人的一生都在出行，笔者探究出行的底层逻辑，并结合实际问题进行分析，给出了解决方法。
本文适合人群：真心喜欢经济学、心理学、生物学甚至物理学等很底层的知识的人。
目录：
一、序言
二、底层逻辑
出行需求
横向拆分
纵向拆分
三、具体应用
网约车乘客迟到问题
四、结束语
一、序言
物质因自然力被动作用而发生的叫移动，生物利用能量而发生的主动移动叫出行。
古往今来，人类的出行方式一直在变化，从裸足步行、穿鞋步行到马车、轿子再到自行车、滑板、火车、轮船、汽车、飞机、电动车等，一直在发生变动。
本文从当前环境的交通出行入手进行研究，随后的小节意外发现了历史长河里变动的本质原因（未完全展开表达）。人类会接受怎样的变动，以及这种变动如何得以发生，过去到现在到未来，是宏观角度；之后又转而聚焦当下，研究在第三方平台的作用下，怎样缓慢发生短期内可行的变动。
此主题过于宏达，本文肯定会存在很多待优化待补充的东西，但文中的核心思想已然足够引人入胜。
未来有机会，可能会花更多时间出一本更完美的书，在此，先将核心思想传达出来。
二、底层逻辑
为实操做准备。
1. 出行需求
1.1 对需求的分析
生存需要，所有人需要经常性地从A点移动到B点，B点发生的事件是出行方的收益（或减少的赔本），这是吸引力，移动过程必要的支出是排斥力。
物理和经济问题：不同的人在不紧急状况下选择不同策略，完成移动付出时间、体力最低（支付的金钱也可转化为个人为此工作的时间和体力，体力与时间正相关，之后不考虑体力）；
包含现实问题：相同的人不同紧急程度选择不同策略，因为不得不尽快出发（比如突发紧急情况不允许提前出发），要多考虑行程节省的时间为移动完成后发生事件所增加多少收益或减少多少损失；
其他特殊情况：舒适度、安全性等因素暂不考虑（很多特殊情况待补充）。
人预演不同的出行策略而产生不同情绪（正面情绪：快和便宜，负面情绪是：慢和贵），根据每种策略带给自己的综合感受来选择最优策略，经验积累后人们会快速选择。
得益于物种选择，对是否出行、哪种方式出行有将近百分之百的选择，移动方都是赚的。
为出行方服务的司机和平台，不能控制出行方此次移动理想状况下（移动瞬间完成）将会产生的利益（或减少的赔本），是在解决当事件紧急时如何最大化接近瞬间完成（对一定会发生减少的吸引力的减少进行减轻），以及降低所有情况的移动本身所产生的成本（对排斥力进行减少）。
我们会发现，最大的难点在于前者的正向发生，往往是在后者反向发生的基础上发生的：
为什么收入高的人，比收入低的人总体来说选择更快的工具？
当双方移动目的所得的收益一致时，且都不紧急时，收入高的人过程中节省的时间可以产出更多的利益。同时会付出更多的金额，本质上是自己未来的工作时间，他会选择最优点：节省的时间 – 未来的时间的最大值。
这个公式适合所有人，一个人的效率是一定的（客观现象），对出行本身能做的优化是：减少或不增加他未来的时间的前提下，增加或不减少他节省的时间。
为什么有时低收入的人也会选择特别快的工具？一定是遇到了紧急事件，节省的时间 – 未来的时间的最大值，此公式依然成立，但此时此人节省的这部分时间的效率是远比平时效率高的。
综合来说，在紧急状况下，所有收入水平的人都会选择最快的出行（只要有足够的钱）；在不紧急的情况下，根据收入水平的不同，人们依次选择不同速度的出行方式。
1.2 初步考虑如何优化
原始公式：
① 收益 = 总支出 – 无用支出
② 人从A到B = 人付出的总支出α – 无用支出α
司机的出现：
③ 乘客从A到B = [乘客付出的总支出β +（司机付出的总支出β + 司机的利润β）]– 无用支出β
（注：乘客付出的总支出是指非金钱的支出，比如步行到乘车点、等车的时间）
滴滴的出现：
④ 乘客从A到B = [乘客付出的总支出γ +（司机付出的总支出γ + 平台付出的总支出γ + 司机的利润γ + 平台的利润γ）] – 无用支出γ
滴滴的迭代：
⑤ 乘客从A到B = [乘客付出的总支出δ +（司机付出的总支出δ + 平台付出的总支出δ + 司机的利润δ + 平台的利润δ）] – 无用支出δ
理想方向：
⑥ 人的收益 = 付出的支出 – 0
无用支出：
无用支出α = 乘客产生的无用支出α
无用支出β = 司机产生的无用支出β + 乘客产生的无用支出β
无用支出γ = 平台产生的无用支出γ + 司机产生的无用支出γ+ 乘客产生的无用支出γ
无用支出δ = 平台产生的无用支出δ + 司机产生的无用支出δ+ 乘客产生的无用支出δ
变化发生的动力是：
总体来说，出行者比之前更利于自身生存了（总利益增加了，或总损失减少了）。
②到③：
1.1里面“不同的人相同的紧急情况”，总付出减少了。
③里面的公交到出租车：
1.1里面“相同的人不同紧急情况”可解释（即便无用成本是增加的），选择更快无用成本虽然可能会增加，司机的利润来源于用户快速到达比慢速到达产生的利益差的一部分。
司机的出现虽然增加了不必要的浪费（比如司机付出的精力理论上本可以载10个人没问题等），但消减了乘客更大的浪费。
③到④到⑤：
主要是在减少无用成本，从而乘客的总支出（含金钱）是减少的。平台的利润来源于为乘客（为司机本质上还是为乘客）减少的无用支出的其中一部分。平台的出现主要是消减了不必要的浪费，次要的消减了更大的浪费。
套用著名公式：产品价值=（新体验—旧体验）－迁移成本。平台利润（以及司机利润）在这个公式中小于等于产品价值，平台的抽成考虑的是总收益，即单个利润及总单数，如何使乘积最大。
无用成本：
从物理学角度：理想状况下，乘客从A到B的总成本应该是W=Fs（F摩擦力，s距离），这其实是很小的。但实际生活中，无用功产生的太多太多了（可以展开充分的想象），还有就是有用功产生的少了（比如乘客的等待本可以劳动）。
第三方平台的出现，本质是在减少无用功的损耗,以及给有用功的创造提供时间（这一主题有必要深入考虑）
。
未考虑的点：
乘客的时间支出，既可以放在公式左边，也可以放在右边。不同乘客各自在不同情形下，偏向价格还是时间的原因根本是因为自己的时间就是支出，其实很复杂，暂时不插入。
马车、共享单车业务等，是一样的道理。
1.3 进一步考虑如何优化
算出平台新增利润都与哪些因素有关，从而对这些因素进行进一步拆分直到可实操优化的地步。
令1.2中的④ = ⑤，并带入相应无用支出：
平台的新增利润(δ-γ)：
=[(乘客付出的总支出γ-乘客产生的无用支出γ)-(乘客付出的总支出δ-乘客产生的无用支出δ)]+ [(司机付出的总支出γ-司机产生的无用支出γ)-(司机付出的总支出δ-司机产生的无用支出δ)]+ [(平台付出的总支出γ-平台产生的无用支出γ)-(平台付出的总支出δ-平台产生的无用支出δ)]-司机的新增利润(δ-γ)
=（乘客付出的有效劳动γ-乘客付出的有效劳动δ）+（司机付出的有效劳动γ-司机付出的有效劳动δ）+（平台付出的有效劳动γ-平台付出的有效劳动δ）-司机的新增利润(δ-γ)
按理说，两次的有效劳动的总和应该是一致的，即乘客都是从A到B。
这表明公式有一些地方是错误的（由此的一些思考比如变化动力随之也是有一些问题的）。
经过思考，我十分激动地发现了答案：
从②到⑤，是引入石油和电力的过程！
石油公司和电力公司对石油、电力的卖价是低于它们本身价值的，剩余的价值是付给汽车的发明者、司机、滴滴创意的发明者、产品经理、程序员等的技艺和智慧的，他们是将能源从源头真正注入到现实生活中的人。
人是转化食物能量的系统，人创造的新科技是转化其他能量的系统。
本质上说，非体力劳动者收入的多少是看他真正转化了多少新能源注入了人类生活，体力劳动者收入的多少是看他转化了多少食物能源注入了人类生活。
再进一步：一个人金钱财富的多少，是看他转化了多少宇宙能源进入了人类生活，这些能源转化成了金钱储存了起来，供他日后再换成能源。
⑦ 从A到B = （人付出的总能量 + 外界融入的新能量） – 人和外界无用的能量
此发现意义深远（不仅仅对出行领域）。
举一个例子：自动驾驶本质上是引入了更多的电力，是一项巨大的创新。这表明减少无用能量的回报是较小的，融入大块的新能量是回报巨大的，或者说虽然无用能量是巨大的，但大块地消减它的难度是巨大的，甚至比融入新能量的难度更高（汽车发动机的有用功是很小的）。
还要考虑的一点是，坐飞机很可能浪费的成本比步行要高，乘客依然选择此的原因，除了紧急事件考虑到的事件收益外，其实石油的一部分价值也是免费送给乘客的，一部分理由也是考虑扩大消费者数量，所以新能源的价值是转化者和接受者共同劳动也共同享受的。
本节一开始打算要进行的公式推导暂时不重新进行了。
2. 横向拆分
劳动分工和专业化已被证明有绝对的降低无用支出的功效，抽象多种出行方式在相同出行阶段的共同点，寻找新的可规模化的点（公交车司机就是对司机驾驶的规模化）。
业务中台本质也是分工和专业化，是软件的分工与专业化。抽象多种出行方式在相同出行阶段的共同点，是寻找中台模块进行规模化的方式。举一个例子：派单策略是对每个人和每辆的士相遇过程的集合，这套代码可以解决每个人的每一单，且更专业。
在每个出行阶段内，第一步是对相同的出行方式找共同点，第二步是对所有的出行方式找共同点。（有些是线下可优化，有些是线上可优化）。
横向拆分后其他“寻找可优化策略的方法论”待发现。
3. 纵向拆分
3.1 定义
司机成本流：从石油采集、车本身的制造等源头开始直到一个订单完成过程，所不断产生的成本。其实此流最好是司机产生的浪费成本流。再分析哪些可以优化，浪费成本流的终点颜色的深浅代表着策略的优劣性。（未考虑乘客的非资金成本）
信息流：出行过程中，乘客和司机以及客观环境不断产生的信息，是三条信息流。乘客端比如他的位置、时间点、在做什么等等，客观环境比如公路拥堵状况、安全状况等。信息量也是不断增多的。
情绪流：有乘客和司机两条情绪流，整个过程中，不同事件造成各自的情绪跌宕起伏，且不断汇聚成大背景情绪，一般会在结束时爆发。
（这一节有个小彩蛋：“现查的”反色）
3.2 情绪流
情绪起监视作用，过程中，双方会不断产生正面情绪和负面情绪来博弈，使得司机成本流和乘客资金流的差额站在对自己有利的位置。
情绪是博弈的动力，充分的博弈会使双方都没有利益的得与失。各自的情绪为负则红色加深，情绪为正则绿色加深（情绪加总为0为白色），最终颜色的深浅代表公平度，现实往往是不公平的（有意无意）。
情绪流其实还分情况，司机和乘客最终都是正向情绪，以及各自情绪一正一负(还分两人的相加为正还是负)，以及两者都是负。
环境变化后的一小段时间会产生情绪，当此环境长时间不变后，情绪会慢慢消0(除了十分恶劣的负面情境)。这是自然选择造成的，这是在“欺骗”我们一直前往更优环境。
普遍看来，社会环境也的确是在变好的，但如今每天的平均情绪和前几年几乎一致。
放到出行领域，滴滴这些第三方平台出现，的确是减少了我们出行的成本的，但人们是在慢慢在习以为常。
这一点的补充是为了预言上一条补充的那个情绪流的发展：当优化策略出现时，情绪流最终是正的，但如果之后策略不再变化，情绪流慢慢又会趋于0。
3.3 信息流
互联网技术可以说就是通过对信息流的一套动作来优化线下发生的活动的。
信息的采集一定要充分，不能遗漏有用信息；信息的处理要处理出正确的有价值的信息；信息的分配也要充分（比如来自乘客的原始信息有时也要处理后传达给乘客）。
3.4 其他流暂不写
三、具体应用
终于到可实操的层面了。
1. 网约车乘客迟到问题
1.1 迟到的发生过程
博弈过程(情绪为 -10到+10，由负面到正面)：
第1轮：
乘客：首次使用滴滴会在到达起始地时再下单，然后等待司机到来；情绪为-3。
司机：司机接收订单后马上来接客，乘客就在起始地，马上上车；情绪为0。
第2轮：
乘客：8,9成的人会提前下单，在自己到起始地时，最好司机已经在，或者只等1、2分钟；情绪为2。
司机：司机前来接客，乘客未到，需要等若干分钟（经调查，七成会等3分钟左右，1成会等10分钟左右），再考虑到自己是收费方；情绪大部分为-2，小部分为-7。
第3轮：
乘客：行为不变，即普遍迟到3分钟；情绪为0。
司机：司机依然会接到单就赶往起始地（自己是收费方）；情绪大部分为-2，小部分为-7（会主动催乘客）。
此时，现实中的博弈到达了一个平衡点，最终是利于乘客（如果这个迟到部分不纳入司机收益考虑的点上），且当前较为稳定。
因为司机作为收钱的服务方，是被动的，所以在等与被等上成了输家；乘客作为付费的受服务方，是主动的，享有主动权，所以在等与被等上成了赢家。
情况1：乘客下单后不在意自己迟到与否，表现在出发晚，步行慢（属于没想要不迟到，下一步能不能做到不迟到另说）。
情况2：司机接单后，乘客观察了司机预计到达时间，但因为低估了自己的步行时间，出发晚了（属于乘客想要不迟到，但不能不迟到）。
情况3：司机接单后，发现高估了司机到达时间。马上出发了，但还是迟到了（属于乘客想要不迟到，但不能不迟到）。
情况4：乘客发生意外事件，导致出发晚或路上耽误了很久。
1.2 迟到的解决
情况1属于制度问题导致博弈不充分，最终导致利益分配不公平。因为情绪是当下的，乘客没有不良情绪，但最终导致他产生不必要的成本（他造成司机产生不必要的成本）。这种成本现实中是可以通过充分博弈来解决的。如果乘客知道要付费给司机后依然选择不在意，那一定是有更大的利益使他自愿放弃这部分小利益(情况4)。由于一些原因，建议采取正面激励或柔和的负面刺激来使乘客不发生这种情况（比如建立乘客的被评价系统，这一定会有额外成本，但居然也有额外收益，对司机安全有了更大保障）。
情况2属于无用的成本里的可优化的成本，优化方式是通过信息流，将乘客步行所需时间处理好发给乘客。
情况3属于司机产生的可优化的成本。这是介于预约叫车于立即叫车的中间状态。可优化派单策略，但可能这部分可优化的成本有一部分现实情况导致暂时难以优化。
情况4属于乘客造成司机产生不可优化的无用成本，还是要乘客来承担。具体方式建议采取类似保险行业或国家纳税的思路（同时让司机知道对方因意外迟到了，表面上安抚司机的负面情绪）。
迟到问题分为两个步骤：
乘客想不想不迟到，按理说乘客肯定是不想迟到的，这成本最终都是自己的。但博弈不充分导致乘客当前没觉得自己有损失（真的没损失那就是司机有损失了），使一些乘客不太在意迟不迟到。
乘客能不能不迟到，当乘客知道迟到会有损害时，依然迟到那就是成本问题。成本分为可优化的无效成本，和必然付出的有效成本以及暂时不可优化的无效成本。
初步给出优化策略：
下单前司机派单策略的优化、相遇过程乘客步行时间的信息传达给乘客，相遇过程乘客和司机可方便传达意外信息，考虑建立乘客的被评价系统，刺激乘客不故意迟到、以及更加公平的计费算法。
考虑是不是要执行：
每一个新策略，根据第一部分里的公式对优化后与优化前进行比较。可调查当下情境某些项目的具体数量，优化后的量预估，再比较（暂时只对一个司机进行了调查，2成左右乘客是人等车，或者1分钟内到；7成乘客是车等人4分钟左右；1成乘客是车等人8分钟左右）。
2.1 矛盾的发生
2.2 矛盾的原因
[乘客付出的总支出γ +（司机付出的总支出γ + 平台付出的总支出γ + 司机的利润γ + 平台的利润γ）]= 乘客从A到B + 无用支出γ （暂时不加引入的能源）；
三者的相遇及运行，本质是靠乘客的出行需求。乘客付出的金钱，是司机和平台收入的来源，乘客付出钱，供司机和平台分。
三者之间的矛盾冲突就是每方站在自己角度，每一方都想要更多的利益，更少的付出。
矛盾与冲突的发生，就说明不公平的确发生了（或说表面上看起来是在发生）。每一次冲突开始时的状态，总有一方是得益方，一方是损方，且是损方发起的抗争，是博弈的开始。
人本能上知道，公平是使自已一生当中能获取最大利益的点，所以当自己多余的利益受损时，抗争力度就会特别低，这是博弈发起后能完成的原因。
题外话：为了方便，资金是在过程结束时，或者过程开始时，乘客一次性支付的。其实每个小阶段支付一次也有一些优点。
2.3 矛盾的解决
尝试消解造成矛盾事件发生的原因（对于误会可消除误会，平台上挂的一些文章就是做这个的）。比如：让乘客能够不迟到；
疏通博弈过程，让博弈充分进行，使得矛盾自然解决。比如：不得不迟到就要给司机钱了；
客服处理全新的矛盾，并再次分析总结，从第一步开始。
四、结束语
本文核心在于第一部分的底层逻辑，这一部分写了十分之九，较为全面，因为就这么少，抽象的特点（类比数理化公式）。
第二部分表层应用，这一部分写了万分之一，只写了2个问题，因为这一部分无穷无尽，现实世界总会出现各种各样的问题（类比数理化习题）。
日后有机会再优化补充成书。但此文已把核心说完，希望能借此，每个人都能自己在心里在日常，优化补充成书。
