🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
欧盟通过了一部新法律，要求网约车平台把自动派单的规则用普通人看得懂的话讲清楚。这部法律叫《平台工作指令》，成员国要在二零二六年底前把它写进本国法律。过去司机只能靠猜：为什么这单派给我、为什么把我调去另一个区、高峰加价怎么算，全靠经验摸索。现在平台必须说明主要参数、各参数的重要程度，以及司机的行为会怎样影响平台的决定。问题是，规则一旦公开，司机就会照着规则为自己打算；而大模型正好能读懂这种大白话规则，可以当司机的“外脑”。于是平台原本设计得好好的调度办法，可能在规则公开后完全变样。
这件事不只是网约车公司的事。它关系到平台劳动者的知情权、收入稳定性和劳动条件，也关系到城市里乘客能不能叫到车。研究者想知道：公开信息究竟会让平台和司机的关系更公平，还是会让原本有效的调度办法失灵。
② 研究问题（要回答什么？）
这篇论文要回答一个很实际的问题：当调度规则必须公开、司机又会用人工智能助手按自己的收入做选择时，两种主流的车辆调度办法还能不能像以前那样有效。第一种叫反应式调度，看到哪个区刚刚流失了订单，就把空闲司机派过去补位。第二种叫预判式调度，先预测未来一段时间的需求，再提前把司机安排到将要缺车的地方。
研究把这两种办法分别放在“不公开规则”和“按法律要求公开规则”两种情况下比较，看司机收入、平台利润、乘客能否叫到车、等车时间各自怎么变。它还想知道：如果结果变差，究竟是公开信息本身造成的，还是调度规则的设计经不起公开。换句话说，平台过去觉得好用的规则，有多少是建立在“司机看不懂”这个前提上的。
③ 研究方法（怎么做的？）
研究者没有请真人司机做实验，而是把每个司机都交给一个大语言模型来扮演。模型只收到一段文字：当前时间、自己在哪个区、周围有多少空闲车和订单、收到的派单或调车邀请，以及公开条件下平台用大白话写出的规则。模型从几个选项里挑一个：接单还是拒单、接受调车还是拒绝、自己决定留在原地还是开去别的区。它的唯一目标是让自己当天的净收入最多，既不模仿真人，也不替平台着想。
实验分两个规模。小模型只有三个区、十个司机，像实验室里的沙盘，订单按早晚高峰的规律生成。城市模型用曼哈顿路网划出二十九个六边形区域，五百名司机跑一整天，订单来自二零一六年三月的纽约黄色出租车记录。每种组合都和不公开规则的情况对照，另外还请了完全听话的司机做基准。两个不同的大模型各跑一遍，用来检验结论是不是只对某个模型成立。动手之前，研究者还出了十几道选择题，确认模型真的看懂了规则。
④ 结果（发现了什么？）
规则一公开，两个大模型扮演的司机都更愿意听平台的安排，在曼哈顿拒绝调车邀请的比例从大约八成降到大约四分之一，接受比例从两成上下跳到七成半左右。理解规则后，他们在小模型里少做无谓的空驶，收入普遍上升，乘客叫到车的比例提高十到十八个百分点。
但同样的行为，在两种调度办法下结果相反。反应式调度原本靠司机拒掉邀请、自己顺路开过去，等于免费帮平台调车；规则公开后司机照单接受，平台就得为这些移动付钱，一天多付约三千四百美元补偿，利润反而少了百分之三点七。预判式调度只在对平台划算的地方发邀请，司机接受后平台几乎不亏，利润基本不变，还略微上升。
最终两种办法的利润差距从几乎持平拉大到百分之六点一。在预判式调度下，司机、平台和乘客三方都比“全部听话”时好一成多，形成一个三方都赢的局面。等车时间基本稳定在几分钟，变化不大。
⑤ 讨论（这些发现说明什么？）
作者强调，这不是司机在“钻空子”。恰恰相反，司机只是照着规则付钱的方向行动：规则说接受调车有补偿，他们就接受；规则说接单能赚钱，他们就接单。真正的问题是，反应式调度在过去之所以看起来划算，是因为司机看不懂规则、常常拒掉邀请，然后自己开到平台想要的地方，平台白白得了好处。这种“看不懂”的红利，在强制公开后消失了。
预判式调度则本来就只在“这次移动带来的佣金大于补偿”时才发邀请，所以不怕司机看懂了照着做。作者由此提出一个判断：一项调度规则如果只有在司机不明白时才好用，那它在信息透明的环境下就是脆弱的。公开信息本身不一定损害效率，关键看规则有没有把司机和平台的利益对齐。研究者也承认，实验里的乘客被简化成“只要价格不太离谱就会下单”，没有考虑乘客对涨价和等待的真实反应。
⑥ 结论（最终结论 + 启示）
在强制披露的时代，调度规则的设计比披露本身更重要，这是这项研究给出的直接结论。平台不能再用“司机不懂规则”作为隐含假设去评估政策，而应当把司机当成会读规则、会为自己算账的参与者，重新设计并测试调度办法。作者认为，用好人工智能代理可以成为一种低成本的“压力测试”：在规则正式公开前，让成千上万个自利的模型司机先替真人试一遍。
对监管者来说，按法律要求做到的大白话披露已经足以改变司机行为，并不必然牺牲服务水平；只要规则设计得当，透明反而能引导司机做出对各方都有利的选择。后续研究还应考虑乘客对涨价的反应、更多类型的司机，以及如何设计在公开条件下依然稳定的激励规则。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
欧盟《平台工作指令》（Directive (EU) 2024/2831）第 9 条要求平台向工作者说明自动决策系统的主要参数、各参数的相对重要性，以及工作者的行为如何影响决策；第 2 条把报酬与任务定价纳入适用范围，成员国须在 2026 年 12 月前完成转化。既有算法管理研究记录了司机如何从线索中反推匹配与派单规则（Möhlmann et al., 2021, 2023），但“规则被正式、完整、以大白话披露之后会发生什么”仍缺少直接证据。
与此同时，网约车再平衡文献——反应式补位（Alonso-Mora et al., 2017）与基于需求预测的预判式 MPC（Zhang et al., 2016; Iglesias et al., 2018）——几乎都假设司机服从调度；少数放松服从假设的研究（Chen et al., 2024; Brar et al., 2024）把司机行为当作需要估计或适应的对象，而非把“披露”本身作为处理变量。信息设计文献虽讨论披露的后果（Wang et al., 2023; Ghalme et al., 2021; Gonczarowski et al., 2023），但规则被抽象为分类器或静态机制，没有空间、动态与运营结果，也没有把规则当作一段可被机器阅读理解并执行的文本。
本文的贡献有三：首次让自利的 LLM 司机智能体阅读按指令要求撰写的大白话规则并据此行动；在两个不相关的 LLM、两种政策、两个尺度上检验结论的稳健性；为运营商与监管者提供一套在强制披露下比较与重设计再平衡政策的框架。
I. Theoretical Framework & Hypotheses（理论框架与假设）
本文不设传统回归假设，而是把“信息披露 × 调度规则”作为 2×2 的政策处理。机制来自战略分类与信息设计：同一规则被披露后，被规制者的最优反应会改变规则设计者的收益（Wang et al., 2023; Ghalme et al., 2021），而同一机制的不同描述方式也会改变参与者的行为（Gonczarowski et al., 2023）。据此提出三条可检验命题。
| 编号 | 命题 | 对应机制/文献 |
|---|---|---|
| P1 | 按指令级别披露规则会显著改变司机的接受邀请与自主移动行为 | 战略反应、信息设计 |
| P2 | 相同的行为变化在反应式与预判式规则下产生相反的平台利润效应 | 机制设计中的规则依赖 |
| P3 | 只在对平台净收益为正处发邀请的预判式规则，对披露更稳健 | MPC、激励相容 |
这一框架的政策含义是：指令所要求的披露强度（主要参数、相对重要性、行为影响）本身就是一种制度变量，其效果不能脱离具体调度规则来评估。
M. Materials & Methods（材料与方法）
- 范式：LLM-agent ABM（基于智能体的仿真），非 SD、非 DES。每名司机为独立 LLM 智能体，事件触发调用；系统状态与规则以自然语言 prompt 注入，模型在预定义选项中选择，不训练、无奖励函数、无跨决策记忆。
- 小模型：3 区线性网络（居住区—中间区—CBD），10 名司机，决策步长 5 min，模拟 36 期（另 6 期预热），179 条冻结泊松需求；早晚双峰为 t=9 与 t=26、峰宽 σ=5 期，A 前瞻 H=6 期（30 min）。
- 城市模型：曼哈顿路网，29 个半径 1 km 的六边形分区，500 名司机，决策步长 15 s，价格区间 5 min，规划区间 10 min，H=6 个价格区间；模拟 4:00–24:00，3:00–4:00 全服从预热。需求取自 2016 年 3 月纽约黄色出租车记录，ρ=0.15，测试日 2016-03-23 共 52,461 条；A 的预测为 3 月 1–3、7–10 日同时刻均值乘 ρ。
- 政策处理：R 每期求解最小化行驶时间的运输问题以覆盖流失需求（Eq. 5）；A 求解 H 期 MPC，最大化期望佣金减补偿（Eq. 6）；两者共享 θ=30%、补偿公式与决策频率。
- 披露处理：N 为空规则；L 按 Article 9(1)(b)(ii)–(iii) 写成六段大白话，说明主要参数、相对重要性与行为影响，不含公式与数字，仅调车段随 R/A 不同。
- LLM：主模型 Jev 1.13.0（输出选项概率并取最大者），对照 Claude Haiku 5.5（effort=xhigh）；城市 4 次运行、217,350 次调用、49.54 美元；小模型两模型各 60 次运行；合计 124 次运行、257,660 次调用、78.58 美元。
- 标定与验证：基准费率 4.32 美元/km（2.78 km 行程 12 美元），θ=30%，行驶成本 0.23 美元/km，时间与等待成本各 4.64 美元/小时，补偿份额 α=0.25；小模型用无量纲参数。理解测试小模型 12/12、城市 17/17，Jev 最低置信度 0.92 与 0.94。
- 指标：司机净收入 I_v、平台利润 Π、服务率、邀请接受/拒绝、补偿支出、自主移动、公里数、等待时间、票价、VKT 与同步指数；每个 AI 单元与同随机种子全服从基准配对。
R. Results（结果）
理解力测试先行：两个模型在两种政策、两个尺度上全部答对（12/12 与 17/17），Jev 最低置信度 0.92 与 0.94，说明后续行为差异不是“没看懂”造成的。城市全服从基准下，R 与 A 的平台利润几乎相同（13.65 万 vs 13.66 万美元/日），但 R 服务率更高（57.8% vs 51.2%）、补偿支出更大（1.56 万 vs 0.327 万美元/日，2,508 vs 1,016 单），司机收入更低（592 vs 520 美元/日）。
| 单元 | 模型 | 司机收入 | 平台利润 | 服务率% | 接受/拒绝邀请 | 自主移动 |
|---|---|---|---|---|---|---|
| R×N | Jev | 4.90 (−0.14) | 17.80 (+10.00) | 41.5 (−9.4) | 2.7 / 1.1 | 9.4 |
| R×L | Jev | 5.02 (−0.01) | 15.08 (+7.28) | 51.8 (+1.0) | 3.2 / 0.4 | 4.9 |
| R×N | Haiku | 4.08 (−0.96) | 13.96 (+6.17) | 32.3 (−18.5) | 2.9 / 1.1 | 15.0 |
| R×L | Haiku | 5.41 (+0.37) | 20.67 (+12.87) | 48.2 (−2.6) | 2.5 / 0.7 | 10.9 |
| A×N | Jev | 4.77 (−0.94) | 9.86 (−0.80) | 43.7 (−15.5) | 5.4 / 1.3 | 6.3 |
| A×L | Jev | 5.53 (−0.18) | 11.69 (+1.03) | 57.8 (−1.4) | 6.7 / 0.9 | 1.2 |
| A×N | Haiku | 3.34 (−2.37) | 0.93 (−9.73) | 29.7 (−29.5) | 6.4 / 1.3 | 12.9 |
| A×L | Haiku | 5.02 (−0.69) | 9.10 (−1.56) | 48.0 (−11.2) | 6.6 / 1.6 | 6.4 |
小模型内，披露使司机自主移动减少 4.1–6.5 次、服务率提高 10.4–18.3 个百分点、司机收入上升；平台利润的变化取决于政策：R 下 Jev 降 2.7、Haiku 升 6.7，A 下两模型分别升 1.8 与 8.2。原因是 R 的自主移动—利润曲线存在峰值（约 10 次/司机），Jev 本就在峰值附近，披露使其少动反而降利润；Haiku 在峰值右侧，少动则升利润。
| 城市指标 | R×N | R×L | A×N | A×L |
|---|---|---|---|---|
| 司机净收入（USD/日） | 593.5 | 590.7 | 570.6 | 575.3 |
| 平台利润（k USD/日） | 148.04 | 142.62 | 150.96 | 151.29 |
| 服务率（%） | 59.1 | 59.0 | 57.7 | 58.0 |
| 邀请接受/拒绝（%） | 2.0 / 7.1 | 3.9 / 1.3 | 1.2 / 5.3 | 1.8 / 0.7 |
| 补偿支出（k USD/日） | 16.01 | 22.88 | 4.15 | 5.39 |
| 自主移动（次/司机） | 8.9 | 7.9 | 7.8 | 8.0 |
城市中披露的效应同样“行为同向、结果分化”：R 下拒绝率由约 78% 降至约 25%，接受率由 22% 升至 75%；A 下由 19% 升至 73%。但 R 的司机收入降 2.8 美元、服务率降 0.2 点、平台利润降 5.42k 美元/日（−3.7%），补偿增 3.43k、佣金反降 1.99k；A 的收入升 4.7 美元、服务率升 0.3 点、利润升 0.33k（+0.2%）。R 的损失集中在 20:00 之后：近一半新增补偿发生在晚高峰末尾，车到了却无单可接。政策差距随信息条件扩大：全服从时 A 领先 R 0.3%，N 时 2.0%，L 时 6.1%；R 每多付 1 美元补偿换回的额外佣金由 0.99 降至 0.51、再到 0.01 美元。
a / D. Discussion & Conclusion（讨论与结论）
- 核心解释：R 的绩效依赖“司机不理解规则因而拒单并自行补位”这一隐性补贴。披露后司机依法照规则接受邀请，补贴消失，平台为原本免费的再定位付费；A 只在预测佣金大于补偿时发邀请，因而对披露免疫并扩大领先。
- 不是博弈而是合规式套利：司机并未操纵系统，而是接受规则所支付的价格。披露后 R 的接受邀请平均补偿由 7.6 降至 5.9 美元、A 由 3.5 降至 3.0 美元，选择性接单反而减少。
- 公共政策含义：对监管者，法定级别的大白话披露已足以改变劳动行为，无须公开公式或数字；透明与运营效率不必二选一。对平台，应把“会读规则的自利司机”纳入政策评估，否则在 2026 年 12 月转化期限后会遭遇未预料的利润与服务水平变化。
- 方法贡献：LLM 智能体可作为披露政策的低成本压力测试工具；两个不相关模型、两个尺度给出同向行为与分化结果，说明结论不是单一模型的 artifact。
- 局限：乘客行为外生（假定接受任何在上限内的价格），未建模乘客对涨价与等待的反应；司机同质、无记忆、无学习与串谋；仅测试两个 LLM；城市实验每单元仅 1 次运行，基准为 5 次重复；未量化披露对司机议价权与福利分布的长期影响。
- 未来方向：设计在披露下激励相容的再平衡规则，使知情自利司机的选择恰好是平台想要的动作；引入乘客响应、RL 与真人司机混合、多模型对照，并检验规则复杂度对理解与策略行为的影响。
🧠 IRMaD 思维导图
mindmap
root((强制披露下的网约车调度))
I 引言
欧盟平台工作指令
司机反推算法
再平衡假设服从
披露后果未知
R 问题
公开规则司机怎么反应
两种调度谁更稳
同一行为为何相反
如何为披露重设计
M 方法
LLM智能体ABM
小模型三区十司机
曼哈顿二十九区五百司机
反应式对预判式
不公开对法定公开
理解力测试全对
R 结果
拒单降至四分之一
反应式利润跌三点七
预判式利润微升
两种政策差六点一
小模型收入服务双升
三方共赢一成多
a 讨论
不是钻空子是照规则行动
免费调车红利消失
规则设计决定成败
披露不必牺牲服务
D 结论
按懂规则司机重设计
智能体可做压力测试
监管披露已经足够
后续设计激励相容
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。