城市中的同一块用地，被在不同时间转化为不同用途，这样的情况比比皆是。大的如大型街道用于阅兵；小的如人过马路时，马路既是车行道又是人行道。

用过马路为例，交通信号灯就是政府提供的一种制度来分配同一块空间资源在不同时刻被谁使用——被行者还是开车的人。现在是通过政府给定时间间隔来分配。一方面，这种分配当然有大量的无效率——比如有时候空无一行人，但红灯自顾自亮了，汽车就必须停。另一方面，人的智能性，很大程度上能够在判断车流给自己带来的风险，计算出一个比等红灯更快过马路方案——承担一定风险，虽然发生后代价大，但发生概率极小。当抢这一点时间对人的价值足够高的时候，闯红灯就自然发生了——这就是政府不提供制度（或提供的制度造成的效率损失大）的背景下，市场自发形成了。

理论上，政府可以用市场手段来分配资源：比如每次都让走路的和开车的竞拍这个时刻的“过马路权”，谁出价高，谁过马路。但是：1.市场设计和计算的技术水平，不足以支持政府组织这样的市场；2.即便组织了，我们也还不清楚存不存在一个好的均衡；3.这种拍卖并不能充分利用车流缝隙等资源。

当然，这种市场设计很笨——我们大可以有很多其他更聪明而简单的市场设计去提高资源分配，比如闯红灯被撞保险业务。

暴走团和闯红灯本质上是一样的，那就是“城市空间资源的稀缺租足够高，迫使人们承担风险+高认知计算成本，采用一个更高风险、需要更机警的城市空间资源使用策略来竞争资源分配——而不是采用遵守法规这种简单愚笨而低效的方法坐等资源分配”。

这种市场自发形成的现象，和“遵守规则——比如不闯红灯”相比，有可能提高了整体社会效率，也有可能是降低整体社会成本的；更可能时而提高效率、时而降低效率。

但无论如何，这种要求“租值重分配”强烈激励驱动下，闯红灯和暴走团不可避免必然发生——不管是在北京还是在纽约。而不发生的地方：比如高速路、高架桥，那是因为稀缺租没有大过风险的期望损失+认知成本等。

总之，租值的存在驱动着市场自发的去实现城市同一空间的动态实时多元化利用（如暴走和闯红灯）。数据支撑的智能城市管理和运行技术的缺失，阻碍了政府提供支撑”同一空间动态实时多元化利用“的制度这一公共品。数据和运筹等技术的进步，是智能城市技术进步，从而帮助政府获得提供相应制度的能力。

作为我们智慧城市的相关研究者而言，城市空间资源分配机制设计和数据计算控制优化技术支撑，会是我们应该关注的可能研究问题。如何利用新技术发动市场机制，让市场能够有效供给中低收入城市人群的健身休闲需求，才是根本问题。健身房市场是解决不了中低收入者的上述需求的。

例如，许多城市道路的建设被城市中的潮汐式交通出行逼的不得不大量建设：这造成许多路段早间的车辆稀少而高峰期却使用频繁。这是因为出行高峰低谷差值极高造成的，但毫无疑问，早间的车辆稀少降低了这些路段的公共投资效率。那么作为智慧城市，我们该思考，如何基于数据和优化控制技术形成弹性的城市空间弹性多功能使用机制：例如一些路段出行高峰是道路+出行低谷是禁止车辆行驶的运动场（或其他用途设施），来降低因为峰谷差造成的公共资金投资低效率问题。同时也要思考，如何引导资金通过市场机制来形成城市资源优化动态配置的好市场。

暴走团的出现，其动因本质上和驱动当年的“黑的士”出现的动因是一类的。优步滴滴模式的出现，就是提供了制度和保障制度的算法等公共品，形成了一个市场去解决黑的士的困境。纽约无法禁止行人闯红灯则是无法提供服务，也不禁止分布式算法自行优化。对于暴走团、广场舞，需要我们更深刻的思考处理模式

数据+优化控制等技术的成熟，使我们正站在一个管制技术进步爆发、政府能力跃升的机遇期，不应错过。