Robotaxi将如何重塑网约车市场？——Robotaxi部署规模、补贴水平与社会责任的影响

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：How will robotaxis reshape the ride-hailing market? Impacts of robotaxi deployment scale, subsidy level and social responsibility

　　

- 利用大规模网约车数据构建异质选择模型，以评估自动驾驶出租车（Robotaxi）的多维影响。
- 运用反事实分析量化Robotaxi驱动的市场份额变化，表明价格敏感度超过出行时间关注。
- 展示适度补贴和车队规模扩张如何提高订单量和利润，而过度补贴则会产生"规模陷阱"。
- 为补贴、车队扩张和绿色监管提供政策指导，以平衡利润、就业和环境目标。

## 引言

移动互联网和智能设备的普及推动了网约车服务的快速扩张，提供了更加便捷高效的城市出行方式。网约车平台作为公共交通和私人车辆的有益补充，有助于优化出行资源，同时提升可达性和服务多样性。全球范围内，网约车行业经历了快速扩张，尤其是在北美、欧洲和东南亚（Chalermpong等，2023；Intelligence，2026）。据中国交通运输部统计，截至2023年底，全国共有337家网约车平台获得经营许可，发放了657万份驾驶员从业资格证，全年完成网约车订单91.1亿单。然而，随着平台间竞争加剧和司机队伍不断壮大，网约车市场已从快速增长逐步转向供过于求。根据《中国城市交通年报2023》，主要城市的网约车运力利用率偶尔低于60%，表明存在显著的运力过剩。在这些市场压力之下，自动驾驶技术的出现正在给行业带来更深层次的颠覆性变革。全球各地城市，包括美国、欧洲和东亚的城市，正在加速自动驾驶出租车的研发、试验和试点项目（Noh等，2026）。在美国，Waymo和Cruise等公司在菲尼克斯、旧金山和奥斯汀等城市运营自动驾驶出租车服务，部分服务已取消安全员提供商业乘车（Jin，2022；CBS，2023）。在欧洲，Mobileye和Yandex等公司在慕尼黑、巴黎和特拉维夫等城市测试Robotaxi车队，通常与当地政府和地方当局合作（Mobileye，2021；Ride，2025）。中国也已崛起为Robotaxi部署的全球领先者，百度Apollo、小马智行（Pony.ai）和文远知行（AutoX）等公司正在北京、上海、合肥、深圳和武汉等城市推出试点和商业服务。

在技术进步、政策支持和社会接受度提高的驱动下，Robotaxi日益被视为未来智慧出行体系的重要组成部分。然而，其大规模部署可能对网约车市场动态、就业和环境可持续性产生深远影响。首先，Robotaxi预计将重塑网约车市场。通过消除司机相关的人力成本，它们可以提供更具竞争力的票价，吸引价格敏感的消费者，并可能占据相当大比例的市场需求。虽然当前网约车市场看似供过于求，但企业仍然具有强大的战略动力去投资这类颠覆性技术。为抢占市场份额，Robotaxi运营商往往依赖激进的资本注入来补贴乘车费用并建立用户基础。例如，根据2024年10月对武汉500次Robotaxi行程的调研，平均票价相对Robotaxi官方定价补贴了近70%，补贴后的票价约为传统网约车服务收费的65%。1

其次，Robotaxi的广泛采用可能引发严重的就业问题。随着对人工司机需求的下降，潜在的岗位替代可能加剧劳动力市场压力，并为劳动力转型和社会保护体系带来挑战。因此，Robotaxi部署的就业影响已成为重要的政策关切。

第三，Robotaxi尽管具有潜在的出行效益，但可能带来环境挑战。较低的运营成本和不高的票价可能诱导出行方式从步行、骑行和公共交通等更可持续的模式转移，导致网约车需求增加。这种反弹效应可能加剧环境压力，使碳减排目标的实现更加复杂。

为应对这些挑战，本研究构建了一个将Robotaxi纳入现有网约车系统的市场模型。该模型采用随机系数设定来捕捉消费者在价格敏感度和服务属性偏好方面的异质性。为处理价格可能存在的内生性问题，我们将随机系数框架与工具变量方法相结合，并使用模拟GMM进行模型估计。在此框架基础上，我们进行反事实分析，系统评估Robotaxi定价和部署策略如何影响网约车市场结构、就业和环境结果。本研究做出了两项主要贡献。首先，从方法论角度来看，我们开发了一个随机系数离散选择框架，利用中国大规模真实行程数据，将Robotaxi运营商的战略决策与个体出行行为相结合。这一集成框架能够估计Robotaxi与传统网约车服务之间的替代模式和交叉弹性，从而比现有研究（Kaplan等，2024；Zhang等，2024a）更详细地理解市场动态。其次，从实证角度来看，我们超越了对外部性的简单评估，明确量化了Robotaxi运营商的商业目标（利润最大化）与更广泛的社会目标——包括就业和碳减排之间的权衡。这一多利益相关者框架为政策制定者提供了实用洞察，帮助其设计基于证据的干预措施，如定向补贴或运营监管，以引导向符合社会期望的自动驾驶出行体系过渡。

这种多维分析尤为重要，因为Robotaxi的大规模部署不仅代表技术进步，还可能对网约车市场产生根本性颠覆。一方面，人工司机的替代可能产生重大的就业挑战和社会关注。另一方面，延长运营时间和额外巡游寻找乘客可能增加车辆行驶里程和相关排放。这些外部性可能促使政府引入监管措施，以缓解不利的就业和环境影响。通过明确纳入这些监管考量，本研究展示了Robotaxi运营商如何在市场扩张目标与更广泛的社会目标之间取得平衡。总体而言，本研究有助于更深入地理解自动驾驶和智慧城市出行系统，为中国的技术创新、监管政策和可持续发展提供了重要启示。

本文其余部分结构如下。第2节回顾自动驾驶和网约车服务的相关文献。第3节介绍实证分析框架，包括需求模型、参数估计以及评估Robotaxi服务引入后市场变化的方法。第4节阐述数据来源、订单聚合过程、人口统计信息和各场景的参数设置。第5节呈现估计结果。第6节对Robotaxi部署进行全面分析，考察市场需求变化、补贴策略、车队规模以及就业和环境影响等更广泛的社会考量。此外，还包含敏感性分析。最后一节对论文进行总结。

## 文献综述

Robotaxi在城市出行方面的变革潜力近年来引起了学界的广泛关注。本节从四个方面回顾现有文献：(1) 公众对自动驾驶汽车的接受度；(2) 网约车需求的决定因素；(3) 自动驾驶对行业和利益相关者的影响；(4) Robotaxi部署的模拟与场景分析。通过综合这些研究方向，我们可以识别出本研究旨在填补的关键空白。

## 需求模型

本模型的主要目标是分析网约车市场中消费者的选择行为，并评估引入Robotaxi的影响。传统的消费者偏好研究通常依赖于基于调查的需求数据和标准离散选择模型，如多项Logit和秩次排序Logit模型（Asmussen等，2020；Ahmed & Roorda，2022；De Grange等，2024）。在我们的实证框架中，我们以标准Logit设定作为基准，然后……

## 网约车订单数据与聚合

本研究使用的网约车订单数据来源于安徽省出租汽车行业数据交换和服务质量监督平台。选择合肥数据有三个原因。首先，合肥是智能交通和自动驾驶技术的试点城市，为Robotaxi研究提供了有利的政策和技木支持。其次，安徽省各城市在经济发展方面存在显著差异……

## 模型估计结果

表6展示了模型估计结果。第三列的完整模型是本文关注的焦点，因为它捕捉了消费者偏好的异质性，更全面地理解消费者对产品特征的反应。第一列和第二列作为基准和稳健性检验。价格、出行时间、等待时间、行程距离和电动汽车偏好的估计符号在三个模型中一致，表明效应的方向……

## 网约车市场需求变化

基于表5中描述的多个场景，我们利用估计的模型参数和公式(7)评估Robotaxi引入后对网约车需求的影响。我们分析基准场景和反映价格和时效性不同敏感度的替代场景下的产品层面需求变化。

## 结论

本研究系统地探索了Robotaxi进入城市网约车市场的多维影响。利用大规模订单数据、异质随机系数离散选择模型和BLP结构估计框架，结合多场景反事实分析，我们研究了Robotaxi如何影响市场结构、消费者行为、补贴和车队策略以及社会责任。研究发现城市出行存在显著变化……

## CRediT作者贡献声明

廖伟俊：写作——审阅与编辑、写作——初稿撰写、可视化、验证、方法论、调查、获取资金、形式分析、数据管理、概念化。

姬晴：写作——初稿撰写、可视化、方法论、调查、形式分析。

王华：写作——审阅与编辑、写作——初稿撰写、验证、监督、方法论、调查、获取资金、形式分析、概念化。

龙建程：写作——初稿撰写。

## 利益冲突声明

作者声明，他们没有已知的经济利益冲突或个人关系可能影响本文报告的工作。

## 致谢

本研究得到国家自然科学基金（批准号：72471070、72601150、72461160316、72603376）和安徽省自然科学基金（批准号：2508085QG266）的资助。

**廖伟俊 | 姬晴 | 王华 | 龙建成**