扩展功能
文章信息
- 徐新扬, 杨扬.
- XU Xin-yang, YANG Yang
- 货运平台发展困境的演化博弈分析与对策
- Analysis and Countermeasure on Evolutionary Competition of Freight Platform Development Dilemma
- 公路交通科技, 2024, 41(1): 186-194
- Journal of Highway and Transportation Research and Denelopment, 2024, 41(1): 186-194
- 10.3969/j.issn.1002-0268.2024.01.021
-
文章历史
- 收稿日期: 2022-02-15
近年在政策支持与市场红利的双重驱动下,诸如货拉拉、快狗打车、运满满等同城网络货运平台如雨后春笋般迅速涌现。据统计,截至2020年我国同城速运市场规模相比2014年增长了78.1%,已经达到14 245亿元。网络货运平台诞生的初衷,是为了解决同城货运市场行业鱼龙混杂,价格不透明等问题,但伴随货运平台的日益增多,很多漏洞与问题也逐渐暴露出来。特别是长沙货拉拉坠车事件的发生,充分暴露了货拉拉作为货运平台在管理上的缺陷货运平台的安全问题逐渐引起各界重视。然而货运平台的健康发展与监管仅依靠平台一家努力还远远不够,如何协调司机与平台之间利益关系、保障司机营运环境,如何制订相应法律法规,厘清各方主体责任、强化平台管理,这些都是目前货运平台发展亟需解决的重要问题。
网络货运平台在我国尚处于起步阶段,探索之路漫长。因此,目前针对货运平台的大多数研究主要集中于宏观层面的政策与管理研究。从微观视角研究,主要聚焦于两个层面,一是定价策略,一是供需匹配。李建斌分别从运单体积不确定[1]与多配送点服务匹配[2]角度对互联网货运平台定价策略进行了研究;文献[3]考虑了时间窗对同城网络货运平台零担集货匹配与路线规划进行了优化研究[3]。刘源[4]考虑车货匹配因素,阐释了货运共享中的用户与平台之间的价值创造机理。虽然目前针对网络货运平台的微观研究还较少,但针对与货运平台相似性较高的网约车平台研究已经有了较多的开展,其中博弈论被较多应用于利益分析以及监管政策研究中,如网约车进入市场后与出租车的市场博弈研究[5]、网约车平台管理与司机营运的演化博弈研究[6]、平台管理与政府监管演化博弈研究等[7]。除了网约车平台的监管博弈研究,互联网金融平台[8]、电商平台[9]以及P2P平台监管[10-11]的研究也在进行中。但这些研究多集中于两方主体,考虑三方主体行为的研究尚寥寥,例如,文献[12]在公铁联运背景下考虑了公铁企业与政府三方主体对行业监管与企业合作条件进行了博弈研究。但斌[13]等基于第三方平台监管,偶见了制造商与供应商的演化博弈模型,分析了交易行为决策的动态演化机理。崔萌[14]在协同治理背景下对环保信用监管进行了三方博弈研究。刘长玉等[15]基于低碳视角,针对不同补贴政策对政府监管与制造商生产进行了演化博弈研究。李祯琪等[16]建立了出行者交通方式选择行为的博弈模型,对激励性与惩罚性交通拥堵治理政策进行了比较。Guo等[17]构建承运人、托运人与货运平台的三方演化博弈模型,讨论了货运平台的可持续运营能力。Jiang等[18]等考虑了网络货运承运人之间利益分配的公平性,从碳成本角度讨论了网络货运平台的稳定性。杨扬等[19]构建由网络货运平台、第三方物流企业与政府组成的演化博弈模型,对网络货运平台发展机制进行分析并通过仿真进行讨论。
鉴于目前网络同城货运平台研究多集中于宏观政策与管理层面和微观的定价策略与供需匹配层面,平台监管博弈研究也通常只考虑两方主体,因此本研究拟构建一个由货运平台、政府监管部门与司机的三方博弈系统,探寻博弈系统稳定性条件,分析演化路径,旨在剖析影响货运平台健康发展与解决监管困境的关键因素与作用机理。
1 博弈模型 1.1 问题描述货运平台整合了运输分散资源,有效解决了目前货运物流行业普遍存在的运力空驶、车货不匹配等突出问题,但快速的发展暴露了货运平台的一些问题,如货运司机千方百计地规避准入条件,服务安全管理等关键环节主体责任不明,货运平台责任难压实、监管跟进不及时等。其中主要涉及政府监管部门、货运平台以及司机三方主体的博弈。政府监管部门的问题主要在于监管跟进不及时,改革配套措施不健全,对网络货运发展缺乏长远的规划;货运平台的问题主要在于人车准入门槛低,安全管理不完善以及货物监管不到位;司机的问题主要在于擅自“客车载货”甚至“货车载客”,私自改装或粘贴广告带来安全隐患。为解决现有货运发展困境,我们将构建由政府监管部门、货运平台与司机构成的三方演化博弈系统,其中政府监管部门可以选择积极或消极监管,积极监管下政府监管部门会引入奖惩机制,对违规货运平台与司机进行罚款,对合规货运平台进行补贴;货运平台可以选择严格或宽松管理,严格管理下货运平台将会对司机货运资格进行严格审查,并对司机进行安全培训;司机可以选择合规营运与违规营运,违规营运节省了成本但是会面临被处罚的风险。同时引入第三方举报机制与媒体舆论监督,探究货运平台健康发展路径。
1.2 基本假设假设1:货运平台、政府监管部门与司机是博弈主体,三者相互独立。其中货运平台博弈策略为(严格管理,宽松管理);政府监管部门博弈策略为(积极监管,消极监管);司机博弈策略为(合规营运,违规营运)。
假设2:严格管理下货运平台将对司机货运资格进行严格审核,杜绝无证与客车载货现象,但无法完全管制司机个人因不规范行为导致与客户发生摩擦的情况发生,如货拉拉平台发生的坠车事件。因此假设货运平台基本收益为R1,严格管理所付出成本为C1,宽松管理所付出成本为C2(C2 < C1);货运平台严格管理下平台内所有货运车辆与司机证件齐全,司机选择违规营运策略时与客户发生摩擦的概率为r1;货运平台消极管理且司机违规营运时平台内货运车辆与司机证件不全的概率为r2,后期司机为增加盈利违规改装车辆的概率为r3,完成订单时与用户发生摩擦的概率为r4;货运平台严格管理下还将付出额外成本D用于司机的定期培训,培训后司机将获得安全意识系数μ(μ≤r1 < r4)。
假设3:政府部门的日常收入为R2,积极监管成本为C3,消极监管的成本为C4(C4 < C3);政府积极监管成功率为β,如发现司机违规营运行为将对司机处以罚款P,同时货运平台因为管理不当也会被处罚,处罚损失为K;目前国家政策与红利促使货运平台大量诞生,因此政府积极监管下将对货运平台的严格管理行为给予相应补贴T,同时对货运平台宽松管理行为给予处罚W;在如今社会监督机制健全情况下,当政府部门消极监管时社会舆论将会对政府部门带来H1的负面影响;当违规营运未被平台与政府管理监管到时,媒体报道与网络发酵将给货运平台与政府带来更大的多方面损失H2与H3(H3>H1)。
假设4:货运平台司机基本收入为R3,合规营运的成本为C5,违规营运的成本为C6;在货运平台严格管理下司机的合规营运行为将会获得奖励O。针对目前无证载货违规行为屡见不鲜的情况,本研究中违规营运相较合规营运主要少了办理载货证件的成本,因此C6 < C5;货运平台宽松管理下司机违规营运将通过违规张贴车身广告、私自拆除座位,以及客车载货等违规行为获得额外利润E;司机的违规行为有一定概率ω被客户在平台举报,一旦被举报无论平台是否严格管理司机都将被平台处罚,司机被处罚的损失为S。
假设5:各博弈主体均有一定概率选择自己的行为,假设初始状态下,货运平台选择严格管理策略的概率为x,则选择宽松管理策略的概率为1-x;政府监管部门选择积极监管策略的概率为y,则选择消极监管策略的概率为1-y;司机选择合规运输策略的概率为z,选择违规运输策略的概率为1-z(0≤x, y, z≤1)。
1.3 收益矩阵与复制动态方程根据问题描述与模型假设,可以得到博弈系统三方收益矩阵,如表 1所示。为简化起见,令r2+r3+r4=L。
| 博弈方策略 | 司机合规营运 | 司机违规营运 | ||||
| 货运平台严格管理 | 货运平台宽松管理 | 货运平台严格管理 | 货运平台宽松管理 | |||
| 政府监管部门 | 积极监管 | ![]() |
![]() |
![]() |
![]() |
|
| 消极监管 | ![]() |
![]() |
![]() |
![]() |
||
(1) 货运平台复制动态方程
依据收益矩阵计算可得货运平台严格管理的期望收益Uh1:
|
(1) |
简化可得:
|
(2) |
货运平台宽松管理的期望收益Uh2:
|
(3) |
简化可得:
|
(4) |
可得货运平台的平均收益Uh:
|
(5) |
根据Malthusian复制动态思想,构建货运平台复制动态方程F(x):
|
(6) |
(2) 政府监管部门复制动态方程
根据收益矩阵计算可得政府监管部门积极监管的期望收益Ug1:
|
(7) |
简化可得:
|
(8) |
政府监管部门消极监管的期望收益Ug2:
|
(9) |
简化可得:
|
(10) |
可得政府监管部门的平均收益Ug:
|
(11) |
根据Malthusian复制动态思想,构建政府监管部门复制动态方程F(y):
|
(12) |
(3) 司机复制动态方程
根据收益矩阵计算可得司机合规营运的期望收益Us1:
|
(13) |
简化可得:
|
(14) |
司机违规营运的期望收益Us2:
|
(15) |
简化可得:
|
(16) |
可得司机的平均收益Us:
|
(17) |
根据Malthusian复制动态思想,构建司机策略复制动态方程F(y):
|
(18) |
复制动态方程描述了货运平台、政府监管部门与司机三方主体策略选择频率,但不能直接判断博弈系统最终演变趋势与均衡点,因此联立博弈系统三方复制动态方程即式(6)、(10)、(16),并令其为0,进而得到博弈系统存在的8个均衡点,分别为(0, 0, 0);(0, 0, 1);(0, 1, 0);(1, 0, 0);(0, 1, 1);(1, 1, 0);(1, 0, 1);(1, 1, 1)。根据RITZBERGER K所提出的稳定性分析方法,只需讨论这8个特殊均衡点,即可对货运平台三方博弈系统稳定性进行研究,其余均为非渐进稳定状态,三方博弈系统的Jacobian矩阵为:
|
根据李雅普诺夫(Lyapunov)间接法,当Jacobian矩阵所有特征值均具有负实部,则均衡点为渐进稳定点,当Jacobian矩阵特征值至少有一个具有正实部,则均衡点为不稳定点,将8个特殊均衡点代入Jacobian矩阵可以得到各均衡点稳定性,设L+μ-r1=θ,如表 2所示。
| 均衡点 | Jacobian矩阵特征值 | 稳定性结论 | 条件 | |
| 特征值λ1, λ2, λ3取值 | 实部符号 | |||
| (0, 0, 0) | C2-C1-D+H2θ,C4-C3+W+βL(H3+K+P),C6-C5+ωS-E | (?, ?, ?) | 不确定 | 1 |
| (0, 0, 1) | C2-C1-D-O,C4-C3+W+H1,C5-C6-ωS+E | (-, ?, ?) | 不确定 | 2 |
| (0, 1, 0) | C2-C1-D+T+W+βKθ+(1-β)H2θ,C3-C4-W-βL(H3+K+P),C6-C5+ωS-E+βPL | (?, ?, ?) | 不确定 | 3 |
| (1, 0, 0) | C1-C2+D-H2θ,C4-C3+β(H3+K+P)(L-θ)+H1-T,C6-C5+ωS+O | (?, ?, ?) | 不确定 | 4 |
| (0, 1, 1) | C2-C1-D+T+W-O,C3-C4-W-H1,C5-C6-ωS+E-βPL | (?, ?, ?) | 不确定 | 5 |
| (1, 1, 0) | C1-C2+D-T-W-βKθ-(1-β)H2θ,C3-C4-β(H3+K+P)(L-θ)-H1+T,C6-C5+ωS+O+βP(L-θ) | (?, ?, ?) | 不确定 | 6 |
| (1, 0, 1) | C1-C2+D+O,C4-C3+H1-T,C5-C6-ωS-O | (+, ?, ?) | 不稳定点 | — |
| (1, 1, 1) | C1-C2+D-T-W+O,C3-C4-H1+T,C5-C6-ωS-O-βP(L-θ) | (?, ?, ?) | 不确定 | 7 |
根据表 2可知,(1, 0, 1)点由于存在正实部,所以肯定是不稳定点,其余7个点均有可能为博弈系统的ESS点,即博弈系统的进化稳定策略,稳定性条件皆为λ1, λ2, λ3 < 0。
3 仿真分析 3.1 演化路径机理分析由均衡点稳定性分析可知博弈系统可能有7个演化稳定策略,本研究主要对均衡点(1, 1, 1)的演化机理进行研究。因为在该均衡点下,政府选择积极监管,平台选择严格管理,司机选择合规营运,此时各方策略是目前理论上货运平台行业健康发展的最佳策略集,对其内在演化机理的分析有助于解决目前行业发展困境。
(1, 1, 1)点表示博弈系统各主体选择(严格管理,积极监管,合规营运)策略,为了进一步强化货运行业监管,促进行业健康发展,博弈系统各主体(严格管理,积极监管,合规营运)策略是目前理想的策略集,该均衡点的演化路径分析可以得到依托平台的货运行业健康发展的条件与因素,因此根据表 2稳定性条件7对参数进行假设,即同时满足C1-C2+D-T-W+O < 0,C3-C4-H1+T < 0,C5-C6-ωS-O-βP(L-θ) < 0,令C1=8,C2=7,C3=7,C4=6,C5=6,C6=5,D=3,T=2,W=5,O=2,H1=5,ω=0.5,S=6,β=0.7,P=5,L=1.4,θ=1.3。货运平台、监管政府、司机初始策略选择概率x, y, z均设定为0.5,演化路径仿真图如图 1所示。
|
| 图 1 博弈演化路径 Fig. 1 Paths of competition evolution |
| |
由图 1可知,在稳定性条件7下,货运平台严格管理与严格管理下对司机的安全培训成本以及给予合规营运司机的奖励金额之和,小于宽松管理成本、积极管理下政府给予平台补贴、宽松管理下政府给予平台处罚之和,货运平台的演化稳定策略趋于严格管理;政府监管部门积极监管成本与政府给予平台的补贴金额,小于消极监管成本与消极监管时社会舆论对政府的负面影响损失之和,政府监管平台的演化稳定策略趋于积极监管;司机合规营运成本小于违规营运成本、客户举报以及违规营运被查处所需支付罚款与货运平台给予合规营运行为的奖励之和,司机的演化稳定策略依然将趋向合规营运。
由(1, 1, 1)均衡点的演化路径机理分析可知,当货运平台选择严格管理平台且政府监管部门选择积极监管平台与司机行为,此时平台与政府提出多重奖惩措施鼓励推动货运平台司机合规营运,这时只要合规营运的成本不是太高,货运平台司机即会选择合规营运策略,网络货运行业向健康方向发展。
3.2 博弈系统内部影响因素分析(1) 客户举报率对司机策略选择影响
由均衡点(0, 0, 1)稳定性分析可知客户举报率是影响司机策略选择的重要因素,因此基于稳定性条件2参数假设,分别令ω=0.1, 0.3, 0.5, 0.7, 0.9,分析其对司机策略选择的影响,演化趋势见图 2。
|
| 图 2 ω变化对司机策略选择影响 Fig. 2 Influence of ω changes on drivers' strategy selection |
| |
由图 2可知,当货运平台与政府监管部门选择宽松管理与消极监管策略时,客户举报率是司机合规营运的关键因素,过低的举报率将导致司机的策略演化不稳定,无法向合规营运策略收敛,客户举报率的增加加快司机向合规营运策略收敛的速率。
(2) 合规营运成本对司机策略选择影响
由均衡点(1, 1, 0)与(1, 1, 1)稳定性分析可知,合规营运的成本是影响司机策略选择的重要因素,因此基于稳定性条件6参数假设,分别令C5=8, 10, 12, 14, 16,分析分析其对司机策略选择的影响,演化趋势如图 3所示。
|
| 图 3 C5变化对司机策略选择影响 Fig. 3 Influence of C5 changes on drivers' strategy selection |
| |
由图 3可知,在货运平台与政府监管部门选择严格管理与积极监管策略时,合规营运成本决定着司机策略的选择,越小的营运成本越将加大货运司机选择合规营运的概率,越大的营运成本越将加大司机选择违规营运的概率。
(3) 媒体与网络发酵对平台与政府策略选择影响
由均衡点(1, 1, 0)演化路径分析可知当违规营运未被监管到时,媒体的报道与网络发酵导致的平台与政府形象损失是影响其策略选择的重要因素,因此基于稳定性条件2与6,分别令H2=0, 4, 8, 12, 16,分析其对司机策略选择的影响,演化趋势如图 4~5所示。
|
| 图 4 H2变化对货运平台策略选择影响 Fig. 4 Influence of H2 changes on freight platform's strategy selection |
| |
|
| 图 5 H3变化对政府监管部门策略选择影响 Fig. 5 Influence of H3 changes on government regulatory agency's strategy selection |
| |
由图 4~5可知,媒体与网络发酵对平台产生的损失不会改变货运平台与政府监管部门在稳定性条件下的演化趋势,但会改变其演化速率。在稳定性条件2下,它减缓了平台与政府监管部门向宽松监管策略的演化速率;在稳定性条件6下,它加快了其选择严格管理策略的演化速率。货运平台对于媒体与网络的反应更敏感。
(4) 安全意识系数对平台与司机策略选择影响
依据行业健康发展策略集(严格管理,积极监管,合规营运)下稳定性条件,研究安全意识系数对于平台与司机策略选择影响,分别令μ=0.1, 0.5, 0.9,分析其对平台与司机策略选择的影响,演化趋势如图 6所示。
|
| 图 6 μ变化对策略选择影响 Fig. 6 Influence of μ changes on strategy selection |
| |
由图 6可知,平台对司机培训后,司机获得的安全意识系数将有效减少意外事故的发生,因此伴随着司机安全意识的增加,货运平台向严格管理的策略演化速率越来越快,而司机向合规营运的演化速率反而变慢了,其原因是伴随着司机安全意识的增加与发生意外事故几率的减小,司机的营运与被平台政府处罚的损失越来越小,导致其演化速率变慢,但安全意识系数的变化没有改变司机向合规营运演化的趋势,最终仍将选择合规营运。
综上所述,结合敏感性分析,若想解决当前政府监管部门跟进不及时,货运平台准入门槛低,安全管理不完善以及司机客货混用、私自改装的货运平台发展困境,首先,政府监管部门与货运平台需构建合理的奖惩制度,从经济利益上杜绝司机为“蝇头小利”而违规的可能性;其次需要提高司机的安全管理意识,可以试行安全培训并考试上岗模式;最后第三方监督与公众舆论曝光对货运平台的发展同样重要,政府与货运平台顾及自身形象会主动进行监管与管理。
4 结论(1) 货运平台博弈系统无法向(严格管理,消极监管,合规营运)策略集演化,该结果说明当货运平台选择严格管理且司机选择合规营运策略时,伴随着平台与司机积极推动行业健康发展,政府监管部门必然会选择积极监管策略为行业发展推波助澜,不存在消极监管的情况发生。
(2) 客户的高举报率以及举报后平台给予司机的高额罚款驱使司机选择合规营运策略;当货运平台与政府监管部门选择严格管理与积极监管策略,司机仍有可能选择违规营运,造成这一现象的主要原因在于合规营运的成本过高,司机的逐利性导致其缺乏自我管理的动力。因此平台与政府需要制订合理的奖惩措施保证行业健康发展,推动司机向合规营运策略演化。
(3) 只有当举报率上升到一定程度司机才会向合规营运策略演化,网络货运行业的健康发展离不开客户的第三方监管,客户举报率的升高会加快司机向合规营运策略演化的速率,加强政府监管机构与货运平台双方策略选择的相互作用,对于发展初期的货运平台起到积极作用。
(4) 媒体网络的曝光虽然对司机群体违规营运的行为产生了影响,使得货运平台博弈系统中司机主体在选择违规营运时心存顾虑,但仍无法根治目前由司机行为主导的货运乱象。若想解决目前困境,需要政府与货运平台的协同管理。货运平台对司机的安全培训推动了行业的健康发展,加速了货运平台选择严格监管的速率,伴随司机安全意识的增加,结合政府合理奖惩制度,货运平台行业将走向健康发展之路。
| [1] |
李建斌, 梅启煌, 张蕊, 等. 运单体积不确定对货运共享平台定价决策的影响研究[J]. 运筹与管理, 2021, 30(4): 69-75. LI Jian-bin, MEI Qi-huang, ZHANG Rui, et al. Impact of Shipping Order Volume Uncertainty on the Optimal Pricing Decisions of a Freight Sharing Platform[J]. Operations Research and Management Science, 2021, 30(4): 69-75. |
| [2] |
LI J B, ZHENG Y T, DAI B, et al. Implications of Matching and Pricing Strategies for Multiple-delivery-points Service in a Freight O2O Platform[J].
Transportation Research Part E: Logistics and Transportation Review, 2020, 136: 101871.
DOI:10.1016/j.tre.2020.101871 |
| [3] |
李建斌, 周泰, 徐礼平, 等. 货运O2O平台有时间窗同城零担集货匹配优化决策[J]. 系统工程理论与实践, 2020, 40(4): 978-988. LI Jian-bin, ZHOU Tai, XU Li-ping, et al. Matching Optimization Decision of City LTL Carpool Based on Time Windows on the Freight O2O Platform[J]. Systems Engineering: Theory & Practice, 2020, 40(4): 978-988. |
| [4] |
刘源, 张芳芳, 宋志刚, 等. 共享经济下货运平台与用户价值共创机理——基于冷链马甲的案例研究[J]. 管理学刊, 2020, 33(3): 61-72. LIU Yuan, ZHANG Fang-fang, SONG Zhi-gang, et al. Co-creation Mechanism of Freight Platform and User Value in the Perspective of the Sharing Economy: Based on the Case Study of Lenglianmajia[J]. Journal of Management, 2020, 33(3): 61-72. |
| [5] |
司杨, 关宏志, 严海. 网约车进入市场利益方博弈策略及效果分析[J]. 交通运输系统工程与信息, 2019, 19(3): 19-26. SI Yang, GUAN Hong-zhi, YAN Hai. Game Strategies of Beneficiary Parties and Cost-effectiveness Analysis of Introducing the Online Car-hailing Service to the Market[J]. Journal of Transportation System Engineering and Information Technology, 2019, 19(3): 19-26. |
| [6] |
雷丽彩, 高尚, 蒋艳. 网约车新政下网约车平台与网约车司机的演化博弈分析[J]. 管理工程学报, 2020, 34(1): 55-62. LEI Li-cai, GAO Shang, JIANG Yan. Evolutionary Game Analysis of Car-hailing Industry between Platforms and Drivers Based on New Policies of Car-hailing[J]. Journal of Management Engineering, 2020, 34(1): 55-62. |
| [7] |
付淑换, 石岿然. 网约车行业监管困境的演化博弈分析及优化对策[J]. 经济问题, 2019(12): 8-15, 51. FU Shu-huan, SHI Kui-ran. Evolutionary Game Analysis of Regulatory Dilemma in Online Car-hailing and Optimizing Policy[J]. On Economic Problems, 2019(12): 8-15, 51. |
| [8] |
刘伟, 夏立秋, 王一雷. 动态惩罚机制下互联网金融平台行为及监管策略的演化博弈分析[J]. 系统工程理论与实践, 2017, 37(5): 1113-1122. LIU Wei, XIA Li-qiu, WANG Yi-lei. Analysis on the Behavior of Internet Finance Platform and Regulation Strategy under Dynamic Punishment Mechanism based on Evolutionary Game Theory[J]. Systems Engineering: Theory & Practice, 2017, 37(5): 1113-1122. |
| [9] |
汪旭晖, 任晓雪. 基于演化博弈的平台电商信用监管机制研究[J]. 系统工程理论与实践, 2020, 40(10): 2617-2630. WANG Xu-hui, REN Xiao-xue. Research on Credit Supervision Mechanism of E-commerce Platform based on Evolutionary Game[J]. Systems Engineering: Theory & Practice, 2020, 40(10): 2617-2630. |
| [10] |
古定威, 赵曦, 骆品亮. P2P平台信号显示的三方博弈模型研究[J]. 系统工程理论与实践, 2020, 40(5): 1210-1220. GU Ding-wei, ZHAO Xi, LUO Pin-liang. The Signaling Behavior of Three-player Games on P2P Platforms[J]. Systems Engineering: Theory & Practice, 2020, 40(5): 1210-1220. |
| [11] |
刘赫, 郇正林, 郑嘉俐, 等. 多归属P2P网贷平台定价及盈利模式分析: 一个两阶段动态博弈模型[J]. 系统工程理论与实践, 2019, 39(7): 1669-1679. LIU He, XUN Zheng-lin, ZHENG Jia-li, et al. The Analysis of Multi-homing P2P Lending Platforms' Profit Model and Pricing Problem: A Two-stage Dynamic Game Model[J]. Systems Engineering: Theory & Practice, 2019, 39(7): 1669-1679. |
| [12] |
徐新扬, 杨扬. 政府主导下公铁联运系统三方演化博弈研究[J]. 交通运输系统工程与信息, 2021, 21(2): 7-15. XU Xin-yang, YANG Yang. Tripartite Evolutionary Game of Rail-road Intermodal Transport System under Domination of Government[J]. Journal of Transportation System Engineering and Information Technology, 2021, 21(2): 7-15. |
| [13] |
但斌, 胡祯洁, 李文博, 等. 第三方平台监管下的多价值链成员交易行为演化模型及仿真分析[J]. 计算机集成制造系统, 2021, 27(11): 3291-3304. DAN Bin, HU Zhen-jie, LI Wen-bo, et al. Evolution Game Model and Simulation Analysis of Multi-value Chain Members' Transaction Behavior under Supervision of Third-party Platforms[J]. Computer Integrated Manufacturing Systems, 2021, 27(11): 3291-3304. |
| [14] |
崔萌. 协同治理背景下环保信用监管的三方演化博弈分析[J]. 系统工程理论与实践, 2021, 41(3): 713-726. CUI Meng. Tripartite Evolutionary Game Analysis for Environmental Credit Supervision under the Background of Collaborative Governance[J]. Systems Engineering: Theory & Practice, 2021, 41(3): 713-726. |
| [15] |
刘长玉, 夏同水, 于涛. 基于低碳视角的政府监管与制造商生产的演化博弈研究[J]. 中国管理科学, 2019, 27(11): 96-106. LIU Chang-yu, XIA Tong-shui, YU Tao. Research on Evolutionary Game of Government Regulation and Production of Manufacturer in the Angle of Low Carbon[J]. Chinese Journal of Management Science, 2019, 27(11): 96-106. |
| [16] |
李祯琪, 欧国立. 激励性和惩罚性交通拥堵治理政策的比较——基于动态演化博弈模型及仿真分析[J]. 中国管理科学, 2019, 27(6): 167-178. LI Zhen-qi, OU Guo-li. Comparison of Incentive and Punitive Traffic Congestion Policies-based on the Dynamic Evolutionary Game Model and Simulation Analysis[J]. Chinese Journal of Management Science, 2019, 27(6): 167-178. |
| [17] |
DENG S, ZHOU D, WU G, et al. Evolutionary Game Analysis of Three Parties In Logistics Platforms and Freight Transportation Companies' Behavioral Strategies for Horizontal Collaboration Considering Vehicle Capacity Utilization[J].
Complex & Intelligent Systems, 2022, 9(2): 1617-1637.
|
| [18] |
JIANG C B, XU J M, LI S F, et al. Profit Allocation Problem and Algorithm of Network Freight Platform under Carbon Trading Background[J].
International Journal of Environmental Research and Public Health, 2022, 19(22): 15031.
DOI:10.3390/ijerph192215031 |
| [19] |
杨扬, 李成杰. 基于三方演化博弈的网络货运动态发展机制及仿真研究[J]. 公路交通科技, 2022, 39(10): 180-190. YANG Yang, LI Cheng-jie. Study on Dynamic Development Mechanism and Simulation of Network Freight Transport Based on Tripartite Evolutionary Game[J]. Journal of Highway and Transportation Research and Development, 2022, 39(10): 180-190. DOI:10.3969/j.issn.1002-0268.2022.10.022 |
2024, Vol. 41









