外卖骑手“等灯停表”：算法治理须算好安全账

（本文作者袁哲，浙江大学经济学院百人计划研究员、浙江大学产业经济研究所副所长）

7月31日，美团与苏州公安联合上线外卖骑手“等灯停表”功能首个正式版本，首批覆盖姑苏区和苏州工业园区约1100个信号灯路口。骑手在接入交通数据的路口正常等红灯，系统会单独累计等灯时长，并相应顺延订单最晚送达时间。几十秒、几分钟看似不长，却触及一个关键问题：遵守交通规则所必需的时间，不能再被当作骑手个人的“损失”。

这并非从零开始的规则调整。平台此前已通过路况模型提供“红灯补时”；此次试点进一步接入实时灯态与骑手轨迹，把预估补时推进为对实际等灯时长的识别和顺延。技术变化不算宏大，却使过去被倒计时遮蔽的安全时间变得可见、可计量，也把一个治理问题摆到台前：完成一项服务所必需的安全成本，究竟应由谁承担？

讨论算法治理，人们容易把注意力集中在模型是否公开、预测是否准确等技术问题上。更根本的问题是，算法如何定义效率、分配成本和风险，以及谁为这种效率付出代价。由此看，“等灯停表”的意义不只在于补时，而在于将过去主要由骑手个人承担的守法成本纳入平台的履约规则，开始重新分配风险、激励与责任。

算法不仅计算时间，也在分配成本和风险

平台算法常被看作技术工具：预测送达时间、规划配送路线、匹配订单与骑手。然而，一旦预测结果被用于派单、叠单、超时考核、收入结算和消费者展示，算法就不再只是中性的计时器，而成为一套实际运行的分配规则。它决定哪些时间被承认、哪些延误可以免责，也决定不确定性最终落到谁身上。

平台通常依据配送距离、历史路况和平均骑行速度估算送达时间。这类模型在总体上可能相当准确，但骑手面对的不是“平均路况”：同一段路程，可能连续遇到多个红灯；同一笔订单，也可能遭遇商家出餐慢、电梯拥堵、门禁登记、道路施工或临时交通管制。算法可以用历史数据平滑总体波动，单个骑手却必须承受当下这一单的具体意外。

当这些不受骑手控制的波动没有被充分纳入算法，它们并不会消失，而会被压进不断减少的倒计时。我在骑手体验中也曾直观感受到这种紧张：守法等待可能带来超时、差评甚至收入损失，冒险抢行反而可能规避部分损失。由此形成的激励与交通安全目标相冲突。问题不只在骑手是否愿意守法，更在于守法是否会让其在考核和收入上吃亏。

“等灯停表”正是将过去未被充分承认的安全时间纳入计算。等红灯不是配送之外的“无效时间”，而是安全完成履约不可缺少的一环。将这段时间由系统吸收，至少在规则层面释放出清晰信号：平台认可安全等待，守规则不应付出额外代价。

从经济学角度看，这也是对风险承担机制的重新配置。天气变化、交通信号、商家出餐速度等，都是骑手难以控制的外部冲击。过去，这些不确定性往往由配送链条末端的骑手吸收；平台通过补时和规则调整予以识别，可以把风险更多交给拥有数据、技术和统筹能力的一方管理。这样做有望减少无效冒险，也让履约预期更稳定。算法治理的一项基本原则，就是识别效率指标背后的隐性成本，并由更有能力管理风险的一方承担。

安全优先要贯穿整条算法链

“等灯停表”说明，算法治理不是放弃效率，而是重新定义效率。通俗地说，平台给系统设定什么优先级，算法就会朝什么方向优化。如果唯一目标是缩短送达时间，系统会不断寻找可以压缩的秒数；只有把安全设为不可突破的约束，才会为红灯、恶劣天气和其他合理等待留出空间。限制配送测算时速、恶劣天气补时、商家出餐慢免责，都是在给效率划定边界：平台追求的应当是安全约束下的效率。

这类调整的价值，不应仅被概括为“人文关怀”。真正有效的权利保障，要写入算法的目标、约束和执行规则，落实到骑手能够感知、平台必须执行、监管可以检验的环节。“算法向善”只有转化为可执行、可申诉、可评估的制度安排，才不会停留在口号。

因此，真正需要调整的不只是一个倒计时按钮，而是时间预估、路线规划、派单叠单、准时率考核、异常申诉和收入结算等整条算法链。系统已经识别商家出餐延迟，就不应仍让骑手承担超时责任；恶劣天气增加风险，除延长时限外，还应控制配送强度和测算时速；连续配送时间过长，也应触发合理休息。只有各环节朝同一方向调整，安全约束才不会被其他指标抵消。

更要防止“这里补时、那里加压”。如果平台一边补时，一边增加叠单、压缩其他环节或降低单位收入，骑手仍可能通过加速维持收入，安全效果就会被抵消。判断治理成效，不能只看功能是否上线，更要看骑手总体压力、工作时长和单位时间收入是否发生改善。

外卖连接骑手、商家和消费者。骑手端停表后，消费者端的预计送达时间和提示也应同步更新。消费者可能多等几十秒或几分钟，但红灯本来就存在；现在只是把过去隐藏在骑手赶路甚至冒险中的时间成本真实显示出来。将安全配送所必需的合理时间纳入消费者预期，有助于使服务时间更真实、稳定，也避免压力通过催单和差评重新传导给骑手。

从试点走向协同、可验证的治理

“等灯停表”还显示，算法治理正在从事后处理个体行为，转向事前校正平台规则。过去面对骑手闯红灯、逆行和超速，治理多集中于宣传教育和街面处罚；现在还要追问配送时间如何计算、系统提供了什么激励、哪些风险被转嫁给个人。算法持续影响劳动权益、交通秩序和消费者体验，就不能完全被视为企业内部事务；治理对象也应从个体行为延伸到产生激励的制度源头。

苏州试点说明，技术落地离不开跨部门数据协同。实现“等灯停表”主要依赖骑手位置轨迹和实时红绿灯灯态数据，分别掌握在平台和交管部门手中。在保障数据安全和个人信息权益的前提下，交管部门可逐步完善非机动车信号、禁行道路、施工和临时管制等数据供给，平台则应将公共交通数据与配送场景合理结合，并持续吸收骑手的一线反馈。

这也提示全国推广不能简单复制参数。高楼、立交桥和道路密集区域可能出现定位漂移；动态信号灯不能只按固定周期推算；系统还要判断骑手是否靠近路口、行驶方向和真实停车原因。多订单配送时，一个红灯可能同时影响多笔订单，临时改道又会改变路线。误判会损害骑手信任，漏判则难以减压。技术方案可以逐步校准，但不能把识别困难转化为骑手反复举证的负担。

协同治理还要求规则可解释、可申诉、可验证。现行《互联网信息服务算法推荐管理规定》已要求提供工作调度服务的平台完善订单分配、报酬、工作时间和奖惩等相关算法；人社部门发布的《新就业形态劳动者劳动规则公示指引》也要求公开直接涉及劳动者权益的算法规则及其运行机制。对“等灯停表”而言，平台既要防范定位漏洞，也应提供清晰的判定说明和便捷的人工复核，让正常骑手不必为系统错误承担成本。同时，交通数据与骑手轨迹结合涉及行踪轨迹等敏感个人信息，应坚持最小必要原则，明确用途、保存期限和访问权限，防止安全数据被用于无关的劳动控制。

政策效果也不能只凭功能上线判断。“等灯停表”有望减少部分由倒计时压力引起的闯灯和抢行，但骑手安全还受到收入、叠单、疲劳、路线和道路条件等因素影响。评估时，既要比较试点前后每万单、每百公里的违法、险情和事故，也要考察骑手压力、工作时长和收入变化。对骑手交通行为的判断应以可比数据为依据，不能因为其工作里程长、服装醒目，就简单把道路风险归因于这一群体。

从试点走向更大范围，可采取“统一底线、地方适配”的方式：国家层面明确安全底线、数据标准、算法透明、隐私保护和申诉规则，各城市再根据道路、天气和配送场景配置参数，并通过试点持续校准。还可引入骑手代表和第三方评估，定期公布覆盖范围、识别准确率，以及安全、收入等核心指标。这样既能避免不同地区放松安全标准，也能让算法共治从企业承诺转化为责任清楚、结果可验证的制度。

“等灯停表”的意义，不在于多算了几十秒，而在于它展示了一种更合理的算法治理方向：完成服务所必需、无法压缩的时间，不能在系统中被隐去；个人无法控制的风险，应更多由拥有数据、技术和统筹能力的平台管理；具有公共后果的算法规则，必须接受解释、申诉和效果检验。好的算法，不是把每一秒都压到极致，而是知道哪些时间不能压缩、哪些风险不应由个人承担、哪些效率必须以安全为边界。让守规则的骑手不吃亏，让消费者获得更安全、稳定、可预期的服务，算法才能真正成为提升交易效率和公共治理水平的工具。

第一财经一财号独家首发，本文仅代表作者观点。