学术商院 | 喜报：董展育助理教授合作论文被UTD24国际权威期刊Management Science接受发表
近日，中山大学商学院助理教授董展育（通讯作者）的合作论文“Automated Enforcement and Traffic Safety”被Management Science接受发表。论文合作者为伦敦政治经济学院成治教授、威斯康星大学麦迪逊分校Min-Seok Pang教授。文章聚焦我国在交通监控设备上的技术进步，分析了不同技术类型交通监控设备对于交通事故的影响及其作用机制，为推广我国先进技术的管理实践提供了研究依据。
Management Science是国际管理学顶级期刊，UTD24期刊之一，是覆盖战略、创业、创新、信息技术、组织行为、会计、金融、市场营销、运营管理等领域的管理学综合类期刊。
研究背景
根据世界卫生组织（2023年）最新发布的《全球道路安全现状报告》，2021年全球共有119万人死于道路交通事故。值得注意的是，道路交通伤害已成为全球5至29岁儿童和青少年的首要死亡原因。道路交通事故对全球宏观经济的代价估计高达1.8万亿美元，相当于全球国内生产总值（GDP）的10%至12%。因此，提升交通安全已成为政策制定者，尤其是发展中国家政府的重要任务。自20世纪50年代以来，世界各地陆续推行了多种交通安全措施，包括工程创新（如安全气囊）、产品设计规范（如儿童约束设备法）以及行为规定（如限速措施）。然而，这些措施的有效性仍存在争议。例如，安全措施（如安全带）可能使驾驶者因感到更安全而放松警惕，反而导致更高的事故发生率，并将风险转移给缺乏保护的行人等交通参与者。此外，交通安全执法也面临诸多挑战。目前最常见的方式是由交警执勤，但这种方式通常成本高昂且成效有限。由于警力分布有限，驾驶者往往认为被查处的概率较低，从而增加违规行为。此外，事故发生后要获取清晰证据和确定责任原因较为困难，也进一步削弱了对危险驾驶的威慑力。因此，由于信息不对称和负外部性问题，传统执法往往性价比较低。近年来，自动化执法手段（如测速仪和闯红灯摄像头）被广泛部署于道路上。尤其是在机器学习算法驱动下的自动化执法系统，较传统执法方式具备以下优势。首先，交通摄像头可实现全天候自动违规检测。其次，与工作时间和部署频率有限的交警不同，摄像头为固定且持续运作，使违规驾驶成本上升。再次，在事故发生时，交通摄像头持续记录证据，有助于减少事故原因和责任判定的不确定性。因此，自动化执法在监控交通行为、检测违规事件、记录证据方面的优势，有效缓解了信息不对称与负外部性问题，相较传统执法方式更能提升交通安全。有鉴于此，文章聚焦于我国在道路安全监控上的技术进步，评估了我国道路安全监控设备对于道路安全的影响。本文尝试回答以下问题：第一，不同类型的交通执法摄像头对道路安全有何影响；第二，它们在多大程度上能降低交通事故的人力与经济代价；第三，其作用机制是什么。
研究方法
本文利用了中国某大城市的2014-2016年的交通事故数据以及公开的交通技术监控设备分布的数据，考察不同类型的交通摄像头对于路口交通事故的影响。在这一时间段内，当地交通执法部门升级了道路安全监控设备的技术，因此这一时段有两种类型的交通摄像头被启用：其一是传统摄像头，依靠电磁设备触发临时拍摄，仅可识别少量违规行为（闯红灯和逆行）；其二是先进摄像头，具备机器学习算法驱动的实时图像识别功能，可自动检测更多类交通违规行为（如，不按道行驶等行为）。基于不同类型摄像头在空间布局和启用时间上的差异，本文采用了事件分析法进行分析。首先，本文考察了不同类型交通摄像头对于交通事故的影响。其次，本文通过比较先进摄像头与传统摄像头的功能差异探索影响机制，并且排除了其它可能的机制。最后，本文分析了交通摄像头的异质性影响。
研究发现
首先，本文的研究结果显示，与没有安装摄像头或仅装配传统摄像头的路口相比，装配先进摄像头的路口在总事故数量上显著并持续减少，平均降幅为8.3%。这一结果在多种稳健性检验下保持一致。
其次，机制分析表明，第一，先进的交通摄像头因具备机器学习识别能力，显著减少了多种类型事故的发生；第二，实时视频记录功能帮助识别事故原因，发挥独特作用；第三，通过提升驾驶者对摄像头存在与功能的认知，带来显著的学习效应，进而对周边区域形成外溢性威慑。这些发现表明，先进的交通摄像头在技术与心理威慑方面均优于传统的交通摄像头，从而解释了其在减少事故方面的显著效应。
进一步的发现支持上述机制并排除其他解释路径：第一，自动化执法的效果在高风险驾驶人群或高风险区域更为显著，进一步印证了“技术驱动的威慑”机制。第二，这种效果具有持续性，但未传导至无摄像头的区域，表明不存在空间替代效应，也缓解了对“无摄像头区域因信息不对称而无法威慑”的担忧。第三，事故风险并未转移给其他交通参与者（如行人），说明摄像头的负外部性有限。
论文详细信息
Cheng, Z., Dong, Z., & Pang, M. S. (2025). Automated Enforcement and Traffic Safety. Management Science.
DOI: https://doi.org/10.1287/mnsc.2023.00575
论文摘要
Traffic safety poses a persistent challenge for society and public policy. Conventional law enforcement by human police is often cost-ineffective because of information asymmetry and negative externalities of unsafe driving behaviors. Automated enforcement, in the form of traffic cameras on the road, has gained prominence in recent decades, yet its effectiveness and underlying mechanisms remain debated. This study examines the impact of traffic cameras on road safety using longitudinal data from a metropolitan city in China. We distinguish between advanced cameras, which use machine learning to detect various traffic violations and constantly record video, and conventional cameras, which rely on triggered image capture for a limited number of violations. Using an event study design with staggered camera installations at road intersections, we observe a significant and sustained reduction in accidents near advanced cameras, compared with locations with no cameras or only conventional cameras. Further analysis identifies three key mechanisms driving the effects of advanced cameras: (i) automated detection effect—superior technical capabilities to automate violation detection; (ii) real-time recording effect—continuous monitoring and recording capability to augment accident cause identification; and (iii) driver learning effect—technology-enabled deterrence that increases driver awareness of these cameras and encourages behavioral adjustments to mitigate accident risks. This study contributes to information systems, transportation economics, and criminology, offering policy insights into the effective design and deployment of automated enforcement to improve traffic safety.
作者介绍
董展育，中山大学商学院（创业学院）“百人计划”助理教授，硕士生导师。主要研究领域是产业经济学与实证运营管理。论文成果发表于《经济学（季刊）》和Manufacturing & Service Operations Management、Management Science等国内外经济学和管理学领域的高水平学术期刊。主持国家自然科学基金青年项目以及广东省基础与应用基础研究基金联合基金面上项目。