Rewarding Scale, Missing the Trail: Drone Subsidies and Exposure Accounting in Shenzhen

想象一下，一座城市正试图建造一种全新的空中高速公路，不是为了汽车，而是为了那些嗡嗡作响的小型快递无人机。这就是“低空经济”的世界——一个关于通过空中运送包裹的蓬勃发展的产业的华丽术语。但问题在于：虽然城市希望鼓励这些无人机更多地飞行（因为这既酷炫又方便），但它也必须担心地面上的人们。如果一架无人机在拥挤的公园或安静的学校上空嗡嗡作响，可能会造成困扰甚至危险。在经济学中，我们称之为“权衡”（trade-off）。通常，政府会尝试通过向公司提供资金（补贴）来建立网络，同时利用其他规则来确保它们不骚扰邻居。大问题在于：这两个系统真的在进行对话吗？还是说，政府在一个房间里为无人机买单，而另一个部门却在另一个房间里试图管理噪音，两者之间完全没有建立联系？

这篇论文调查了深圳——这座全球领先的无人机配送之城——所面临的正是这个谜团。研究人员扮演着侦探的角色，通过查阅规章制度和银行账单，观察城市的支付计划是否与安全和噪音规则挂钩。他们发现了一个令人惊讶的现象：城市非常擅长统计发生的飞行次数并向公司支付费用，但在涉及地面人群方面却存在一个“缺失的环节”。给予无人机公司的资金并不随飞行路径下方的人口数量或无人机的噪音大小而改变。噪音唯一产生影响的时候，是有人在事后提出投诉时，即便如此，那也仅仅是一项安全检查，而不是一个价格标签。研究表明，尽管城市拥有追踪这些问题的所有正确数据，但决定谁能获得报酬的系统实际上并没有利用这些数据来调整奖励。这就像一位老师，每读完一页作业就给一颗金星，却从未检查学生是在图书馆还是在摇滚音乐会上阅读，尽管老师手边就放着麦克风。

空中的侦探工作

故事始于深圳，一座高科技驱动的大型城市，无人机配送正在这里腾飞。当地政府建立了一套复杂的规则体系来帮助这一新兴产业发展。他们制定了“奖励计划”——基本上就是无人机公司的现金奖金菜单。如果一家公司开辟了一条新航线，他们会获得一笔总额；如果他们完成了一定数量的飞行，则按次计费。如果他们是大规模公司，总金额也会设有上限。研究人员收集了该市及其不同行政区的六份官方文件，以了解其数学逻辑究竟是如何运作的。

他们首先研究了“价格标签”。他们发现，这些奖励是非常具体的。例如，一家公司可能仅因开辟一条新航线就能获得 20 万至 35 万人民币。然后，对于每一次飞行，他们可能会获得 20 元至 50 元人民币。一家公司一年内可以获得的总额范围在 100 万至 2000 万人民币之间。研究人员注意到，这些数字因无人机所在的区域不同而差异巨大。一个区可能每架次飞行支付 35 元，而相邻的区则支付 50 元。这表明，城市正非常严肃地鼓励网络的“增长”。他们正在付钱让公司飞得更快、更远、更多。

但随后，侦探们提出了那个价值百万的问题：如果无人机飞过拥挤的社区，价格会改变吗？如果它飞过医院或学校呢？如果无人机真的很吵呢？研究人员检查了这六份文件中的每一条规则。他们寻找诸如“人口”、“噪音”、“投诉”或“敏感区域”之类的词汇。结果是一个巨大的、空洞的零。在他们检查的 30 个地方中，没有任何一处显示，公司获得的金额会根据暴露在无人机下的受影响人数而增加或减少。无论无人机是飞过沙漠还是密集的城市街区，奖励都是一样的。唯一的例外是一个关于噪音投诉的小规则：如果一家公司收到过多投诉且拒绝解决问题，他们可能会失去获得“未来”资金的资格。但这并不会改变他们已完成飞行的计费率；这只是一个“你出局了”的开关，而不是一个“调低支付”的旋钮。

链条中的缺失环节

那么，如果城市没有利用数据来调整支付，它到底有没有这些数据呢？这正是故事变得有趣的地方。研究人员查看了“治理栈”——即城市用于管理无人机的其他规则和数字系统堆栈。他们发现，城市确实有能力追踪几乎所有信息。规则规定，公司必须报告其飞行路径、飞行高度、飞行时间以及航线附近的人口数量。还有数字地图展示了人口密度和敏感地点。城市拥有一个记录飞行动态并保存记录超过一年的系统。

问题不在于缺乏信息，而在于缺乏连接。研究人员发现，统计飞行次数以发放资金的系统，与追踪安全和噪音数据的系统，就像两座没有桥梁相连的孤岛。城市知道发生了多少次飞行，也知道飞行发生在何处，但公开文件并未显示一个“共同 ID”，能将特定的飞行报销申请与特定的安全记录联系起来。这就像银行的账本写着“为飞行 A 支付 100 美元”，而安全办公室的日志写着“飞行 A 经过了学校”，但没有人把账本里的“飞行 A”与安全日志里的“飞行 A”关联起来。没有了这个链接，政府就无法轻易检查他们发放的资金是否造成了超过其价值的麻烦。

“假设测试”

为了测试这个数据问题到底有多棘手，研究人员进行了一个小实验。他们选取了九条曾在新闻中报道过的真实无人机航线，并尝试使用不同的测量方式来评估这些航线的“风险程度”。他们问道：如果我们改变航线周围的安全区域大小，或者如果我们使用不同的地图来统计人数，“高风险”航线的名单会发生变化吗？

他们发现，答案是“是的，变化很大”。如果你把安全区域稍微扩大或缩小一点，或者如果你对建筑物的计数方式略有不同，原本看起来安全的航线可能会突然变得危险，反之亦然。这告诉我们，你不能简单地给一条无人机航线贴上一个标签。在利用数据来决定支付金额之前，你需要一个非常清晰、经过一致认同的风险测量方法。研究表明，如果城市想要使用这些数据，他们需要明确写下测量标准——使用哪张地图、区域大小是多少、哪些建筑算作“敏感建筑”——这样所有人才能在发钱之前就知晓规则。

总结

论文得出结论：深圳在建设和资助无人机网络方面做得很好，但它存在一个“缺失的暴露量核算路径”。这条路径应该是连接“关于谁暴露在无人机影响下的数据”与“支付给公司的决策”之间的纽带。目前，这条路径是断裂的。城市拥有追踪无人机和人群的工具，也有支付飞行费用的资金，但尚未建立起连接两者的桥梁。

研究人员提出了一个简单的修复方案：为每一次飞行申请创建一个“持久性 ID”。这个 ID 将随飞行申请一同移动，携带飞行路径、飞行高度以及附近的人口信息。这样，在城市开支票之前，人类或计算机可以查看该 ID 并说：“嘿，这次飞行经过了医院。在支付前先检查一下噪音规则。”这并不一定意味着要少付钱，但这意味着要确保安全规则真正得到了执行。这项研究并不是说现有的系统是失败的，而是说它是不完整的。城市已经造好了引擎并准备好了燃料，但仍在摸索如何驾驶这辆车，以免撞到行人。通过修复这个缺失的环节，其他城市可以学习如何在不忽视地面民众的情况下，发展自己的无人机网络。