Optimal Public
Transportation Networks

城市公共交通网络的最优设计与福利评估
——来自雅加达全球最大快速公交系统（TransJakarta）的实证证据

Optimal Public Transportation Networks: Evidence from the World's Largest Bus Rapid Transit System in Jakarta

文献元数据属性	详细信息与官方著录规范
论文作者（Authors）	Gabriel Kreindler, Arya Gaduh, Tilman Graff, Rema Hanna, Benjamin A. Olken （注：作者名按学术规范保留英文原名，不予翻译）
发表期刊与卷期（Journal）	American Economic Review (AER), 2026, Vol. 116, No. 9, pp. 3330–3379. DOI: https://doi.org/10.1257/aer.20230768
JEL 分类号（JEL Codes）	L92 (Telecommunications and Transportation), L98 (Government Policy) O18 (Urban, Rural, Regional, and Transportation Analysis; Housing; Infrastructure) R41 (Transportation: Demand, Supply, and Congestion; Safety; Noise) R42 (Government and Private Investment Analysis; Transportation Planning) R48 (Government Regulatory Policies)
数据基础与经验场景	印尼雅加达大都市区（人口超1800万）；5亿次智能公交IC卡交易数据、每5-10秒级公交车GPS定位流、覆盖3500万次出行的智能手机全方式定位大数据（Veraset）

一、 全文核心内容系统总结

发展中国家快速城市化进程中，超大型城市普遍面临极度严重的交通拥堵、空气污染与空间流动性不足问题。由于建设地铁等重型轨道交通的固定成本极为高昂且施工周期冗长，以快速公交（Bus Rapid Transit, BRT）为核心的地面公交系统已成为低收入与中等收入国家（LMIC）扩张公共交通网络的主力军。然而，在车队总规模（公交车保有量）与基础设施固定的硬约束下，公共交通网络的设计面临着极为错综复杂的内在权衡：是应当追求“高覆盖度”（让尽可能多的外围居民区接入公交站点），还是追求“高频次”（在核心骨干线路上集中发车以缩短乘客候车时间），抑或是追求“高直接度”（开设更多直达线路以减少乘客中途换乘）？

由 Gabriel Kreindler、Arya Gaduh、Tilman Graff、Rema Hanna 和 Benjamin A. Olken（2026）发表于顶级期刊《American Economic Review》的重磅论文，利用印度尼西亚雅加达全球最大的BRT系统——TransJakarta在2016至2020年间的跨越式网络扩张，首次从微观行为机制到宏观全局最优拓扑设计，全景式破解了上述长期困扰城市经济学与交通规划领域的经典难题。全文遵循“经验识别—结构估计—全局优化”三大环环相扣的研究阶段：

第一阶段：多维自然实验与双重差分因果识别。作者利用2016至2020年间TransJakarta系统分阶段开通的93条新线路（包含BRT专用道干线与非BRT街道接驳支线），构建了精细化的起讫点对（Origin-Destination, 简称 $o - d$）面板数据。研究设计巧妙定义了三类外生冲击事件（Events）：（1）事件1（Event 1）：新开辟直接相连两地的直达线，但该直达线的纯车上运行时间与既有换乘线路相同，从而纯粹改变了网络的“直接度”；（2）事件2（Event 2）：新开辟的直达线不仅免去换乘，而且由于路线更平直而显著缩短了车上耗时，同时改变了“直接度”与“车速”；（3）事件3（Event 3）：在新线开辟过程中，新线路的部分路段与既有直达路线重合，使得该区间在不改变车上耗时和直接度的前提下增加了发车频次，从而纯粹外生降低了乘客在站台的“等待时间”（刻画经典的莫林效应，Mohring Effect）。运用高维固定效应泊松伪最大似然估计（PPML），文章证实公交客流对这三类服务质量改善均表现出高度弹性和显著跃升，而结合全方式智能手机定位大数据（Veraset）的检验表明，总出行需求未发生统计上的扩张，证明客流量增加完全源自其他私人交通方式（摩托车、网约车、私家车等）的转移替代。

第二阶段：考虑随机等待与有限注意力的需求结构模型。针对传统离散选择模型在公交路径选择中容易产生“红蓝巴士”虚假多样性悖论（即把一条线路拆成两条完全相同的线路会导致模型预测的总效用人为虚增）的根本缺陷，作者创新性地构建了一个嵌套结构模型：在下层路径选择中，将线路发车刻画为独立的泊松到达过程，使得站台等待时间服从指数分布；出行者根据观察到的到站时间在所有备选直达与换乘方案中做出动态最优选择；同时引入“有限注意力”（Partial Inattention），刻画出行者对车上耗时显著过长的劣质路线自动忽略的认知摩擦。在上层出行方式选择中，出行者在公共交通期望效用与私人交通外部选项之间进行Logit离散决策。通过经典最小距离法（CMD）拟合简化式事件冲击矩，模型精确估计了关键结构参数：雅加达市民对站台等待时间的厌恶程度是车上乘坐时间的 2.1 倍（BRT干线）至 3.4 倍（非BRT支线）；而在控制了额外等待和车上耗时后，BRT换乘本身并不存在额外的心理惩罚；出行者对耗时超过最短路线 36% 至 43% 以上的劣质路线表现出强烈的注意力衰减。

第三阶段：超高维组合离散规划与模拟退火全局求解。将微观偏好参数代入全城宏观网络设计问题，面临着可行网络空间高达 $\exp(26,000)$ 的计算黑洞以及替代与互补交织的非凸非凹特征。作者创造性地将规划者的全局优化问题，转化为从带有极值扰动项的多项Logit平稳分布中进行抽样的问题；证明了由规划者概率分布抽样得到的期望福利与全局绝对最优福利之间的数学边界，并构造了马尔可夫链混合的统计检验量。运用模拟退火算法（Simulated Annealing）进行200次独立充分抽样，反事实模拟得出了惊人而极富政策颠覆性的结论：最优网络并非像现实网络那样将百余条线路和运力死死锁在市中心核心商圈走廊，而是应该“大幅去中心化”——将现有的110条复杂长线合并重组为仅21条高效骨干干线，减少市中心严重过剩的重叠发车，将运力腾挪至中外围城乡结合部，通过高频接驳与中途免费换乘实现全市范围内的均质化服务。在公交车保有量（1,500辆）与专用道基建完全不增的前提下，最优网络能够使全网日均客流量飙升 62%，全网乘客平均福利提升相当于每人单程节省 11.2 分钟车上时间，并带来减排PM2.5达 2.2%、缩短道路拥堵耗时 0.3% 的巨大社会净效益。

二、 论文的主要学术贡献与创新突破

本研究在微观计量识别、公共交通需求建模、超高维网络优化计算方法以及城市空间治理政策等四个层面均取得了里程碑式的理论与实证突破：

（1）微观实证突破：1. 实证与数据维度的开创性贡献：构建超高精度的自然实验与多源大数据融合体系

以往关于公共交通属性估值（如等待时间价值、换乘惩罚）的文献，绝大多数依赖欧美发达国家的意愿调查数据（Stated Preference, SP），受制于被调查者的认知偏差与假设性偏差；少数基于显式偏好（Revealed Preference, RP）的研究往往只能利用观测性横截面数据，难以彻底克服路线走向内生于区域经济繁荣程度的严重内生性问题。本文利用雅加达 93 条路线分期开通这一天然准自然实验，融合了长达 4 年、超过 5 亿条智能 IC 卡微观交易流水、覆盖 1,800 辆公交车秒级高频 GPS 轨迹数据、以及覆盖 3,500 万次出行的智能手机全方式定位大数据。通过将地理空间网格化并构建跨越数年的高维面板模型，首次在真实发展中国家超大城市中因果识别了出行者对直接度、车速和等待时间的独立边际响应，填补了全球南方超大城市高精度交通实证的空白。

（2）理论建模突破：2. 需求建模维度的理论创新：破解“红蓝巴士”悖论的泊松等待与不完全认知网络模型

在网络路径离散选择建模中，经典 Multinomial Logit（MNL）模型存在众所周知的 IIA 独立同分布假定缺陷。在公交网络中，若将一条拥有若干班次的路线人为拆分为两条编号不同但走向与总运力完全一致的“红线”和“蓝线”，标准 MNL 模型会因引入了额外的独立随机扰动项，得出“乘客福利和总选择概率虚假膨胀”的荒谬结论。本文基于 Daganzo（1979）的负指数分布思想，构建了以实际物理到达（泊松过程）为微观基础的网络离散选择模型，严格证明了模型对于相同线路拆分与合并的完全不变性，彻底杜绝了网络评估中的虚假多样性红利。更为重要的是，作者敏锐捕捉到了真实网络极其繁复、出行者面临几十种备选路线时的认知摩擦，首创性地内生化了基于车上相对耗时的“有限注意力”机制，使模型既具备扎实的随机效用理论基础，又能精确匹配复杂的经验矩。

（3）方法论创新：3. 运筹与优化方法论的范式跃升：离散高维策略的 Logit 平滑抽样与模拟退火分析框架

在城市公共交通网络设计问题中，决策变量具有高度组合爆炸特征，且目标函数同时充斥着强烈的规模经济与跨区空间覆盖的互补性，属于典型的 NP-hard 非凸非凹问题，无法直接采用传统的凸优化求解。本文跳出了“在海量方案中苦寻唯一全局数值精确最优解”的传统死胡同，创造性地建立了“规划者带随机扰动的离散选择抽样框架”：将规划者的网络优化映射为一个多项 Logit 概率分布，推导出了该分布下期望福利与理论全局最优福利之间的紧致下界，并推导了基于样本均值和极值的马尔可夫链混合统计检验量。这一方法论创新不仅适用于公交线网规划，更为空间经济学中跨国供应链网络布局、区域道路基建投资、产业空间政策配置等超高维不可求导的宏观政策评估，提供了一套普适而强大的前沿计算工具箱。

（4）政策实践突破：4. 政策与治理维度的重大启示：证伪“中心集聚”经验法则，确立“扁平高频换乘”的新范式

全球绝大多数大城市的公交规划者受制于政治阻力和习惯思维，普遍倾向于将有限的运力高度集中在少数政治经济中心走廊，导致核心区公交车排队压茬、运力空转，而广阔的外围居住区却沦为公交荒漠。本文通过全城反事实结构模拟证明：在分文不增车队资产与基础设施投资的前提下，仅靠优化空间资源配置（削减市中心过剩频次、撤并重叠冗余长线、向城市边缘辐射并由直达转向高效骨干换乘），就能实现客流量 62% 的飞跃和巨额通勤福利改善，彻底颠覆了传统的公交线网经验规划直觉。

三、 核心概念、经济学定义与模型符号体系

为了深入理解本文的实证机制与结构模型，本节对全文涉及的关键经济学与交通工程学概念、数学定义及模型变量符号进行系统界定与梳理。

（一） 核心概念与经济学定义

1. BRT系统（Bus Rapid Transit, 快速公交干线）：指在城市主要干道上划设物理隔离的专用车道、配备封闭式高站台与进站闸机收费系统的快速公交走廊。乘客进站即付费，车内不设售票员，在走廊内部不同线路之间换乘完全免费且无需重新刷卡，运行速度受社会车辆拥堵影响极小。

2. 非BRT支线（Non-BRT Feeder Routes）：指由TransJakarta统一运营、但行走于城市普通街道混合路权上的接驳公交线路。非BRT车辆沿街设站，乘客上车刷卡或现金购票；其重要功能是将远离BRT走廊的外围人口稠密区连接至最近的BRT枢纽站，实现干支协同。

3. 发车车头时距（Headway）：相邻两班同向行驶的公交车辆到达同一站点的时间间隔（通常以分钟计）。车头时距直接决定了乘客的平均等待时间；车头时距的方差越小，系统运行越可靠。

4. 莫林效应（Mohring Effect）：由经济学家 Herbert Mohring（1972）提出。在公共交通系统中，当客流量增加时，运营公司为了满足需求会加密发车班次（缩短车头时距），而更密集的发车反过来缩短了所有现有及潜在乘客在站台的平均等待时间，形成正向外部性与网络层面的规模报酬递增（Increasing Returns to Scale）。这是公共交通享受财政补贴的最核心现代经济学理论基石。

5. 直达线路（Direct Route）：起讫点对之间只需乘坐一趟公交车即可到达，中途无需下车换乘。

6. 换乘路线（Transfer Connection）：起讫点对之间没有单一直达车，乘客必须先乘坐第一段线路到中途某个换乘枢纽站，下车等待并换乘第二段线路方可到达目的地。乘客除承受总在途车上时间外，还需承受中途第二次等待以及可能的换乘步行心理摩擦。

7. 有限注意力与认知摩擦（Partial Inattention）：指出行者在做出行决策时，受限于信息搜索成本与认知负荷，并不会将网络中所有物理上可行的数百种线路组合全部纳入决策集，而是倾向于直接忽略那些车上耗时远长于基准最快路线的迂回线路，形成有限认知下的“有效考虑集”（Consideration Set）。

（二） 模型符号系统与经济解释

下表详细列出了贯穿全文结构模型与实证估计的核心数学符号系统，左侧符号列完全采用 Word 原生数学公式嵌入：

模型符号（Word 原生公式）	数学定义与所属模块	经济学含义与详细说明
$o,d,t$	指标集（Origins, Destinations, Weeks）	$o$ 为出行起点网格，$d$ 为终点网格，$t$ 为日历周时间（2016–2020）
$Y_{odt}$	因变量（Dependent Variable）	简化式回归中的结果变量：表示 $t$ 周内从 $o$ 到 $d$ 的公交周客流量或全方式总出行量
${Post}_{odt}^{E}$	核心政策处理指示变量（$E \in \backslash\left\{ 1,2,3\backslash \right\}$）	指示在 $t$ 周之前的10个月内，$o - d$ 之间是否发生了类型 $E$ 的线网优化事件（取值为1，否则为0）
$L_{\leq - 10,odt}^{E},L_{\geq 10,odt}^{E}$	事件研究提前期与滞后期控制哑变量	分别控制事件发生10个月前及发生10个月后的时期，以9个月前为基准期
$\mu_{od},\nu_{ot},\xi_{dt}$	双向与高维固定效应（Fixed Effects）	$\mu_{od}$ 为起讫点对固定效应；$\nu_{ot}$ 为起点—周固定效应；$\xi_{dt}$ 为终点—周固定效应
$k \in M_{odt}$	路径选项（Route Choice Alternative）	在 $t$ 时刻的公交网络中，从 $o$ 到 $d$ 可行的公交出行方案（直达或单次换乘）
$u_{k}$	路径随机效用（Utility of Option k）	出行者选择公交方案 $k$ 获得的微观效用，包含确定性部分与随机等待时间成本
$v_{k}$	确定性效用（Deterministic Utility）	方案 $k$ 的客观属性效用，由车上纯耗时与换乘外生惩罚项共同决定
$T_{k}^{time},T_{k}^{wait}$	出行时间（Travel Time & Wait Time）	$T_{k}^{time}$ 为车内纯乘坐耗时；$T_{k}^{wait}$ 为站台随机等待时间，服从指数分布
$\alpha_{time},\alpha_{wait}$	时间成本偏好参数（Preference Weights）	$\alpha_{time}$ 为车上时间负效用（归一化为 1.0）；$\alpha_{wait}$ 为站台等待时间负效用权重
$\mu_{transfer}$	纯换乘效用转移项（Transfer Shifter）	中途换乘带来的固定效用变动（扣除了中途等待与车上耗时之后的纯心理惩罚/补贴）
$\lambda_{r}$	公交到达率（Bus Arrival Rate）	线路 $r$ 在站台的泊松到达强度：$\lambda_{r} = N_{r}/{RTT}_{r}$（车辆数 / 往返巡回耗时）
$\phi_{rodt}$	注意力因子（Attention Factor $\in \lbrack 0,1\rbrack$）	出行者对线路 $r$ 的关注概率，随该线路耗时与最快路线耗时之比单调递减
$\eta,\gamma$	注意力结构参数（Cutoff & Shape）	$\eta$ 为注意力截断阈值（相对耗时倍数）；$\gamma$ 为 Logistic 衰减函数的陡峭度（设定为 30）
$\pi_{k}$	路径选择概率（Choice Probability）	出行者在面临随机等待时间抽样后，方案 $k$ 成为最大化效用选项的理论概率
$v_{odt}^{bus}$	公交期望包络效用（Expected Utility）	选择公交网络的期望效用：$v_{odt}^{bus} = E\left\lbrack \max_{k}u_{k} \right\rbrack$，具有精妙闭式解
$u_{it}^{private},\backslash{zeta}_{od}^{private}$	私人交通外部选项效用	$\backslash{zeta}_{od}^{private}$ 为起讫点对不随时间变的私人交通固有吸引力；$\varepsilon$ 为 Gumbel 扰动
$P_{odt}^{bus}$	上层方式划分概率（Mode Choice）	二元 Logit 结构下出行者选择乘坐公交而非私人交通的宏观概率
$\sigma_{od},\sigma$	Logit 离散尺度参数（Logit Scale）	$\sigma_{od} = \sigma \cdot \left( \overline{D}/D_{od} \right)$，对距离进行标准化调整，消除短途机械噪声
$B_{ss'r},\kappa(B)$	路段车厢拥挤度与惩罚函数	$B$ 为断面车内期望载客量；超过临界容量（84人）后导致主观耗时膨胀的时间感知膨胀因子
$N,B_{total}$	公交网络与总车队预算	$N$ 包含线路走向集合与车辆配置；$B_{total}$ 为全市固定公交车总保有量（1,500辆）
$W(N;\theta)$	社会客观福利函数（Social Welfare）	规划者追求的全市所有居民期望通勤效用的加权总和
$\beta,\beta_{k}$	规划者随机逆温度参数（Inverse Temp）	刻画规划者对模型福利与未观测扰动权衡的敏感度；退火算法中逐步升温逼近
$\Psi\left( N'|N \right)$	候选网络转移提议分布	模拟退火算法中从当前网络状态 $N$ 生成邻域备选网络 $N'$ 的马尔可夫提议核

四、 模型核心命题与推论的直观实例解析

本文在理论与运筹机制上提出了5个核心命题（Propositions）与关键结构推论。遵循学术直觉原则，本节完全省略繁琐复杂的数学积分与测度论证明推导过程，专门通过生动、通俗且契合日常出行与政策规划现实的典型实例，深入浅出地剖析每个命题背后的经济学直觉与核心机理。

（一） 命题 1：相同线路合并的不变性（Invariance to Route Aggregation）

【理论表述】在负指数分布与泊松到达设定下，假设乘客面临两个确定性效用完全相同（$v_{1} = v_{2}$）且独立泊松到达率分别为 $\lambda_{1}$ 和 $\lambda_{2}$ 的备选线路选项。若公交公司将这两条线路合并为一条全新的单一线路，其确定性效用保持不变（$v_{3} = v_{1} = v_{2}$），而发车到达率调整为两者之和（$\lambda_{3} = \lambda_{1} + \lambda_{2}$），则该合并前后的系统在所有乘客的选择概率与期望福利水平上严格同构（Isomorphic）。

$$v_{1} = v_{2}\backslash impliesOption1\left( \lambda_{1} \right) + Option2\left( \lambda_{2} \right) \equiv Option3\left( \lambda_{1} + \lambda_{2} \right)$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

假设某城市从大型高铁站到核心商圈开通了公交服务。起初，公交集团为了区分不同车队，设立了走向、停站、车型完全相同的两条线：“特1路”和“特2路”。两路车各配车 10 辆，均发车间隔为每 10 分钟一班（即每分钟到达率 $\lambda_{1} = 0.1$，$\lambda_{2} = 0.1$）。此时，在站台候车的乘客对于坐哪一路车完全无所谓，谁先来就上谁。在物理世界中，由于两条线路的车辆是随机穿插开行的，乘客平均只需等待 $1/(0.1 + 0.1) = 5$ 分钟就能等到一趟车。

现在假设公交集团为了规范管理，取消“特2路”的编号，把这 10 辆车全数合并到“特1路”中，使“特1路”配车变为 20 辆，发车间隔缩短为每 5 分钟一班（到达率 $\lambda_{3} = 0.2$）。现实中，乘客在站台的候车体验和平均等待时间没有任何改变，依然是 5 分钟来一趟车。

为什么这个看似显而易见的事实在传统理论中却是一个巨大的灾难？如果使用交通经济学中最常用的标准多项 Logit（MNL）模型，每增加一个独立选项，模型就会赋予其一个独立的极值随机扰动项。这就意味着，在 MNL 模型看来，有“特1路”和“特2路”两个名字的系统，比只有“特1路”的系统多带来了一份“多样性红利”（Variety Gain），从而虚增了乘客的福利！这正是丹尼尔·麦克法登（McFadden, 1974）著名的“红蓝巴士悖论”（Red Bus, Blue Bus Problem）。而命题 1 表明，作者建立的这套基于泊松到达的随机效用模型，由于内生性来源于物理到站等待的泊松流叠加，完美具备了线路合并与拆分的不变性。不管城市规划者在纸面上把路线拆分得多么零碎，只要运力和物理站点不变，模型的福利评估绝不会出现哪怕一分钱的虚假膨胀。这一性质是后续开展全城网络全局运力配置优化时最重要的理论基石！

（二） 命题 2：网络路径选择概率与最大期望效用闭式解（Choice Probabilities and Expected Utility）

【理论表述】将出行者面临的所有备选公交方案按确定性效用由劣到优严格排序：$v_{1} < v_{2} < \ldots < v_{N}$。方案 $k$ 的微观被选概率 $\pi_{k}$ 具有显式积分求和形式；出行者面临所有备选路线时的最大期望效用 $E\left\lbrack \max_{k}u_{k} \right\rbrack$，存在由最优基准方案 $N$ 锚定的极简闭式解：

$$E\left\lbrack \max_{k}u_{k} \right\rbrack = v_{N} - \pi_{N}\frac{\alpha_{wait}}{\lambda_{N}}$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

假设一位上班族早上在站台候车去公司，他的手机 App 或站台大屏显示他有两种选择：第一种是“大站快车”（方案 $N$），走高架专用道，车上只坐 20 分钟，极其舒适快捷，确定性效用最高（$v_{N}$ 最高）；但是快车班次稀疏，平均要等 20 分钟（到达率 $\lambda_{N}$ 较小）。第二种是“慢速普通车”（方案 1），走地面街道，逢站必停且绕路，车上需要坐 45 分钟（确定性效用 $v_{1}$ 较低）；但普通车车次极多，平均 3 分钟就来一趟（到达率 $\lambda_{1}$ 极大）。

当这位乘客走进站台时，会发生什么？如果运气很好，“大站快车”正好进站，他毫不犹豫直接上快车。但如果进站的是一辆“慢速普通车”，他会立刻上车吗？并不一定！理性乘客会在脑海中进行实时权衡：“如果我现在不上这辆慢车，我得多等多久快车才来？如果快车迟迟不来，我继续等下去累计的痛苦，是否已经超过了坐在慢车上慢慢晃悠的额外时间？”如果此时快车预计还要等很久，乘客为了避免无底线的候车焦虑，就会选择跳上慢车作为“止损”；反之，如果快车马上就到，他会选择放过眼前的慢车，继续等快车。

命题 2 不仅精确计算出了乘客在每种可能到站场景下最终选择快车或慢车的概率 $\pi_{k}$，其期望效用闭式解更揭示了极其美妙的经济直觉：注意公式中的 $v_{N} - \pi_{N} \cdot \left( \alpha_{wait}/\lambda_{N} \right)$。如果世界上根本没有慢车，乘客只能死等快车，他的期望效用就是孤立的 $v_{N} - \alpha_{wait}/\lambda_{N}$（快车的确定性效用减去快车的全部平均等待成本）。而当慢车存在时，公式中快车的等待惩罚项被乘以了一个严格小于 1 的系数 $\pi_{N}$（即最终真正坐上快车的概率）！这表明，慢速线路在网络中的真正经济价值，并不在于它本身有多舒适，而在于它为乘客提供了一份“防范快车久等不来的期权保险”（Option Value）。慢车通过在快车严重延误时吸收客流，实质性截断了乘客极度痛苦的极端长等待时间尾部风险！

（三） 命题 3：规划者随机扰动下的社会福利下界（Social Planner's Welfare Bound）

【理论表述】在全城所有可行网络集合 $N$ 中，设理论全局最大福利为 $W^{\max}$。若社会规划者在挑选最优网络时，不仅关注模型计算的客观交通福利 $W(N;\theta)$，还受到模型外未观测到的不可见冲击 $\varepsilon_{N}$（服从尺度参数为 $\beta$ 的独立同分布 Gumbel 极值分布）的影响，从而按多项 Logit 概率 $\pi(N;\theta)$ 随机选择网络方案。则在该概率分布下，全社会期望获得的客观交通福利 $E_{\pi}\lbrack W\rbrack$，必然满足如下紧致边界：

$$W^{\max} > E_{\pi}W(N;\theta) > W^{\max} - \frac{\log\left( |N| \right)}{\beta}$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

想象雅加达市长需要确定全城未来五年的公交路线图。在整个大都市区数千个交叉路口与数百个网格之间，理论上可以画出的公交线路走向与车辆分配组合多得令人眩晕（在作者的离散化地理模型中，网络状态空间总数高达 $|N| \approx \exp(26,000)$ 种，比宇宙中的原子总数还要多出无数个数量级）。即便超级计算机算上几个月，也绝无可能遍历每一种网络去找出那唯一一个无可挑剔的“神级方案”（$W^{\max}$）。

更符合现实政治经济学的是：市长在决策时，除了看交通局提交的交通时间节约模型，还会面临各种现实微小摩擦——比如某条道路容易积水、某社区居民抗议施工噪音、或者某家公交运营承包商的交车周期问题（这些正是扰动项 $\varepsilon_{N}$）。参数 $\beta$ 衡量了决策层对交通科学模型的“严格遵从程度”：$\beta$ 越大，说明市长越看重交通模型测算的福利，小干扰越难动摇决策；$\beta$ 趋向无穷大时，市长就是一台只选绝对最大值的纯冰冷机器。

命题 3 给所有城市规划者吃了一颗效力极强的“定心丸”：虽然我们不可能把全部 $\exp(26,000)$ 种网络全部算一遍，但只要我们将对模型的遵从度 $\beta$ 设定在合理的高水平，那么从这个高维概率池中随机采纳一个高概率优秀网络，其带给全城人民的平均出行福利，与天花板上的绝对理论最优解之间的差距，在数学上被死死限制在 $\log\left( |N| \right)/\beta$ 之内！在本文的具体参数校准下，$\log\left( |N| \right) \approx 26,258$，而作者选取的基准逆温度 $\beta = 4 \times 10^{5}$，此时福利差距的理论上限仅为 $26,258/(400,000) \approx 0.0656$ 个福利单位。换算成日常语言，这相当于每个公交乘客单程多花了不到 0.066 分钟（仅仅约 4 秒钟的时间）！这生动证明：在宏观复杂网络治理中，追求“绝对唯一的全局最优”既无必要也不可能，通过科学建模锁定一个高概率的“近优网络集合”，就已经能够斩获 99.9% 以上的潜在社会福利红利。

（四） 命题 4：Metropolis-Hastings 算法的遍历平稳性（Ergodicity and Asymptotic Sampling）

【理论表述】假设候选网络的状态提议分布（Proposal Distribution）$\Psi$ 满足状态空间不可约性（Irreducible）、非周期性（Aperiodic）以及转移概率互逆正支撑性（$\Psi\left( N|N' \right) > 0\backslash iff\Psi\left( N'|N \right) > 0$）。则基于特定接受概率构建的 Metropolis-Hastings（M-H）马尔可夫链是一个各态历经（遍历）链，拥有唯一的平稳分布，且该平稳分布恰好严格等同于规划者的多项 Logit 概率分布 $\pi$。

$$\Pr\left( N_{k + 1} = N'|N_{k} \right) = \min\left( 1,\frac{\exp\left( \beta W(N') \right)\Psi\left( N_{k}|N' \right)}{\exp\left( \beta W\left( N_{k} \right) \right)\Psi\left( N'|N_{k} \right)} \right)$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

假设有一位资深规划工程师，负责通过计算机对公交网络进行持续微调升级。他坐在电脑前，每一步只做微小的局部探索：比如随机选一条线路，把它的终点站向前延长一站，或者从一条空闲路线上抽调 1 辆公交车给另一条拥挤线路。这就是提议转移函数 $\Psi$。

当计算机生成这个新方案 $N'$ 后，工程师该如何决定是否采纳？按照命题 4 的 M-H 准则：如果新方案测算出的全城交通福利比老方案好（$W(N') > W(N)$），他百分之百立刻同意采纳；但关键在于——如果新方案测算出来的福利比老方案稍微差一点点，他会不会立刻一棍子打死？绝不！他会按照公式给出的一个精确概率（取决于福利差值与 $\beta$）勉强同意尝试一下这个稍微变差的方案。

为什么要允许接受变差的方案？举个生动的例子：如果工程师只允许每一步都变好，这就好比一个登山者在浓雾中只允许往高处迈步，他很快就会走到一座矮土坡的顶点，然后误以为自己登顶了珠穆朗玛峰（陷入局部最优陷阱）。而 M-H 法则允许他在矮土坡上偶尔走几步下坡路，穿过低洼地带，从而找到通往真正主峰的道路。命题 4 从数学上确保：只要微调规则能够通达全城任何可能的线路形态（不可约性），工程师在这张巨大的网络迷宫里漫游足够久之后，他在各个网络方案前驻足停留的时间比例，就精确吻合了全城社会福利的最大化概率分布！

（五） 命题 5：模拟退火算法对最优规划分布的渐近收敛性（Simulated Annealing Convergence）

【理论表述】在修改版的模拟退火（Simulated Annealing, SA）算法中，逆温度参数 $\beta_{k}$ 遵从几何增长的冷却退火计划：从极小的初始值 $\beta_{1}$ 逐渐爬升至最终的目标值 $\beta_{K} = \beta$。当总迭代步数 $K \rightarrow \in fty$ 时，算法输出的最终网络状态 $N_{K}$ 在分布上严格渐近收敛于规划者目标概率分布 $\pi$。

$$\beta_{k} = \beta_{1}\rho^{k}\backslash quad(\rho > 1),\backslash quadasK \rightarrow \in fty,\backslash quadN_{K} \sim \pi(N;\theta)$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

模拟退火这一名称直接脱胎于冶金工业中的退火工艺。当铁匠铸造一把名贵宝剑时，如果把滚烫的烧红钢水直接扔进冰水里淬火，内部的原子结构会瞬间被冻结在杂乱无章的次优排列状态，导致剑身脆弱易碎。高超的铁匠会采用“徐徐降温”的退火工艺：先在极高温度下让原子剧烈振动，消除所有内部应力，然后以极慢的速度缓慢降温，使原子有充裕的时间寻找并结晶成能量最低、韧性最强、最完美的晶格结构。

在雅加达复杂的公交网络优化中，模拟退火算法的运行机制如出一辙：在算法刚启动的前 10 万次迭代中，处于“极高温”阶段（$\beta_{1}$ 极小）。此时，无论是好提案还是差提案，几乎全盘照收！此时算法就像一个富有激进想象力、天马行空的初稿设计师，一会儿一口气删掉 10 条旧线，一会儿把车辆全部分散到偏远乡村，在整个超高维地图空间里狂野漫游，彻底摆脱了现实中既有路线的路径依赖与思维定势。而到了 15 万次迭代之后，系统开始“逐渐降温”（$\beta_{k}$ 逐步增大），算法变得越来越审慎沉稳，开始对那些带来明显拥堵和脱节的粗糙方案予以回绝，专注于在已经锁定的高潜力线网骨架上进行精密抛光（如微调班次、修正弯道）；在最后的 25 万次迭代达到目标温度 $\beta$ 时，算法就像淬火成型的宝剑，优雅而精准地收敛到了全城最高效、社会福利最为丰厚的黄金网络集合之中。

（六） 运筹推论：两区域模型下最优发车车头时距比例公式

【理论表述】在将市中心（点 0）通过两条重叠路线连接至近郊（点 1）与远郊（点 2）的简化网络模型中，设两地潜在通勤客流分别为 $V_{1} > V_{2}$，车上纯耗时分别为 $T_{1} < T_{2}$。在固定总配车约束下，追求全城总客流量最大化的最优站台等待时间之比满足：

$$\frac{W_{2}^{*}}{W_{1}^{*}} = \sqrt{\frac{V_{1}}{V_{2}}\left( \frac{T_{2}}{T_{1}} - 1 \right)}$$

【直觉实例剖析】生活中的生动实例与直观经济学解释：

假设一条从市中心火车站出发的走廊，先经过人口极其稠密的“市中心近郊”（站点 1，客流多达 10 万人），然后再继续向外延伸到人口相对稀疏的“远郊新城”（站点 2，客流只有 2 万人）。由于开往远郊 2 号站的公交车必须先经过 1 号站，因此开往远郊的每辆车实际上在为两个区域同时提供运力！此时交通局长应当如何在两条线之间分配车辆？

直觉上看，近郊人口是远郊的 5 倍，那是不是应该把车辆全部堆给近郊短线，让近郊车每 1 分钟就来一班，而让远郊居民等车等上 1 个小时？推论给出了极其深刻的否定回答！注意公式中关键的“根号平方根”机制：因为等待时间 $W = 1/\lambda$ 是发车数的反比例函数，具有强烈的凸性（Convexity）特征。当近郊发车已经达到每 2 分钟一班时，你再给它追加 10 辆车，把发车间隔从 2 分钟压到 1.5 分钟，乘客仅仅少等了 30 秒，边际吸引力微乎其微；而如果你把这 10 辆车派给远郊，却能把远郊的发车间隔从 30 分钟直接腰斩到 15 分钟，为远郊乘客实打实削减 15 分钟的等待时间！

平方根法则向我们生动揭示了“为什么最优网络绝不能过度偏向市中心”：虽然近郊客流大，但由于边际等待收益递减极其迅猛，给发车已经极密的核心区继续加车属于极其奢侈的运力浪费；相反，最优发车比率应当随着两地出行时间比与客流比的几何均值平滑调整，保持一种“抑峰填谷”的适度均衡，这正是雅加达最优网络设计中“削减市中心超高频次、反哺外围低频线路”的最核心微观数学动因。

五、 实证发现、结构参数估计与反事实网络特征

本节全面汇总论文在双重差分实证、结构参数最小距离估计（CMD）以及全城反事实宏观网络模拟中的核心量化结果，并与现状进行全方位对比。

（一） 双重差分简化式检验结果

表1与表2总结了三类自然实验事件对公交服务水平、公交客流量以及全方式总出行量的影响：

检验事件类型（Event Type）	对车上耗时/发车频次的第一阶段影响	对公交周客流量的影响（PPML半弹性）	对全方式总出行量的影响（Veraset）
Event 1 (BRT) 新开直达线（耗时无改善）	车上纯耗时无缩短 (+0.036) 起点发车频次基本无变动 (-0.051)	显著上升 +0.158 log点 ($p < 0.001$, 标准误 0.021)	无统计显著影响 -0.008 (标准误 0.051, 排除大增)
Event 2 (BRT) 新开直达线（耗时大幅缩短）	车上耗时显著降低 -0.294 log点 (相当于纯运行耗时缩短约25%)	大幅飙升 +0.268 log点 ($p < 0.001$, 标准误 0.037)	无统计显著影响 -0.073 (标准误 0.049, 排除大增)
Event 3 (BRT) 既有直达段叠加发车（增车）	车上纯耗时基本无变动 (-0.027) 起点发车频次显著上升 +0.309	显著上升 +0.092 log点 ($p < 0.001$, 标准误 0.023)	无统计显著影响 +0.166 (标准误 0.117, 排除大增)
Event 1 (Non-BRT) 非BRT新开直达线	车上纯耗时基本持平 (+0.030) 发车频次略有上升 (+0.294)	暴增 +1.016 log点 ($p < 0.001$, 相当于翻倍以上)	无统计显著影响 -0.042 (标准误 0.060)
Event 2 (Non-BRT) 非BRT新开更快直达线	车上耗时剧烈缩短 -0.716 log点 (耗时下降50%以上)	暴增 +1.320 log点 ($p < 0.001$)	无统计显著影响 +0.031 (标准误 0.060)
Event 3 (Non-BRT) 非BRT重合增车	发车频次大幅上升 +0.417 log点 (等待时间显著下降)	强劲上升 +0.450 log点 (对应莫林效应弹性达 1.08)	无统计显著影响 -0.177 (标准误 0.073)

【核心实证结论】实证关键发现提炼：

1. 公交客流量对直接度、纯运行速度与等待时间三者均表现出极其敏锐的正向反应。尤其在非BRT线路上，由于基准等待时间极长（发车频次低），加密班次（Event 3）带来的客流弹性高达 1.08，表明非BRT支线存在强大的莫林效应，每增加一辆车所吸引的新增客流甚至能够提高整条线路的平均满载率！

2. 智能手机大数据（Veraset）全方式出行的无显著反应（Point estimates 接近 0 且精准排除大幅扩张），强力证实了客流量上升并非由全城“诱增出行需求”（Induced Travel Demand）主导，而是由于服务提升诱导了存量出行者从高拥堵、高排放的私人摩托车和私家车向公共交通系统进行强力方式转移（Modal Substitution）。

（二） 需求结构模型参数估计结果

通过经典最小距离法（CMD）联合估计出的微观偏好与认知摩擦参数如下表所示（Table 4）：

结构参数名称	BRT 估计值 (95% 置信区间)	非-BRT 估计值 (95% 置信区间)	经济学含义与行为机制解释
等待时间成本 / 车上时间成本 ($\alpha_{wait}/\alpha_{time}$)	2.1 [1.5, 3.4] (标准化 $\alpha_{time} = 1.0$)	3.4 [2.7, 5.0] (统计上显著高于 BRT)	乘客对站台等车的厌恶程度远超车内乘坐时间！非BRT无封闭站台且日晒雨淋，等车痛苦程度更高达车内 3.4 倍。
纯换乘转移惩罚项 ($\mu_{transfer}/\alpha_{wait}$, 分钟)	+4.8 分钟等价等待 [0.8, 7.4]	+2.2 分钟等价等待 [-1.3, 4.6]（无法拒绝为0）	在扣除了多一次等待和多走路线的客观耗时后，换乘本身不存在心理惩罚，甚至倾向于正值，表明换乘站台舒适度尚可。
有限注意力截断阈值 (Attention Cutoff $\eta$)	1.36 [1.25, 1.46] (即超出最快路线36%)	1.43 [1.42, 1.44] (即超出最快路线43%)	出行者存在显著的认知负荷：一旦备选方案的车上耗时比最快线路多出约 40%，乘客就会将其视作“不可理喻的迂回”而直接忽略。
Logit 方式划分尺度参数 $\sigma$	0.13 [0.04, 0.32]	0.13 [0.04, 0.32]	宏观出行方式选择对公交网络期望效用变动的灵敏度。低贫困（富裕）地区 $\sigma$ 更高（0.19 vs 0.03），对服务改善更敏感。

（三） 全城反事实宏观网络特征对比

通过模拟退火算法在 418 个网格构成的雅加达全域地图中搜索出的最优网络，与 2016 年网络及 2020 年现状网络展现出极为剧烈的形态重塑（Table 5）：

网络拓扑与运营核心指标	2016年历史网络	2020年现状网络	模型求解之最优网络均值 (Optimal)
全市公交客运分担率（Ridership %）	0.86%	1.88%	3.04% （较现状提升超 62%！）
通勤者人均福利改善（等价车上节省时间）	-3.9 分钟	0 分钟（基准）	+11.21 分钟 / 现有每位乘客单程
全网公交线路总条数（Number of Lines）	19 条	110 条（严重冗余重叠）	21 条（精简压缩 81%，极度清晰扁平）
路段平均车头时距（Mean Edge Headway）	3.03 分钟	7.62 分钟	2.69 分钟（全网等车时间大幅压缩 65%）
起讫点对车头时距（Location Pair Headway）	3.86 分钟	12.02 分钟	3.06 分钟（直达起讫点等车时间剧减 75%）
线网总覆盖里程（Total Network Mileage）	180.1 km	543.6 km	464.0 km（里程略微收缩，消除无效迂回）
外围近郊有站点网格占比（Outside DKI %）	0.77%	27.0%	40.0% （大幅向城郊结合部延伸覆盖）
直接相连起讫点对比例（Connected Directly）	21.0%	21.0%	15.0% （更多依赖高频骨干线中途高效换乘）
单车平均车厢载客量（Bus Crowding, pax/bus）	15.1 人/车	13.8 人/车	31.4 人/车（运力闲置被彻底激活，无明显超载）

（四） 局部与大步长比较静态分析（Comparative Statics）

论文进一步考察了当底层微观偏好参数发生变动时，宏观最优网络的形态会发生怎样的演变（Table 6）：

1. 等待时间成本翻倍（$2 \times \alpha_{wait}$）：若乘客对候车的厌恶程度翻倍，最优网络将从追求“广泛辐射覆盖”转向“高度局部聚焦”。连接起讫点对比例从 18% 腰斩至 9.8%，全网总里程从 464 公里压缩至 327 公里。因为在车队规模有限的情况下，只有把车辆紧缩在少数核心干线上才能维持超高频次、避免等待时间膨胀。

2. 车上时间成本翻倍（$2 \times \alpha_{time}$）：若乘客对车内耗时更加敏感，最优网络会大幅裁撤曲折绕行路段，直达线路的相对耗时比（相对物理最快路线）从 1.24 倍下降至 1.16 倍，线路走向更加平直规整。

3. 换乘惩罚激增（增加相当于 15 分钟等待的惩罚）：若乘客极其厌恶中途换乘，规划者不得不向现实妥协，牺牲干线高频次，开设更多点对点的直达长线，使直接相连起讫点对的比例从 15% 回升至 18%，全网线路总里程被迫拉长至 516 公里。

六、 全文核心结论的经济学与现代公共管理启示

Gabriel Kreindler 等学者的这项研究不仅是一篇顶级计量经济学与运筹建模学术力作，更对现代城市治理、公共交通规制与大型基础设施投资规划具有极其深刻而深远的现实指导意义。

（一） 深刻的经济学理论启示

1. 强力证实莫林效应，确立公共交通财政补贴的效率合法性：莫林效应不仅在理论上成立，在发展中国家低频次公交系统中其边际强度甚至超过临界值 1.0！这意味着由于公共交通存在强烈的等待时间外部性与规模报酬递增特征，完全依赖自由市场私营公交往往会导致“低频次—低客流—低收入—进一步缩减班次”的恶性收缩螺旋。因此，政府对公共交通系统进行持续、稳定的财政票价补贴，不仅具有社会托底意义，更具有坚实的经济学帕累托效率增进理由。

2. 厘清时间机会成本与心理摩擦的非对称性：传统交通经济学在进行成本收益分析（Cost-Benefit Analysis, CBA）时，往往简单地将各种时间统一折算为工资率的一定比例。实证表明，等待时间所承载的情绪焦虑、环境恶劣度（高温日晒）和不可预测风险，使得其心理成本高达车上乘坐时间的 2–3 倍以上。在评估交通投资项目时，任何能够稳定削减站台等待时间的措施（如实时到站大屏、车辆GPS准点调度、优先路权保障），其产生的真实经济福利往往被传统评估模型严重低估。

3. 行为摩擦（有限注意力）对传统网络评估理论的修正：研究揭示的有限注意力参数（超出最快路线约 40% 即被自动忽略）表明，出行者的决策集是高度内生受限的。当一个城市盲目开辟了大量极其迂回、逢站必停的漫长公交线路时，这些线路在出行者的心理地图中根本不复存在，只会导致宝贵公共财政资源的隐性闲置与错配。基建规划必须考虑居民的信息处理边界。

（二） 现代城市规划与公共管理实务启示

1. 破除“多线堆砌”与“一车直达”执念，构建高频骨干换乘网络：传统观念认为线路越多、市民直达越方便，导致许多城市像雅加达一样，任由公交线路自然演化成上百条重叠交织的“毛细血管网”。在核心干道上，几十条线路并排行驶，导致站台车辆排队进站引发严重拥堵；而在每条线路上，单线的发车间隔却长达十几分钟。管理启示在于：必须大刀阔斧推行“干线去冗余化”，把上百条杂线整合成极少数高运力、高频次的大动脉，依托物理隔离的 BRT 专用道实现极速换乘。

2. 牢记“车头时距的凸性法则”，推行全网均质化运力配置：由于等待时间对发车数量呈现强烈的凸函数递减特征，当市中心发车已经密至 1–2 分钟一班时，继续堆车带来的边际收益趋近于零；而外围地区如果发车间隔长达 20–30 分钟，补足车辆能带来数倍的等待削减红利。现代公共交通调度管理的核心策略，绝非在高峰期把所有车派往市中心，而是通过算法优化实现全市发车车头时距的“削峰填谷”，通过降低全网车头时距的方差，以零新增车辆成本撬动全网乘客等待总成本的急剧下行。

3. 跨越行政区划壁垒，实施“中外围优先”的空间战略延伸：许多超大城市的公交线网被人为割裂在核心行政区内部，对郊区新城和城乡结合部缺乏有效覆盖。然而，低收入工薪阶层大量居住在边缘区域，且对交通服务具有极高的需求弹性。将公交线网向外围延伸不仅不会拖垮运营效益，反而能将庞大的外围潜在客流无缝注入全网干线系统，实现全城空间公平性（Equity）与运营财务可持续性（Efficiency）的完美兼顾。

4. 统筹释放公共交通的外部性红利（治堵与减排双赢）：研究测算表明，雅加达公交网络优化带来的客流量激增，通过替代高污染摩托车和拥堵私家车，能使全城 PM2.5 年均浓度下降 2.2%，降低道路拥堵耗时 0.3%，直接挽救每年数十名婴儿生命并产生数千万美元的环境健康净收益。这启示城市管理者：公共交通规划绝不能局限于交通局内部的“算小账”，而必须将其上升为涵盖生态环境、公共卫生与产业生产率的全局性战略杠杆。

5. 拥抱“数据智能驱动”的高维城市系统精密规划范式：传统依靠人工经验排班与专家主观走线的城市交通规划模式，在超大城市数千万人口和数千个网格的组合爆炸面前已完全失灵。本研究证明，将手机信令流动大数据、公交秒级 GPS 定位与模拟退火等现代算法深度融合，能够全自动生成令人耳目一新、突破人类经验盲区的最优交通方案，标志着城市交通基础设施治理迈入以科学算法为驱动的“数智孪生与精准配置”新时代。

七、 参考文献与引证著录规范

本文总结全面参考并引用了以下国际经济学与交通运筹学经典权威文献：

Kreindler, Gabriel, Arya Gaduh, Tilman Graff, Rema Hanna, and Benjamin A. Olken. 2026. "Optimal Public Transportation Networks: Evidence from the World's Largest Bus Rapid Transit System in Jakarta." American Economic Review, 116 (9): 3330–3379.

Allen, Treb, and Costas Arkolakis. 2022. "The Welfare Effects of Transportation Infrastructure Improvements." Review of Economic Studies, 89 (6): 2911–2957.

Arkolakis, Costas, Fabian Eckert, and Rowan Shi. 2024. "Combinatorial Discrete Choice: Theory and Application to Multinational Production." American Economic Review, forthcoming.

Balboni, Clare. 2025. "In Harm's Way: Infrastructure Investments and the Persistence of Coastal Cities." American Economic Review, 115 (1): 77–116.

Ben-Akiva, Moshe, and Steven R. Lerman. 1985. Discrete Choice Analysis: Theory and Application to Travel Demand. Cambridge: MIT Press.

Currie, Graham. 2005. "The Demand Performance of Bus Rapid Transit." Journal of Public Transportation, 8 (1): 41–55.

Daganzo, Carlos F. 1979. Multinomial Probit: The Theory and Its Application to Demand Forecasting. New York: Academic Press.

Daganzo, Carlos F. 2010. "Structure of Competitive Transit Networks." Transportation Research Part B: Methodological, 44 (4): 434–446.

Fajgelbaum, Pablo D., and Edouard Schaal. 2020. "Optimal Transport Networks in Spatial Equilibrium." Econometrica, 88 (4): 1411–1452.

Gaduh, Arya, Tadeja Gracner, and Alexander D. Rothenberg. 2022. "Life in the Slow Lane: Unintended Consequences of Public Transit in Jakarta." Journal of Urban Economics, 128: 103411.

Gendron-Carrier, Nicolas, Marco Gonzalez-Navarro, Stefano Polloni, and Matthew A. Turner. 2022. "Subways and Urban Air Pollution." American Economic Journal: Applied Economics, 14 (1): 164–196.

Kreindler, Gabriel. 2024. "Peak-Hour Road Congestion Pricing: Experimental Evidence and Equilibrium Implications." Econometrica, 92 (4): 1233–1268.

Larcom, Shaun, Ferdinand Rauch, and Tim Willems. 2017. "The Benefits of Forced Experimentation: Striking Evidence from the London Underground Network." Quarterly Journal of Economics, 132 (4): 2019–2055.

McFadden, Daniel. 1974. "The Measurement of Urban Travel Demand." Journal of Public Economics, 3 (4): 303–328.

Mohring, Herbert. 1972. "Optimization and Scale Economies in Urban Bus Transportation." American Economic Review, 62 (4): 591–604.

Tsivanidis, Nick. 2026. "Evaluating the Impact of Urban Transit Infrastructure: Evidence from Bogotá's TransMilenio." American Economic Review, 116 (2): 418–463.

Wardman, Mark. 2004. "Public Transport Values of Time." Transport Policy, 11 (4): 363–377.