本报告利用纽约及新泽西大规模合成出行数据和市场级联合模式-目的地选择模型,评估纽约市拥堵收费对出行福利的分布性影响及其补偿策略。结果显示,拥堵收费整体提升交通速度和公交乘客量,带来约10亿元总收入及2.4亿美元的出行福利损失,且福利损失主要集中于曼哈顿上城、布鲁克林及新泽西哈德逊县等地区。研究进一步计算了通过公交等候时间缩减和票价补贴实现补偿的需求量,揭示不同群体对时间及费用敏感性存在差异,提示结合多种补偿手段才能兼顾效率与公平,支持纽约拥堵收费项目的公平合理实施
报告标题:Distributional welfare impacts and compensatory transit strategies under NYC congestion pricing
作者:Xiyuan Ren, Zhenglei Jia, Joseph Y. J. Chow
机构:C2SMARTER University Transportation Center, NYU Tandon School of Engineering
发布日期:2025年
主题:纽约市拥堵收费政策的分配性福利影响及补偿性公共交通策略设计分析
核心论点及摘要:
本报告基于合成数据与实测数据,估计和校准了纽约及新泽西地区交通出行行为模型,评估了2025年纽约市中央商务区拥堵收费计划(CBDTP)的福利影响及其在不同人群与不同区域的分布差异。研究发现拥堵收费虽带来约10亿美元年收入及改善交通速度和公共交通使用率的整体收益,但存在接入性福利损失显著,其中受影响最深重的区域为上曼哈顿、布鲁克林及新泽西哈德逊县,尤其是难以切换出行方式或目的地的群体。报告进一步量化了通过缩短公共交通等候时间和提供票价补贴两种策略补偿福利损失所需的规模。结论强调仅依靠单一补偿手段难以兼顾效率与公平,需多维度综合策略支持,从而促进公平转型和政策长期公信力的建立,1,2]。
介绍了纽约市CBDTP自2025年1月5日上线,作为美国首个以“边界线”为基础的拥堵定价案例。收费标准依车辆类型、时段及付费方式不同而异,乘私家车收费9美元起,摩托4.5美元,货车至公交最高可达521.6美元,多数用户享有多种优惠政策,如车主低收入折扣及夜间折扣。拥堵收费设计初衷为内化高峰时段驾驶带来的外部成本,类似伦敦、斯德哥尔摩及新加坡等全球成功案例,目的在于减少交通压力、改善空气质量、筹集公共交通资金。纽约早期评估显示,路段平均车速提升15%,CO2排放下降2-3%,但仍遭遇来自商业集团和新泽西政治团体的强烈反对。讨论指出程序虽效益明显,但分配性影响引发公平争议,特别是低收入及州际通勤者负担加剧。
研究目的是通过联合出行方式与目的地的模型,使用合成大数据和真实交通计数数据,度量福利效应并评估补偿策略效果。该方法创新引入逆产品差异对数模型(IPDL)替代传统嵌套对数模型,更好捕捉模式与目的地跨维度替代效应,基于最大似然与二阶段最小二乘方法校准参数,强调分群异质性与前后政策变化的参数差异。
回顾了全球典型拥堵收费实施情况及相关实证研究,重点介绍:
拥堵收费通过收费转变乘客出行时段、路线及模式的策略,实证研究证实有高达23%的习惯驾车者愿意转向公交、骑行或步行。纽约作为最拥堵城市,已显著减少驾驶进入核心区11%,公交速度提升20%,客运量提升7-12%。但公众反对基于收费公平性与转变难度,低收入折扣亦被认为未完全消除负担差异。学界通过离散选择模型(DCMs)分析福利影响,但多以单一城市或单一决策维度为视角,缺乏对区域溢出、参数动态变化、政策组合补偿策略的综合评估,4,5]。
本研究的技术创新有:
研究区域涵盖纽约州63县及新泽西5县(纽约大都会区最主要通勤县),重点关注曼哈顿南部60街以南的拥堵区(CRZ),兼顾区域间通勤流影响。数据依赖Replica公司提供的2023年第二季度合成合成出行数据(覆盖6000万出行),数据融合手机定位、人口统计、经济活动与环境因素,精度与官方CTPP和人口普查数据偏差均控制在可接受范围内(属性误差<5%,通勤模式分享误差<10%)。合成数据区分人口群体为低收入、非低收入、老年、学生,以及上下班/非上下班旅程和高峰/非高峰时段合16段旅程,且排除货车出行便于聚焦公共交通影响。为了补充合成数据缺少的细节,如公交等候时间和转乘,采用OpenTripPlanner结合GTFS和OSM数据进行时空计算,7]。
采用市场层次的联合模式与目的地选择模型,将单个细分市场的旅行按照起点县、模式和目的地汇总,构造替代集达378个(63+5 counties × 6 modes),总市场1088组。模型基于Berry等人(1995)提出的市场层二元式效用函数,考虑旅行时间、成本、模式及目的地常数及纽约市与境外区别交互项,体现不同地区偏好异质性,9]。
为突破传统单维嵌套对数模型(NL)的限制,采用IPDL方法在两个维度(模式、目的地)上同时捕捉替代相关性,提高对联动响应和溢出效应的模拟能力,特别对CRZ区域内外驾车和公共交通模式切换的相互影响的更真实表达,11]。此外,对于价格作为内生变量,设计了工具变量策略依据同一市场内其他替代方案的旅行时间变量进行两阶段最小二乘(2SLS)估计,解决价格内生性问题,保障对成本参数的稳健估计。
由于缺少详尽的后实施微观数据,仅能利用MTA公布的交通流量和公共交通客流等边际数据,以优化方法校准拥堵费相关效用参数,结合交通速度提升(+15%)和公共交通性能变化调整系统效用函数,从而预测及匹配2023至2025年间CRZ车流变化。采用序列二次规划(SLSQP)算法高效求解对应约束优化问题,确保模型与真实数据高度吻合。此后以公交乘客数作为模型有效性验证,结果表明模型对交通流及公交流量变化预测均在较小误差范围内,13,17,18]。
福利度量围绕:
重点测试两种补偿手段单独或联合效果:
两种补偿效益衡量设计了Kaldor-Hicks效率(总福利补偿)和Pareto改进(无群体福利受损)两大目标,分别用于系统性和公平导向补偿评估,并通过迭代数值优化方法识别实现目标所需精确补偿规模,15]。
图1清晰展示了研究所涵盖的纽约州全境和新泽西五县的地理分布。右上角的插图具体描绘了CRZ范围及相关主要收费桥隧,帮助读者理解拥堵收费区域的空间界定及其与周边县域的关系。该图证明模型设计包括了跨州通勤流重要影响,有助捕获跨区域的乘客流动和福利影响。
此表细分为4个人口群(低收入、非低收入、老年、学生)、2类出行目的(通勤/非通勤)和2个时段(高峰/非高峰),列示每日平均出行次数及同步段内主要出行模式份额。
该表为后续模型提供了重要输入分布特征,有利于精准构建分群模型及对应的政策模拟。
该图直观说明传统嵌套对数模型(NL)仅捕捉单维嵌套相关(模式嵌套在目的地或反之),导致模式与目的地维度间替代效应独立。而IPDL模型允许多维嵌套,捕捉模式与目的地相互作用的相关性。
如图中所示,NL模型假设CRZ区驾驶减少,非CRZ区所有模式均受益(乘客流量增多);而IPDL显示CRZ驾驶减少会导致非CRZ区驾驶也被牵连减少,证明IPDL涵盖了更全面的联动替代效应。该特征使IPDL在评估多维决策影响、区域溢出效应时更具现实解释力。
表中展示了交通时间(自动车、公交接驳、等待、车内)、转乘次数、费用等变量在不同群体(如非低收入通勤者、低收入通勤者、老年非通勤者、学生非通勤者)中的效用系数及显著性。
该表量化了不同人群、地域与出行目的的偏好差异,是理解分配效应、设计精细补偿策略的基础。
该表显示模型对2023至2025年纽约和新泽西自动车出行下降百分比的预测和实测基本吻合,误差均在1%以内,验证了模型的准确性。此外,模型对公交客流量预测稍低于实测,有约-2.6%与-4.2%的负偏差,且公交增长预测(7.03%)略低于观测(8.79%),推测因模型仅考虑拥堵收费影响,而忽视其他促进交通增长的政策。
图3(a)展示分起点区域的出行模式数目,拥堵收费后,曼哈顿及纽约市出行中驾车人数显著下降,公交和拼车等替代模式增加,反映明显的模式转移。纽约州其他地区变化不明显。图3(b)表现各县目的地出行数,其中CRZ和上曼哈顿的驾驶出行减少最显著,其他区域变化较小。整体出行量仅微幅减小0.01%。此图形象体现拥堵费将引发的空间-模式联动影响。
报告了模型估算的拥堵收费年收入约为10.77亿美元,远高于MTA公布的5亿美元净收入,差异原因包括仅计平日出行、统一假设FHV费用及未计季节性波动。
该结构说明收入来源高度集中,且不同群体适用补偿力度需据此个别设计。
地图与条形图合并揭示福利得失非常集中,CRZ区因减少拥堵及提升交通效率获得约6万美元/日的净福利;上曼哈顿(-20万美元/日)、哈德逊县(-16万美元/日)和布鲁克林(-6万美元/日)遭遇显著福利损失。其他外州县区损失极小,部分因减少拥堵获得微小正效益。该空间分布深刻提示资源补偿应重点聚焦受损最严重区域,22]。
此柱状图比较低收入、非低收入、老年和学生四类人口在不同区域(CRZ、上曼哈顿、NYC其他区、外州及新泽西)通勤及非通勤旅行的福利损失。
图示表达了不同群体在政策冲击下的异质反应,强烈支持基于分群补偿设计。
表中给出两大策略单独应用时的补偿广度:
考虑现实投入,新泽西大幅提升发车频率挑战较大,票价补贴成为更优选。票价折扣按人口群个别计算,显示非低收入群需求最高,低收入及学生群因敏感度较高而需较少补贴。该分析强调组合策略必要性,以兼顾不同群体利益。
Pareto改善需保证所有群体福利非负,故资源需求显著增加。
表7具体列出了不同程度等待时间改善下,细分群体所需票价补贴水平及对应年度补偿金额,清楚体现低收入与学生群体对票价补贴依赖度较高,非低收入群体则更多受等待时间改善益处。该结果显示统一折扣存在效率低下风险,鼓励采取差异化补贴机制。图6进一步强化了这一结论,展示等待时间与补贴资金的补偿权衡曲线,25,26]。
本报告核心估值基于消费者剩余(CS)和补偿差异(CV)计算,量化拥堵收费政策对不同人口和区域的经济福利影响。实际按日及年转化显示整体福利损失约2.4亿美元,但同时政策带来约10.77亿美元的粗收入,远高于损失,满足凯尔多-希克斯(Kaldor-Hicks)效率准则,即净效益为正。但分配性不均衡暗示未必实现帕累托改进(Pareto improvement),提示补偿设计需精准向高风险群体倾斜。此外,选用IPDL模型体现了多维替代关系,提升估值精度和解释力,13,20,21]。
报告隐含风险因素包括:
本报告通过创新的合成数据驱动联合模式及目的地选择模型,结合真实交通计数数据,深刻揭示了纽约CBD拥堵收费政策的多维福利影响与复杂分布。拥堵收费虽整体提升了系统效率,实现年亿元量级正净收入与改善交通状况,但同时造成了上曼哈顿、布鲁克林及新泽西特定区域低收入者及通勤群体的集中福利损失。模型精确捕捉了时间-成本权衡的异质性,凸显公交等候时间对高价值时间群体(如非低收入通勤者)影响巨大,而票价折扣对低收入群体更为关键。
综合表格和图表显示实现公平且有效的补偿策略无法仅靠单一手段,必须以0.5-2分钟范围的公交等候时间减少辅以针对性票价补贴,并且根据区域和乘客类型差异化设计补偿策略方能达到Pareto改进,同时避免补偿资源浪费。纽约市内实现Pareto改进所需补贴资金与公交改善适中,而新泽西因服务改善效果有限,票价补贴主导的策略更为经济可行。
政策含义强调,未来拥堵定价政策需融合细致的利益相关者分群分析,采用多维补偿工具包,结合服务改进、经济补贴和多模式投资,同时纳入货运运输与“最后一公里”连接措施,确保生态与社会双重效益的实现。研究局限指出模型空间分辨率及数据完整性有待增强,未来应拓展动态行为建模与补偿决策的联合优化,实现更具可操作性和公平性的拥堵收费政策设计。
图1:研究区域地图
图2:NL与IPDL对比
图3:拥堵费实施前后出行模式和目的地预测变化
图4:拥堵收费福利空间分布
图5:分群平均每趟旅行补偿变差CV
图6:Pareto改进下补偿策略投入权衡
本报告严谨运用先进的交通模型与大数据手段,提供了对于拥堵收费政策社会经济效益影响及补偿策略设计的系统性研究,具备极高的政策指导价值和学术创新。通过分群/分区域细粒度分析,为纽约市及类似大都市政策制定提供了明确的技术路径和理论依据,尤其在平衡效率与公平、宏观收益与微观承受能力之间提出了切实可行的解决方案。未来进一步结合多模态出行演变和动态实时数据,将极大提升模型预测性和政策适应性。
2510.06416.pdf