計夢婷 董崗

摘 要： 為分析港口擁擠對定價決策所帶來的影響，將港口競爭程度與港口選擇人數(shù)作為擁擠效應(yīng)影響因素，并在模型建立中綜合考慮擁擠成本，使其更具有現(xiàn)實參考意義。以差別定價策略為背景，通過Nash博弈求解Hotelling模型，同時分析港口競爭程度對港口定價、市場腹地與利潤的影響，最后通過算例驗證這些結(jié)果。研究可知，港口競爭程度越高，基礎(chǔ)服務(wù)能力越強，港口價格和市場份額越高。但由于此時港口選擇人數(shù)同步提高，擁擠效應(yīng)相應(yīng)增長，導(dǎo)致利潤總體下降。因此，港口企業(yè)在進行定價決策時還需要考慮更為現(xiàn)實的港口擁擠情況，緩解擁擠效應(yīng)對其發(fā)展極為重要。

關(guān)鍵詞： 港口;擁擠效應(yīng);港口競爭程度;Hotelling模型

中圖分類號： F 550

文獻標志碼： A

Abstract： In order to analyze the impact of port congestion on pricing decisions， the port competition degree and the port selection are regarded as the influencing factors of congestion effect. The congestion cost is considered comprehensively in the model to make it more practically referenced. Based on the discrimination pricing strategy， the Hotelling model in the game theory is adopted with Nash to analyze the impact of port competition degree on pricing， market hinterland and profit. Finally， the results are verified by examples. The obtained benefits show that when the degree of port competition increases， the basic service capacity increases， which makes the port price and market hinterland increase. However， due to the growth in the number of people selecting the port， the congestion effect increases， and then resulting in an overall decline in profits. Therefore， port enterprises need to consider more realistic port congestion when making pricing decisions. And how to alleviate the congestion effect is extremely important for its development.

Key words： port; congestion effect; the port competition degree; Hotelling model

本文將港口擁擠成本融入Hotelling模型來獲得市場份額劃分，后將港口單位貨物服務(wù)價格作為決策變量進行Nash建模分析，構(gòu)造港口企業(yè)最優(yōu)服務(wù)價格與利潤函數(shù)，探討港口競爭程度和港口擁擠問題對港口企業(yè)利潤、定價以及市場份額所產(chǎn)生的影響，并同時用算例進行驗證，以期能夠為港口企業(yè)進行定價決策提供定量化參考，有利于港口企業(yè)依據(jù)自身情況進行決策，同時有利于政府為港口發(fā)展提供政策支持。

1 雙寡頭港口企業(yè)Hotelling定價策略模型

1.1 模型假設(shè)（見圖1）

3.3 算例分析總結(jié)

作為國際排名前10的上海港和香港港需采取合理的定價策略以達到雙方互利共贏。兩港定價決策時，除需考慮是否采用差別定價策略外，還需考慮港口自身競爭程度。從雙贏的角度，上海港和香港港的港口競爭程度不宜相差過大，以此避免因上海港競爭程度過高而導(dǎo)致客戶選擇人數(shù)過多現(xiàn)象，否則由此而產(chǎn)生的擁擠效應(yīng)反而會導(dǎo)致上海港超負荷運載，降低港口運作效率，同時香港港產(chǎn)生生產(chǎn)能力浪費現(xiàn)象。算例已經(jīng)說明僅通過提高自身競爭程度來緩解擁擠效應(yīng)并非明智之舉，加上成本投入過多依然是導(dǎo)致最終利潤下降的主要因素，此時雙方需從自身內(nèi)部角度來緩解擁擠效應(yīng)，如避免成本投入浪費或提高投資效率等。

4 總結(jié)與展望

在國內(nèi)以往文獻中，以差別定價策略為背景將港口擁擠效應(yīng)與Hotelling模型相結(jié)合討論的研究較少，因此在文獻[2]的基礎(chǔ)上增加考慮更為實際的港口擁擠問題，通過港口競爭程度及港口選擇人數(shù)定量化港口擁擠成本。將港口單位貨物服務(wù)價格作為決策變量進行Nash建模分析，以獲得港口企業(yè)最優(yōu)服務(wù)價格與利潤，探討港口競爭程度與擁擠問題對港口企業(yè)價格、市場份額和利潤的影響，并通過算例驗證這些結(jié)果。研究發(fā)現(xiàn)與以往文獻不同的是，在考慮港口擁擠的現(xiàn)實情況后，盡管港口企業(yè)能夠通過差別定價策略獲得市場份額，但在港口選擇人數(shù)和港口競爭程度的共同影響下，擁擠效應(yīng)阻礙整個市場的利潤獲取。

因此，港口企業(yè)進行定價決策分析時，需兼顧現(xiàn)實港口擁擠情況，將緩解擁擠效應(yīng)作為如今港口企業(yè)在競爭中獲勝的關(guān)鍵，且絕不能僅通過提高自身競爭程度來緩解擁擠，同時降低成本也很重要。為此，港口企業(yè)應(yīng)妥善安排勞動力，避免因薪資問題而罷工;完善配套設(shè)施建設(shè)，充分發(fā)揮現(xiàn)有基礎(chǔ)設(shè)施的工作效率;設(shè)計應(yīng)急機制，預(yù)防突發(fā)事件所引起擁擠;提升信息傳播速度和完整度，避免碼頭與船公司雙方信息不對稱。此外，政府需嚴格把控運費上漲，同時出臺相關(guān)補貼政策，幫助港口緩解擁擠效應(yīng)帶來的損失。

未來研究可嘗試突破客戶均勻分布的前提假設(shè)，考慮現(xiàn)實情況中客戶分布存在區(qū)域異質(zhì)性的場景，進一步考慮其余因素對擁擠效應(yīng)的影響，對擁擠成本進行更加合理有效的度量。此外，還可以繼續(xù)討論是否存在其他能夠降低擁擠效應(yīng)的要素。

參考文獻：

[1] 林國龍，馬理博，張辰彥，等.中國和巴西港口擁塞指數(shù)多重分形研究[J].重慶交通大學(xué)學(xué)報（自然科學(xué)版），2016，35（6）：148-152.

[2] 盧含玉，楊斌.基于Hotelling模型的香港港與上海港服務(wù)定價策略[J].上海海事大學(xué)學(xué)報，2017，38（3）：61-66.

[3] 張文芬，涂敏，楊家其.基于網(wǎng)絡(luò)外部性的港口FDI企業(yè)與內(nèi)資港口企業(yè)博弈策略研究[J].數(shù)學(xué)的實踐與認識，2014，44（3）：37-44.

[4] 范洋，高田義，喬晗.基于博弈模型的港口群內(nèi)競爭合作研究——以黃海地區(qū)為例[J].系統(tǒng)工程理論與實踐，2015，35（4）：955-964.

[5] YU M， LEE C-Y， WANG J J. The regional port competition with different terminal competition intensity[J]. Flexible Services and Manufacturing Journal， 2016， 29（3/4）： 659-688.

[6] YU M， SHAN J， MA L. Regional container port competition in a dual gateway-port system[J]. Journal of Systems Science and Systems Engineering， 2016， 25（4）： 491-514.

[7] 王漢東，董崗.發(fā)貨人滿意度條件下Hotelling模型的港口競爭分析[J].交通科技與經(jīng)濟，2016，18（5）：43-47.

[8] 張亞明，蘇妍嫄.兩階段雙寡頭壟斷市場Hotelling定價模型[J].數(shù)學(xué)的實踐與認識，2017，47（4）：25-34.

[9] 胡一竑. 基于顧客連續(xù)偏好的服務(wù)需求市場份額劃分[J]. 系統(tǒng)工程， 2015， 33（12）： 92-95.

[10] WANG C， LIANG Y. Analyzing the operational efficiency of container ports in Sub-Saharan Africa[J]. Open Journal of Social Sciences， 2015， 3（10）： 10-17.

[11] FRASER D， NOTTEBOOM T. Port development in Sub-Saharan Africa： Competitive forces， port reform， and investment challenges[M]. London： Palgrave Macmillan， 2016： 53-78.

[12] CAO Z， CHEN X， HU X， et al. Approximation algorithms for pricing with negative network externalities[J]. Journal of Combinatorial Optimization， 2017， 33（2）： 681-712.

[13] 崔姝，徐慶，馬騁. 基于Hotelling模型擁擠港口的定價研究[J]. 物流工程與管理， 2015， 37（9）： 180-182， 167.

[14] TAN Z， LI W， ZHANG X， et al. Service charge and capacity selection of an inland river port with location-dependent shipping cost and service congestion[J]. Transportation Research Part E， 2015（76）： 13-33.

[15] AHLIN C， AHLIN P D. Product differentiation under congestion： Hotelling was right[J]. Economic Inquiry， 2013， 51（3）： 1750-1763.