何时清洁：顺序共享资源的自由 riders 问题

共享资源提高生产力，同时也为生物和数字污染提供了渠道，使物理或数字卫生变成一种易发生自由 riders 的合作困境。我们引入了一个顺序共享常见资源的游戏，一个经验参数化的演化模型，用于顺序使用场景中的人口动力学，如健身房和共享工作空间。该模型所实现的策略，如在使用前或使用后清洁设备，基于清洁成本、污染风险以及缓解疾病传播的社会激励之间的权衡。我们发现，通过降低清洁的有效成本、加强 pro-social 激励以及监控人口层面的不合规行为，可以实现合作性卫生。令人惊讶的是，完全利他主义 populations 的稳定性主要受到清洁成本的影响。相比之下，增加有效感染成本（例如通过惩罚），在这种情况下似乎不那么重要。该模型的演化动力学表现出多稳定性、滞后以及策略组成的突变，与共享使用设施的实证观察基本一致。我们的框架提供了可测试的预测，同时可通过行为和环境数据进行量化校准。我们的预测可用于信息设计，以制定具有成本效益的公共卫生和数字安全政策。