FIELD SURVEY · 一個外送村的測繪報告 · 資訊管理學系專題

演算法，
就是一種重分配政策。

2026 年 7 月 21 日，外送專法上路：每筆訂單的基本報酬，按服務時間換算不得低於最低工資的 1.25 倍，且不得低於 45 元。這條保障線撞上平台的派單規則，到底誰買單？下面的村莊住著六十個規則驅動的模擬市民，每一個都在盤算要上班還是跑外送。實驗，由他們替你做。

SURVEY NO. 2026-07N = 60CALIBRATED · TW 2024往下 ↓
FIG. 01 — 平台派單：等比例派單
—
GINI 貧富差距
秀梅早餐店員
…
FIG. 01 — 基準線

一棟房子，一個人

房子越高越有錢；紅頂＝爆單的全職外送員；斜線填充＝失業。左下角是秀梅（早餐店員），跟其他五十九個人一樣，每回合都在盤算：好好上班，還是下班去跑外送？

FIG. 02 — 介入

平台改推「衝效率」

接得越多，下一單排序越前面：強者恆強，訂單滾雪球。少數紅頂豪宅拔高，右上角的讀數從 0.188 爬到 0.255。連正職穩定的人都跑去拼時數——看看秀梅現在怎麼說。

FIG. 03 — 對照

改成「看評分」，差距沒有回去

單子流回服務好的人，聽起來比較公道，但讀數只從 0.255 降到 0.246，離等比例派單的 0.188 還很遠。這是本站量到最反直覺的一件事：在測試的三種規則裡，只要加入個人差異加權，分配就比按在線時間等比例分配更集中——用評分加權還是用接單量加權，差別遠小於「有沒有加權」。稅率從頭到尾一步都沒動過。

FIG. 04 — 新聞現場 · 2026-07-21

外送專法上路：新法報酬保障

模擬結果，不是政策預測兩道保障各救各的：45 元救最短的 8.3% 訂單，1.25 倍時薪救最長的 33.0%——長單被基本費＋距離的計價方式壓得最慘。最低服務時薪從 236 元推到法定的 245 元。但本站同時假設成本全額轉嫁、訂單池縮到 66%，於是：全職外送 22 人→13 人、同一批人的總所得少 18.2%、整體差距不降反升（0.255→0.276）。誰買單？在這個情境裡，補足樓地板的錢有 100% 來自壓低其他外送員的單價，平台淨增支出是 0。加上漲價的消費者與退場的邊緣外送員——保障線兩端的錢，大多是在外送員之間搬動。

APPENDIX — 校準紀錄

憑什麼信這份測繪

  1. 起點釘在真實：六十個人的純勞動所得分布 Gini＝0.343，對齊主計總處 113 年（2024）家庭收支調查的 0.341。校準的是這條底盤，不是圖版上任一條讀數——圖上的 Gini 含平台收入，本來就會偏離。已知缺口：模型的五等分位差距是 7.2 倍，高於官方的 6.14 倍。
  2. 反應對齊實證：最低工資（報酬保障就是它的親戚）對齊 Card & Krueger 1994 與 Cengiz et al. 2019；UBI 對齊芬蘭 2017–18 實驗；稅用應稅所得彈性 ETI≈0.25（Saez et al. 2012）。本站只借用「小幅調高最低工資不必然壓低就業量」這個方向，不假設其估計值可直接套用台灣外送市場。
  3. 訂單池 66% 是壓力測試假設，不是預測：參考 Uber 引用的公平會「餐飲外送平臺替代性」調查——兩家平台同時漲價 5% 時，34.1% 受訪者表示不再使用外送平台。那是市場界定用的價格敏感度問卷，不是對專法的效果評估，引用者本身又是受規範業者；本站把它當成需求急縮的上限情境拿來壓測。
  4. 結論不靠某一組參數：跑過 33 組參數的決定論敏感度掃描（β 累積指數、天賦權重、訂單池、平均服務時間、短單比例、基本費占比）。「加入個人差異加權後分配更集中」32/33 組成立，唯一的例外正好是把個人差異加權關掉的時候；「報酬保障會讓整體差距上升」只有 30/33 組，它依賴需求急縮的假設，需求不縮就不成立。
  5. 會自我質疑：模型無隨機數，同設定重跑必得同一組數字；上游由對手 AI 攻擊最弱假設、另有自己的回歸測試把關，本頁移植另有 49 條（tests.mjs）。上游原本模擬的是創作者經濟，只在該語境成立的機制已移除；舊版另有兩個真正的模型錯誤——假的「等比例派單」（其實是弱累積）與訂單沒有共用池——也已修掉，全部寫在方法頁。但這 49 條測試只能證明程式、文案與數字彼此一致，不能證明模型符合真實世界。
換你來轉旋鈕 → 儀器室 方法與來源：每個數字怎麼來的 沙盤套件全覽

DISCLOSURE — 本站是一件用代理人模擬探索平台規則與分配後果的探索性沙盤，不是經驗性的政策模型。模型在瀏覽器即時運算（移植自 integrated.py），決定論、無隨機數。人物的話由預先寫好的本地決策規則產生，不是即時大型語言模型，也不代表真實外送員的意見。模型有訂單層，專法第 5 條的兩道保障都有實作。β、訂單服務時間分布、訂單池大小、基本費占比都是本站設定的人工假設，沒有台灣的公開資料可對照，而它們決定了上面每一個數字——寫在這裡讓你攻擊，敏感度掃描見方法頁。接上 API key 的完整版才有逐人 LLM 推理。