基于三方合作博弈的网约车联盟收益分配研究

梁一为， 胡大伟， 徐 杰

(长安大学汽车学院, 西安 710064)

0 引言

Uber于2009 年在美国旧金山成立，随后在全球范围内推广. 近年来，中国市场中类似于Uber的网约车企业逐渐崛起，新型出行方式的出现为城市居民的出行提供了智能、快捷且经济的选择，形成“互联网 + 交通”的新型城市交通网络[1]. 由于智能手机的普及，许多新兴的打车软件应运而生. 打车软件有效地缓解了打车过程中的信息不对称的问题，并且能降低司机的 “空驶率”[2]. 但是，各种打车软件平台之间恶意竞争造成了网约车市场的发展不平衡，为了解决这一问题本文以滴滴出行、神州专车、优步3家网约车平台为例，采用合作博弈理论对3种网约车的收益进行分配，优化3种网约车各自的收益.

在全球范围内，网约车的违规运营(比如司机资质、车辆规格、司机驾驶行为等方面)对乘客的财产及安全损害带来了影响. 其中，驾龄、声誉、身体状况、户籍等都属于司机资质；车牌归属地、有效期限、车辆损耗程、碳排放量等都属于车辆规格；司机的超速违规驾驶行为、违法犯罪行为等都属于司机驾驶行为. 由于网约车的违规运营，使网约车平台恶意竞争，这不仅损害乘客的财产和生命安全，而且不利于网约车企业的良性发展. 因此，网约车企业的相互合作是促进网约车平台发展的必然趋势.

目前，关于网约车恶意竞争，国家给出了相应的规制政策，网约车政策的研究已经有许多文献. Yang等[3]通过对上海出租车行业的分析，对比政府管理模式的变化. 王小芳等[4]评价中国目前的网约车政策. 沈开举等[5-6]认为应该以共享经济和移动互联网的方式对网约车平台进行监管. Dudley等[7]认为网约车是创新的商业模式，应该鼓励发挥网约车的正面作用. 近年来，对于合作博弈的研究还不是很成熟，但是已经产生了一些研究成果. 浦珏等[8]总结了国内外学者对于合作博弈理论的研究，分析了成本分摊、供应链管理、联盟合作、公司治理和风险决策等不同领域的研究现状. 王明月等[9]研究了基于合作博弈的交叉口信号配时优化策略. 荀旸[10]在已知劳动者工作成本的前提下，采用合作博弈中的Shapely 值法来对企业劳动者的薪酬进行分配. 张晨等[11]建立了基于合作博弈的售电商联盟合作利益分配模型，分析联盟中各售电商的利益分配情况.

综上所述，将合作博弈理论与城市交通出行方式结合起来的研究还不是很多，但是通过合作博弈理论来研究出行者选择出行方式的行为是一个常见的思路. 由于目前还没有学者考虑使用合作博弈的方法研究基于网约车的城市交通出行方式选择，因此本文综合考虑3种网约车的特点，以 Shapely 值模型为基础，考虑资源投入、风险水平、客户满意度等影响因素，对收益分配模型进行优化.

1 3种网约车的收益影响因素分析

中国互联网络信息中心(CNNIC)发布的第43次《中国互联网络发展状况统计报告》显示，截止2018年12月，中国仅网约专车和快车用户规模已超2.8亿，年增长率达40.9%. 以上数据表明，对于出行者来说，网约车在城市出行中的比例逐渐增加. 因此近几年网约车市场上出现了各种各样的网约车，客户的选择也随之增多[12]. 为了探究网约车用户出行选择，对网约车用户的日常出行行为、品牌偏好、满意度进行了调研. 调研结果显示，网约车用户优先选择滴滴出行，其中有90%的用户对滴滴出行表示满意；83%的用户对神州专车满意，并且对神州专车的不满意度最低；优步相对于其他两种网约车的客户满意度较差，满意度只有75%. 具体数据如图1所示.

图1 3种网约车企业客户满意度/%

在选择网约车时，用户可能注重的是出行效率以及其的经济性. 调研结果显示，大部分人更注重司机接单的速度、性价比、等待时间等，其中63%的用户注重司机接单速度，59%的用户注重性价比，58%的用户注重司机接单后的等待时间. 用户选择网约车时还包括一些其他因素，如图2所示.

图2 用户选择网约车时看中的因素/%

虽然3种网约车中用户看中的7种因素不尽相同，但当3家选择合作时会给客户带来更高效的体验，因此本文将通过对3家网约车企业合作博弈的研究，使得各自的利益最大化.

2 基于优化Shapely值的网约车联盟收益分配模型构建

2.1 Shapely值收益分配模型

1953年，美国经济学家首先提出Shapely 值法，这种方法用于解决基于多人合作的联盟利益分配问题. 求解利益分配问题时，既不按照联盟中成员的个数进行平均分配，也不按照联盟中各个成员的投资成本比例进行分配，而是基于各合作联盟成员在联盟合作项目的经济效益产出过程中的重要程度来进行分配[13]. Shapely值法是一种使得效益最大化的一种方案，因此可给联盟中的各个合作方带来最大效益[14]，具体问题的定义如下.

假设n个网约车企业组成联盟M，其组成成员的集合为N={1，2，3…，n}，N的任一子集S都对应一个实值函数V(s)且满足[15]:

V(∅)=0

(1)

V(S1∪S2)≥V(S1)+V(S2)

(2)

S1∩S2=∅,S1,S2⊆N

(3)

式(1)表示当没有网约车企业参与网约车联盟时，收益为 0；式(2)(3)表示网约车联盟的总体收益永远高于各网约车企业独立的收益之和，当n个网约车企业都参与联盟时，联盟收益将取得最大值，记为V(N). 式(1)～(3)表示联盟M存在的必要性，即整体收益值必须大于局部收益值之和. 联盟M中网约车企业i从V(N)中应得的收益用Pi表示，网约车企业i不参与联盟时的收益用V(i)表示，于是得到式(4)(5).

Pi≥V(i)i=1,2,…,n

(4)

(5)

假设φi(v)为联盟网约车企业i的应得收益，则其唯一的Shapely值为式(6)所示.

(6)

根据Shapely值的基本原理，可得到联盟中的利益分配准则是基于各企业对联盟整体的边际收益贡献，兼顾了个体理性和集体理性，加强了联盟的稳定性[16]. 但是同时也会存在考虑因素较为单一的情况，比如企业联盟时可能考虑资源投入、风险水平、客户满意度等因素，本文根据这些因素对Shapely值法进行优化.

2.2 优化Shapely值的网约车联盟收益分配模型

由于滴滴出行、神州专车和优步组成的联盟中各成员所投入的资源种类、数量以及面临的风险水平不尽相同，并且会直接影响联盟的最终收益值. 我们应该分析各网约车企业的资源投入状况、风险大小以及客户满意度等因素，以保持联盟中各个企业均能获得合理的收益值. 建立优化Shapely值的网约车联盟收益分配模型.

设联盟中利益分配的修正因素用集合j=1,2,…,m来表示，那么集合N中第i个网约车企业关于第j个修正因素的测度值为aij，其中i=1,2,…,n，表1给出相关的修正因素.

表1 相关因素修正

由表1可得到修正矩阵为

由于这些相关因素的量纲不同，因此需要归一化处理，这里采用(0,1)标准化的方法，通过Max-Min作为基数进行归一化处理，由式(7)表示，得到新矩阵为

(7)

由于每个因素对整个联盟利益分配的影响程度不同，因此需要通过层次分析法来分配每个因素的影响权重，及ω=[ω1,ω2,ω3]T且ω1+ω2+ω3=1. 设实际相关因素系数为Ei，式(8)表示各因素对联盟中不同网约车企业的综合影响程度由.

[E1,E2,E3]T=Dw

(8)

设联盟中网约车企业i的实际收益值为φ′i(v)，其修正的收益值为Δφ(i)，有

φ′i(v)=φi(v)+Δφ(i)=φi(v)+ΔEi×V(N)

(9)

2.3 3种影响因素参数的确定

2.3.1 投入资金系数

联盟中各企业投入的资金比例不同，其投入金额按照比例确定，见式(10)：

(10)

式中，Qi为联盟中企业i投入的资金金额；N为联盟中成员的个数，即滴滴出行、神州专车和优步3家网约车企业.

2.3.2 承担风险能力系数

将风险因素进行分类，包括市场风险水平Rm、管理风险水平Rt合作风险水平Rc，则综合风险水平为Ri=1-(1-Rm)(1-Rt)(1-Rc)，采用专家评价法确定联盟中3个企业所承担的综合风险的权重，即

(11)

2.3.3 客户满意度系数

本文的客户满意度系数根据图1中3种网约车企业客户满意所占的百分比按比例进行分配见式(12)：

(12)

3 算例分析

假设网约车企业联盟由滴滴出行、神州专车、优步3个合作企业组成，他们不参与网约车联盟时的收益分别为300、200、100万元；滴滴出行与神州专车、滴滴出行与优步、神州专车与优步合作的收益分别为600、500、400万元；3家企业共同合作时的收益为1 000万元. 由式(6)计算该联盟按照传统Shapely值法求解时各企业的收益分配值. 计算过程如表2所示.

表2 网约车联盟中滴滴出行的收益分配值计算过程表

由表3得，滴滴出行分配的收益值φ1(v)=1 250/3=416.67万元，同理可得神州专车和优步的分配收益额分别为φ2(v)=1 000/3=333.33万元，φ3(v)=700/3=233.33万元. 即网约车联盟中3个成员的收益向量为

φ(v)=(1 250/3，1 000/3，700/3)

考虑网约车联盟中三家企业的投入资金、承担风险水平、客户满意度3个影响因素，用优化的Shapely值收益分配模型对各成员收益分配额进行计算. 首先，采用层次分析法分别得到3个影响因素的权重系数如表3所示.

表3 权重系数

则3种影响因素的权重系数向量为ω=[0.6，0.1，0.3]T，其中投入资金系数是根据网约车联盟中3种企业投入的资金额来计算如表4所示.

表4 联盟中3家企业的投入资金额

由式(10)得出a11=110/(110+60+40)=11/21，同理得a21=6/21，a31=4/21. 则ai1=(11/21，6/21，4/21)T，对于承担风险的能力系数可由专家测评的方法得出三家企业的综合风险权重，为ai2=(0.5，0.3，0.2)T，对于客户满意度系数，根据图1中3家企业的客户满意度的百分比，由式(12)求得ai3=(90/248，83/248，75/248)T. 由于3种影响因素系数本身已经归一化，因此得到修正矩阵为

由式(8)计算综合影响系数为

根据式(9)可求得网约车联盟中3家企业的实际收益值如下

从数据可看出优化Shapely后的总收益值保持不变，即φ′1(v)+φ′2(v)+φ′3(v)=1 000. 优化后的收益值与原始收益值相比，滴滴出行企业所分配的收益值稍有增加，其他2个企业所分配的收益值稍有减少，这说明滴滴出行企业的资金比例最高，客户满意度系数最大的情况下，给予其相应的收益补偿，这也说明了优化后的Shapely值能根据网约车联盟中各企业担当的重要程度更好地进行收益分配.

4 结论

随着互联网的出现，网约车成为交通出行必要的发展趋势，建立合作联盟是发展网约车不可或缺的措施. 本文运用合作博弈理论研究网约车企业合作博弈问题，采用合理地收益分配方法来促进网约车联盟的稳定发展. 本文以滴滴出行、神州专车和优步3家网约车企业的合作联盟为例，考虑资源投入、风险水平、客户满意度等影响因素，采用优化的Shapely值法进行收益分配，使得联盟中各企业的收益分配更加合理和公平. 但是在确定投入资金系数和承担风险能力系数的权重时存在一定的主观因素，这也是未来研究中需要改进的地方.