基于前景理論的眾包物流配送方行為決策演化博弈分析
——基于發貨方視角

李 玉, 吳 斌, 王 超

(南京工業大學 經濟與管理學院，江蘇 南京 211816)

0 引言

眾包物流為物流行業“最后一公里”問題提供了一個創新性的解決方案。所謂眾包物流是指把原本應該由企業員工承擔的配送工作，以自由自愿的形式轉交到企業外的大眾群體來完成。在該系統中，由于信息不對等，如配送方故意夸大自己的實力、缺乏責任感等，導致貨物在配送過程中出現受損、丟失、延遲等問題。由于個體的本性都是自私的，發貨方若想降低安全風險，就必須了解哪些因素影響了配送方的行為決策，并采取有效的應對方法。

Wang等人[1]首先提出了利用大量閑散的城市居民，來實現實時物流配送優化，即眾包模式來解決城市物流“最后一公里”問題；Lin等人[2]通過比較三種常見的配送方式，發現眾包配送具有成本費用低、環境友好等優勢。國內學者就眾包物流的安全與監管問題進行了大量的定性研究。有人認為眾包物流就是快遞版的Uber，其安全性問題的解決直接關系到該模式能否可持續發展。已有的研究分析了眾包模式的影響因素、激勵機制與風險控制，發現預期收益、努力期望、激勵機制等因素會對大眾參與眾包的行為產生影響[3～5]。Baruch等人[6]研究了影響參與者加入眾包平臺的動機以及障礙等問題，結果發現任務的完成質量是參與者關注的重點。劉戌峰等人[7]則利用演化博弈方法定量研究外包知識共享行為的影響因素。對于眾包項目中存在的風險，Liu等人[8]指出眾包工作者的風險(能力、態度等)、工作者與發包者之間的關系風險、任務風險等都對眾包的完成結果產生消極的影響。針對參與者加入眾包的影響因素，國內外學者進一步就如何提高眾包工作者努力水平進行了深入研究。Duan等人[9]根據眾包工作模式的連續性，分別設計了兩種競拍激勵機制來確保移動用戶用真實值競價。Wang等人[10]針對移動眾包系統提出了一種基于隱私保護的激勵機制，通過更新眾包工作者的聲譽等級來降低移動眾包中的“free-riding”和“false-reporting”問題。郝琳娜等[11]則從定量與定性角度研究如何建立眾包社區的信譽評價機制與誠信保障機制。

綜上所述，目前的研究主要存在以下問題：(1)關于眾包模式參與者行為已有研究，但關于眾包物流參與者決策研究的文獻較少。僅有Punel等人[12]通過分析531份眾包配送調查問卷，得出配送者的經驗以及配送任務的類型會對參與者的選擇行為產生顯著影響。與文獻[12]不同，本文構建了演化博弈模型，對參與者的行為進行定量分析。(2)現有的研究都是基于參與者是理性人角度出發，并未考慮到個體的有限理性特征。(3)市場主體的風險管控機制與眾包參與者的努力水平不一定成正相關關系。鑒于以上幾點，本文將前景理論引入到演化博弈中，考慮發貨方與配送方的利益相關性，研究提高眾包物流配送方努力水平的條件與影響因素，并進一步探討保價制度對于配送方努力水平的具體影響，以及該制度下如何降低眾包物流的安全風險。

1 模型建立

1.1 模型假設

在不考慮外部環境及其他市場主體影響的情況下，眾包物流配送過程中不安全問題是否發生可以視為是配送方與發貨方的博弈結果，而博弈本身可以看成是風險決策行為。基于發貨方與配送方的博弈關系，本文做出如下假設：

假設1博弈中只存在發貨方與配送方這兩類群體，且這兩類群體中的個體都是有限理性的。個體策略選擇主要依據自身對于策略得失的主觀心理感受，而非實際效用情況。依據前景理論，將個體對策略得失的心理感受用前景價值v來表示，v根據前景理論的價值函數v(x)與權重函數π(p)來計算：

(1)

(2)

其中，α,γ∈(0,1)表示風險偏好與風險厭惡系數，決定博弈主體的風險偏好。當α=γ=1，表示風險中立。λ(λ≥1)表示損失規避系數，值越大博弈主體的損失規避程度就越高。

假設2參與眾包的兩個群體均只存在兩種策略，其中發貨方可選擇監測或不監測配送方的行為，這里用行動集(監測，不監測)表示；配送方根據每次任務的獎金報酬、配送要求等決定配送行為，決策集為(努力，不努力)。

假設3考慮到眾包物流的安全問題，博弈雙方都要承擔一定的安全風險，如貨物損壞、丟失風險、信息泄露風險等，即雙方的安全風險成本線性相關。若配送方承擔的風險成本為C，則發貨方承擔的風險成本為kC，其中，k為風險傳遞系數。因為在博弈過程中，雙方承擔風險的比例是變動的，因此k的取值可能大于1，也可能小于1。

假設4博弈雙方具有能力互補效應。在發貨方選擇監測，配送方選擇高努力水平完成配送工作的時候，貨物損失的風險最低。在不影響博弈結論的情況下，假設此時的安全風險成本為0；僅有一方進行監測，或者努力時，安全風險成本較高；當雙方采取(不監測，不努力)時安全風險成本最大。

1.2 收益矩陣構建

結合上述四點假設，構建眾包物流參與者決策博弈的收益矩陣如表1所示：

表1 眾包物流參與者收益前景值矩陣

各參數含義如下：

Cs:發貨方監測配送方付出的成本，表示對全部付出的價值感知(前景價值，下同)，取值范圍為(0,+∞)。

Ce：配送方認真工作付出的成本，表示其努力將貨物送達目的地所花費的時間、勞動、和精力的價值感知，取值范圍為(0,+∞)。

L1：配送方不努力，造成貨物受損、丟失或者延遲完成受到的懲罰，表示配送方對損失的客戶滿意度、獎金等處罰的價值感知，取值范圍為(0,+∞)。

L2：配送方承擔的安全風險成本，表示將貨物按時安全送達目的地過程中可能發生的貨物破損等損失的價值感知，取值范圍為(0,+∞)。

q1：當發貨方監測，配送方不努力時，雙方應該承擔的安全風險成本的折扣系數，取值范圍為[0,1]。

q2:當發貨方不監測，配送方努力時，雙方應該承擔的安全風險成本的折扣系數，取值范圍為[0,1]。

ps2：當雙方采取(不監測，不努力)策略時，事故發生的概率。取值范圍為[0,1]。

ps3：表示配送方不努力而受到懲罰的概率。取值范圍為[0,1]。

(1)當雙方采取(監測，努力)的策略時，由假設4可知此時的安全風險成本為0，因此發貨方需要付出的成本為Cs，配送方需要付出的成本就是其努力工作帶來的前景價值Ce。該情況下，出現事故的概率ps1=0。根據公式(1)：Cs=π(1-ps1)v(cs)+π(ps1)v(0)=v(cs)，同理，Ce=π(1-ps1)v(ce)+π(ps1)v(0)=v(ce)。

(2)當雙方策略為(不監測，不努力)時，根據假設3可知，配送方承擔的安全風險成本為L2，由于風險傳遞性，發貨方承擔的安全風險成本為kL2。此時，安全事故發生的概率是ps2，如果事故發生，則實際造成的損失為l2；若事故未發生，則配送方承擔的安全風險成本為0，由假設1可得：L2=π(1-ps2)v(0)+π(ps2)v(l2)=π(ps2)v(l2)。

(3)當雙方的策略為(監測，不努力)時，依據假設3，配送方受到的懲罰為L1，此外還需要支付的安全風險成本為q1L2；發貨方此時的成本則是(Cs+kq1L2)。該情況下，安全事故可能發生的概率為ps3，如果發生事故配送方受到l1的罰款；如果不發生，那么配送方承擔的安全風險成本為0，依據假設1:

L1=π(1-ps3)v(0)+π(ps3)v(l1)=π(ps3)v(l1)

(4)雙方策略為(不監測，努力)時，配送方除了需要付出固有成本Ce，還需要承擔的安全風險成本為q2L2，而發貨方則需要承擔的安全風險成本為kq2L2。

2 模型求解與分析

根據Friedman的演化博弈方法，基于表1，發貨方選擇“監測”或“不監測”策略的期望前景值、平均前景值為:

U1s=L1-kq1L2-Cs-L1y+kq1L2y

(3)

U1n=(1-q2)kL2y-kL2

(4)

U1=xU1s+(1-x)U1n

(5)

同理，配送方“努力”和“不努力”的期望前景值與平均前景值為：

U2s=q2L2x-Ce-q2L2

(6)

U2n=(1-q1)L2x-L1x-L2

(7)

U2=yU2s+(1-y)U2n

(8)

根據Malthusian動態方程，即策略的增長率等于它的相對適應度，只要采取該策略的個體適應度比群體的平均適應度高,那么這個策略就會增長[13]。由此可以得到眾包物流發貨方的復制動態方程：

=x(1-x)[L1-Cs+(1-q1)kL2-L1y+(q1+q2-1)kL2y]

(9)

得配送方的復制動態方程：

=y(1-y)[L1x+(q1+q2-1)L2x+L2-Ce-q2L2]

(10)

2.1 平衡點計算

根據發貨方與配送方的復制動態方程，聯立得到由發貨方與配送方構成的二維動力系統J為：

(11)

命題1該二維動力系統J的平衡點為(0,0)，(0,1)，(1,0)，(1,1)，(x0，y0)。

2.2 平衡點穩定性分析

由于眾包物流雙方多是社會閑散群體，目前經常出現眾包物流安全事故，因此無論是發貨方還是配送方都應該盡力減少事故的發生概率，實現眾包物流的穩定發展。由動態方程組求出的平衡點不一定是系統的演化均衡策略(ESS)，根據Friedman提出的Jacobian矩陣的局部穩定性[13]可得：

其中：a11=(1-2x)(A-yB)，a12=x(1-x)B，a21=y(1-y)C,a22=(1-2y)(Cx+D),detJ=(1-2x)(1-2y)(A-yB)(Cx+D)-xy(1-x)(1-y)BC,trJ=(1-2x)(A-yB)+(1-2y)(Cx+D)。

當矩陣滿足：detJ>0，trj<0時，局部均衡點將成為演化均衡點(ESS)。通過計算可以得到四個均衡點處a11,a12,a21,a22取值。如表2所示

(12)

這四個條件同時滿足時，系統收斂于(1，1)，也即(監測，努力)決策集，系統的安全風險成本最低。

表2 局部均衡點處a11,a12,a21,a22穩定性分析

命題2(x0,y0)不是系統的演化均衡點。

證明只有當detJ>0，trJ<0時，局部均衡點才是演化均衡點(ESS)。在點(x0,y0)處，a11=0，a22=0，顯然trJ=0。因此該分析方法失效，文獻[15]運用微分分析法進行判斷。將式(9)、(10)進行對x,y求微分并帶入(x0,y0)。得：

[(q1+q2-1)kL2-L1]

(13)

[(q1+q2-1)L2+L1]

(14)

圖1 動態演化博弈相位圖

2.3 模型分析

由式(12)可以得出以下幾點結論：

(1)前兩個約束條件表明，發貨方監測配送方的成本Cs不能大于其懲罰的期望收入與監測之下的安全效益之和。同時，Cs也不能大于在(監測，努力)決策下所獲的安全效益。后兩個約束條件表明，配送方努力工作的成本Ce不能大于其對懲罰成本的前景值與發貨方監測下的安全風險之和，同時不能大于在策略(不監測，努力)下所獲得的安全效益。然而事實上，參與眾包物流的雙方都是有限理性的，在現實情況中都是憑直覺進行決策，不能最大化利用現有信息，導致其行為產生系統性偏差。

(2)在風險決策過程中，人們經常偏離完全理性，由前景理論可知，在面對損失時，有限理性決策者經常是呈現風險偏好的特點。配送方努力工作需要付出成本Ce，發貨方監測也需要付出成本Cs；而選擇不監測以及不努力策略雖然會有一定的概率發生事故，造成損失L2以及懲罰損失L1，但是此時的決策參與者是風險偏好性的，寧可選擇冒險也不愿意承擔這些確定性的損失，由此可知，眾包物流出現安全漏洞的現象確實時有發生。

(3)顯然，第二點結論與前面約束條件不相符。究其原因，眾包物流多為同城配送，致力于解決“最后一公里”配送問題。同城環境容易造成參與者過度自信，發貨方以及配送方都會在一定程度上低估事故發生的概率以及被懲罰的概率，即π(ps2)

綜上所述，眾包物流的參與者都傾向于風險偏好，這就極有可能導致眾包物流安全事件的發生，難以達到系統的演化均衡點(監測，努力)策略。因此，嘗試引入與配送方努力成本Ce以及責任風險成本L2相關的變量——保價金Br。通過在保價金制度下的發貨方以及配送方的價值感知來剖析配送方的行為決策，進而提出有效的眾包物流安全管理對策。

3 引入保價制度對配送方行為決策的影響分析

3.1 引入保價下配送方行為決策模型

設配送方不努力的收入為Ir，參考點的收入為I0，保價金額為Br，配送方不努力而導致出現安全事件被懲罰的概率是pe，若被發現，則按照βIr進行懲罰，β為懲罰系數(包含由于不努力造成的顧客滿意度、聲譽、預期收益的貼現損失)，假設配送方的收益與損失均可以貨幣化。由前景理論構建保價制度條件下配送方決策行為模型:

maxV(Ir)=π(1-pe)v(Ir+Br-I0)+

π(pe)v(Br-βIr-I0)

(15)

由公式(15)可以看出，配送方的收益與損失是基于參照點確定的，價值函數由收益與損失組成，根據前景理論，配送方對于收益，是風險厭惡型，而對于損失則呈現風險偏好。現實生活中，眾包配送任務類型的不同，導致發貨方的保價金額存在差異。

3.2 保價金額變動對配送方行為決策影響分析

從保價條件下配送方行為決策模型可知，配送方不努力的行為將會影響其總收入，進而對其主觀心里感知的前景價值造成影響。通過數學推導，將會得到一些有利于眾包物流安全管理的結論。過程如下：

結合前文的假設條件，配送方不努力但未被懲罰的收入為：s1=Ir+Br-I0,被懲罰時的收入是：s2=Br-βIr-I0，則有:

V(Ir)=π(1-pe)v(s1)+π(pe)v(s2)

(16)

對公式(16)兩邊取全微分并化簡得：

(17)

又因為s1-s2=(1+β)Br，令m=(1+β)Br，則公式(17)可以變形為：

(18)

(19)

(20)

(1)當N(s2)=N(s1)時，公式(20)的值為0，配送方的絕對風險規避系數N(s)不變，也就是配送方對于眾包物流安全風險的態度不變，未能達到增強安全管理，防止安全事件發生的目標，也就是保價Br對于配送方的努力水平沒有任何實質性的影響。

(2)當N(s2)>N(s1)時，公式(20)大于0，則配送方的絕對風險規避系數N(s)遞減，也就是配送方為風險偏好者，可能挑選保價金額更大的任務去完成，同時通過降低努力成本，例如“free-riding”[10]等方式獲取更多的訂單以及收益，此時保價Br的增加反而助長了其僥幸心理的行為產生。

(3)當N(s2)

綜上所述，基于同樣的處罰系數和監測水平，隨著保價Br的增加，配送方可能會從風險中立演化為風險偏好或者風險規避。因此，發貨方無法確定在哪種情況下保價的設立可以降低安全風險。假設配送方會適當選擇不努力行為收入Ir以達到收入最大化。由公式(16)得：

(21)

這表明，在保價條件下，可以采取以下兩種方式：

(1)當pe一定時，增加β，即在發貨方的監測水平一定的情況下，必須加大對配送方出現安全事故的懲罰，才能減少安全問題的發生。如圖2所示，不同的處罰風險感知對于配送方行為決策的影響。從演化圖中可以看出，在值1.5附近存在某個臨界值，當L1小于該臨界值時，y收斂于0；當L1大于該臨界值時，y收斂于1，并且L1的增加能使其更快收斂于1。因此提高配送方的處罰風險感知確實能影響其策略行為，促使其選擇努力工作。

圖2 不同懲罰風險感知條件下配送方決策行為演化圖(Ce=1,Cs=1,k=1,q1=0.6,q2=0.4,L2=1)

(2)當β一定時，增大pe，即在懲罰力度一定的情況下，必須加大對配送方努力水平的監測，及時反饋，可以讓配送方不敢懈怠或是存在僥幸心理，以減少安全事故的發生。如圖3所示，發貨方選擇不同的監測比例對于配送方行為決策的影響。從演化圖3中可以看出，在值0.8附近存在某個臨界值，當x小于該臨界值時，y收斂于0；當x大于該臨界值時，y收斂于1，并且x的增加能使其更快收斂于1。因此加大對于配送方的監測力度確實能影響其策略行為，促使其選擇努力工作。

圖3 不同監測比例條件下配送方決策行為演化圖(Ce=1,Cs=1,k=1,q1=0.6,q2=0.4,L2=1,L1=0.5)

4 結論及政策建議

根據眾包物流的研究現狀，本文將前景理論引入演化博弈中，構建了參與方感知收益矩陣，推理得出配送方努力工作的條件以及影響配送水平的指標。考慮到個體的有限理性以及眾包物流參與者之間的利益相關性，進一步分析保價條件下配送方的行為演化規律，并運用數值仿真技術進行驗證。

根據理論推導，本文針對眾包物流配送方的努力行為提出如下幾點管理建議：

(1)眾包物流平臺必須建立合理的雙邊收費策略與監管機制。合理的收費策略將針對任務的類型對發貨方進行收費，并將收益合理獎勵給配送方，這將有效降低配送方的努力成本前景值；同時，監管機制對配送方的配送過程進行嚴格管理，這將降低配送方的不努力成本前景值并對不努力的配送方實施有效處罰。

(2)優化眾包物流平臺的管理流程，有助于提高配送方的努力水平。對配送方設置較低的接入門檻，如不收取注冊費等；平臺的接單流程與用戶交接流程的合理優化將有效節約配送者的時間成本。與此同時，平臺必須加強配送方的溝通、培訓工作，建立有效的溝通渠道，規范配送行為。

(3)合理的保價制度將有效提高配送方的努力水平。實際運行中，眾包物流平臺可以自由選擇是否設置保價制度，一般發貨方會根據自己的貨物價值進行合理的保價。配送方趨于風險規避心理，合理的保價金額可以激勵配送方發揮較高的努力水平進行配送工作；相反保價金額太高，配送方趨于風險偏好的心理，會進行針對性的挑選訂單進行配送，同時通過搭便車等行為降低努力成本。因此，合理設置保價制度是控制配送方努力水平的關鍵。

(4)如果發貨方與配送方不能認識到眾包物流中監測的重要性與懲罰的嚴厲性，不能形成恰當的監測成本與努力成本的心理感知，即使眾包物流的規范制度不斷完善，也無法杜絕安全風險的產生。