数据驱动下共享出行资源配置的双层博弈问题研究.pdf

手机用户9600

16页

0次

2023-06-27

100墨值下载

*本项研究得到国家自然科学基金重大研究计划重点支持项目“大数据环境下汽车共享出行管理优化与智能服务”（基金号：

91846202）、国家自然科学基金基础科学中心“未来城市交通管理”（基金号：72288101）、交通系统科学与工程创新引智基地项目（基金

号：B20071）的资助。孙会君为本文通讯作者。

摘要：依托互联网技术和共享经济，共享出行成为了一种流行的交通服务模式。在复杂市场环境中，共享

企业如何在政府监管下更好地服务用户，非常值得关注。本文考虑共享出行系统中多层级多主体之间复杂的

交互关系和利益冲突，构建了以政府为主导的市场资源配置双层规划建模框架，以期实现多主体利益平衡。

政府作为上层模型的决策主体，以公共利益为导向规划共享出行行业资源宏观配置；下层模型着重解决共享

出行企业如何在政府约束、竞争/合作影响下的自身运营优化问题。为充分利用大数据资源科学地校准双层

模型相关参数，本文将大数据分析方法应用于优化模型构建与问题求解中。应用算例分析了政府监管对市场

发展的引导作用，通过对比竞争与合作关系下企业的盈利差异，体现企业间合作对互补型企业效益的提升

作用。

关键词：共享出行多主体政企治理数据驱动双层规划

一、背景意义

现代移动通讯技术与互联网的日益革新不断推动“互联网+”新业态与社会经济深度融合，数字经济与共

享经济逐步取代传统商业模式，共享出行新模式应运而生，网约车、分时租赁、共享单车、合乘等共享出行服务

模式大量涌现，掀起了新时代互联网交通出行领域的新浪潮，催化了居民出行方式的转变（荣朝和，2018）。共

享出行实现了对车辆的多维度共享，如使用时间、合乘空间以及车辆使用权等，在有效分配人车资源、满足多

样化的出行需求等方面发挥着不可或缺的作用，成为城市智慧交通的重要组成部分。

共享出行行业的主要利益相关者或参与者有政府、企业和出行者，具有不同目标的参与者之间形成了高

度互联的相关关系。该行业的正常运作与政府合理的治理措施息息相关，政府从宏观层面基于顶层设计实施

智慧治理，综合运用法律法规、经济、技术等多种方式指导市场价格、控制市场总量，发挥在市场经济中“有形

的手”的作用，以制约市场主体的各种不正当行为，如为抢占区域优势企业无序投放车辆造成资源浪费、发展

初期为增强用户粘性而低价恶性竞争、企业并购加速平台垄断等市场失灵现象。共享出行企业以提高经济利

润为目标，在遵循政府约束的前提下，从供给侧提供多样化服务以最大化匹配不同类型的需求，同时寻求竞争

与合作的平衡，挖掘自身可持续的竞争优势，提高市场占有率。出行者则追求具有低成本、安全性、灵活性及

舒适性的出行体验。由此可见，共享出行中的管理决策涉及具有不同利益诉求的多层级利益主体，是一个多

方博弈的演化过程。

在兼顾各方需求的同时，为共享出行行业多主体复杂决策机制建立模型驱动优化框架，对于保证该行业

正常运转具有重要意义。共享出行行业内存在的决策问题复杂多样，如车辆调度、补贴优惠力度、站点选址

等，凭经验尽管可以快速制定方案，但科学性差、个体依赖性强，在实际应用中具有一定局限性。而基于数学

模型的优化方法推理严谨，可统筹系统各要素，以获得对政府、企业和出行者三方均有利的最优解。现有的模

型驱动方法如组合优化、线性规划、非凸优化等已被广泛地应用于共享出行行业不同的优化问题，但是该方法

数据驱动下共享出行资源配置的

双层博弈问题研究

孙会君杨爽吕莹高自友

数据驱动下共享出行资源配置的双层博弈问题研究

管理科学与工程

--160

DOI:10.19744/j.cnki.11-1235/f.2023.0047

《管理世界》

2023 年第 4 期

对于时效性强、不确定性高的场景应用效果差强人意。比如网约车司乘匹配问题中，空闲车辆动态变化，乘客

可以随时进入和离开系统，订单请求具有不确定性，对未来情形的精准研判是实现高效动态匹配的重要前提，

而仅依靠传统数学模型难以实现。大数据的可获得性和人工智能技术的普及，在一定程度上可以弥补传统模

型驱动的弊端（黄先海、宋学印，2021）。海量的共享出行数据中包括订单轨迹、用户基本信息、车辆实时状态

等，蕴含微观主体行为丰富的动态信息。借助数据驱动方法，能够以全景性视角研究这些细粒度、大体量、多

种类的实时数据所揭示的多维因素间的关联关系。通过对出行需求和外部影响因子的多维数据的分析，企业

可实现短时出行预测，提前干预调度等实时性运营活动，提升服务效率。此外，模型驱动是在分析客观对象的

本质基础上，通过某些基本假设描述主体的偏好和行为，如事先假设部分参数的性质和函数表达式，实现对复

杂现实系统的高度概括与简化，但是所提假设往往缺乏用以佐证的数据支撑，这也是造成决策偏差的重要原

因之一（洪永淼、汪寿阳，2020，2021）。如前所述，在共享出行系统中，共享出行管理决策中涉及的各主体具有

不同的特征性质，且存在相互制约的关联关系，模型的假设在一定程度上偏离真实相关关系的刻画。面对共

享出行系统中现存问题的复杂性，模型驱动与数据驱动相结合往往能达到更显著实用的效果，提高决策机制

的科学性、稳健性及精准度。政府通过多维全景数据监测，合理量化共享出行需求潜力及供给限制；企业基于

多维数据挖掘，掌握出行规律，最大限度还原变量相关关系；基于数据驱动辨识模型驱动的参数和目标函数形

式使模型最优解发挥最大实用价值。

鉴于现实需求，本文综合运用运筹学、博弈论和管理学等学科理论，重点研究共享出行业态中的战略规划

及运营优化问题，提出多主体数智决策方法，实现大数据环境下共享出行资源管理的智能优化。主要贡献体

现在 3 个方面：一是探讨共享出行市场中竞合博弈内涵及形态，对竞合行为建模，为企业提供市场策略选择建

议；二是将以定量刻画变量相关关系分析见长的运筹优化方法与擅长揭示变量隐含逻辑关系的数据驱动方法

相结合，提高管理决策的精准化及政企决策的科学性；三是以全景性视角构建共享出行行业多主体决策交互

过程中的双层规划模型，为多主体管理决策提供新的研究范式。

二、研究回顾

如何推动具有不同目标的多主体之间达到均衡或帕累托最优状态是复杂交通运输系统中的关键科学问

题，解决该问题的核心在于明晰各主体的行为及其相互作用机制（关伟等，2020）。因此，本部分对共享出行中

企业供给侧资源配置优化、政府智慧监管和多主体作用机制 3 个方面的相关研究进行重点阐述，并加以总结

分析，以期深入界定本文的研究内容。

（一）共享出行企业供给侧资源配置优化

共享出行企业的运营重点在于通过精益管理平衡市场上的出行供需以最大化收益。在现有文献中，研究

内容主要分为两类，一是基于模型驱动在战略、运营层面等优化研究，二是融合数据分析技术与优化建模方法

为企业的运营活动出谋划策。在基于模型驱动优化方面，研究者们从不同的切入视角推进，其研究重点包含

司乘匹配、智能调度、车队规模及站点布局等资源配置优化内容。

高效的匹配和调度策略对于提升共享出行的服务质量至关重要，不少学者提出高效的匹配和调度模型，

比如杨等（2020）指出匹配时间间隔和匹配半径是优化网约车在线司乘匹配系统的两个关键控制变量，继而构

建了相应的数学模型刻画匹配过程并对这两个变量联合优化以适应于不同的供需水平，从而在乘客等待时

间、车辆利用率和匹配率等方面提高系统运行效率。为缓解共享汽车中供需失衡状况，企业会派专人进行车

辆调度。在此背景下，如何依据系统中车辆分布和用户需求调度车辆是学者们的热点议题，尽管现有文献的

模型侧重点及形式各异，但一般都会将调度与其他运营决策内容联合优化，其中经典的是科雷亚和安图内斯

（2012）提出混合整数规划模型决策确定需求下的共享汽车调度、站点选址及容量、车队规模等。双碳目标下

共享汽车行业深入推广共享电动汽车的使用，随之而来则是里程焦虑问题，此时在车辆调度中要兼顾车辆电

量及充电过程，赵等（2018）利用时空网络刻画车辆及调度员的时空路径并追踪车辆电量，以企业运营成本最

--161

of 16

100墨值下载

数据驱动

关注

评论