以创建一个禁止骑行区。这个自然实验提供了一个合理的识别策略,以发现当滑板车无法用于最后一英里的交通时,旅行者如何应对政策变化。这一点很重要,因为先前关于用其他交通方式替代微流动性的主张受到了与缺乏颗粒旅行数据、自我报告信息不可靠或可能限制因果解释的混淆因素相关的经验挑战。
为了应对这些经验挑战,我们进行了三个准实验,以评估政策对重复性流动性(例如,晚间通勤模式)和基于事件的流动性(例如,为特殊事件而旅行)的影响,如图所示。1.在我们的循环移动实验中,我们比较了城市中心的乘用车旅行时间(中城实验,图。1)和周围的交通枢纽(大都会亚特兰大快速运输管理局(MARTA)实验,图。1 b)对抗各种反事实。同样,在我们的基于事件的移动实验中(Mercedes-Benz experiment, Fig.)1 c),我们发现禁令政策对大型体育场赛事期间的出行时间有影响。亚特兰大是一个重要的分析现场,因为它是共享微型交通的最大采用者之一,多个竞争供应商每年已经为超过400万次电动滑板车和电动自行车旅行提供服务20..亚特兰大在微型交通客流量方面的投资是城市重新设计街道以适应微型交通和推广清洁交通替代方案的大趋势的一部分21.
微移动模式替代
如果没有滑板车,人们会怎么做?关于旅行模式选择作为一种习惯的概念和重要性,有丰富的行为学文献22,23,24,25,26,27,28.这种行为改变的理论表明,当习惯被打乱时,人们会根据个人的态度和价值观重新考虑他们的选择。Verplanken(2008)最初提出了习惯中断假设(例如,习惯中断效应),我们从他那里知道,当消费者面临中断或意外变化时,与环境相关的习惯也会被打破(至少是暂时的),从而为行为改变提供了机会24.由微移动禁令引起的环境变化被概念化,以激活指导出行模式决策的重要价值观。例如,众所周知,更有环保意识的消费者往往会改变他们的行为,以应对干预措施,减少使用私家车的频率24.更广泛地说,在气候变化和可持续行为的更广泛背景下,有大量关于政策有效性和习惯性旅行模式选择的新兴文献25,29.在这种习惯不连续假设下,那些持亲环境态度的人在禁令实施后更有可能选择其他亲环境的交通方式24,25.这些行为见解激发了我们的假设,即如果微型交通工具的使用者更具环保意识,那么我们预测他们可能不会在禁令实施后恢复使用个人车辆或共享交通工具,而是恢复使用其他更可持续的模式(例如骑自行车、步行、轨道交通或其他微型交通工具)。来自城市的有限的横断面调查证据指向了这个方向10,11.
我们测试了两种相反的机制。如果人们重新使用私家车或拼车来代替微型交通,那么我们预计禁令政策将增加日常通勤和特殊活动的交通流量。然而,如果个人选择不使用私家车或拼车,而是选择更环保的选择,比如公共交通或步行,那么我们应该不会发现在统计上对旅行时间有显著影响。
Uber移动出行时间数据集是最大、最细粒度的交通数据集之一,汇集了超过100亿次个人出行18.在我们的分析中,我们利用了政策实施前后90天内,在大亚特兰大大都会统计区每天收集的乘用车出行时间数据的47,477个观察结果。我们感兴趣的结果是晚上时段的平均每英里行驶时间,包括禁令生效的时段。我们的研究设计使我们能够独特地分离出一种特定的微移动模式替代机制,从滑板车到私家车、出租车或拼车,所有这些都包含在我们的结果数据中,并对边际减排具有重要意义。然而,在这项研究中,我们没有量化电动滑板车使用与预计对边际减排影响较小的出行方式(如步行、轨道交通或其他微移动出行)之间的替代。关于准实验设计和测量的其他细节见方法。
估计城市旅行时间的影响
我们评估了城市中心的治疗效果,包括复发性和基于事件的流动性。对于中城实验(Midtown Experiment)中的重复出行,我们发现了拥堵效应的证据,因为禁令政策为每英里0.241分钟(标准误差0.035)1).对于富尔顿县的平均通勤来说,这意味着每晚通勤时间估计增加2.3至4.2分钟(亚特兰大通勤者每年增加373,000至679,000小时)。对于亚特兰大的典型通勤者来说,由于滑板车禁令造成的拥堵效应意味着城市旅行时间平均增加9.9%。同样,在MARTA实验中,测量了交通枢纽周围的出行决策,以及在最后一英里交通中使用滑板车的高水平,我们发现了由于政策禁令每英里0.255分钟(s.e 0.051)造成拥堵效应的证据。这意味着每晚通勤时间估计增加2.0到4.8分钟(亚特兰大通勤者每年增加327,000到784,000小时)。对于亚特兰大的一名典型通勤者来说,由于禁止滑板车而造成的拥堵效应意味着通勤时间平均增加10.5%。通过这两种不同的实验设计,我们在定量上发现了类似的夜间出行拥堵估计(例如,95%置信区间重叠)。我们推断,当滑板车不可用时,微移动和个人车辆之间发生了统计上显著的替代。作为参考,这是基于2019年美国平均通勤时间估计为27.6分钟30.在美国,我们的自然实验结果表明,全国的出行时间增加了17.4%。
同样,对于基于赛事的移动性,我们分析了梅赛德斯-奔驰体育场重大体育赛事的政策前后几天的附近出行时间。禁令发布的时间正好赶上美国职业足球大联盟的赛季。考虑到在体育赛事期间更加集中的出行模式,与我们的经常性流动性估计相比,我们可以预期禁令政策对拥堵的影响更大。与此一致的是,我们发现在足球比赛日期间,每英里的旅行时间增加了0.886分钟(s.e. 0.169)。例如,对于住在离市区平均13英里的郊区居民来说,这一禁令导致他们看完球赛回家的时间增加了11.9分钟,大幅增加了36.5%。
我们注意到,我们测量的拥堵影响超出了典型的拥堵来源,包括:交通影响事件(即交通事件、工作区域和天气)、交通需求(即正常交通的波动)和物理公路特征(即交通控制设备和物理瓶颈)。31.虽然晚上通勤2- 5分钟的延误和特殊活动12分钟的延误可能看起来不是什么大麻烦,但在大量通勤人群中,额外的交通时间成本很快就会累积起来。在下一节中,我们将以美元来量化这些延迟的潜在经济影响,并考虑这种阻塞的持久性。
为了说明这些影响,我们使用已公布的26美元小时的时间价值(VOT)乘数,将平均拥堵效应转换为美元−1为亚特兰大市32.这导致每年对经常性流动的影响估计为350万至1050万美元(方法提供了额外的计算细节)。作为参考,该市在10500台已发送设备上的许可费和设备费收入共计50万美元(截至2019年4月,亚特兰大市收取了45.56万美元的许可费)。33.尽管这些成本主要由通勤者消化,但这些意外损失相当于该市8年的微交通运营收入。在全国范围内,我们估计这种禁止政策可能带来高达5.36亿美元的拥堵相关成本(方法)。
行为的持久性
为了了解这些影响如何随着时间的推移而变化,我们从政策实施后的第二天开始估计了中城实验的每日治疗效果。这些动态影响表明,在禁令实施后,出行方式的选择立即发生了行为改变。数字2报告显示,在政策变化的前五天内,每英里最多可达0.8分钟的拥堵峰值(平均司机大约延误11分钟)。我们在补充表中提供了关于Midtown和MARTA实验的每日治疗效果的详细点估计1及补充表2,分别。我们观察到的直接拥堵是乘客无法预测禁令或计划有效的出行替代方案的结果,这些替代方案不会在最初几天增加交通流量。我们注意到,微移动模式替代(如汽车或拼车)具有加性处理效应,而模式替代(如步行或公共交通)具有减法或可忽略的处理效应,这确实会影响测量。我们发现,大约一周后,用户在他们的旅行计划和习惯中部分地解释了政策的变化。这种行为反应表明,随着乘客从微移动设备转向个人汽车或拼车,禁令后的拥堵效应在五周后稳定在每英里0.25分钟的平均治疗效果。
有些人可能会想,为什么禁令的影响在稳定到我们最终报告的估计之前会逐渐减弱。我们承认,如果没有更多的归纳或定性方法,就不可能完全描述这一现象。然而,就可能的机制而言,我们认为,在尝试了其他微移动替代品(例如步行、铁路、公共汽车或其他微移动工具)后,乘客会在两到三周的实验后逐渐确定自己的首选替代品,此时,使用多种方法和方法,效果会再次出现并稳定下来。这种行为与习惯中断假设相一致,即微移动乘客破坏了移动模式,但不一定会恢复到其他可持续性增强的旅行模式。对于这种模式的确定,我们有一些有启发性的调查证据。根据亚特兰大的电动滑板车调查,42%的滑板车用户自我报告说,如果没有滑板车,他们会使用个人车辆或拼车出行11.虽然对超过90天的行为持久性的全面调查超出了本研究的范围,但我们注意到,对政策执行的长期监测越来越难以证明是外生变化的来源。在未来的研究中,我们建议进一步研究滑板车的使用量和模式替代机制,以更好地理解短期行为改变和微移动使用的长期习惯形成之间的关系。鉴于这类政策干预正变得越来越普遍,决策者在公共安全和交通拥堵之间权衡相对优先事项将至关重要。据估计,美国交通拥堵每年造成的损失已高达1660亿美元34.
微移动解决方案的批评者指出,滑板车可能无法取代汽车,因此无法实现可持续发展的共同效益12.与这一观点相反,我们发现,一旦微移动设备不可用,通勤者就会恢复以汽车为基础的出行(例如,个人车辆、拼车或叫车),导致在统计上显著增加的旅行时间,而不是原始政策所预期的。这些发现与西雅图和北京的其他研究一致,例如,这些研究表明,微型交通工具可以取代拥挤走廊中高达18%的短途汽车出行,或分别减轻地铁站周围高达4%的交通压力35,36.我们发现,乘客的主要行为反应是用汽车代替微移动。虽然我们没有直接观察到微移动出行,但在我们的研究期间,亚特兰大52%的被调查微移动用户报告说,他们每月至少使用几次滑板车到每周使用几次11.我们的研究结果还表明,微移动用户在选择安全法规下的出行方式时,在很大程度上并没有受到环境因素的驱动。这一点很重要,因为随着微移动用户群的增长,消费者的偏好正在转向更长的电动滑板车旅行距离3.在美国,微型交通的采用为更广泛的消费者提供了实现减排的更多机会,而这些消费者不一定有环保意识。
这项政策实验的结果肯定了移动地理围栏中基于技术的进步作为提高行为遵从性的战略的重要性。几乎完全遵守环境或安全法规的行为是罕见的。这些基于技术的进步有助于政策分析和影响评估,但也提出了与数据访问和治理相关的挑战。数字数据流的可用性可以使政府和政策制定者解决城市交通服务提供方面的差距,但私营平台几乎没有动力与决策者共享专有数据。联合国经济及社会理事会和世界数据论坛等几个全球组织呼吁建立治理机制和伙伴关系,以支持为可持续发展实施分类、高质量的开放数据37.例如,在美国、英国和澳大利亚,共享单车平台同样被证明可以减少汽车出行38.尽管有这些国家和国际的努力,许多实际的挑战仍然存在,我们建议以下关于微移动数据基础设施的地方和区域政策。在我们与城市官员和数据提供商讨论的基础上,应该制定披露政策,以便城市合作伙伴有一个过程来匿名化和汇总记录,这些记录足够细,可以进行广泛的分析,同时确保个人数据的隐私保护,不被重新识别。例如,优步运动以足够细粒度的间隔提供数据,以适用于时间序列分析,同时也保护优步用户的隐私。其次,必须确保档案数据访问的连续性和一致性,特别是当较小的数据所有者退出市场或服务以其他方式中断时。可以通过发放经营微型移动设备的许可证来考虑这一点。第三,需要在区域范围内制定数据标准,以实现不同级别的聚合和时间段的互操作性。优步运动发布的数据提供了一条充满希望的前进道路。
结论
塑造我们城市的决策可能会导致意想不到的影响。我们已经确定,当踏板车和电动自行车被禁止时,司机会经历统计上显著增加的交通拥堵,因为许多乘客会在最后一英里的交通中回到乘用车。由于干预的精确性质,我们观察到在微流动性禁令后的头几天效果最大,但在随后的许多周内表现出持久性。这些影响的持续存在可能会加剧交通拥堵的经济成本,我们估计全球经济成本可高达5.36亿美元(方法)。目前尚不清楚公众对这些意外拥堵影响的认识是否会改变公众对微移动禁令的压力。新加坡、蒙特利尔和西好莱坞等世界各地的大都市地区都对共享微型交通制定了禁令和其他限制,这可能会导致通勤时间增加带来进一步的经济成本。为了加速微型交通的采用并实现其相关的可持续发展效益,我们认为城市需要在实体和数字基础设施方面进行额外投资。对于实体基础设施,土地使用和空间分配将需要更长期的规划,例如将通常预留给汽车的车道转换为可用于微移动的自行车道。如果微交通的进一步普及是以牺牲私家车或其他以汽车为基础的出行等“污染”模式为代价的,那么这些投资对城市可持续发展将变得更加重要,并将产生更大的政策影响。我们已经在米兰、布鲁塞尔、西雅图和蒙特利尔等大城市看到了这方面的证据3.以及中等城市,如北卡罗来纳州的罗利、弗吉尼亚州的亚历山大和亚利桑那州的图森10.微出行有可能取代个人出行的汽车,并推动短期减排,作为一种城市出行解决方案,微出行有望继续强劲增长。
方法
地理围墙政策
亚特兰大市于2019年8月9日实施了微移动禁令。我们使用2019年6月25日至2019年9月22日Uber Movement的高分辨率数据来衡量晚上7:00之间晚间出行时间的变化。午夜时分,政策实施前后。这允许对政策实施前后45天的分析窗口(补充图。1).我们设计了三个准实验来评估重复的流动性(例如,日常社区模式)和基于事件的流动性(例如,为特殊事件而旅行)。如图所示,政策区总面积为136.8平方英里(354.3平方公里)。1.不像其他干预措施,如罚款或使用规则,可能会阻止但不消除骑滑板车,我们能够观察到治疗效果与近乎完美的依从性。这是因为移动应用程序在晚上9点之间自动关闭了非工作时间内所有设备的访问。凌晨4点。移动地理围栏。
Uber Movement提供的出行时间数据来自匿名汇总的出行位置数据,这些数据在空间上被解析为最近的人口普查区。我们下载了可用的最高分辨率的日内出行时间,其中包括禁令开始的时间,优步将其定义为晚上7点之间。和午夜。因此,我们分析了政策实施前后晚高峰时段拥堵的影响,其中高峰时段和政策实施时段有时间重叠,可以用于分析。由于每个区域的旅行距离可能不同,我们将旅行时间数据归一化为原点和目的地区域之间的距离。这样就可以直接比较到城市不同地区的行程。因此,在Midtown和MARTA实验中分析的因变量是每日晚间每英里的出行时间(补充表3.提供描述性统计信息)。在梅赛德斯-奔驰实验中,我们用7月和8月期间参加每个活动的人数来标准化每英里的旅行时间。通过这种方式,我们减轻了在禁赛后的日子里,体育场里的人可能比以前更多的可能性。
自变量包括基于地理位置的统计控制,如人口普查区特征、替代交通方式数量的代理变量以及可能影响旅行时间的常见时间趋势措施,包括日降水量和时间假数。人口普查区域的特征是影响该地区交通拥堵的变量,包括每个区域拥有的车辆数量,这衡量了居住密度。由于禁令的实施与学年一致,我们将每个地区的学校入学率作为学校规模对交通的不同影响的控制。交通替代变量影响通勤者的出行方式选择,包括交通路线数量、步行分数和共享单车枢纽数量。我们还考虑了其他交通替代变量,如交通评分,但由于与其他特征高度相关,这些变量不能用于分析。因为在雨天旅行模式可能不同,我们包括一个虚拟变量的日降水量在晚上。为了将降水数据与区域级观测数据合并,我们使用美国国家海洋和大气管理局公布的数据,找到了离每个区域最近的气象站39.工作日和周末可能会有不同的拥堵影响。此外,在夏季的几个月里,一般的交通拥堵可能会增加,比如夏季活动期间的大规模集会。为了捕捉这个和其他未观察到的时变因素,我们包括了每月和每周的假人。补充表中包括按地区划分的描述性统计数据4并在补充表中为变量提供额外的描述符5.
实验设计
为了分析政策干预的效果,我们实施了各种精心选择的反事实,以减轻治疗区和对照区之间的可观察偏差。例如,在中城实验中,坎伯兰地区被选为反事实,因为统计上相似的可观察特征,包括中位数年龄、中位数收入、种族分布和教育水平。我们测试的其他反事实包括Sandy Springs和Buckhead。1).尽管这些地区的社会经济特征相似,但根据美国人口普查局提供的美国社区调查,我们确实发现了反事实地区之间在车辆拥有量方面的统计显著差异40.因此,如上所述,我们包括了每条道路的车辆密度。在MARTA实验中,政策区域外的地铁站和同一列车系统内的地铁站被选择作为反事实,因为它们在交通服务和为通勤者提供的便利设施方面具有相似性(图2)。1 b).例如,银行、药店、医院和健身房通常都在距离车站和一套常见的多式联运替代方案10分钟或更短的步行距离内。在梅赛德斯-奔驰实验中,我们研究了从梅赛德斯-奔驰体育场到附近允许滑板车使用的目的地区域的每英里行驶时间。1 c).
对于中城实验中的计量经济学分析,我们实现了一个差异中的差异估计器,比较政策区和政策前后的反事实每英里平均旅行时间。为了提供更可靠的定量估计,我们还实现了带有二次反事实的三重差异(DDD)估计器,因为DDD模型可以减少相对于差异中的差异方法的偏差,特别是在存在任何省略变量的情况下41.分析的单位是束的水平。每英里平均行驶时间,Y,是根据城市的特定时间和区域计算的。方程(1)描述DDD估计器。
为了指定策略区域,P表示受政策禁令影响的区域,NP表示不受禁令影响的区域。指定踏板车服务区年代表示可提供微移动服务的地区,NS表示不可提供微移动服务的地区。考虑到政策禁令的意外性质及其时机,我们的识别策略允许我们在晚上估计治疗效果。我们无法估计在一天的其他时间拥堵的影响。
为了验证统计估计的假设,我们在补充图中给出了策略前的并行时间趋势。1.我们注意到,对于中城实验中的三重差异设计,沙泉和巴克海德区域的次级反事实通常是平行的,但不严格需要达到三重差异的统计识别41,42.我们还包括了几个额外的控制变量,这些变量也会影响每英里的行驶时间。例如,我们在中城和MARTA实验中加入了大型共同事件(例如,State Farm Arena, Truist Park, Music Midtown,大型音乐会等)存在的假人,并在回归模型中加入了额外的时间假人(例如每周)作为协变量,以减轻其他时间变异性。
旅行需求模式的季节性变化
先前的研究已经确定,旅行模式可能存在季节性变化,特别是在夏季,这可能会影响我们影响估计的不确定性43,44.众所周知,与时间预算法相比,使用基于行程的方法时,日常旅行行为会经历更高的可变性45.具体来说,Elango et al.(2014)发现亚特兰大有孩子的家庭在夏季表现出较高的旅行需求变异性。为了解决高旅行变异性家庭的作用,我们对我们的中城和MARTA实验进行了一系列额外的稳健性检查。为了减轻高变异性家庭的影响,我们在模型规范中测试了一个额外的控制变量,使用入学率作为有孩子家庭的代理。我们发现无论是用差异中的差异估计器还是三差异(DDD)估计器,在数量上的差异都可以忽略不计(补充表)6).我们的估计对单向和双向聚类都是稳健的46(补充表7),包括与旅行需求变化有关的额外控制,包括学校入学率和大型活动指标。基于这些证据,我们合理地得出结论,季节性引起的高变异性并不是我们估计不确定性的主要驱动因素。
安慰剂的测试
学者们已经确定,单位距离旅行时间的标准差与其对应的均值往往呈线性关系47.考虑到治疗区的平均旅行时间高于反事实区的平均旅行时间,我们的效果可能受到这种变异性差异的影响。为了确保我们的结果对呼吸道变异性的任何差异的稳健性,我们以两种方式实施安慰剂试验。首先,我们复制了数据收集过程,在自然实验前12个月收集样本外旅行时间数据,使用与我们主要分析中使用的相似的日期范围。这让我们在安慰剂测试的主要分析中使用的40个人口普查区中总共获得了20,189个旅行时间观察结果。正如预期的那样,在相同的治疗和反事实的情况下,我们恢复的治疗效果在统计上与零没有差异。这些结果见补充表8,对于各种单向和双向聚类选项也很健壮。因此,我们得出结论道变异性的差异不太可能人为地推动我们的估计。
其次,在MARTA和中城实验的实际政策干预前两周,我们还对所有样本内数据进行了安慰剂测试。正如预期的那样,这些安慰剂测试显示,治疗效果在统计上与零没有差异。这些附加分析载于补充表9.
预计旅行时间增加
为了计算亚特兰大市典型通勤时间的估计增加,我们将实验中的平均拥堵效应乘以城市典型通勤的平均距离。亚特兰大地区委员会估计,富尔顿县居民平均单程开车13.4英里上班48.
计算日益拥堵造成的经济损失
为了计算拥堵加剧造成的经济损失,我们使用了亚特兰大市公布的时间价值(VOT)估算值,即晚上每小时的交通成本为26美元32.这个值允许我们对经济损失进行更保守的估计,而不是对上午的旅行使用36美元VOT的估计。为了获得总出行次数,我们参考了富尔顿县的每日通勤次数和晚间通勤的比例(约11%),以获得更精确的估计49,50.例如,对于中城实验,每英里0.241分钟的估计拥堵效应乘以13.4英里的平均通勤距离,结果是每次行程3.23分钟。为了获得经济影响,我们将分钟转换为小时,并将此数字乘以26美元的VOT,即每次行程的影响为1.4美元。本例所产生的经济影响为每年490万美元。我们在论文中报告的350万美元到1050万美元的范围反映了来自MARTA实验的上部置信区间和中城实验的下层95%置信区间的拥堵效应。这些估计数只反映了VOT的直接影响,不包括其他间接影响。
国家时间损失价值
我们通过两种方式估算了全国交通损失时间的潜在价值。在第一种方法中,我们使用了亚特兰大司机在MARTA实验中损失的总时间(327,000小时)和亚特兰大市的VOT估计值(26美元)的下限,然后缩放到人均价值17.41美元。然后,我们将这一价值乘以美国人口,得出总损失价值为57.3亿美元。为了做出保守估计,我们假设只有10%的美国人口因微移动禁令而经历交通拥堵的增加,最终价值5.73亿美元。此外,我们使用一种方法进行了估算,假设生活在美国城市中心的所有个人(即71.2%的人口)都经历了禁令,以计算损失时间的潜在全国价值的上限。根据这一假设,我们估计全国损失的时间价值将上升到40.8亿美元。
在第二种方法中,我们从估计亚特兰大市的潜在经济损失(1050万美元)开始,并根据亚特兰大市人口生成22美元的人均价值。然后,我们将其扩大到生活在城市中心的美国人口,再次假设10%的人口受到禁令的影响,得出全国估计为5.36亿美元。
COVID-19影响报告
尽管COVID-19对旅行模式产生了重大影响,但本研究得出的结果不受大流行应对措施的影响,因为研究分析的时间段发生在该市实施限制措施的至少6个月之前。
数据可用性
在当前研究期间生成和/或分析的数据集可在Zenodo存储库中获得,https://doi.org/10.5281/zenodo.4924424.空间和社区特征可从AllTransit、步行评分、人口普查美国社区调查和国家海洋和大气管理局的国家环境信息中心下载。亚特兰大市的原始出行时间数据可从Uber Movement, 2022 Uber Technologies, Inc.公开获取http://movement.uber.com.源数据提供了这篇论文。
代码的可用性
为了支持科学复制,所有用于生成该研究主要发现的计算机代码都可以在Zenodo存储库中找到,https://doi.org/10.5281/zenodo.4924424.
参考文献
全国城市交通官员协会美国的共享微型交通:2019年(NACTO, 2019);https://nacto.org/shared-micromobility-2019/
推进格拉斯哥承诺的研究和知识(英国科学与创新网络,2022);https://ukcop26.org/research-and-knowledge-to-advance-glasgow-commitments
Heineke, K., Kloss, B., & Scurtu, D.微型交通的未来:危机后的客流量和收入(麦肯锡公司,2020年);https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/the-future-of-micromobility-ridership-and-revenue-after-a-crisis
霍林沃斯,J.,科普兰,B. & Johnson, J. X.电动滑板车是污染者吗?共享无桩电动滑板车的环境影响。环绕。卷。https://doi.org/10.1088/1748-9326/ab2da8(2019)。
Grahn, R., Qian, S., Matthews, H. S. & Hendrickson, C.旅行者是否在运输网络公司(TNC)和公共汽车之间进行替代?匹兹堡的案例研究。运输48, 977-1005(2021)。
Ward, J. W., Michalek, J. J., Azevedo, I. L., Samaras, C.和Ferreira, P.按需出行对美国各州车辆拥有量、燃料消耗、车辆行驶里程和人均排放的影响。透明。决议C部分新兴技术。108, 289-301(2019)。
国家科学、工程和医学科学院T交通、共享模式和公共政策在新交通格局中的作用(美国国家科学院出版社,2021年);https://doi.org/10.17226/26053
石灰石灰为可持续的巴黎。2018-2019年巴黎石灰环境影响研究(石灰,2019);https://www.li.me/hubfs/Assets/LIME_ENG_Paris%20Sustainability%20Report_11OCT2019_RGB.pdf
电动滑板车是否导致了里昂城市交通的急剧下降?第二街,石灰https://www.li.me/second-street/e-scooters-lyon-dramatic-drop-city-traffic(2019)。
王,K.等。共享电动滑板车取代了哪些出行方式?近期研究成果综述。透明。牧师.https://doi.org/10.1080/01441647.2021.2015639(2022)。
运输部亚特兰大电动滑板车调查:2019年结果(亚特兰大市,2019);https://www.atlantaga.gov/home/showdocument?id=45981
抱歉,滑板车终究不是那么环保的。麻省理工科技评论https://www.technologyreview.com/2019/08/02/646/electric-scooters-arent-so-climate-friendly-after-all-lime-bird/(2019)。
阿森西奥,O. I., Apablaza, C. Z.,劳森,M. C.和沃尔什,S. E.关于工作场所规范和电动汽车礼仪的实地实验。J.工业生态学。https://doi.org/10.1111/jiec.13116(2021)。
Asensio, O. I.等。来自移动平台的实时数据用于评估可持续交通基础设施。Nat。维持。3., 463-471(2020)。
刁敏,孔海辉,赵军。交通网络公司对城市流动的影响。Nat。维持.https://doi.org/10.1038/s41893-020-00678-z(2021)。
Asensio, O. I., Lawson, m.c., Apablaza, c.z.工作场所的电动汽车充电站,具有来自临时和习惯性用户的高分辨率数据。科学。数据8, 168(2021)。
Ha, S., Marchetto, d.j., Dharur, S. & Asensio, O. I.基于变压器的深度学习的电动汽车消费者体验主题分类。模式https://doi.org/10.1016/j.patter.2020.100195(2021)。
Uber运动数据。优步科技有限公司.https://movement.uber.com/(2021)。
市长通讯办公室亚特兰大市实施夜间滑板车和电动自行车禁令,全市禁行区于周五生效(亚特兰大市,2019);https://www.atlantaga.gov/Home/Components/News/News/13118/672
运输部微流动性统计更新:2019年2月至12月(亚特兰大市,2020);https://www.atlantaga.gov/home/showdocument?id=44818
亚特兰大市长宣布500万美元计划帮助微型移动,电动滑板车。亚特兰大为人所https://www.bizjournals.com/atlanta/inno/stories/news/2019/09/26/atlanta-mayor-announces-5m-plan-to-assist.html(2019)。
Verplanken, Bas等人。态度与一般习惯:旅行方式选择的前因。j:。Soc。Psychol。24, 285-300(1994)。
Verplanken, B. & Wood, W.打破和创造消费者习惯的干预措施。公共政策马克。25, 90-103(2006)。
韦普朗肯,B.沃克,I.戴维斯,A.和Jurasek, M.环境变化与旅行模式选择:结合习惯中断和自我激活假说。j .包围。Psychol。28, 121-127(2008)。
韦普朗肯,B. &惠特马什,L.习惯与气候变化。Behav。科学。42, 42-46(2021)。
Gärling, T. & Axhausen, K. W.引言:习惯性旅行的选择。运输30., 1-11(2003)。
Aarts, H., Verplanken, B. & Van Knippenberg, a .根据过去的行为预测行为:重复的决策还是习惯?j:。Soc。Psychol。28, 1355-1374(1998)。
班伯格,S. &施密特,P.激励,道德还是习惯?利用Ajzen, Schwartz和Triandis的模型预测学生在大学路线上的汽车使用情况。环绕。Behav。35, 264-285(2003)。
哈格,P.惠特马什,L. &斯基彭,s.m.习惯不连续与学生出行模式选择。透明。决议F部分精神病。Behav。64, 1-13(2019)。
Burd, C. Burrows, M. & McKenzie, B.;美国通勤时间:2019年(美国社区调查报告,2005);https://www.census.gov/content/dam/Census/library/publications/2021/acs/acs-47.pdf
剑桥系统学交通拥堵和可靠性:缓解拥堵的趋势和先进策略(美国交通部,2005);https://rosap.ntl.bts.gov/view/dot/20656
Sheikh, A., Guin, A. & Guensler, R.旅行时间节省的价值:来自佐治亚州亚特兰大I-85快速车道的证据。透明。研究矩形。2470, 161-168(2019)。
城市规划部流动规划办公室“,可共享无桩移动设备,提交理事会90天报告(亚特兰大市,2019);https://citycouncil.atlantaga.gov/Home/ShowDocument?id=1720
Schrank, D. Eisele, B. & Lomax, T.;2019年城市交通报告(德州农工运输学院,2019);https://trid.trb.org/view/1647076
范,Z. & Harper, C. D.微移动模式替代短途汽车旅行的拥堵和环境影响。透明。决议D部分运输。环绕。103, 103173(2022)。
范勇,郑舒。无桩共享单车通过补充地铁出行来缓解道路拥堵:来自北京的证据。城市107, 102895(2020)。
世界数据论坛(联合国,2021年);https://unstats.un.org/unsd/undataforum
Fishman, E, Washington, S. & Haworth, N.共享单车对汽车使用的影响:来自美国、英国和澳大利亚的证据。透明。决议D部分运输。环绕。31, 13-20(2014)。
NOAA气候数据在线:每小时降水量(国家环境信息中心,2021);https://www.ncdc.noaa.gov/cdo-web/datasets
美国社区调查(美国人口普查,2015);https://www.census.gov/programs-surveys/acs
贝尔克,P.和维拉斯·博阿斯,S. B.关于经济模型的三重差异的注释。达成。经济学。列托人。23, 239-242(2015)。
欧登,李志刚,李志刚。三重差分估计器。经济学。J.https://doi.org/10.1093/ectj/utac010(2022)。
梅默特,J. L. & Young, P.交通拥堵的季节变化:对三个美国城市的研究。防弹少年团技术代表5, 1-5(2008)。
伊兰戈,V. V.,冈斯勒,R. &奥格尔,J.在佐治亚州亚特兰大通勤研究中的日常旅行变化。透明。研究矩形。2014, 39-49(2007)。
Schlich, R. & Axhausen, K. W.习惯性旅行行为:来自六周旅行日记的证据。运输30., 13-36(2003)。
卡梅隆,a.c.,盖尔巴赫,J. B. &米勒,D. L.多路聚类的稳健推理。j .总线。经济学。统计。29, 238-249(2011)。
侯涛,董晓霞,王晓明。车辆交通网络时间变化特征研究。透明。研究矩形。2315, 141-152(2012)。
2019年区域通勤调查技术报告:乔治亚州通勤选择(亚特兰大地区委员会,2020年);https://cdn.atlantaregional.org/wp-content/uploads/regionalcommutersurvey-technical-report-020620-final.pdf
2011-2015年5年ACS通勤流量,表1(美国人口普查局,2015);https://www.census.gov/data/tables/2015/demo/metro-micro/commuting-flows-2015.html
联邦公路管理局和美国交通部2017年全国家庭旅游调查(美国交通部,2017);https://nhts.ornl.gov/assets/2017_nhts_summary_travel_trends.pdf
确认
我们感谢国家科学基金会的资助,奖项编号1945532和奖项编号2125399 (O.I.A.)以及IDEaS数据科学奖学金(c.z.a)的部分支持。对于研究人员访问优步运动数据,我们感谢包容性创新伙伴关系的D. Lam和K. Kirkland。我们也感谢2021年联合国气候变化大会(COP26)零排放汽车(ZEV)研讨会、伦敦政策数据会议、密歇根大学可持续发展会议和公共政策分析与管理协会秋季研究会议的与会者和讨论者。
作者信息
作者及隶属关系
贡献
概念化:O.I.A.;方法:O.I.A、c.za.m c.l;软件:M.C.L、E.W.C.、c.z.;验证:M.C.L, E.W.C.和c.z.a;形式分析:C.Z.A。,M.C.L E.W.C. S.J.H.;调查:O.I.A。,C.Z.A M.C.L, E.W.C. S.J.H.;资源:O.I.A.;数据管理:C.Z.A。,S.J.H E.W.C. M.C.L.;写作-初稿:O.I.A, c.z., S.J.H.和m.c.l;写作评论和编辑:O.I.A, c.z a, m.c.l和e.w.c; visualization: C.Z.A., M.C.L., E.W.C. and S.J.H.; supervision: O.I.A.; project administration: O.I.A.; and funding acquisition: O.I.A.
相应的作者
道德声明
相互竞争的利益
作者声明没有利益竞争。
同行评审
同行评审信息
自然能源感谢Charilaos Latinopoulos和其他匿名审稿人对这项工作的同行评审所作的贡献。
额外的信息
出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。
补充信息
补充信息
补充图1和表1 - 9。
源数据
图2 .来源数据
图2显示动态处理效果的源数据。
权利和权限
开放获取本文遵循知识共享署名4.0国际许可协议(Creative Commons Attribution 4.0 International License),允许以任何媒介或格式使用、分享、改编、分发和复制,只要您对原作者和来源给予适当的署名,提供知识共享许可协议的链接,并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可中,除非在材料的信用额度中另有说明。如果内容未包含在文章的创作共用许可协议中,并且您的预期使用不被法定法规所允许或超出了允许的使用范围,您将需要直接获得版权所有者的许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/by/4.0/.
关于本文
引用本文
阿森西奥,o。i。阿伯拉扎,c。z。罗森,m。cet al。基于自然实验和地理围栏政策的微流动性对汽车位移的影响。Nat能源(2022)。https://doi.org/10.1038/s41560-022-01135-1
收到了:
接受:
发表:
DOI:https://doi.org/10.1038/s41560-022-01135-1
这篇文章被引用
一项自然实验表明,电动滑板车确实能减少交通堵塞
自然(2022)