《Research in Transportation Business & Management》：Stakeholder interactions in Mobility as a Service (MaaS): A unified bi-level optimization framework
编辑推荐：
• 双层模型将出行即服务（Mobility as a Service, MaaS）利益相关者整合于统一框架。
• 在运输服务提供商（Transport Service Providers, TSPs）竞争条件下，对动态批发与零售定价进行建模。
• 将三类政府激
• 双层模型将出行即服务（Mobility as a Service, MaaS）利益相关者整合于统一框架。
• 在运输服务提供商（Transport Service Providers, TSPs）竞争条件下，对动态批发与零售定价进行建模。
• 将三类政府激励整合至MaaS优化中。
• 在多模式网络上开展验证与政策评估。
• 智能激励使MaaS份额由28%提高至约40%。
研究背景与问题。城市机动性系统面临拥堵、服务效率与环境可持续压力。出行即服务（Mobility as a Service, MaaS；将多种交通方式整合至统一数字平台的出行服务范式）旨在整合公共交通、共享单车、网约车与拼车等服务，使用户统一规划、预订与支付多模式出行。既有研究虽从用户采纳、商业模式与监管框架等维度讨论MaaS，但其大规模商业化仍受治理、制度协调、利益相关者协作与财务可持续商业模式等障碍制约，MaaS Global/Whim平台运营者破产进一步凸显独立MaaS商业模式在实践中的商业挑战。现有优化研究多孤立考察定价、用户行为、服务打包或政府激励，政府激励常被外生处理或与定价、竞争互动分离，难以联合评估政策激励对用户、运输服务提供商（Transport Service Providers, TSPs；提供单一或多种运输服务的主体）、MaaS运营商与政府决策及系统绩效的影响。为此，研究人员构建统一双层优化（bi-level optimization；上下层决策相互影响的分层优化结构）框架，将上述利益相关者纳入同一多模式网络：上层联合优化用户与TSP效用，并内生决定批发定价与需求分配；下层由MaaS运营商在给定上层结果下设定零售价以最大化平台利润；同时纳入环境导向激励、TSP参与奖励及MaaS需求超过预设阈值时的财政支持三类政府激励。该研究结论显示，动态定价、TSP竞争与激励联合实施可使MaaS采纳份额由静态定价无激励下约28%提高至最综合配置下近40%；基于绩效的激励以显著更低公共支出达到接近固定每程补贴的采纳水平，且在需求增长下阈值激励更具可扩展性。该框架为联合评估定价、竞争与政府激励提供决策支持工具，对管理决策与政策制定具有重要意义。
关键技术方法（不超过250字）。研究人员采用双层优化建模与迭代求解，上层为混合整数非线性优化，处理路径选择、批发价、参与决策、拥堵外部性与公交延误惩罚；下层在零售价边界和MaaS补贴上限下优化平台效用；上下层交替迭代至价格、需求分配和目标值相对变化低于容差。道路拥堵由Bureau of Public Roads（BPR）函数刻画。案例为原Sioux Falls网络（South Dakota, USA；24节点、76条有向边）扩展而成，原始网络来源为Yao & Zhang，扩展后含私家车、共享出行、共享单车、公交、轨道五类模式及换乘节点。研究设计8个情景，并进行预算校准、容量校准、需求敏感性分析与绩效阈值敏感性分析。
研究结果。6.3.1 MaaS采纳：通过八情景数值实验，无激励情景1、3、5的MaaS份额约28%—31%；成本型激励情景2、4适度提高；动态定价、竞争与激励叠加的情景6、7、8分别约35%、39%、略超40%；情景8最高但需显著更大激励预算，情景7以更可控支出取得接近采纳。6.3.2 模式再分配：通过各情景模式距离份额比较，基线私家车略高于60%，情景7、8降至约45%；减少部分主要转向共享出行和轨道，共享出行由约10%升至近25%，轨道约20%—25%，公交低于10%；MaaS用户内部轨道约40%—50%，共享出行由约25%升至情景6近50%后稳定，共享单车约10%—15%。6.3.3 利益相关者经济结果：通过TSPs与MaaS利润及用户成本比较，无激励时MaaS利润约�47k—�70k、TSP收入约�110k—�153k且用户成本高；成本型激励提高收益并降低用户成本；情景6—8利润和收入显著提高、用户成本最低，TSP收入情景6超�200k、情景8约�239k，MaaS利润约�110k—�146k；情景8依赖更高政府支出，情景7以较适中预算取得相近收入，表明绩效型定向激励可平衡盈利、可负担性与财政效率。6.3.4 环境绩效：通过CO
2排放强度（每客公里）比较，情景1—6较稳定，情景7、8显著下降，与私家车向轨道和共享服务转移一致；但下降幅度中等，因私家车仍占相当份额、共享出行仍在拥堵道路运行；情景7与8环境结果相近，固定补贴略有更高采纳但公共支出更大，表明激励结构比补贴绝对水平更重要。6.4.1 模型校准：通过预算校准和容量校准保证可比性与现实性；预算校准以情景8基线政府总支出定义情景7最大可用预算；容量校准在基线均衡流下使公交和轨道各链路基线负载率为75%，高需求水平按服务频率比例缩放有效容量。6.4.2 需求敏感性分析：通过提高需求水平比较情景5、7、8，基线需求下情景7、8的MaaS份额约45%—46%、情景5约37%；中间需求情景7升至近67%，情景8约50%后下降；高需求情景7维持约72%—74%，情景8约35%—36%，情景5为32%—45%且持续低于激励情景。模式构成上，情景5高需求私家车回升近60%，情景7私家车降至低于10%、共享出行约50%—60%、公交约30%，情景8高需求私家车回升约60%。政府支出上，情景8由约�220增至近�870，情景7低需求为零、中间约�300后稳定略低。公交负载在情景7需求乘数约1.5超过容量，轨道最高需求乘数情景7约1.6、情景8近2.0；MaaS多模式份额情景7由约64%升至近76%，情景8由约65%降至最高需求约51%。该分析表明阈值激励随需求增长更有效，固定每程补贴效率下降，并需配套供给侧容量调整。6.4.3 绩效阈值敏感性分析：通过将情景7绩效阈值由45%改为35%和55%，降低阈值至35%使MaaS采纳由41.96%升至42.55%、政府总支出由�166,828升至�259,934；提高至55%使采纳降至38.73%、支出降至�109,190；阈值从35%到55%使支出降约58%而采纳仅降3.82个百分点，说明阈值主要控制公共支出且可保持采纳相对稳定。
讨论与结论。管理政策含义表明该框架是战略决策支持工具而非未来采纳预测；政策效果取决于激励设计而非仅财政支持水平，绩效型激励可较低支出实现常规补贴相近采纳，但需监管框架、透明绩效监测与跨主体协调能力；MaaS运营商和TSPs应将平台视为出行生态协调系统，需透明合同、数据共享、互操作平台和收入共享。MaaS实施仍受组织、制度与商业挑战约束，技术整合不足以保障成功，可持续商业模式、信任、治理、互操作与长期公私合作是前提。
研究结论部分翻译：研究人员开发双层优化框架，分析用户、TSPs、MaaS运营商与政府政策在集成多模式移动系统中的交互；模型联合刻画批发定价、平台零售定价、乘客路径选择、拥堵、感知服务质量与政府激励。基于扩展Sioux Falls网络的数值实验表明，动态定价改善需求分配并提高MaaS利润与TSP收入，TSP竞争使需求转向质量—成本更优服务；政府激励设计显著影响MaaS采纳与公共支出，固定每程补贴提高需求但支出快速增加，而阈值绩效激励以更低支出实现类似采纳；MaaS采纳主要对应私家车向共享出行和轨道转移，环境改善源于模式构成但减排幅度中等；需求增长下阈值激励维持更高采纳与多模式整合并限制支出，固定每程补贴效率下降。研究结论认为协调定价、TSP竞争与绩效型政府激励可提高MaaS经济可行性与环境绩效，同时更好控制公共支出。作者同时指出模型未显式刻画合同谈判、制度冲突、监管约束与治理过程，乘客采用确定性效用且未纳入行为异质性、习惯、信任、数字素养和社会人口差异，因此数值采纳水平应解释为受控条件下不同政策与市场情景的相对效果，而非现实市场渗透预测；未来应丰富行为与制度表示、服务容量、车队管理、合同交互与治理结构，并使用真实多模式数据校准与验证。
