关于城市交通的有用知识极其缺乏，特别是在发展中国家。与此同时，发展中国家的城市交通是大规模投资的重点。例如，交通运输是世界银行贷款的最大部门，截至2016年占其净承诺的20%以上。
现有的关于发展中国家城市交通系统性能的学术工作通常集中在一个大城市的系统的特定特征上。例如，Tsivanidis(2018)研究了波哥大的快速公交运输，Hanna等人(2017)研究了雅加达的高占用率车辆(HOV)车道，Ang等人(2018)研究了圣保罗的限速，Kreindler(2018)研究了班加罗尔的拥堵定价。这些创新研究提供了有用的政策视角，但缺乏全市范围的数据来比较城市之间的结果，阻碍了对城市流动的决定因素进行更全面的分析。大众媒体也经常对城市流动性进行讨论，把重点放在拥堵作为糟糕结果的原因上，而很少考虑流动性的其他决定因素。
我们为这一讨论做出了贡献，开发了一种衡量城市整体机动车交通性能的系统方法，并将其应用于印度154个最大城市的研究(Akbar等人，2018年)。利用一个流行的网络地图和交通服务，我们生成了超过2200万在这些城市的反事实旅行实例的信息。然后，我们使用我们的方法来测量城市中的车辆流动性，并将其分解为非拥堵流动性和拥堵因素。
有四个主要教训。首先，印度大城市之间的流动性存在很大差异。最快的城市几乎是最慢城市的两倍。为了说明这一点，图1绘制了印度一个特别快的城市昌迪加尔和一个特别慢的城市加尔各答一天中机动车辆的行驶速度。这并不是因为昌迪加尔太小，没有严重的交通问题。它有超过100万的人口，典型的高峰时间速度比夜间的最快速度慢近10公里/小时。
图1两个美国城市和两个印度城市的机动车辆全天的行驶速度
其次，与美国相比，印度城市的交通普遍较慢，即使在高峰时间之外也是如此。除了昌迪加尔和加尔各答，图1还绘制了美国快城大急流城和慢城芝加哥的可比速度数据。即使是美国最拥堵的城市之一芝加哥的市中心，通常也比印度速度最快的城市之一昌迪加尔(Chandigarh)快。
第三，城市间流动性的变化主要是由不拥堵的流动性驱动的，而不是由拥堵的延误。图2显示，在154个城市的样本中，一天中不同时间的平均变化很小。由于交通缓慢而不拥堵，像瓦拉纳西(贝拿勒斯)这样的贫穷城市在任何时候都比印度平均城市慢，即使是在没有交通的晚上。我们在大城市看到了更大的日间流动性差异，特别是那些靠近市中心的大城市，如图中德里所示。
图2印度城市中机动车辆全天的行驶速度
更普遍地说，一个非拥堵出行指数解释了城市间整体出行差异的50%以上。一个简单的福利分析也表明，在印度所有城市实施最优拥堵收费后，即使考虑到拥堵收费可能降低我们所记录的旅行时间不可靠性的显著水平，改善10%的非拥堵出行也比在印度所有城市实施最优拥堵收费的收益要大得多。
这些发现挑战了传统观念，即交通拥堵是一些城市慢一些城市快的主要原因。举一个突出的例子，波士顿咨询集团(2018年)最近的一份报告称，加尔各答是印度四大城市中交通拥堵最严重的城市，使用的方法只是假设所有低于公布限制的速度下降都是由于拥堵。我们发现，加尔各答实际上是四个城市中最不拥堵的，但却是最慢的，因为非拥堵的机动性很低。这种区别具有重要的政策含义，因为非拥堵速度不能通过拥堵收费、拼车推广或限制，或其他经常被提议的对抗拥堵的政策来改善。
最后，我们发现密度越大、人口越多的城市速度越慢;城市人均收入和流动性之间存在小山形关系，增长最快的城市位于中上收入水平;一个城市的流动性与它的道路网络的特征有关。
这一系列结果挑战了一种流行的观点，即城市化和经济发展导致城市越来越大，机动车比率越来越高，并最终导致交通堵塞。我们确实在印度最大的城市发现了拥堵的证据，而且拥堵与家庭使用机动车辆之间存在很强的关联。然而，经济发展也带来了更好的交通基础设施，使交通不拥堵。
事实上，城市经济发展的指标，如近期更快的人口增长、更高的收入水平(最顶层人群除外)和更高的机动车普及率，通常与更好的整体流动性有关，尽管拥堵加剧了。例如，我们发现有暗示性的证据表明，更好的机动性与更规则的电网网络和更多的主要道路有关。
我们使用的数据还可以用来了解城市出行的基本原理，而不仅仅是流动性和拥堵。例如，它们可以提高我们对城市土地使用和房地产价格模式与交通的关系的理解。虽然这类数据的细节不如传统的旅游调查丰富，但收集这些数据的成本很低——几百美元，而不是一份完整的旅游调查的数千万美元。鉴于收集此类数据的成本较低，大样本可以很容易地针对小区域和狭窄问题。
这些数据的收集频率也比传统连续旅行调查之间通常的5到8年的间隔要高得多，因此可以在短期内评估政策变化(Kreindler 2016, Hanna等人2017,Ang等人2018)。我们相信未来这类研究将对城市交通政策的许多方面提供有益的启示。还有许多其他可能的应用，例如，监测重大自然灾害后的城市恢复情况。
因此，我们希望能够有更多的数据作为实时旅行信息生产的基础，以供研究。我们使用的数据可以让我们了解在任何时候所有可能的旅行的流动性和价格(时间成本)。类似的数量(即旅行者数量)也可能从相同的基础数据中可知。有了价格和数量，就有可能对特定路段和更大范围内的拥堵情况进行详细研究。
对同一旅行者的反复观察也有助于更好地分析个人旅行行为。例如，Kreindler(2018)使用了来自智能手机应用的2000名通勤者的出行数据面板，以了解个人对出行高峰期拥堵的反应，并衡量缓解班加罗尔拥堵的各种定价政策的福利影响。在适当考虑到隐私的情况下，在城市间提供更大的旅行级别样本，将能够全面分析更好的城市流动性和可达性带来的福利后果。
参考文献
阿克巴，P A, V Couture, G Duranton和A Storeygard(2018)。“印度城市的流动性和拥堵”，NBER工作报告第25218号，11月。
Ang, A, P Christensen和R Vieira(2018)，“为什么发展中国家的城市应该降低他们的速度限制?”证据来自São圣保罗，巴西”，mimeo，伊利诺伊大学。
波士顿咨询集团(2018年)。解锁城市:共享乘车在印度的影响．
汉娜，R, G克林德勒和B A奥尔肯(2017)。“高使用率车辆限制在全市范围内的影响:来自雅加达“三合一”的证据”，科学357(6346): 89 - 93。
克林德勒,G(2016)。“开车德里?对驾驶限制的行为反应”，工作论文，麻省理工学院经济系。
克林德勒,G(2018)。“道路拥堵收费的福利效应:实验证据和均衡含义”，工作论文，麻省理工学院经济系。
Tsivanides N(2018)。“城市交通基础设施的聚集和分布效应:来自Bogotá的TransMilenio的证据”，mimeo，达特茅斯。
