香港網約車發牌政策推演：量化模型與博弈分析
香港網約車發牌政策推演：量化模型與博弈分析
一、背景
香港的點對點交通服務長期由的士壟斷。運輸署自 1998 年起凍結的士牌照數量於 18,163 個，形成人為稀缺（運輸署《香港道路交通統計年報》）。的士牌照價格從 2000 年約 252 萬港元，炒高至 2015 年 725 萬港元高峰，其後因服務質素下降及網約車競爭，回落至 2025 年約 290 萬港元（香港的士交易所公開報價記錄）。
與此同時，以 Uber 為首的網約車平台在香港營運已逾十一年，惟一直處於法律灰色地帶——尚未立法規管。2025 年 10 月 15 日，立法會三讀通過《2025 年道路交通（修訂）（網約車服務）條例草案》，為網約車設立發牌制度。運輸及物流局局長表示，目標是「實現市民、的士、網約車共贏」（政府新聞公報，2025 年 10 月 15 日）。
核心爭論點：應發出多少個網約車車輛牌照？ 的士業界主張不多於 1,000 個；Uber 要求無上限；民間建議「中間落墨」約 10,000 個。
二、研究方法
本文分析透過量化模擬及博弈論框架，從兩個維度評估不同發牌數量對市場的影響：
-
量化模擬——以政策參數調校模型模擬不同牌照數量 Q 下的市場均衡，回答「數字會如何變化？」各參數（司機人數、載客量、車費、牌價等）以公開數據校準，見下方基線數據表。
-
博弈論分析——以納殊均衡（Nash equilibrium：各方均無誘因偏離當前策略的狀態）與序列博弈分析各方的策略性反應，回答「持份者會如何回應？」
模型核心假設
| 假設 | 數值 | 說明 |
|---|---|---|
| 每輛網約車每日載客次數 | 20 次 | 少於的士（不可於街上截客），但應用程式配對效率較高 |
| 每輛網約車對應司機人數 | 1.3 人 | 部分兼職模式 |
| 平台佣金比率 | 25% | 目前市場通行水平 |
| 的士「固有優勢」比例 | 35% | 截街客、長者、遊客等對的士的剛性需求 |
| 的士司機最高轉行比率 | 30% | 轉投網約車的上限（考試門檻、不確定性） |
| 牌價計算方法 | 現金流折現法（DCF），基礎折現率 5%＋規管風險溢價 | 風險溢價隨牌照數 Q 增加 |
三、量化分析：各發牌數量情境
3.1 基線數據
| 指標 | 數值 | 來源 |
|---|---|---|
| 的士總數 | 18,163 輛 | 運輸署（自 1998 年凍結） |
| 的士司機人數（全職等效） | 約 32,700 人 | 按兩更制及 90% 活躍覆蓋率推算 |
| 的士每日載客量 | 約 82 萬程 | 運輸署統計年報 |
| 的士司機月均淨收入 | 約 $21,500 | 按每日兩更、每更淨收入 $860 推算（扣除租金 $420＋燃油 $220） |
| 的士牌照價格 | 約 $290 萬（2025 年 2 月） | 的士交易所報價；2015 年高峰 $725 萬 |
| 網約車活躍司機（全職等效） | 約 8,000 人 | 據業界公開資訊估算 |
| 網約車每日載客量 | 約 12 萬程 | 按活躍司機 × 日均 15 程估算 |
| 現有合法出租汽車許可證 | 1,115 個（上限 1,500） | 運輸署 |
3.2 情景比較
下表為模擬對不同牌照數量 Q 的市場均衡預測：
| Q | 網約車市佔 | 網約車月淨收入 | 的士司機月淨收入 | 牌價（~百萬） | 牌價相對變動¹ | 等車指數² |
|---|---|---|---|---|---|---|
| 0 | 0.0% | — | $21,500 | $5.11 | +76% | 100 |
| 1,000 | 2.1% | $16,700 | $21,500 | $4.87 | +68% | 75 |
| 3,000 | 6.4% | $15,800 | $21,500 | $4.44 | +53% | 50 |
| 5,000 | 10.7% | $15,000 | $21,500 | $4.09 | +41% | 38 |
| 10,000 | 21.3% | $13,300 | $21,500 | $3.41 | +18% | 23 |
| 15,000 | 32.0% | $13,300 | $21,500 | $2.92 | +1% | 17 |
| 20,000 | 40.4% | $12,400 | $20,800 | $2.53 | −13% | 13 |
| 30,000 | 46.2% | $8,400 | $17,700 | $1.92 | −34% | 9 |
¹ 牌價基準為 2025 年 2 月的 $290 萬。在 Q=0 情境下牌價預測回升至約 $511 萬，原因是移除了發牌預期帶來的規管風險溢價。更合理的解讀是：目前 $290 萬的牌價已反映市場對發牌的預期——牌價已「提前下跌」。因此低 Q 情境的作用並非令牌價回升，而是防止進一步下跌。以下討論側重於各 Q 之間的相對變動，而非絕對牌價水平。
² 等車指數：100 = 現狀（無網約車），數值越低表示等候時間越短。指數 23 代表等候時間約減至四分之一的水平。
四、核心發現
4.1 的士牌價的結構性分水嶺：Q=15,000
Q=15,000 是牌價的臨界點。在 15,000 牌以下，牌價仍能維持相對穩定（~$292 萬，與現價 $290 萬基本持平）。一旦 Q 突破 20,000，網約車供應開始超越市場可吸收的增量，觸發連鎖反應：
- 的士使用率下降 → 車租金受壓 → 牌價現金流折現值下跌
- 規管風險溢價自我實現：牌價下跌 → 更多車主考慮出售 → 牌價進一步受壓
對的士牌照持有人而言，10,000 牌仍是「可接受」的上限；15,000 牌以上則進入不確定區間。
4.2 的士司機收入比預期抗跌
在 Q ≤ 20,000 的情境下，的士司機（租車經營者）的月入基本維持不變（約 $21,500）。原因有二：
- 租金緩衝機制：車租金隨需求下降而調整——承擔主要損失的是牌照持有人（車主），而非司機
- 固有市場保護：的士的「不可競爭市場」（截街客、長者、不熟悉應用程式的遊客）約佔總需求的 35%
然而，長期而言車主減租空間有限——當租金跌至不足以覆蓋牌照按揭成本時，市場將出現系統性風險。
4.3 網約車司機收入呈倒 U 型曲線
| Q | 網約車司機月入 | 車輛使用率 | 市場狀態 |
|---|---|---|---|
| 1,000 | $16,700 | 100% | 供應嚴重不足，牌照稀缺但收入可觀 |
| 5,000 | $15,000 | 100% | 較優區間：高使用率加合理競爭 |
| 10,000 | $13,300 | 100% | 仍可持續，但車費溢價基本消失 |
| 20,000 | $12,400 | 95% | 供過於求初現，司機收入開始受壓 |
| 30,000 | $8,400 | 72% | 嚴重供過於求，部分司機可能虧損 |
此倒 U 型曲線揭示一個結構性矛盾：Uber 作為平台支持無上限發牌，因為其收益隨 Q 單調遞增（越多車輛，佣金總額越大）；但網約車司機的最佳收益區間在 Q=5,000–10,000。 「無上限發牌」的最大受益者是平台，而非司機或乘客。
4.4 車費均衡點：Q=10,000
Q=10,000 時網約車溢價收窄至約 3%，與的士車費基本趨同。此為「車費均衡點」——消費者首次擁有實質性價格選擇：以相近費用，在的士的可靠經驗與網約車的便利體驗之間取捨。
五、博弈分析：持份者策略互動
5.1 持份者效益矩陣
下表以 0–10 排序尺度衡量六個持份者在不同 Q 下的相對效益（0 = 最差，10 = 最佳）：
| Q | 政府 | 牌主 | 的士司機 | 平台 | 網約司機 | 乘客 |
|---|---|---|---|---|---|---|
| 0 | 6.1 | 10.0 | 10.0 | 0.0 | 0.0 | 3.5 |
| 1,000 | 5.6 | 10.0 | 9.6 | 0.2 | 5.3 | 4.5 |
| 3,000 | 5.4 | 10.0 | 8.9 | 0.6 | 5.7 | 5.8 |
| 5,000 | 5.6 | 10.0 | 8.2 | 1.0 | 6.1 | 6.7 |
| 10,000 | 6.3 | 10.0 | 6.3 | 1.8 | 7.2 | 8.4 |
| 15,000 | 6.5 | 10.0 | 6.0 | 2.6 | 7.2 | 9.6 |
| 20,000 | 6.6 | 8.7 | 5.8 | 3.3 | 7.0 | 10.0 |
| 30,000 | 6.9 | 6.6 | 4.9 | 3.8 | 6.0 | 10.0 |
關鍵結構：
-
牌主效益在 Q ≤ 15,000 時維持 10.0——並非因為滿意（牌價已從 $487 萬跌至 $292 萬），而是因為其決策邏輯是「不崩即為贏」。只要牌價未進入結構性下跌通道，接受是優於抗爭的選擇。一旦 Q=20,000（牌價 −13%），效益即從 10.0 跌至 8.7——態度由接受傾向抗爭。
-
網約車司機效益倒 U 型——見頂於 Q=10,000–15,000（7.2），隨後因供過於求回落（Q=30,000 時 6.0）。平台效益則近乎線性增長。
-
乘客是唯一隨 Q 單調遞增的持份者——效益從 3.5 升至 10.0。但 Q=10,000（8.4）到 Q=20,000（10.0）的邊際增幅僅 1.6，而代價是牌主由接受轉為抗爭。
5.2 納殊均衡：政府與牌主的策略互動
將政府與的士牌照持有人視為兩個參與者：
策略空間：
- 政府策略：低發牌量（1,000）、中發牌量（10,000）、高發牌量（無上限）
- 牌主策略：接受、全面抗爭（包括罷駛、司法覆核、政治遊說）
支付矩陣（政府效益, 牌主效益）：
| 牌主：接受 | 牌主：抗爭 | |
|---|---|---|
| 政府：低（1,000） | (5.6, 10.0) | (2.6, 8.0) |
| 政府：中（10,000） | (6.3, 10.0) | (3.3, 9.0) |
| 政府：高（無上限） | (6.9, 6.6) | (3.9, 9.5) |
兩個納殊均衡：
-
（中發牌量, 接受）——雙贏均衡：政府選擇 10,000 時，牌主最佳回應是接受（10.0 > 9.0）；政府在此策略下亦獲相對最高效益（6.3 > 低發牌的 5.6）。雙方均無誘因偏離。
-
（高發牌量, 抗爭）——雙輸均衡：若政府選擇無上限，牌主最佳回應是抗爭（9.5 > 6.6）；給定牌主抗爭，高發牌量仍是政府相對較佳選項（3.9 > 3.3 > 2.6），但整體效益大幅下降。
核心博弈洞察：政府不能選擇無上限發牌，因為這會觸發牌主的策略從「接受」切換至「抗爭」（策略轉向）——抗爭的代價（交通癱瘓、司法覆核、政治動盪）遠大於牌價維持在高位的靜態收益。
10,000 牌從而成為「政治均衡點」——非消費者最優（那需要更高 Q），亦非牌主最優（那需要更低 Q），而是在各方利益之間可持續的平衡。
5.3 序列博弈：持份者觸發閾值
現實博弈是序列性的：政府先宣佈發牌數量，各持份者再根據自身利益決定行動。
| 持份者 | 策略轉變 | 觸發閾值（約） | 觸發後行為 |
|---|---|---|---|
| 牌主 | 接受 → 抗爭 | Q ≈ 15,000–20,000 | 罷駛、司法覆核、政治遊說 |
| 的士司機 | 留守 → 轉行 | Q ≈ 10,000–15,000 | 大規模考取網約車牌照 |
| 平台 | 虧損 → 盈利 | Q ≈ 5,000 | 市場規模足以支撐營運 |
| 乘客 | 無感 → 有感改善 | Q ≈ 3,000–5,000 | 等候時間明顯縮短 |
六、綜合判斷：各配額方案的終局
Q = 1,000：數量過少，改革有名無實
| 維度 | 評估 |
|---|---|
| 市場影響 | 網約車僅佔約 2%，對的士不構成實質競爭 |
| 消費者影響 | 等候時間略降，但選擇極為有限 |
| 牌主影響 | 牌價維持穩定，可接受 |
| 政治可行性 | 牌主支持，但消費者及平台不滿 |
Q = 10,000：政治均衡點 ⭐
| 維度 | 評估 |
|---|---|
| 市場影響 | 網約車佔約 21%，形成有意義的雙軌競爭 |
| 消費者影響 | 顯著改善：等候時間約為原來四分之一，車費溢價基本消失 |
| 牌主影響 | 牌價維持於 $250–$340 萬區間，大部分牌主可接受 |
| 司機影響 | 的士司機收入未受實質影響（租金調整緩衝）；網約車創造約 13,000 個合法職位 |
| 政治可行性 | 納殊均衡：政府可獲得最高可行效益（6.3），牌主維持在接受區域 |
Q = 15,000–20,000：牌價結構性下跌，政治代價極高
消費者最優，但牌主策略由接受轉向抗爭，政治可行性低。此外網約車市場開始供過於求（使用率低於 95% 且持續下降）。
Q = 30,000+（無上限）：市場失靈
牌價暴跌至低於 $200 萬，大量牌主資不抵債；的士司機和網約車司機「雙輸」——整體行業工資萎縮。此即「競次」（Race to the Bottom）。
七、結語
從量化分析與博弈論的角度看，Q=10,000 同時滿足以下條件：不小於現有網約車市場規模（∼8,000 活躍司機），不大於牌主的抗爭閾值（牌價不跌破約 $250 萬），足以讓平台可持續營運，且讓消費者感受到實質改善。這並非巧合——這是政治經濟學的均衡點，是「以民為本，多方共贏」政策目標的量化體現。
延伸問題
-
分階段發牌的博弈動態：若政府分多階段發牌（首階段 3,000，兩年後檢討再加），博弈均衡會如何改變？分期策略能否降低牌主的抗爭意願？
-
牌照回購計劃的成本效益：政府以市價回購部分牌照是否比承受抗爭成本更有效率？回購價格應設定於何種水平才能同時滿足牌主退出意願與公共財政約束？
分析方法
本文分析基於公開數據的量化模擬及博弈論框架：
- 模型類型：政策參數調校模型，以 4 個核心參數（司機人數、載客量、車費、牌價）校準
- 基準線：運輸署的士數量（18,163）、網約車活躍司機估算（8,000）、牌價（$290 萬），以上數字均來自公開來源
- 槓桿：牌照數 Q（0–30,000）、的士固有優勢（35%）、司機轉行上限（30%）
- 博弈框架：政府 vs 牌主，正規型 3×2 支付矩陣，納殊均衡求解；另以序列博弈分析 6 個持份者 × 8 個情境的觸發閾值
- 不確定性：主要參數誤差約 ±20–30%，但情景之間的相對比較（A vs B）可靠度更高，因誤差對所有情景一致影響
- 可重複性：完整量化模型程式碼及所有情景數據已存檔備查