考虑市场与利润的网约车与行业主体博弈分析

张亚平,莫琼,祁首铭,廉冠,温良

(哈尔滨工业大学 交通科学与工程学院，黑龙江 哈尔滨 150090)

考虑市场与利润的网约车与行业主体博弈分析

张亚平,莫琼,祁首铭,廉冠,温良

(哈尔滨工业大学 交通科学与工程学院，黑龙江 哈尔滨 150090)

为系统分析网约车与行业原有主体的矛盾，从网约车的视角，综合考虑市场份额和利润效益，采用博弈论的方法，分别讨论网约车与传统出租车、乘客、政府之间的利益冲突.构建最优策略博弈模型并进行分析，求解混合策略博弈均衡解.结果表明：网约车与传统出租车均无策略选择最优概率，将处于持续的互相博弈状态中，网约车优劣服务成本差和价格是乘客选择乘坐与否的关键因素，政府管制成本和对非法经营的罚金是促使网约车合法经营的关键因素，为网约车自身发展和政府对网约车的监管提供理论支持和决策建议.

网约车；市场份额与利润；博弈论；最优策略；混合策略

0 引言

随着“互联网+”时代的到来，互联网技术在交通领域发展迅速，出租车行业尤为明显.我国于2013年开始兴起网约车，滴滴打车、易到用车、Uber、神州专车等打车软件开始出现在我国大中城市，在北上广深等大城市快速发展.截至2016年底，网约车用户规模达1.68亿，比2016年上半年增加4616万，增长率为37.9%[1].其快速增长对传统出租车市场产生了极大的冲击，传统出租车司机的利益受损.另一方面，网约车的安全、服务和监管也产生了许多问题.2016年8月，随着《网络预约出租汽车经营服务管理暂行办法》的出台，明确了网约车的合法地位，加强了网约车在出租车市场中的竞争力，但网约车与传统出租车之间的矛盾并没有得到根本解决，反而增加市场主体间的冲突数.

国内外学者在网约车存在特点及其对市场的作用进行了研究，AI-Ayyash等[2]在美国大学生中做调查发现30%-50%的学生由于补贴更愿意拼车，补贴是其中关键因素.Rayle等[3]提出类似于Uber和Lyft的等待时间短、点对点服务的服务，更能吸引年轻人和高学历人群.曹祎等[4]在打车软件背景下，应用Logit概率选择模型分析空驶出租车出行选择情况，证明应用打车软件有利于出租车运营规划与管理.现有研究多从政府的角度出发，讨论网约车市场规制问题.吴向芹[5]基于博弈论视角，以政府为主要对象，分析其与网约车平台、乘客之间的利益博弈，提出互联网时代出租车行业政府规制的对策建议.梁燕豪[6]在定性分析互联网专车行业特性和问题的基础上，建立四方博弈模型，提出互联网专车管理策略建议.罗清和[7]等结合国外经验，对我国“约租车”市场规制提出建议.鲜有研究基于网约车角度，研究平台补贴政策，分析网约车和传统出租车的博弈关系.杨浩雄等[8]以平台补贴为背景，分析网约车和传统出租车的博弈关系，得出传统出租车仍然会在出租车市场占有地位.陈明艺等[9]采用完全信息静态博弈方法，对不同的专车补贴政策进行讨论，并计算专车合理的价格区间.

现有研究中，对网约车与市场原有主体间矛盾进行系统分析的较少，且对主体利益进行描述时，多为单独考虑市场效益或利润效益，现实中主体收益是二者的综合效益.因此，本文在同时考虑市场和利润效益的前提下，运用博弈论的方法，分析网约车与传统出租车、乘客、政府间的利益冲突，把握出租车行业出现的新矛盾，为网约车自身发展和政府对网约车的监管提供理论支持和决策建议.

1 博弈策略分析

网约车以合法身份加入传统出租车行业，形成新的出租车行业(以下简称出租车行业).新行业背景下，出租车行业新增网约车与传统出租车、网约车与乘客、网约车与政府之间的利益博弈，博弈主体收益由市场效益与利润效益综合而得.其中，网约车与传统出租车统称出租车，市场效益指市场份额，利润效益为运营收入与成本之差.

在新的行业背景下，网约车在不同时期竞争的目标不同.初期竞争目标主要为市场份额，后期为市场份额与利润.但不论何时，网约车目标均是以最少的成本获得最大的收益.

(1) 网约车与传统出租车博弈策略分析

新的行业背景下，传统出租车经营收益受到网约车的冲击.与网约车相比，传统出租车有正规营业执照、车辆定期检查与维修程序等，受乘客信赖程度较高；但预约不如网约车便捷、价格不如网约车优惠，在竞争中稍显劣势.因此，在与网约车的博弈中，传统出租车可选策略为降价与不降价.传统出租车降价与否决定其收益大小，并反作用于网约车收益.网约车策略选过程与传统出租车相似，在与传统出租车的博弈中，可选策略为降价与不降价.

(2) 网约车与乘客博弈策略分析

乘客是出租车行业的消费者，同时是城市交通网络的出行者.依据自身期望成本和期望获得的服务，选择出行方式.因此，在与网约车的博弈中，乘客可选策略为乘坐与不乘坐.乘客选择乘坐的概率决定着网约车的收益，同时它也受乘客自身获得的服务质量与网约车付出的成本影响.因此，网约车在与乘客的博弈中，可选策略为优质服务和劣质服务.

(3) 网约车与政府博弈策略分析

政府作为行业管理者和政策制定者，其收益代表着社会公众收益.在新的出租车行业背景下，目标是避免由网约车加入带来的社会公众利益损失.因此，在与网约车的博弈中，政府可选策略为管制与不管制.政府选择管制的概率决定着网约车非法经营的成本，而政府管制成本和收益又决定其选择管制的概率.同样，网约车经营成本决定其收益，而经营成本也影响社会公众收益.在与政府博弈的过程中，网约车可选策略为合法经营与非法经营.

网约车之间也存在博弈关系，多通过给予乘客补贴的方式争抢市场和利润.与网约车和传统出租车的博弈相同，差别仅在于两组竞争中收益组成的系数，将在后续模型中进行说明.

从网约车的视角，构建与传统出租车、乘客、政府的博弈模型，分析由于网约车加入车市场新增的利益冲突，各主体博弈策略如图1所示.

图1 网约车与相关主体博弈策略示意图

2 最优策略博弈模型构建与分析

在网约车与其他主体的博弈中，主体目标均为自身利益最大化，以此为基础，构建最优策略博弈模型，求解使博弈双方均达到最大利益的纳什均衡.

2.1模型假设

设网约车与传统出租车通用收益函数为w=αKQ+βPQ-C0Q，即收益=市场效益+利润效益-成本.其中K是市场份额单价，α是市场效益系数，β是利润效益系数，与竞争目标相关，K≥0，α=0或α≥1，β=0或β≥1；

C0是出租车运营成本单价，与运营服务质量有关，P是出租车收费单价；

Q是需求函数，Q=Q0+θe，e为竞争对象的收益，与竞争目标相关，Q0是初始需求数，θ是需求函数系数，θgt;0.

2.2网约车与传统出租车的博弈模型构建

网约车与传统出租车博弈时，二者收益函数形式相同.其中，需求函数受降价数影响，Q=Q0+θD，D为降价数.二者博弈过程中，竞争目标为市场份额与利润收益.考虑模型假设，设P0为出租车初始收费单价，则价格P=P0-D，收益函数为：

考虑博弈双方均在降价与不降价中进行决策，设D1和D2分别为博弈双方给予乘客的降价数，C01和C02分别为博弈双方运营成本单价.建立网约车与传统出租车收益矩阵，如表1所示.

表1 网约车与传统出租车收益矩阵

对收益情况进行分析，当降价数D1=P0-(Q0/θ+(C01-αK)/β)时，网约车降价与不降价收益相同；当D2=P0-(Q0/θ+(C02-αK)/β)时，传统出租车降价与不降价收益相同.

网约车之间的竞争与上述类似.在网约车初入市场时期，无论竞争对象是网约车还是传统出租车，竞争重点都是市场份额，即收益组成中，市场效益系数α较大，α≫β；当网约车市场占有率相对稳定后，α与β大小接近.当降价数D超过临界值时，将不利于经营者综合效益，经营者将采取不降价策略.

2.3网约车与乘客的博弈模型构建

网约车与乘客博弈时，需求函数受乘客收益影响，乘客收益函数为e=γC0-P，其中，γ为乘客需求函数系数，γ≥1.则需求函数为Q=Q0+θ(γC0-P).竞争目标为利润效益，故α=0.考虑模型假设，网约车收益函数为：

考虑网约车在优质服务与劣质服务中决策，C0和C1分别为优质、劣质服务运营成本单价，且C0=C1+A，A为优质服务与劣质服务的成本差，默认劣质服务成本低于优质服务成本，即Agt;0，默认γC0-Pgt;0.建立网约车与乘客收益矩阵，如表2所示.

表2 网约车与乘客收益矩阵

对收益情况进行分析，当优、劣服务成本差A=2C0-(βθγP+θP-Q0)/θγ时，网约车选择优质与劣质服务的收益相同；当A=C0-P/γ时，乘客选择乘坐与不乘坐的收益相同.

当优质、劣质服务成本差A超出临界值时，损失乘客数过多使其倾向于选择优质服务策略；当A高于临界值时，服务质量过差使乘客选择不乘坐策略.

2.4网约车与政府的博弈模型构建

网约车与政府博弈时，需求函数受公众收益影响.政府收益为公众利益与其管制收益之和，e=δC0-P+F-S，其中，δ为政府收益函数系数，且δ≥1；F和S分别为政府管制罚金和成本.竞争目标为利润效益，故α=0.考虑模型假设，网约车收益函数为

考虑网约车在合法与不合法中决策，C2和C3分别为政府管制与不管制时非法经营成本单价，差别为政府对非法经营的罚金F.默认非法经营成本比合法成本低，即C2=C0-B+F，C3=C0-B，B为常数，且Bgt;0.建立网约车与政府收益矩阵，如表3所示.

表3 网约车与政府收益矩阵

对收益情况进行分析，网约车选择合法经营时，政府最优策略是不管制；网约车选择非法经营时，当F=S/(δ+1)时，政府选择管制与不管制策略收益相同.

政府选择管制策略时，当B=2C0-(βθδP+θP-Q0)/θδ+F时，网约车选择合法与非法经营收益相同；政府选择不管制策略时，当B=2C0-(βθδP+θP-Q0)/θδ时，网约车选择合法与非法经营收益相同.

3 混合策略博弈求解与分析

当博弈双方策略选择均被赋予一定概率时，构成混合策略博弈.当博弈主体选任一策略其收益均相同时，达到混合策略博弈均衡，能够求解出博弈双方策略选择的概率值.结合第二部分最优策略博弈模型，求解其混合策略博弈纳什均衡解，深入分析网约车与其他主体的策略选择过程，为政府对行业管制和网约车经营决策提供参考.

3.1网约车与传统出租车策略选择概率

假定网约车选择降价的概率为p，选择不降价概率为(1-p)；传统出租车选择降价概率为q，不降价概率为(1-q).

当网约车选择降价策略时，期望收益为

反之，期望收益为

e1=e2时达到混合策略纳什均衡，无最优概率q*.

传统出租车选择降价策略，期望收益为

反之，期望收益为

无最优概率p*.

因此，网约车与传统出租车之间或网约车之间争夺市场和利润效益的过程，将处于持续的互相博弈状态中，形成出租车市场波动而又趋于平衡的状态.但出于利益最大化目的或由于占领市场目的已达到，降价行为不可能长时间持续，必然会有一个相对稳定的状态.如滴滴于2016年8月收购Uber中国公司，网约车之间轰轰烈烈的价格战由此落下帷幕，以明显优势在网约车市场争夺战中胜出，垄断网约车市场.因此，将迎来政府部门“反垄断”调查与管制，以保证行业内竞争的公平、有序性.

3.2网约车与乘客策略选择概率

假定网约车选择优质服务的概率为p，选择劣质服务的概率为(1-p)；乘客选择乘坐的概率为q，不乘坐的概率为(1-q).

与上文同理，求解网约车与乘客博弈混合策略纳什均衡解：

考虑网约车与乘客的博弈策略，讨论网约车单价P和网约车优质服务与劣质服务成本之差A对网约车与乘客策略选择概率的影响，取β=1.5，θ=10，γ=1.5，C0=1.5，Q0=10，得p*与q*随P与A的变化图，分别见图2、图3.

图2 网约车优质服务概率变化图

图3 乘客乘坐概率变化曲面图

可知，价格与成本差越大，乘客付出成本越高，而网约车经营成本越低，则乘客所获服务质量越低，高成本、劣服务使乘客拒绝乘坐网约车，即乘客乘坐概率降低，选择传统出租车或其他交通方式出行，网约车将失去市场，收益得不到保障.

因此，网约车将以提升服务质量的策略来吸引乘客，保证收益，则优质服务概率增加.网约车提升服务质量的方法包括按时接客、定期进行车辆维修和保养、不随意加价、提供良好的服务态度等.

3.3网约车与政府策略选择概率

假定网约车选择合法经营策略的概率为p，选择非法经营策略的概率为(1-p)；政府选择管制策略的概率为q，选择不管制策略的概率为(1-q).

与上文同理，求解网约车与政府博弈混合策略纳什均衡解：

考虑网约车与政府的博弈策略，讨论政府管制成本S和罚款F对网约车策略选择概率的影响、罚款F和网约车合法经营与非法经营成本之差B对政府策略选择概率的影响， 取β=1.5，θ=2，δ=1.5，P=2，C0=1.5，Q0=10，得p*与q*随S、F与F、B的变化图，分别见下图4、图5.

图4 网约车合法经营概率变化图

图5 政府管制概率变化图

可知，罚金越大、管制成本越小，网约车选择合法经营概率越大；罚金越小、成本差越大，政府选择管制概率越大.这是由于管制成本减小，即政府选择管制的可能性增加；罚金增加，则加剧了网约车非法经营付出的成本，收益降低，则更倾向于合法经营.网约车合法与非法经营成本差越大，则社会公平性越低，影响社会秩序，政府作为规则制定者和秩序维护者，必须采取强硬态度，规范网约车非法经营行为.另外，应通过完善各项机制来降低管制成本.

4 结论

网约车以合法身份加入出租车行业，使行业内部矛盾愈加复杂.论文以博弈论为工具，从网约车的视角，同时考虑市场和利润收益，构建了网约车与传统出租车、乘客、政府间的博弈模型，分(析了由于网约车加入而新增的利益冲突，讨论博弈双方的纳什均衡策略及策略选择最优概率，得到以下结论：

(1) 在网约车与传统出租车的竞争中，双方博弈策略选择均无最优概率，这表明网约车之间或网约车与传统出租车将处于持续的互相博弈状态中，形成出租车市场波动而又趋于平衡的状态；

(2) 在网约车与乘客的竞争中，乘客选择乘坐策略的概率与网约车选择优质服务的概率均取决于网约车优劣服务成本差和价格，网约车应在保证服务质量的前提下，降低价格以吸引更多乘客；

(3) 对于网约车与政府的竞争，网约车选择合法经营的概率与政府选择管制的概率均取决于政府管制成本和对非法经营的罚金，政府应在明确抵制非法经营态度的前提下，降低管制成本，维护社会秩序.

[1]中华人民共和国国家互联网信息办公室. 第39次中国互联网络发展状况统计报告[R].北京：中国互联网网络信息中心，2017.

[2]ZAHWA AI AYYASH, MAYA ABOU ZEID, ISAM KAYSI. Modeling the Demand for a Shared-Ride Taxi Service: An Application to an Organization- Based Context[J]. Transport Policy, 2016(48): 169-182.

[3]LISA RAYLE, DANIELLE DAI, ROBERT CERVERO, et al. Just a Better Taxi? A Survey-Based Comparison of Taxis，Transit，and Ride Sourcing Services in San Francisco[J]. Transport Policy, 2016(45):168-178.

[4]曹祎, 罗霞. 打车软件背景下空驶出租车出行分布预测模型[J]. 武汉理工大学学报(交通科学与工程版), 2015(1):51-54.

[5]吴向芹. 互联网时代出租车行业政府规制研究——基于博弈论视角[J]. 市场经济与价格, 2016(11):20-24.

[6]梁燕豪. 基于博弈分析的互联网专车管理策略研究[D]. 广州：华南理工大学, 2016.

[7]罗清和, 张畅, 潘道远. 我国“约租车”规制研究——兼及国外经验[J]. 北京：北京交通大学学报(社会科学版), 2016(3):31-37.

[8]杨浩雄, 魏彬. 网络约车与出租车的竞争博弈研究——以平台补贴为背景[J]. 北京社会科学, 2016(5):68-76.

[9]陈明艺, 李娜. 基于完全信息静态博弈的专车补贴策略研究[J]. 财经论丛, 2017(1):105-112.

下期待发表文章摘要预报

基于有源钳位和动态负反馈相结合的IGBT过压保护

冯庆胜1,沈培富1,戴淑军2

(1.大连交通大学 电气信息学院，辽宁 大连 116028；2.大连天运电气有限公司，辽宁 大连 116028)

摘要：为了对大功率IGBT过压保护 ，根据IGBT驱动器是被动的收集IGBT电流和电压变化率，直接主动的反馈到栅极或者驱动器，提出了一种基于有源钳位和动态负反馈相结合的IGBT过压保护方法.该方法将主动钳位和dv/dt负反馈交错运行，不仅能直接对栅极而且也能对驱动放大器进行控制.通过测试对比分析，采用该方法的过压保护电路对抑制IGBT集-射极的关断尖峰电压，消除因电路电感和集射间电容引起的LC震荡有非常明显的效果，比传统的过压保护电路更能有效的对IGBT实施过压保护.

StudyofCar-HailingandIndustryStakeholdersConsideringMarketandProfit

ZHANG Yaping, MO Qiong, QI Shouming, LIAN Guan, WEN Liang

(School of Transportation Science and Engineering, Harbin Institute of Technology, Harbin 150090, China)

In order to analyze the contradiction between car-hailing and intrinsic taxi industry stakeholders, the conflicts between car-hailing and traditional taxi, passengers and government are analyzed respectively with game theory by considering market share and profit efficiency. The optimal game strategy models are built and solved to find the game equilibrium of mixed strategies. The results indicate that neither car-hailing and traditional taxi have strategies to choose optimal probability and will be in unremitting game playing. The difference of the cost and the price of the service are the key factors affecting passengers to ride. The cost of government regulation and fines of illegal business are key factors that promoting the legal operation of car-hailing.

car-hailing；the market share and profit efficiency；game theory；optimal strategy；mixed strategy

1673- 9590(2017)06- 0006- 06

2017- 03-20

张亚平(1966-)，男，教授，博士， 主要交通规划与设计、交通流理论的研究

E-mailmojiongcop@163.com.

A