北京市电动汽车充电设施创新生态系统分析①

王文涛

(1.清华大学 经济管理学院,北京 100084;2.清华大学技术创新研究中心,北京 100084)

1 行业创新生态系统

Nelson和Winter最早基于生物进化理论提出创新进化理论[1]。1992年,Frosch和Gallopoulos将产业生态系统与自然生态系统加以对比,完善了产业生态系统和产业生态学的概念[2]。他们将创新生态系统定义为一个由相互连接的组织构成的网络,这些网络围绕一个核心企业或一个平台构建,由生产方和用户方参与者构成,并在此基础上通过创新实现价值创造和共享,主要应用在企业的管理研究中[3-9]。

产业网络间行为是以企业为主体的“价值链网络”同产业生态主体构成的“产业生态网络”之间进行的各种资源交换的行为。在创新生态系统中不同机构、企业之间的联系复杂,因此可以借助复杂网络来分析生态系统中各个组成部分的联系是否紧密,以及每个成员在产业网络中的连通度,为分析生态系统的完整性、交互性,发现影响整个网络的短板行业提供了依据。

对于行业网络的构建,在选取研究对象时从微观方面可以研究充电设施行业内的不同企业,从宏观方面也可以选择与充电设施行业有关的其他行业。这两种不同情景考虑的主要因素不同,分析的目的也不同。宏观方面主要考虑其他行业对充电设施行业的影响,如政府机构的策略、高校和研究所的研究成果、上下游行业的情况。该行业网络,可用来预测整个行业的走势以及分析其他行业对该行业的影响程度。

本文提出的充电设施行业创新生态系统就是围绕充电设施产业特征、充电设施发展的相关要素和各要素主体间的关系,通过研发、生产和消费的产业化进程,而形成的具有可持续发展的创新系统。根据已有文献研究发现,电动汽车的运营模式的选定取决于很多因素,如政府政策、社会环境、电动汽车技术发展水平、电动汽车制造成本、充电设备技术水平、充电站位置、电动汽车用户的位置和关注点等[10]。基于此,构建出充电设施行业的创新生态系统框图,如图1所示。

图1 充电设施行业创新生态系统框图

2 行业创新生态系统网络分析建模

2.1 行业网络分析

为了更加全面地分析充电设施行业,本文提出了“行业网络分析”方法。

传统复杂网络的研究工作往往用图形分析的方式,通过连接无视方向和权重的节点与线得出图形,从而模拟所研究电网的结构。Latora[11]提出了将网络的整体效率(E)作为网络(Y)的整体性能评价指标,并将网络整体效率的测算推广应用到了许多行业实际的复杂网络的分析评价中:

式(1)中:N是所分析的网络中包含的节点总数;B是网络中所有节点的总和;dij是某两个节点i和j间隔的距离。

本文在构建网络模型时,为了更加贴近模拟实际场景,需要在复杂网络节点和边的构建中添加多种考虑因素。如何根据研究目标的不同,确定路径和节点的权值,我们通过模糊逻辑来解决。模糊逻辑[12-14]是模糊控制中一项重要技术,其核心思想是用“隶属函数”和“隶属度”来描述中间过度,刻画和处理生活中难以用精确的数学语言来描述的模糊现象。对于强非线性、未知或不能确定的模型,以模糊规则理论和模糊集合相结合,模拟人类思维模式,充分表达界限的过渡,及定性知识的相关经验,以此为依据进行推理,最终得出的结论应用于解决常规方法无法解释的规则性模糊信息中的疑问。根据长期的控制和操作经验,总结出使用模糊条件语句写出的控制规则。通过数学处理,可确定出推理的法则。然后根据输入的模糊信息,按照由经验得出的控制规则,作出模糊决策,图2为模糊逻辑控制器。

图2 模糊控制器示意图

通过研究行业目标的不同,设定具体的模糊逻辑规则,将考虑因素通过模糊逻辑规则归一化为复杂网络内节点和连接的权值,更加具体全面地分析行业网络。

假设不考虑复杂网络的动态特征,将其每个网络节点看作为一个点,两点间的连接关系看作为边,则复杂网络包含了平均距离、聚类系数、度分布介数等网络的全部结构特征,并且还包含了小世界网络、无尺度网络等的网络统计特征。深入研究上述特征,以及与之相应的连接矩阵特征值、子图与补图等,有助于复杂网络建模和深刻理解复杂网络的动态行为。

因此,“行业网络分析”方法的提出,从实际场景中抽象、简化网络模型,并用现实节点的连接网络来描述事物特征及内在联系,简化了整个网络的构建过程,解决了与真实网络之间的偏差度问题。采用模糊逻辑对分析因素进行归一化处理,剔除了与分析无关的要素,提高了充电设施网络行业分析的准确度。

要实现对一个系统的量化分析,需要对各主体系统价值贡献的参与予以明确。理论上,通过复杂网络对生态系统主体内部进行量化分析后,得到系统层面所关注的节点参数,可以从系统层面进行多角度的量化分析。故本文将结合创新生态系统理论和复杂网络理论对城市充电设施行业进行分析。

2.2 充电设施创新生态系统网络分析建模

基于前文对充电基础设施创新生态系统主体的分析,目前阶段,充电基础设施创新生态系统所构建的网络包括政府有关部门、车企、电池生产厂商、电力生产企业、电网企业、用户、充电基础设施运营商、充电设备供应商、工程施工方、场地提供方等。在量化分析中,明确政府政策的重要地位,如物价主管部门对运营商的建设和运营补贴在很大程度上影响电动汽车充电基础设施运营商的现金流。车企生产电动汽车并销售给用户,在整个网络中占主体地位。与车企类似,电池生产厂商居于产业链更加上游的位置,通过用户行为对网络进行传导。电力生产企业与电网企业为充电基础设施提供能源保障,是整个网络架构里不可或缺的部分。在整个充电基础设施创新生态系统中,用户指各类有充电需求的车辆使用者。常见的用户类型包括公交车、出租车、网约车、公务车、分时租赁车和私家车。充电设备供应商和工程施工方是充电基础设施运营商的主要成本方,运营商通过向充电设备供应商采购充电设备,委托工程施工方在合作场地内安装充电设备,并进行电力施工。作为充电设备安装的物理地点,场地提供方包括机关、学校等单位内部、住宅小区停车场、商业区停车场、公共停车场、公交场站等,是创新生态系统的重要组成部分。目前充电基础设施运营行业主要通过两种方式与场地提供方进行合作,一种是由充电基础设施运营商向场地提供方支付场地租金;另一种是与场地提供方建立合作关系,与场地提供方分享充电服务费收入。

综上所述,可建立充电设施行业分析框图(见图3)。

图3 充电设施行业分析框图

3 城市充电设施创新生态系统网络图构建及分析

新能源汽车迅猛发展,充电桩建设也在加速。其中,北京、上海、广州、深圳等城市公共充电网络已具雏形,北上广深将迈入电动汽车充电桩“五公里”时代。据统计,2016年全国新增公共充电桩10万个,已累计建成约15万个。

笔者通过互联网公开发布的相关信息和深入有关企业实际调研得到充电设施重点发展城市之一——北京在2013—2016年充电基础设施创新生态系统主体的相关数据,即有关充电设施的相关政策发布的政府有关部门、市内销售车企的数量和具体车企、新能源车辆用户类别,以及不同类别具体使用新能源汽车的规模、电网企业以及场地提供方的相关数据,然后将这些主体抽象成复杂网络中的节点,根据这些数据绘制城市充电设施关系网和复杂网络图。其中:实线(——)代表个体间的合作或促进关系;段虚线(---)代表组织内部间的竞争关系;点虚线(┈┈)代表组织间的合作关系;节点面积代表其在组织中的重要性,连线的粗细代表关系的强弱。

根据表1列示的2013年北京市充电设施创新生态网络主体的相关数据及信息,本文构建了2013年北京市充电设施创新生态系统网络及其各子网络,如图4和图5所示。如图4所示,2013年北京市充电设施创新生态网络中共有6个节点,即政府部门(a)、市内销售车企(b)、充电设施企业(c)、新能源车辆用户(d)、场地提供方(e)以及电网企业(f)。节点面积表示其介数。节点的介数可以反映此节点在网络中所起的作用,是评估复杂网络的一个重要参数。一个节点的介数越大,则该节点在网络中的作用越大。由图4可知:政府部门(a)的连边个数为5,市内销售车企(b)的连边个数为3,充电设施企业(c)的连边个数为5,新能源车辆用户(d)的连边数为5,场地提供方(e)的连边数为3,电网企业(f)的连边数为3。从图5可知:政府部门(a)网络内共含3个节点,市内销售车企(b)网络中有1个节点,充电设施企业(c)网络中有1个节点,新能源车辆用户(d)网络中共含2个节点,场地提供方(e)网络中有1个节点,电网企业(f)网络中有1个节点。由此,根据节点介数从大到小对2013年北京市充电设施创新生态系统网络的6个节点排序,结果为a＞d＞b=c=e=f。可见,2013年北京市充电设施创新生态系统网络中节点介数最大的节点是政府部门。这反映在北京市当时的充电设施产业网络中,政策导向在网络中作用最大,从网络节点的介数分析角度来看,此网络在这一方面表现良好。

聚类系数也是复杂网络评估的重要指标之一,在北京市充电设施产业创新生态系统网络中反映的则是每个节点间彼此的连通度。即如果该位置较为重要,该节点的聚类系数越高,则该节点周围网络连通性越高。其节点的聚类系数大小顺序为a＞c＞b＞d＞f＞e。此顺序说明在该网络中的六个节点中,政策的连通性最好。

表1 2013年北京市充电设施创新生态网络主体的相关数据

图4 2013年北京市充电设施创新生态系统网络

图5 2013年北京市充电设施创新生态系统网络各子网络

一个网络节点的节点度可以反映该节点的紧密度,节点度越高,该节点的紧密度越好,平均节点度越高,网络联系越紧密。按节点度对2013年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为d＞a＞c＞b=e=f。该排序结果说明,在2013年北京市充电设施创新生态系统网络中,新能源车辆用户节点与其他节点的联系最紧密,政府部门次之,充电企业再次之,最后是市内销售车企、电网企业、场地提供方。

根据表2列示的2014年北京市充电设施创新生态网络主体的相关数据及信息,本文构建了2014年北京市充电设施创新生态系统网络,如图6和图7所示。如图6所示,2014年北京市充电设施创新生态网络中共有6个节点,分别是政府部门(a)、市内销售车企(b)、充电设施企业(c)、新能源车辆用户(d)、场地提供方(e)以及电网企业(f)。如图6所示,政府部门(a)的连边个数为5,市内销售车企(b)的连边个数为3,充电设施企业(c)的连边个数为5,新能源车辆用户(d)的连边数为5,场地提供方(e)的连边数为3,电网企业(f)的连边数为3。如图7所示,政府部门(a)网络内共含6个节点,市内销售车企(b)网络中共含4个节点,充电设施企业(c)网络中共含4个节点,新能源车辆用户(d)网络中共含5个节点,场地提供方(e)网络中共含2个节点,电网企业(f)网络中共含1个节点。由此,根据节点介数从大到小对2014年北京市充电设施创新生态系统网络的6个节点排序,结果为a＞d＞b=c=e＞f。可知,2014年北京市充电设施创新生态系统网络中节点介数最大的节点是政府部门。这反映在北京市当时的充电设施产业网络中,政策导向在网络中作用最大,从网络节点的介数分析角度来看,此网络在这一方面表现良好。

表2 2014年北京市充电设施创新生态网络主体的相关数据

图6 2014年北京市充电设施创新生态网络

按聚类系数对2014年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为c＞a＞d＞b＞f＞e。该排序结果说明,在2014年北京市充电设施创新生态系统网络中,充电设施企业的连通性最好。

按节点度对2014年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为d＞a＞c＞b=e=f。该排序结果说明,在2014年北京市充电设施创新生态系统中,新能源车辆用户与其他节点的联系最紧密,政府部门次之,充电企业再次之,最后是市内销售车企、电网企业、场地提供方。

根据表3列示的2015年北京市充电设施创新生态网络主体的相关数据及信息,本文构建了2015年北京市充电设施创新生态网络及其各子网络,如图8和图9所示。由图8可知,2015年北京市充电设施创新生态网络共有6个节点,分别是政府部门(a)、市内销售车企(b)、充电设施企业(c)、新能源车辆用户(d)、场地提供方(e)以及电网企业(f)。由图8可知,政府部门(a)的连边个数为5,市内销售车企(b)的连边个数为3,充电设施企业(c)的连边个数为5,新能源车辆用户(d)的连边数为5,场地提供方(e)的连边数为3,电网企业(f)的连边数为3。由图9可知,政府部门(a)网络内共含8个节点,市内销售车企(b)网络中共含8个节点,充电设施企业(c)网络中共含8个节点,新能源车辆用户(d)网络中共含6个节点,场地提供方(e)网络中共含3个节点,电网企业(f)网络中共含1个节点。由此,根据节点介数从大到小对2015年北京市充电设施创新生态系统网络的6个节点排序,结果为a=b=c＞d＞e＞f。可见,2015年北京市充电设施创新生态系统网络中节点介数排名前三位的节点是政府部门、市内销售车企、充电设施企业。这反映在北京市当时的充电设施产业网络中,政府部门、市内销售车企、充电设施企业在网络中作用最大,从网络节点的介数分析角度来看,此网络在这一方面表现良好。

表3 2015年北京市充电设施创新生态网络主体的相关数据

图7 2014年北京市充电设施创新生态系统网络各子网络

图8 2015年北京市充电设施创新生态网络

按聚类系数对2015年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为a=b=c＞d＞e＞f。该排序结果说明,在2015年北京市充电设施创新生态系统网络中,政府部门、市内销售车企、充电设施企业的抗摧毁性最高,政府部门、市内销售车企、充电设施企业在此网络中的连通性最好。

按节点度对2015年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为d＞a＞c＞b=e=f。该排序结果可以说明,在2015年北京市充电设施创新生态系统网络中,新能源车辆用户与其他节点的联系最紧密,政府部门次之,充电企业再次之,最后是市内销售车企、电网企业、场地提供方。

根据表4列示的2016年北京市充电设施创新生态网络主体的相关数据及信息,本文构建了2016年北京市充电设施创新生态网络及其各子网络,如图10和图11所示。由图10所示,2016年北京市充电设施创新生态网络中共有6个节点,分别是政府部门(a)、市内销售车企(b)、充电设施企业(c)、新能源车辆用户(d)、场地提供方(e)以及电网企业(f)。其中,政府部门(a)的连边个数为5,市内销售车企(b)的连边个数为3,充电设施企业(c)的连边个数为5,新能源车辆用户(d)的连边数为5,场地提供方(e)的连边数为3,电网企业(f)的连边数为3。如图11所示,政府部门(a)网络内共含8个节点,市内销售车企(b)网络中共含11个节点,充电设施企业(c)网络中共含11个节点,新能源车辆用户(d)网络中共含6个节点,场地提供方(e)网络中共含1个节点,电网企业(f)网络中共含3个节点。由此,根据节点介数从大到小对2016年北京市 充电设施创新生态系统网络的6个节点排序,结果为b=c＞a＞d＞f＞e。可见,在

图9 2015年北京市充电设施创新生态系统网络各子网络

表4 2016年北京市充电设施创新生态网络主体的相关数据及信息

图10 2016年北京市充电设施创新生态网络

2016年北京市充电设施创新生态系统网络中,节点介数最大的节点是市内销售车企和充电设施企业。这反映在北京市2016年的充电设施产业网络中,充电设施企业在网络中作用最大,从网络节点的介数分析角度来看,此网络在这一方面表现良好。

按聚类系数对2016年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为c＞a＞d＞b＞f＞e。该排序结果说明,在2016年北京市充电设施创新生态系统网络中,充电设施企业的连通性最好。

按节点度对2016年北京市充电设施创新生态系统网络中的6个节点进行排序,结果为d＞a＞c＞b=e=f。该排序结果说明,在2016年北京市充电设施创新生态系统网络中,新能源车辆用户与其他节点的联系最紧密,政府部门次之,充电企业再次之,最后是市内销售车企、电网企业、场地提供方。

图11 2016年北京市充电设施创新生态系统网络各子网络

4 讨论

前文通过构建北京市的充电设施行业复杂网络图,我们对其充电设施行业分别从各个节点的作用大小、抗摧毁能力以及与其他节点关系的紧密程度进行了分析。

表5为2013—2016年四年北京充电设施行业创新生态系统网络指标分析结果汇总。

表5 2013—2016年北京市充电设施创新生态系统网络指标分析结果汇总

命题1:网络主体越丰富,充电设施创新生态系统网络的介数越大,网络结构越稳定。

2013—2016年北京市政府部门、市内销售企业、充电设施企业、新能源车辆用户以及场地提供方的数量中充电设施企业数量增加幅度最大,市内销售企业次之,新能源车辆用户再次之,政府部门变化幅度最小。

命题2:政府部门、市内销售企业、充电设施企业、新能源车辆用户以及场地提供方类型越多,网络的连通度越好,网络越稳定。

根据全国充电桩运营平台所得到的北京市大数据分析统计得到了2013—2016年历年的充电桩年平均利用率,如表6所示。由表6易得,主体数量越多,充电设施利用率越高。

表6 2013—2016年北京市行业充电桩年平均利用率

命题3:充电设施创新生态系统网络中各主体包含的分支主体越多,网络越稳定,充电设施利用率越高,网络效能越好。

5 结论

随着一系列推动和促进我国电动汽车产业发展相关政策的陆续出台[5],我国电动汽车的产量和购买量现已跃居世界第一。电动汽车充电设施行业发展理应具有前置性。

本文运用创新生态系统和复杂网络理论,建立城市充电设施行业创新生态系统模型,研究发现:

(1)政府部门、市内销售企业、充电设施企业、新能源车辆用户以及场地提供方的丰富和数据上的增长可以提高充电设施行业网络的抗摧毁能力。

(2)电网企业的类型和数量对充电设施行业创新生态系统网络中各主体与其他主体的紧密度影响最大。

(3)在充电设施创新生态系统主体已基本完善之后,各类主体数量和形式越来越多,所以网络的紧密度越来越强,市内销售企业和充电设施企业的连通度会随着行业发展呈现出更好的表现。综上,充电设施创新生态系统的网络结构影响行业关注度、稳定性和网络扩散。

本文创新点体现在以下两个方面:

首先,本文利用复杂网络工具,引入模糊逻辑对基于创新生态系统理论构建的充电设施行业网络进行了构建分析,并得出初步结论。本文构建了北京市2013年到2016年的城市充电设施创新生态系统复杂网络分析图,并参照复杂网络统计特征对其进行分析,得出创新生态系统的网络结构影响行业关注度、稳定性和网络扩散。

其次,研究利用复杂网络工具对基于创新生态系统理论构建的充电设施行业网络分析的可行性,首次使行业研究中结论可进行量化分析,从而为充电设施行业的发展方向提供理论依据。

[1]Nelson R R,Winter S G.Evolutionary the organizing in economics[J].Journal of Economic Perspectives,2002,16(2):23-46.

[2]Frosch R A,Gallopoulos N E.Towards An Industrial Ecology in Treatment and Handling of Wastes[M].London Chapman and Hall,1992:269-292.

[3]Chen Yantai,Rong Ke,Lan Xue,et al.Collaborative innovation network in China's wind turbine manufacturing industry',international journal of technology Management[J].2014,65(1-4):262-299.

[4]Adner R.Match your innovation strategy to your innovation ecosystem[J].Harvard Business Review,2006,84(4):98-107.

[5]Rong K,Shi Y,Yu J.Nurturing business ecosystem to deal with industry uncertainties[J].Industrial&Data Systems,2013,113(3):4.

[6]Moore,J.F.The Death of Competition Leadership and Strategy in The Age of Business Ecosystems[M].New York:Harper Business,1996.

[7]Garnsey E,Leong Y.Combining resource-based and evolutionary theory to explain the genesis of bio-networks[J].Industry and Innovation,2008,15(6):669-686.

[8]柳卸林.二代创新与自主创新——建设创新型国家,我们需要改变什么[J].科研管理,2012(9):6-8.

[9]陈强,王艳艳.KIBS创新集群发展的动力机制研究[J].科技管理研究,2011(19):1-4.

[10]张勇,蒲永健,史乐峰.电动汽车充电基础设施建设与政府策略分析[J].中国软科学,2014(4):167-181.

[11]Sergio A,Ettore B,Anna C,et al.Power grids vulnerability:a complex network approach[J].Chaos,2009(19):1-6.

[12]Dutta S,Sheikh T A,Baruah S,et al.Accident control using fuzzy logic:survey[J].European Journal of Advances in Engineering and Technology,2016,3(1):62-65.

[13]Zadeh L A.Fuzzy logic computing with words[J].IEEE transactions on fuzzy systems,1996,4(2):103-111.

[14]张国良,曾静,柯熙政,等.模糊控制及其 MATLAB应用[J].西安:西安交通大学出版社,2002.