梁一為， 胡大偉， 徐 杰

(長安大學汽車學院, 西安 710064)

0 引言

Uber于2009 年在美國舊金山成立，隨后在全球范圍內(nèi)推廣. 近年來，中國市場中類似于Uber的網(wǎng)約車企業(yè)逐漸崛起，新型出行方式的出現(xiàn)為城市居民的出行提供了智能、快捷且經(jīng)濟的選擇，形成“互聯(lián)網(wǎng) + 交通”的新型城市交通網(wǎng)絡[1]. 由于智能手機的普及，許多新興的打車軟件應運而生. 打車軟件有效地緩解了打車過程中的信息不對稱的問題，并且能降低司機的 “空駛率”[2]. 但是，各種打車軟件平臺之間惡意競爭造成了網(wǎng)約車市場的發(fā)展不平衡，為了解決這一問題本文以滴滴出行、神州專車、優(yōu)步3家網(wǎng)約車平臺為例，采用合作博弈理論對3種網(wǎng)約車的收益進行分配，優(yōu)化3種網(wǎng)約車各自的收益.

在全球范圍內(nèi)，網(wǎng)約車的違規(guī)運營(比如司機資質(zhì)、車輛規(guī)格、司機駕駛行為等方面)對乘客的財產(chǎn)及安全損害帶來了影響. 其中，駕齡、聲譽、身體狀況、戶籍等都屬于司機資質(zhì)；車牌歸屬地、有效期限、車輛損耗程、碳排放量等都屬于車輛規(guī)格；司機的超速違規(guī)駕駛行為、違法犯罪行為等都屬于司機駕駛行為. 由于網(wǎng)約車的違規(guī)運營，使網(wǎng)約車平臺惡意競爭，這不僅損害乘客的財產(chǎn)和生命安全，而且不利于網(wǎng)約車企業(yè)的良性發(fā)展. 因此，網(wǎng)約車企業(yè)的相互合作是促進網(wǎng)約車平臺發(fā)展的必然趨勢.

目前，關于網(wǎng)約車惡意競爭，國家給出了相應的規(guī)制政策，網(wǎng)約車政策的研究已經(jīng)有許多文獻. Yang等[3]通過對上海出租車行業(yè)的分析，對比政府管理模式的變化. 王小芳等[4]評價中國目前的網(wǎng)約車政策. 沈開舉等[5-6]認為應該以共享經(jīng)濟和移動互聯(lián)網(wǎng)的方式對網(wǎng)約車平臺進行監(jiān)管. Dudley等[7]認為網(wǎng)約車是創(chuàng)新的商業(yè)模式，應該鼓勵發(fā)揮網(wǎng)約車的正面作用. 近年來，對于合作博弈的研究還不是很成熟，但是已經(jīng)產(chǎn)生了一些研究成果. 浦玨等[8]總結了國內(nèi)外學者對于合作博弈理論的研究，分析了成本分攤、供應鏈管理、聯(lián)盟合作、公司治理和風險決策等不同領域的研究現(xiàn)狀. 王明月等[9]研究了基于合作博弈的交叉口信號配時優(yōu)化策略. 荀旸[10]在已知勞動者工作成本的前提下，采用合作博弈中的Shapely 值法來對企業(yè)勞動者的薪酬進行分配. 張晨等[11]建立了基于合作博弈的售電商聯(lián)盟合作利益分配模型，分析聯(lián)盟中各售電商的利益分配情況.

綜上所述，將合作博弈理論與城市交通出行方式結合起來的研究還不是很多，但是通過合作博弈理論來研究出行者選擇出行方式的行為是一個常見的思路. 由于目前還沒有學者考慮使用合作博弈的方法研究基于網(wǎng)約車的城市交通出行方式選擇，因此本文綜合考慮3種網(wǎng)約車的特點，以 Shapely 值模型為基礎，考慮資源投入、風險水平、客戶滿意度等影響因素，對收益分配模型進行優(yōu)化.

1 3種網(wǎng)約車的收益影響因素分析

中國互聯(lián)網(wǎng)絡信息中心(CNNIC)發(fā)布的第43次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截止2018年12月，中國僅網(wǎng)約專車和快車用戶規(guī)模已超2.8億，年增長率達40.9%. 以上數(shù)據(jù)表明，對于出行者來說，網(wǎng)約車在城市出行中的比例逐漸增加. 因此近幾年網(wǎng)約車市場上出現(xiàn)了各種各樣的網(wǎng)約車，客戶的選擇也隨之增多[12]. 為了探究網(wǎng)約車用戶出行選擇，對網(wǎng)約車用戶的日常出行行為、品牌偏好、滿意度進行了調(diào)研. 調(diào)研結果顯示，網(wǎng)約車用戶優(yōu)先選擇滴滴出行，其中有90%的用戶對滴滴出行表示滿意；83%的用戶對神州專車滿意，并且對神州專車的不滿意度最低；優(yōu)步相對于其他兩種網(wǎng)約車的客戶滿意度較差，滿意度只有75%. 具體數(shù)據(jù)如圖1所示.

圖1 3種網(wǎng)約車企業(yè)客戶滿意度/%

在選擇網(wǎng)約車時，用戶可能注重的是出行效率以及其的經(jīng)濟性. 調(diào)研結果顯示，大部分人更注重司機接單的速度、性價比、等待時間等，其中63%的用戶注重司機接單速度，59%的用戶注重性價比，58%的用戶注重司機接單后的等待時間. 用戶選擇網(wǎng)約車時還包括一些其他因素，如圖2所示.

圖2 用戶選擇網(wǎng)約車時看中的因素/%

雖然3種網(wǎng)約車中用戶看中的7種因素不盡相同，但當3家選擇合作時會給客戶帶來更高效的體驗，因此本文將通過對3家網(wǎng)約車企業(yè)合作博弈的研究，使得各自的利益最大化.

2 基于優(yōu)化Shapely值的網(wǎng)約車聯(lián)盟收益分配模型構建

2.1 Shapely值收益分配模型

1953年，美國經(jīng)濟學家首先提出Shapely 值法，這種方法用于解決基于多人合作的聯(lián)盟利益分配問題. 求解利益分配問題時，既不按照聯(lián)盟中成員的個數(shù)進行平均分配，也不按照聯(lián)盟中各個成員的投資成本比例進行分配，而是基于各合作聯(lián)盟成員在聯(lián)盟合作項目的經(jīng)濟效益產(chǎn)出過程中的重要程度來進行分配[13]. Shapely值法是一種使得效益最大化的一種方案，因此可給聯(lián)盟中的各個合作方帶來最大效益[14]，具體問題的定義如下.

假設n個網(wǎng)約車企業(yè)組成聯(lián)盟M，其組成成員的集合為N={1，2，3…，n}，N的任一子集S都對應一個實值函數(shù)V(s)且滿足[15]:

V(?)=0

(1)

V(S1∪S2)≥V(S1)+V(S2)

(2)

S1∩S2=?,S1,S2?N

(3)

式(1)表示當沒有網(wǎng)約車企業(yè)參與網(wǎng)約車聯(lián)盟時，收益為 0；式(2)(3)表示網(wǎng)約車聯(lián)盟的總體收益永遠高于各網(wǎng)約車企業(yè)獨立的收益之和，當n個網(wǎng)約車企業(yè)都參與聯(lián)盟時，聯(lián)盟收益將取得最大值，記為V(N). 式(1)～(3)表示聯(lián)盟M存在的必要性，即整體收益值必須大于局部收益值之和. 聯(lián)盟M中網(wǎng)約車企業(yè)i從V(N)中應得的收益用Pi表示，網(wǎng)約車企業(yè)i不參與聯(lián)盟時的收益用V(i)表示，于是得到式(4)(5).

Pi≥V(i)i=1,2,…,n

(4)

(5)

假設φi(v)為聯(lián)盟網(wǎng)約車企業(yè)i的應得收益，則其唯一的Shapely值為式(6)所示.

(6)

根據(jù)Shapely值的基本原理，可得到聯(lián)盟中的利益分配準則是基于各企業(yè)對聯(lián)盟整體的邊際收益貢獻，兼顧了個體理性和集體理性，加強了聯(lián)盟的穩(wěn)定性[16]. 但是同時也會存在考慮因素較為單一的情況，比如企業(yè)聯(lián)盟時可能考慮資源投入、風險水平、客戶滿意度等因素，本文根據(jù)這些因素對Shapely值法進行優(yōu)化.

2.2 優(yōu)化Shapely值的網(wǎng)約車聯(lián)盟收益分配模型

由于滴滴出行、神州專車和優(yōu)步組成的聯(lián)盟中各成員所投入的資源種類、數(shù)量以及面臨的風險水平不盡相同，并且會直接影響聯(lián)盟的最終收益值. 我們應該分析各網(wǎng)約車企業(yè)的資源投入狀況、風險大小以及客戶滿意度等因素，以保持聯(lián)盟中各個企業(yè)均能獲得合理的收益值. 建立優(yōu)化Shapely值的網(wǎng)約車聯(lián)盟收益分配模型.

設聯(lián)盟中利益分配的修正因素用集合j=1,2,…,m來表示，那么集合N中第i個網(wǎng)約車企業(yè)關于第j個修正因素的測度值為aij，其中i=1,2,…,n，表1給出相關的修正因素.

表1 相關因素修正

由表1可得到修正矩陣為

由于這些相關因素的量綱不同，因此需要歸一化處理，這里采用(0,1)標準化的方法，通過Max-Min作為基數(shù)進行歸一化處理，由式(7)表示，得到新矩陣為

(7)

由于每個因素對整個聯(lián)盟利益分配的影響程度不同，因此需要通過層次分析法來分配每個因素的影響權重，及ω=[ω1,ω2,ω3]T且ω1+ω2+ω3=1. 設實際相關因素系數(shù)為Ei，式(8)表示各因素對聯(lián)盟中不同網(wǎng)約車企業(yè)的綜合影響程度由.

[E1,E2,E3]T=Dw

(8)

設聯(lián)盟中網(wǎng)約車企業(yè)i的實際收益值為φ′i(v)，其修正的收益值為Δφ(i)，有

φ′i(v)=φi(v)+Δφ(i)=φi(v)+ΔEi×V(N)

(9)

2.3 3種影響因素參數(shù)的確定

2.3.1 投入資金系數(shù)

聯(lián)盟中各企業(yè)投入的資金比例不同，其投入金額按照比例確定，見式(10)：

(10)

式中，Qi為聯(lián)盟中企業(yè)i投入的資金金額；N為聯(lián)盟中成員的個數(shù)，即滴滴出行、神州專車和優(yōu)步3家網(wǎng)約車企業(yè).

2.3.2 承擔風險能力系數(shù)

將風險因素進行分類，包括市場風險水平Rm、管理風險水平Rt合作風險水平Rc，則綜合風險水平為Ri=1-(1-Rm)(1-Rt)(1-Rc)，采用專家評價法確定聯(lián)盟中3個企業(yè)所承擔的綜合風險的權重，即

(11)

2.3.3 客戶滿意度系數(shù)

本文的客戶滿意度系數(shù)根據(jù)圖1中3種網(wǎng)約車企業(yè)客戶滿意所占的百分比按比例進行分配見式(12)：

(12)

3 算例分析

假設網(wǎng)約車企業(yè)聯(lián)盟由滴滴出行、神州專車、優(yōu)步3個合作企業(yè)組成，他們不參與網(wǎng)約車聯(lián)盟時的收益分別為300、200、100萬元；滴滴出行與神州專車、滴滴出行與優(yōu)步、神州專車與優(yōu)步合作的收益分別為600、500、400萬元；3家企業(yè)共同合作時的收益為1 000萬元. 由式(6)計算該聯(lián)盟按照傳統(tǒng)Shapely值法求解時各企業(yè)的收益分配值. 計算過程如表2所示.

表2 網(wǎng)約車聯(lián)盟中滴滴出行的收益分配值計算過程表

由表3得，滴滴出行分配的收益值φ1(v)=1 250/3=416.67萬元，同理可得神州專車和優(yōu)步的分配收益額分別為φ2(v)=1 000/3=333.33萬元，φ3(v)=700/3=233.33萬元. 即網(wǎng)約車聯(lián)盟中3個成員的收益向量為

φ(v)=(1 250/3，1 000/3，700/3)

考慮網(wǎng)約車聯(lián)盟中三家企業(yè)的投入資金、承擔風險水平、客戶滿意度3個影響因素，用優(yōu)化的Shapely值收益分配模型對各成員收益分配額進行計算. 首先，采用層次分析法分別得到3個影響因素的權重系數(shù)如表3所示.

表3 權重系數(shù)

則3種影響因素的權重系數(shù)向量為ω=[0.6，0.1，0.3]T，其中投入資金系數(shù)是根據(jù)網(wǎng)約車聯(lián)盟中3種企業(yè)投入的資金額來計算如表4所示.

表4 聯(lián)盟中3家企業(yè)的投入資金額

由式(10)得出a11=110/(110+60+40)=11/21，同理得a21=6/21，a31=4/21. 則ai1=(11/21，6/21，4/21)T，對于承擔風險的能力系數(shù)可由專家測評的方法得出三家企業(yè)的綜合風險權重，為ai2=(0.5，0.3，0.2)T，對于客戶滿意度系數(shù)，根據(jù)圖1中3家企業(yè)的客戶滿意度的百分比，由式(12)求得ai3=(90/248，83/248，75/248)T. 由于3種影響因素系數(shù)本身已經(jīng)歸一化，因此得到修正矩陣為

由式(8)計算綜合影響系數(shù)為

根據(jù)式(9)可求得網(wǎng)約車聯(lián)盟中3家企業(yè)的實際收益值如下

從數(shù)據(jù)可看出優(yōu)化Shapely后的總收益值保持不變，即φ′1(v)+φ′2(v)+φ′3(v)=1 000. 優(yōu)化后的收益值與原始收益值相比，滴滴出行企業(yè)所分配的收益值稍有增加，其他2個企業(yè)所分配的收益值稍有減少，這說明滴滴出行企業(yè)的資金比例最高，客戶滿意度系數(shù)最大的情況下，給予其相應的收益補償，這也說明了優(yōu)化后的Shapely值能根據(jù)網(wǎng)約車聯(lián)盟中各企業(yè)擔當?shù)闹匾潭雀玫剡M行收益分配.

4 結論

隨著互聯(lián)網(wǎng)的出現(xiàn)，網(wǎng)約車成為交通出行必要的發(fā)展趨勢，建立合作聯(lián)盟是發(fā)展網(wǎng)約車不可或缺的措施. 本文運用合作博弈理論研究網(wǎng)約車企業(yè)合作博弈問題，采用合理地收益分配方法來促進網(wǎng)約車聯(lián)盟的穩(wěn)定發(fā)展. 本文以滴滴出行、神州專車和優(yōu)步3家網(wǎng)約車企業(yè)的合作聯(lián)盟為例，考慮資源投入、風險水平、客戶滿意度等影響因素，采用優(yōu)化的Shapely值法進行收益分配，使得聯(lián)盟中各企業(yè)的收益分配更加合理和公平. 但是在確定投入資金系數(shù)和承擔風險能力系數(shù)的權重時存在一定的主觀因素，這也是未來研究中需要改進的地方.