本文来自微信公众号：中国青年研究 （ID：china-youth-study），作者：邢朝国、李季垚，原文标题：《代驾司机数字劳动不稳定性的算法形塑机制及其主体应对》，题图来自：视觉中国
数字劳动是当前青年就业的重要形态。通过对代驾司机数字劳动过程进行考察，讨论数字劳动不稳定性的塑造机制以及数字劳动者的主体应对策略。研究发现，代驾司机的劳动时间、劳动空间以及虚拟劳动身份极不稳定。代驾平台通过算法管理，对代驾司机的数字劳动进行控制，剥夺了代驾司机的劳动知情权、劳动选择权以及劳动评价权，从劳动政体上形成数字平台对劳动者的霸权，从而确保按需服务得以实现。面对算法管理驱动的劳动不稳定性，代驾司机通过猜算法、顺从算法、弥补算法来应对。本研究揭示了数字劳动不稳定性的本质及其算法形塑机制，丰富了数字劳动研究。
一、研究背景
过去十几年来，代驾作为一种新的就业形态在我国城市地区发展迅速，尤其是2011年5月1日起正式实施的《中华人民共和国刑法修正案(八)》将醉酒驾车入刑后，酒后代驾需求剧增，代驾行业进入快速发展期。清华大学法学院公法研究中心研究团队发布的《代驾行业发展白皮书》显示，2016年我国代驾行业的总订单已超过2.53亿单，总产值达154亿元，其中酒后代驾是用户最大的使用场景，占比为97.8%[1]。另一项市场调查数据显示，从2017年到2021年，我国汽车代驾行业市场规模从155.84亿元增长到254.25亿元，代驾司机人数从62.8万人上涨到73.9万人[2]。现如今，代驾司机穿着职业装在餐厅、酒吧、KTV门口等活或者骑着折叠自行车在街上穿梭成为城市常见景观。
尽管代驾行业发展迅速，给青年提供了大量零工就业机会，但是代驾司机的职业境况不佳，生计很不稳定。一方面，相较于传统的出租车司机，作为非正规就业的代驾司机缺乏劳动保障，而且容易遭受醉酒乘客的语言暴力等，面临较大的职业安全风险[3]；另一方面，作为一种以互联网平台为依托的劳动，代驾司机的劳动过程被算法控制，致使其劳动异化程度加剧[4]。有鉴于此，本文以代驾司机数字劳动不稳定性为研究对象，通过对代驾行业的实证研究，厘清代驾司机数字劳动不稳定性产生机制，勾勒代驾司机应对数字劳动不稳定性的策略，呈现数字经济时代劳动者的主体性经验。
二、文献回顾
1. 不稳定性研究
不稳定性(precarity)是指一种不稳固(unstable)、不确定(uncertain)、不安全(insecure)境况，狭义上特指劳动不稳定性，即劳动者没有长期的雇佣关系、没有标准的劳动合同、没有社会福利保障[5]。
盖伊·斯坦丁(GuyStanding)用“不稳定无产者”(precariat)描述那些没有稳定的工作和收入、缺乏职业认同和集体意识的劳工[6]。就劳动制度而言，二战之后，福特制在西方资本主义生产体系中占据主导地位，彼时西方国家经济蓬勃发展，劳工阶层具有长期稳定的工作，在此背景下，不稳定性被用来描述那些拒绝顺从福特主义劳动规则的劳动者，比如拒绝去工作或者旷工的“懒汉”[7]。
但是到20世纪80年代，新自由主义强调劳动力市场的弹性，主张企业为了提高生产效率和市场竞争力，可以随时调整劳工人数、劳动时间等，致使成千上万的劳工不再从事福特装配生产流水线劳动，而是参与小规模的、网络化的弹性劳动[8]，其结果是市场的不确定性和风险转嫁到劳工身上，劳工阶层陷入不稳定状态[9]。从劳动关系角度来说，在新自由主义思潮下，劳工的组织性下降，劳工与雇主谈判的能力减弱，雇主和劳工之间的权力失衡加剧，劳工遭受的劳动控制日益严重[10]，他们更容易焦虑、绝望、没有归属感[11]。
需要指出的是，不稳定性不仅仅呈现在劳动领域，它还会弥散在法律、社会、经济等多个领域，呈现出“多重不稳定性”[12]，而且不同领域的不稳定性还可能会交叉重叠，形成“复合不稳定性”[13]。此外，不稳定性不仅可能是潜在的，没有被劳动者清晰地感知和觉察[14]，而且还可能在特定的时间阶段浮现出来[15]。
2. 数字劳动的不稳定性
当前，在全球范围内，快速发展的数字技术以及信息与通信技术(ICTs)极大地改变了资本主义的生产和积累方式，促使政治经济转向数字资本主义[16]。如今，越来越多的人通过数字界面来销售和购买劳动服务，这使企业劳动力外包更加便利，并为自由职业者和自雇劳动者提供了新的劳动平台[17]。
虽然中介平台以“自由”“灵活”之类的话语吸引人们从事按需服务(on-demand service)，但它实际上生产了更加不稳定的工作形式[18]。例如，外卖平台、网约车平台往往许诺外卖骑手或者网约车司机劳动灵活性和劳动自由，如“当自己的老板”“想干多少干多少”，但实际情况是平台通过数字技术对劳动过程进行重构，并施加无所不在的监控，使工作强度和工作压力增大，劳工丧失自由和尊严[19]，劳动者的权力降低、工作条件恶化[20]。正如诸多研究指出的，数字技术打破了旧的时间观和空间界限，使上班/下班时间界限模糊，劳动者时刻处于待命的工作状态[21]。一些平台的算法和管理政策导致劳工陷入社会孤立状态，遭遇不公平的解雇等[22]。
与传统的工人和雇主之间双边关系不同，数字劳工通过平台中介与服务用户完成市场交易，形成劳工—平台中介—服务用户“三边关系”[23]。在“三边关系”中，平台对供需信息进行搜寻、匹配，处于权力中心，决定了各方互动规则[24]。在平台劳动模式下，雇主的责任弱化，劳工没有获得常规的就业福利和法律保障，这给劳工带来巨大的身心压力[25]。新冠肺炎疫情发生后，像外卖、快递这样的平台公司的业务进一步扩张，但是骑手、快递小哥并没有从这种扩张中获益，恰恰相反，他们对平台的依赖性增强，进而导致他们的报酬降低[26]。
现有研究已经充分揭示了数字劳工遭受的算法控制和遭遇的数字劳动困境，但是对数字劳工如何感知算法控制、如何破解数字劳动的不稳定性关注得还不够，在一定程度上遮蔽了数字经济时代劳动者的微观实践和主体能动性。
三、研究方法
2021年12月到2022年2月，研究者通过在滴滴代驾或e代驾平台下单邀请代驾司机方式对13位代驾司机进行了线下访谈，访谈内容涉及代驾司机进入代驾行业的原因、代驾司机的劳工过程、代驾司机与代驾平台之间的关系等问题。通过访谈，研究者对代驾行业以及代驾司机的劳动过程有了基本了解。
2022年7~9月，研究者就代驾平台的算法管理、代驾司机劳动的不稳定性等关键议题对21位代驾司机进行了深度访谈。21位被访者主要是通过代驾司机介绍同行这样的滚雪球方式获得的。21位受访者的年龄在27~49岁，平均年龄37岁；从事代驾工作年限最短的是1年，最长的是7年，其中八成受访者做代驾的年限在4年及以下；受访者中仅有两位是京籍，其他均为外地户籍。在做代驾之前，多数受访者从事运输、汽修等相关行业或者非正规就业，如公司保安、餐厅厨师。受访者中有15位是全职，6位是兼职；全职代驾司机的月收入能够上万元，兼职代驾司机的月收入在5000元左右。
受新冠肺炎疫情影响，对21位代驾司机的深度访谈都是线上进行的。每个访谈的时间平均约为1小时。
在访谈之前，研究者都清楚地跟被访者介绍了自己的身份、研究主题、研究目的以及访谈资料使用方式，征得访谈对象的知情同意。经过访谈对象允许，研究者对所有的访谈过程进行了录音。
四、代驾司机数字劳动不稳定性呈现：不稳定的订单
作为一种典型的平台劳动，代驾司机与代驾平台、客户之间的纽带是订单。顾客在代驾平台上下单，平台汇集客户需求，通过算法将客户订单派给代驾司机。代驾司机数字劳动的不稳定性集中体现在订单的不稳定。
1. 等单：劳动时间不稳定
作为灵活就业，代驾行业的入职门槛相对较低。随着代驾司机人数增长，尤其是新冠肺炎疫情期间大量失业人员涌入代驾行业，而餐厅、酒吧等相关行业受疫情冲击，客户需求下降，导致代驾司机工作机会竞争愈加激烈。与外卖骑手早、中、晚接单，被催单、加速流动[27]，一天能跑五六十个单不同，代驾司机很多时候在食客出入的场所门口等单，有非常长的劳动空档期，一天能接六七个单就算不错的。由于白天几乎没有单子，全职代驾司机一般在傍晚七点左右开始上线接单，迎接晚上8点至11点客户需求高峰期，之后一直工作到凌晨三四点，结束工作回到家往往得清晨四五点以后。兼职代驾司机通常下班后下午6点左右开始接单，工作到夜里12点左右回家。
但是，即便客户需求晚高峰期也不意味着代驾司机能单子连着单子，等个二三十分钟是常态。在非客户需求高峰期时段，单子稀少，接单更不稳定，需要代驾司机花费更多时间等单，甚至会空等。
“我们基本都是‘昼伏夜出’的，白天出来得早基本没有单子，就是在路上闲逛，其实凌晨的单子也不是很多，不可能保证一单接着一单，所以中间有很多空档期就在路上边走边等着派单。”(受访者8)
“平常运气不好的话，等半天也不来一单，大部分时间都耗在趴活儿上了。”(受访者17)
全职代驾一晚上上线时间基本在6到8小时甚至10小时以上，其中等单导致的劳动空档期占了很大比重。对于兼职代驾司机来说，在客户需求高峰期接到四五个单子，挣到两三百元已经够了，但是对于全职代驾司机来说，这些收入是不够的。要想每月收入上万，全职司机需要在凌晨继续等单。代驾司机用“熬单”一词表达深夜单子少、花费数小时在路边等单子的情形。单子不确定、不连贯导致代驾司机的劳动节奏不稳定、劳动时间零碎化且难以控制。为了生计，代驾司机需要将自己的劳动时间自主权让渡给派单平台，并服从于食客的时间节奏，他们难以事先知晓什么时候会有下一个工作订单，什么时候可以流动。
“凌晨单子少，但是起步价高，走一单都在100元以上。我们明知道不好出单、只能接一单或者两单，但还要干到后半夜、还要熬，要靠这一两单来冲流水呢。这是没办法的事，因为你不知道后半夜KTV里面的人几点走，没个准。也许喝高兴了，他会喝到(凌晨)四五点，也许家里有事，老婆催他了，或者他喝不动了，会提前走，都没准。”(受访者21)
2. “派到哪里算哪里”：劳动空间不稳定
在派单模式下，代驾司机登录代驾平台，上线等待平台指派订单，代驾司机事先并不知晓单子的行程距离、单子的目的地，知晓后也无权拒绝平台的工作指派，只能派到哪里算哪里，劳动空间处于极度不稳定状态。只有当节假日客户需求量大(即“爆单”)时，平台才会开启抢单模式，让代驾司机拼手速争抢订单。在抢单模式下，代驾司机才会知道争抢的订单基本情况，根据自己的偏好来选择订单，重新获得对自己劳动的控制权。
就劳动空间来说，在城市中心、大型商圈、酒吧一条街等灯红酒绿、食客集中的地方接到单的机会更多。那些住在五环以外或者非繁华地带的代驾司机上线以后，通常第一时间向城内移动，朝附近大型商圈靠近。由于平台指派的订单的目的地是不确定的，而不同的驾驶目的地会明显影响代驾司机等待下一个订单的时间以及接到下一单的机会。在代驾司机看来，多个短程单与一个远距离单在收入方面的区别不大，但是远程订单的目的地往往是远离繁华地带的郊区，这不仅会使他们很难接到下一单，而且会白白浪费大量时间在回市区的路上。代驾行业内部把目的地在市区内、方便接下一单的工作订单视为好单，否则便是坏单。
“比如说一家人亲戚朋友都出来喝酒，然后一个一个挨着送，北五环又送了一个，南五环又送了一个，走半天还在市里面转悠，这才叫好单。最怕的就是给你派到郊区、村里，像这种情况就感觉挺倒霉的，高峰期别人都在市里一单接着一单，结果我被系统派出来，一两个小时都在路上，一单也接不着，一晚上就这样耽误了。真给你派到这种单，你也没办法呀，平台不让代驾消单。”(受访者19)若是上线一开始就接到目的地为郊区的“坏单”，代驾司机当天的收入会大幅下降。“被派到郊区六环以外时，这一单可能挣个100多，可是郊区不容易接下一单啊，就算你花费两个小时努力往商场附近走，后面再接上单，扣掉手续费，一晚上也就挣两三百，时间都耗在等待或者往市区跑上面了。”(受访者19)对代驾司机来说，这种“白跑”或者“空跑”是不划算的，要尽可能避免。
劳动空间不稳定性还体现在派单不确定导致驾驶环境和路况充满不确定性，使代驾司机在劳动过程中充满紧张和焦虑。由于劳动空间的不稳定性，可能前一单在北边，下一单去南边，之后又回到北边，使代驾司机结束订单后回家变得不确定。如果最后一单的目的地离家远甚至跑到了偏远郊区，代驾司机将花费大量时间在回家路程，甚至因为没有夜间公交车，难以返家。“下线前最后一单”经常引发代驾司机抱怨。
“有一次给我派到北边六环以外吧，特别远，都到山里头了，而且还没有路灯，哎呀，我现在都不知道那走的是啥路。路不好走就算了，村里养的几条狗一路撵我，只要我一骑车，所有狗都追上来，那一次真把我吓得够呛。”(受访者12)
3. 身份等级游戏：虚拟劳动身份不稳定
每一个代驾司机的账号都被划分为一个等级，并被赋予特定的虚拟符号身份。例如，在滴滴代驾平台中，代驾司机被分为青铜、白银、黄金、铂金、钻石五个等级。等级划分标准有三个：
一是服务值，反映的是代驾司机完成订单数量和质量情况，代驾司机顺利完成一单加1分，获得客户好评加2分；
二是活跃值，是指代驾司机在每天晚上8点到11点之间每上线1小时便会加1分，此外，在平台临时指定的服务时间在线服务或者在特定区域接单会视情况加分；
三是贡献值，是指代驾司机响应平台号召，在雨雪天完成订单或完成指定任务会视情况加分。代驾司机要想保级或者升级，其服务值、活跃值、贡献值需要达到特定的数值，例如黄金司机的服务值要达到118，活跃值达到107，贡献值达到18；铂金代驾司机的服务值要达到164，活跃值达到131，贡献值达到36。滴滴平台规定，如果代驾司机的三项标准没有同时达标，则以最低一项的数值作为确定等级的依据。
总体而言，较高的等级意味着代驾司机较长的上线服务时间以及对平台任务的积极响应。等级越高，账号越“硬”，代驾司机越具有派单竞争力。受访者20是白银代驾司机，他一天的代驾收入大概是200元，而他的钻石代驾同行一天的收入至少在300元，造成这种收入差距的主要原因是钻石代驾司机优先获得平台派单，等单时间短，在同样的在线时长里，后者接单数量多。
“等级越高，说明你上线时间越长、好评越多，你就相当于平台的招牌嘛，让顾客一看，诶，你这代驾平台不错，这司机服务真好，所以它平台就会使劲给你派单。你要是连着几天也不上线，偶尔上来接一单，平日里平台的任务也不响应，它为啥给你派单呢？”(受访者21)
需要特别指出的是，等级每月评定一次，上月月末的等级会保留至下个月，这意味着代驾司机的虚拟劳动身份具有明显的不稳定性。在流动性的等级划分游戏里，一位低等级的代驾司机可以通过疯狂接单来提高等级，一位高等级的代驾司机也会因为几天没有上线服务或者没有积极响应平台任务号召而被降级。
“想要冲钻石代驾，一个月休息不能超过三天。比如在过年时间段，对于一位钻石代驾司机来说，只要连着五天没有上线接单，那么下个月的等级一定会下降到黄金级别(注：因为代驾平台规定一个月至多下降两级)。”(被访者20)
那些为了保级或者升级的代驾司机们，即使长时间上线，也需要面对积分的种种不确定性，满心焦虑，因为三项等级评定标准中，除服务值最为量化和清楚外，活跃值和贡献值必须通过参与平台不定期的活动才能完成。以黄金代驾司机为例，他们的服务值需要达到118分，在不考虑顾客会给好评的情况下，如果每个月工作30天不休息，每天接四单，一个月能够攒120分，勉强达标；活跃值需要达到107分，司机每天高峰期都在线，也只能获得90分，剩余分值则需要通过响应平台任务来获得；贡献值需要达到18分，基本是完成一项平台任务给1分。正如受访者19所抱怨的，“有时候我连干一周，流水都四五千了，贡献值还是零，但有时候隔一天再看，贡献值就能加十几分。我们很多时候也搞不懂是怎么回事”。
五、代驾司机数字劳动不稳定性成因：平台算法霸权
代驾司机数字劳动不稳定性在很大程度上是由平台派单算法驱动的。平台派单算法的核心逻辑是效率优先和客户优先。在上述逻辑下，平台派单算法最基本的原则是“就近派单”，即将订单派给距离客户最近的代驾司机，以实现派单效率最大化。在就近原则下，代驾司机往往是从距离客户三公里或五公里以内的地方赶来，除非客户附近区域实在无代驾司机可派，平台才会派遣距离客户较远的代驾司机。
就近原则减少了客户的等待时间，有助于提升客户体验。“一般怎么派呢，就是就近派单嘛，就在这个区域内，离得近的就接单，一般是这样......无论哪个平台派单，那肯定是越快越好，我们省得跑了，顾客也有更好的体验感嘛。例如，我叫了代驾，没两分钟，他就来了，对吧，肯定比等了十多分钟要体验更好。”(受访者3)
平台派单算法的另一个原则是“即下即接”，即无论客户的起点有多远或者终点有多偏，平台都尽可能为客户派遣一位代驾司机，以满足客户需求。“有一次我跑到顺义那边，本来就很偏了，结果上一个订单一结束又来一单，离我还挺远的，有十来公里，中间还经过了一片树林才到客户那里......当然平台肯定是以客户为大了，遇到这些不想接的单子，只能自认倒霉，没办法的。”(受访者15)“有一次接单特别远，都快出北京地界了，还有一次派到一个村里，就特别害怕。”(受访者15)
需要指出的是，客户订单的起点位置是算法派单时考虑的一个重要因素，即就近派单，而客户订单的终点位置并不在派单算法考虑范围内。对于代驾司机来说，订单的终点位置是十分关键的，因为订单终点在城内还是在偏远的城外对于他们接下一单会有很大影响，而且订单终点位置还会影响他们是否能顺利收工回家。由此可见，平台的派单算法逻辑与劳动者的接单逻辑存在冲突。
为了实现平台派单效率最大化以及尽可能满足客户需求，平台派单算法对代驾司机的劳动过程进行了严密控制。平台派单算法通过限制代驾司机的劳动知情权和劳动选择权、强化代驾司机虚拟劳动身份分层，建立了平台算法霸权，确立了代驾司机的从属地位，塑造了代驾司机劳动的不稳定性。
1. 信息不透明：限制劳动知情权
在代驾司机—代驾平台—客户三边关系中，客户的服务需求信息以及代驾司机的服务提供信息都通过APP汇集到代驾平台，代驾司机需要通过平台与客户建立服务关系并完成服务交易。在三边关系网络中，代驾平台处于结构洞位置，掌控和匹配市场供需信息，并据此建立信息霸权，导致代驾司机在接单之前对订单信息一无所知，代驾司机的劳动知情权被剥夺。正如前文已经指出的，在平台主流的派单模式下，代驾平台并不让代驾司机提前知晓客户订单的目的地、里程、代驾车型等信息，代驾司机的劳动呈现出临时性、随机性特点。
此外，代驾平台的信息不透明还集中体现在派单算法的不透明。虽然代驾司机在平台里的符号身份等级是影响派单的重要因素，但平台派单是各种派单机制交织在一起，平台并不明确告知代驾司机派单算法，使得代驾司机们在“算法黑箱”里劳动，难以洞察平台的内部运作和订单分配机制。
面对不透明的派单算法，代驾司机们经常会抱怨派单的不稳定性，甚至质疑派单的公平性，如“一群人等单，为什么他先被派单，而我最后?”“同样的上线时长，为什么今天他的收入能比我多一半?”面对“算法黑箱”，有些代驾司机认为平台的派单完全是随机的，接单顺利与否、接好单还是坏单不存在任何规律，全凭运气，难以获得积极的劳动体验，容易出现宿命感。
“最烂的(单子)就是给你派到一个特别偏的地儿，这偏远地方什么都没有，没有KK车(注：专门拉代驾回市中心的车)，路上也没路灯，只能靠你往回骑了。这种单子你碰到就是碰到了，没有任何办法，只能靠运气了。”(受访者20)
2.直接派单：限制劳动选择权
对于非正规就业者来说，劳动的弹性和灵活性在一定程度上是他们应对劳动力市场就业歧视、降低劳动不稳定性的重要保障。例如，进城农民工通过“用脚投票”，在城市间流动就业，频繁换工作，以此扩大职业搜寻范围，提高收入[28]。
作为一种数字化的非正规就业，代驾平台也是以自由、自主口号吸引那些厌倦工厂生产流水线的劳动者。在代驾司机的整个劳动过程中，他们看似自由，可以自主决定什么时候上线服务、一个月工作多少天，但是在算法管理下，代驾司机的劳动过程被重构，劳动自主性十分脆弱，如同镜中花、水中月。在派单模式下，代驾司机没有劳动选择权，他们既不能按照自己的偏好设置优先的代驾车型、代驾目的地，也无权拒绝他们不满意的平台派单。
“单子都是系统派的，派到你了，你就得干。”(受访者16)
“我们每次接了单都是能看到终点的，比如一看跑到机场了，哎呀，机场那边肯定没单，得要骑个十多公里才能到繁华地方。那你没办法，不管平台给你派什么单，你都不能取消，这是强制的，你要是取消，你就有责任，要被扣分，但乘客可以取消。”(受访者19)
若是代驾司机主动取消平台派单或者诱导顾客取消订单，他们会遭受平台扣分惩罚，第一次有责取消派单会被扣2分，第二次有责取消派单会被扣4分，第三次有责取消派单会被扣8分，依次翻倍。分值会影响代驾司机的身份等级，进而影响代驾司机的接单机会和接单质量。若是代驾司机取消派单次数过多，分值扣完，他们便丧失了在平台接单的资格。
3. 奖与惩：掌控劳动评价权
在代驾行业中，代驾司机的劳动评价权主要被代驾平台和司管公司所掌控，形成跨越企业边界的劳动控制[29]。代驾行业普遍实行司管公司外包管理制度，由司管公司负责代驾的招募、培训与日常管理，而代驾平台则负责数字平台的运营。代驾平台对代驾司机的奖励主要是依靠一套以虚拟身份等级划分为核心的评价体系。
前文已提到，在滴滴代驾平台中，代驾司机被划分为青铜、白银、黄金、铂金、钻石五个等级，代驾司机的等级越高，越有可能被平台优先派单；此外，不同身份等级的代驾司机每月拥有不同数量和功效的道具，它能够助力代驾司机获得平台优先派单。滴滴代驾平台对代驾司机的惩罚主要是通过账号扣分来实现。每个代驾司机的账号一年内有12分，当代驾司机做出平台规定的违规行为时会被扣除特定的分值。
例如，滴滴平台将代驾司机的违规行为分为平台红线行为与一般违规行为，前者包括人证不符、中途拒驾、私单等，出现一次直接扣12分；后者包括不配合平台管理(扣2分)、危险上路(扣3分)、危险驾驶(扣4分)、费用纠纷(扣6分)等。值得注意的是，平台不是基于交通安全逻辑对代驾司机违规行为进行区分，而是基于自身利益需要，例如将私单归于平台红线行为，扣除12分，而将危险驾驶归为一般违规行为，扣除4分。若是代驾司机在本年度内12分全被扣掉，他将不能再在代驾平台上接单，即被平台封号。滴滴代驾平台对代驾司机的奖与惩都由APP直接处理，受后台算法直接控制。
代驾司机出现平台规定的违规行为后，往往会被司管公司要求接受培训，培训时长由司管公司确定，具有较强的灵活性。对于代驾司机来说，培训意味着停止接单服务，暂时没有劳动收入。在此意义上，封号和培训都是代驾劳动准许不同程度的限制。司管公司除了负责代驾司机的培训之外，还拥有一定的冻结代驾司机账号的权力，即对代驾司机的账号进行非永久的封禁与解封。当代驾司机长期不上线、不响应平台任务时，司管公司就会与代驾司机进行交流，了解代驾司机的状况。如果代驾司机没有正当理由或极不配合公司管理，那么司管公司就会通过培训来变相封禁代驾司机，或者直接将代驾司机的账号冻结，等到代驾司机想要重新接单时，再前往司管公司解冻账号。
“只要你不犯事，平台和司管肯定不找你麻烦，他们还想让你多接单，他们好抽成呢，但你要是不服从管理，平时让你上线，让你完成任务，你也不听，那司管公司逮住机会治一治你也是正常的了。”(受访者17)
需要指出的是，代驾司机的劳动评价权不仅在代驾平台和司管公司之间进行分配，顾客的意见和利益也被平台充分考虑，进而影响着代驾司机的劳动资格和劳动机会。顾客在代驾订单结束后不仅可以给代驾司机一星到五星评级，而且还可以点亮“停车小能手”“城市活地图”等好评标签。顾客评价关系到代驾司机身份等级评定依据之一的服务值。较差的顾客评价可能会导致代驾司机要接受司管公司的培训。
六、代驾司机对劳动不稳定性的应对
作为具有能动性的劳动者，代驾司机在劳动过程中采取各种策略来应对平台的算法管理和劳动控制，从而获得一定的劳动自主性，降低生计不稳定性。
1. 猜算法：算法祛魅
面对复杂的、不透明的平台派单算法，代驾司机通过积累接单经验，猜测平台的派单算法。在代驾司机端APP中，每位代驾司机都能清楚地看到自己的上线时长、接单时长、接单量、每单费用等信息。代驾司机会基于这些信息来猜测平台派单算法。例如，代驾司机会对自己的接单情况进行比较，归纳不同时间段接单、不同地点接单的差别，评估自己身份等级提升后接单是否更顺利，分辨原地等待和四周移动对于平台派单是否存在影响等。可以说，代驾司机每一次接单都是对平台派单算法的揣摩和验证。
当然，除了靠自身接单经验来猜测算法之外，代驾司机之间也会通过相互交流来把握算法。这种策略在网约车司机的数字劳动研究中也有发现[30]。
“我们代驾不是一直在接单，有时候好长时间都不来单，这时候就一块聊聊天，沟通沟通，学习学习呗!反正我是习惯凑到那些单王身边，有啥不懂，就多问问他们......这些派单规律也不是自己凭空想，等活儿的时候，大家聊一聊、比一比，这个东西就感受出来了。”(受访者15)
2. 养号：顺从算法
虽然平台不会硬性要求代驾司机准点上线服务以及服务多长时间，但是代驾司机想要获得更高、更稳定的收入，他们就需要服从平台的算法管理，尽可能成为平台算法认可的优质代驾司机。对此，代驾司机普遍采取的自我管理方式是“养号”或者“养端”，即通过积累分值，提高自己司机端账号的身份等级。前文已经讲述代驾司机在平台注册，都有自己的一个账号，每个账号都有一个可以调整变动的身份等级，代驾司机想要在派单竞争中获得优势，就必须像干正式工作一样干代驾，如按时上线服务，保证服务时长，获得顾客好评等，通过日积月累的劳动让自己的号“硬”起来。
“想要优先派单，你这个号得养起来，比如你得给自己定好每天上线和下线时间，就跟上下班一样。你这个月要达到多少单、好评率多少，每个月都得有这样一个标准，你还得严格按照这个标准来干，才能保证你不掉级，这就叫养号。”(受访者20)
3. 主动找单：弥补算法
在等待平台派单过程中，一些有经验的代驾司机会主动出击，看到顾客从酒店、饭店门口出来时，上前询问他们是否需要代驾服务。若是顾客需要代驾服务，他们会向顾客出示一个二维码，顾客扫描后便可进入平台系统下单，行业内部将代驾司机这种主动拉订单的做法称为“报单”。与平台派单相比，平台从代驾司机报单中抽成比例低一些，代驾司机相对来说可以获得更多收入。
另外，与平台派单不同，代驾司机自己找单时拥有更多自主性，若是对单子不满意(如目的地偏远)，他可以不接单。“你这是帮平台拉来新用户了，它肯定要少些抽成，让你多拿点，要不谁还干这。”(受访者3)代驾司机除了自己要有眼力见儿，主动搜寻潜在顾客之外，一些代驾司机还会刻意跟饭馆酒店的门卫、保安等搞好关系，通过后者获得顾客信息，甚至后者直接帮他们介绍顾客。
“多跟酒店、饭店门口保安、门卫大爷大叔们聊聊天，递根烟，问问里面还有客人吗，都喝酒了吗，搞好关系以后，有些保安还帮你拉客人，他们听见有顾客需要代驾后，就把他们拉到你这儿了。这些就看你爱不爱说话了。有些人不爱说话，那就只能凭运气干等着。”(受访者21)
上面所说的找单方式是被代驾平台允许的，代驾司机与平台都能从中获利，但有些找单行为是被平台明确禁止的，即代驾司机私下跟顾客交易而不经过平台的“黑单”以及代驾司机在多个平台同时接单。这两种接单方式都处于平台算法的管控之外，平台可以通过“神访”对代驾司机进行抽查，一旦发现相关违规行为，代驾司机会面临扣除12分、封账号的平台惩罚。
七、结论与讨论
在零工经济时代，数字劳动作为常见的非正规就业形态，在为社会提供大量就业机会的同时，也重新塑造了非正规就业的不稳定性。与后福特生产体制驱动的劳动不稳定相比，数字劳动的不稳定性深受算法管理影响。通过对代驾司机数字劳动的实证研究，本文发现代驾司机数字劳动不稳定性集中体现在劳动时间不稳定、劳动空间不稳定以及虚拟劳动身份不稳定。在平台派单制下，平台什么时候派单、单子派往哪儿都属于“另行通知”，代驾司机难以提前知晓，他们只能像生产流水线上的材料一样时刻准备着，以便随时被平台“激活”，快速响应和执行平台指派的任务。
其结果是代驾司机的劳动时间和劳动空间充满着不确定性，劳动过程难以被有效规划，空等、空跑成为劳动的必要组成部分。此外，平台算法将代驾司机的平台接单情况以及响应平台任务情况量化成具体分值，据此不断地对代驾司机的虚拟劳动等级身份进行划定。在算法胁迫下，代驾司机不得不在升级、保级、降级的身份划定游戏中挣扎，如履薄冰。
代驾司机的数字劳动不稳定性与平台算法霸权紧密相关。平台派单算法的基本逻辑是效率优先和客户优先，按照就近派单原则和客户即下即派原则进行派单。为了最大效率地满足客户的按需服务，平台通过算法限制了代驾司机的劳动知情权、劳动选择权以及劳动评价权，从劳动政体上使代驾司机的流动性劳动处于高度悬浮状态，确保代驾司机可以轻易地被平台派遣。换言之，代驾平台通过算法剥夺代驾司机作为劳动者的主体性权利，让代驾司机的数字劳动高度悬浮、超不稳定化，从而最大化地满足代驾市场多样化、分散化服务需求，进而实现对代驾司机的超级剥削，以获取剩余价值。
当然，作为具有能动性的劳动主体，代驾司机在数字劳动过程中也会使用各种策略来应对算法管理，尽可能地缓解数字劳动的不稳定性。例如，面对“算法黑箱”，他们通过积累工作经验以及与同行交流，从纵向和横向两个途径猜测算法，捕捉平台派单规律。他们也会顺从平台算法管理，努力积累分值，积极参与虚拟劳动身份等级划分游戏。此外，为了消减空等时间、增加接单数量，代驾司机也会主动搜寻客户，给平台拉订单。
本文以代驾行业为例勾勒了数字劳动不稳定性表征，揭示了数字平台如何通过算法管理让数字劳动者处于高度不稳定性的悬浮状况，并呈现了数字劳动者应对算法管理的主体性策略。本文为数字劳动研究提供了一个鲜活案例，丰富了算法管理的实证研究。未来数字劳动不稳定性研究有必要同时考察非正规就业传统的制度性因素与算法管理新因素，挖掘二者之间的交叉性对数字劳动不稳定性的塑造。
[基金项目：本文系北京市社会科学基金项目“疫情防控常态化背景下北京市非正规就业不稳定性研究”(项目编号：21SRC012)的阶段性成果]
邢朝国：北京科技大学社会学系教授
李季垚：北京科技大学社会学系研究助理
参考文献：
[1]清华发布《白皮书》：代驾行业一年减少交通事故350万起[EB/OL].界面新闻，https：//m.jiemian.com/article/1533288.html.
[2]2022年中国代驾行业发展历程、主要产业政策分析及发展趋势[EB/OL].华经产业研究，https：//baijiahao.baidu.com/s?id=1753514762423071913&wfr=spider&for=pc.
[3]陈聪芸，谢晓佳，李颖倩.代驾人员的工作生活现状及对策研究[J].对外经贸，2020(8)：157-160. [4]李文丽，朱丽敏.数字时代的“制造同意”：对代驾司机异化劳动的反思[J].山东工会论坛，2022(5)：1-9. [5]Biglia B，Martí J B. Precarity. In：Teo T. (eds)Encyclopedia of Critical Psychology[M]. Springer，New York，2014.
[6]Guy Standing. The Precariat：The New Dangerous Class[M]. Londres：Bloomsbury Academic，2011.
[7]Brophy Enda，Greig de Peuter. Immaterial Labor，Precarity and Recomposition. In Catherine McKercher and Vincent Mosco. (eds)Knowledge Workers in the Information Society[M]. Lanham，MD：Lexington，2007.
[8]Kalleberg A L. Precarious Work，Insecure Workers：Employment Relations in Transition[J]. American Sociological Review，2009.
[9]Parry J，Han C. Industrial Labor in the Margins of Capitalism：Precarity，Class and the Neo-liberal Subject[M]. New York：Berghahn，2018.
[10]Burawoy M. Manufacturing Consent：Changes in the Labor Process under Monopoly Capitalism[M]. Chicago：University of Chicago Press，1979.
[11]Millar K M. The Precarious Present：Wageless Labor and Disrupted Life in Rio de Janeiro，Brazil[J]. Cultural Anthropology，2014，29(1).
[12]Lucy Jordan. Multiple Precarity and Intimate Family Life among African-Chinese Families in Guangzhou[J]. Journal of Ethnic and Migration Studies，2020，Ahead-of-print.
[13]Johnvan Kooy，Dina Bowmanb.“Surrounded With So Much Uncertainty”：Asylum Seekers and Manufactured Precarity in Australia[J]. Journal of Ethnic and Migration Studies，2019，45(5).
[14]Kamil Filipek，Dominika Polkowska. The Latent Precariousness of Migrant Workers：A Study of Ukrainians Legally Employed in Poland[J]. Journal of International Migration and Integration，2020(21).
[15]Elizabeth Chacko. Emerging Precarity among International Students in Singapore：Experiences，Understandings and Responses[J]. Journal of Ethnic and Migration Studies，2020，Ahead-of-print.
[16]Dan Schiller，Digital Capitalism：Networking the Global Market System[M]. Cambridge，Massachusetts：The MIT Press，1999.
[17]Huws U. The Underpinnings of Class in the Digital Age：Living，Labour and Value[J]. Das Argument，2013，56(3)：408-420.
[18][22]Anwar M A， M. Graham.Between a Rock and a Hard Place：Freedom，Flexibility，Precarity and Vulnerability in the Gig Economy in Africa[J]. Competition & Change，2020.
[19][25]Moore P V. E(a)ffective Precarity，Control and Resistance in the Digitalised Work Place. In：Chandler，D. and
Fuchs，C. (eds. )Digital Objects，Digital Subjects：Interdisciplinary Perspectives on Capitalism，Labour and Politics in the Age of Big Data[M]. London：University of Westminster Press，2019：125-144.
[20]Zwick A. Welcome to the Gig Economy：Neoliberal Industrial Relations and the Case of Uber[J]. GeoJournal，2018，83(5)：1-13.
[21]Wajcman Judy. Pressed for Time：The Accelerated of Life in Digital Capitalism[M]. Chicago，IL：University of Chicago Press，2015.
[23]Langley P and Leyshon A. Platform Capitalism：The Inter-mediation and Capitalization of Digital EconomicCirculation[J]. Finance and Society，2017，3(1)：11-31.
[24]Mckenzie M D J. Micro-assets and Portfolio Management in the New Platform Economy[J]. Distinktion Journal ofSocial Theory，2020(1)：1-20.
[26]Cano M R，Espelt R，Morell M . Flexibility and Freedom for Whom?Precarity，Freedom and Flexibility in Ondemand Food Delivery[J]. Work Organisation，Labour & Globalisation，2021，15(1)：46-68.
[27]陈龙，孙萍.超级流动、加速循环与离“心”运动：关于互联网平台“流动为生”劳动的反思[J].中国青年研究，2021(4)：29-37.
[28]汪润泉，周德水.农民工在城市间“用脚投票”能否实现高质量就业：基于流动人口监测调查数据的分析[J].山西财经大学学报，2021(12)：42-54.
[29]赵磊，韩玥.跨越企业边界的科层控制：网约车平台的劳动力组织与控制研究[J].社会学研究，2021(5)：70-90. [30]Mohlmann M，Zalmanson L.Hands on the Wheel：Navigating Algorithmic Management and Uber Drivers’ Autonomy[C]//InternationalConferenceonInformationSystems：2017.
本文来自微信公众号：中国青年研究 （ID：china-youth-study），作者：邢朝国、李季垚