基于三方演化博弈的充電樁規范運營治理研究

摘要：以充電樁為代表的充電基礎設施是新型基礎設施建設的重要內容，充電樁的規范運營關系到新能源汽車產業鏈的安全和韌性。針對充電樁市場上的違規運營問題，構建動態獎懲機制下充電樁運營商、地方政府和新能源汽車消費者三方參與的博弈模型，對模型中可能存在的策略均衡點進行穩定性分析，并且利用數值仿真模擬主要參數變化對系統演化的影響。研究結果表明：第一，凈收益的提高有利于激發充電樁運營商規范運營的積極性。第二，加大地方政府對充電樁運營商的獎勵和懲罰力度均可以促進充電樁的規范運營，地方政府可以通過提高獎懲上限和擴大獎懲比例兩種手段加大對充電樁運營商的獎懲力度。第三，地方政府實施獎懲結合政策的效果優于單獨實施獎勵性政策或懲罰性政策的效果，更為重要的是，在動態獎懲機制下，地方政府對充電樁運營商的獎懲力度存在臨界值。當獎懲力度小于臨界值時，懲罰性政策的激勵效果優于獎勵性政策；當獎懲力度大于臨界值時，獎勵性政策的激勵效果優于懲罰性政策。第四，加大違規運營商對新能源汽車消費者的賠償力度和降低消費者的投訴難度不僅能倒逼充電樁運營商規范運營，而且能引導消費者參與充電樁的規范運營治理。

關鍵詞：充電樁運營；治理策略；三方演化博弈；仿真

中圖分類號：F423" 文獻標識碼：A" "文章編號：1674-3652（2025）01-0110-15

DOI：10.19933/j.cnki.ISSN1674-3652.2025.01.013

開放科學（資源服務）標識碼（OISD）：

一、引言

以充電樁為代表的充電基礎設施不僅是新型基礎設施建設的重要內容，還是促進新能源汽車產業發展的重要保障。充電樁的規范運營關系到新能源汽車產業鏈的安全和韌性，對我國交通領域清潔低碳轉型具有重要的現實意義。2020年充電樁被國家納入新型基礎設施建設的范疇。在此背景下，許多企業紛紛加入充電樁行業，充電基礎設施的建設節奏逐漸加快。截至2022年12月底，全國充電樁累計總量約為521萬臺，其中公共充電樁保有量為179.7萬臺[ 1 ]。從公共充電基礎設施運營商運行情況來看，截至2023年3月，全國充電樁運營企業所運營充電樁數量排名前5的分別為：特來電（38.8萬臺）、星星充電（36.9萬臺）、云快充（29.1萬臺）、國家電網（19.6萬臺）、小桔充電（10.3萬臺），這5家運營商占國內運營充電樁總量的75%，其余3000余家運營商占比為25%[ 1 ]。

然而，充電樁行業快速發展的背后存在“運營商騙補”“僵尸樁”“暴利收費”“維護檢修不到位”“充電樁質量與安全管理有待規范”等突出問題。國家能源局《2020年度公共充電基礎設施現場安全隱患排查報告》顯示：從整體安全隱患排查出的風險點成因來看，充電基礎設施“不符合標準”和“品質不佳”占據所有風險點成因的46.7%，后期的“運營維護不當”和“設備故障”占據了所有風險點成因的39.2%[ 2 ]。除充電樁運營商違規運營外，地方政府主管部門對充電樁的驗收要求較為籠統，對充電樁的運營監管不到位，在提高充電樁的可用性、確保充電樁的質量和安全上未能發揮出應有的作用；一些消費者對違規收費、僵尸樁等違規運營問題視而不見，主體責任意識淡薄，沒有做到有效監督。由此可見，充電樁運營商的違規運營不僅涉及充電樁運營商自身，而且與地方政府主管部門的監管和消費者的監督密不可分。如何完善地方政府對充電樁運營的監管、規范充電樁企業的運營以及引導新能源汽車消費者參與對充電樁規范運營的監督是充電樁規范運營治理的關鍵。因此，本文構建動態獎懲機制下充電樁運營商、地方政府和新能源汽車消費者三方參與的演化博弈模型，旨在對模型中可能存在的策略均衡點進行穩定性分析，并且利用數值仿真模擬主要參數變化對系統演化的影響。

演化博弈模型能有效刻畫監管過程中參與者之間的動態博弈和策略演化，學者們基于演化博弈理論對不同領域的監管問題進行了大量研究。在食品安全監管方面，孫淑慧等構建了政府監管部門、食品生產企業和消費者群體三方參與的演化博弈模型，發現媒體報道的客觀性對各博弈主體策略選擇的演化趨勢有重要影響[ 3 ]；另外，政府的監管成本以及對企業的違規懲罰力度也是影響博弈主體策略選擇的重要因素。楊松等構建了地方政府、食品企業和公眾參與的演化博弈模型，認為政府要加大懲罰力度，降低監管成本，引導公眾參與治理，構建多元主體相互協調的社會共治格局[ 4 ]。在環保信用監管方面，崔萌[ 5 ]構建了企業、公眾與監管三方主體參與的環保信用監管演化博弈模型，發現只有環保守信激勵強化與履約成本降低協同推進，環保失信處罰與監管主體不監管處罰齊抓共管，才能產生良好的環保信用監管效果。包春兵等[ 6 ]通過構建政府、核心企業及中小企業三方參與的演化博弈模型，系統分析了獎懲機制下的策略演化過程，分析了限產力度、激勵補貼效果、懲罰等參數對演化結果的影響。在藥品安全監管方面，閆志華等[ 7 ]選擇藥品生產企業和監管機構作為研究對象，通過對參與主體的行為和利益動機進行分析，認為需考慮社會輿情、監管力度和問責力度，以形成更優的藥品質量監管方案。在金融科技創新監管方面，周茜等[ 8 ]分析了公眾媒體對金融科技創新監管的積極作用和消極影響，發現無論監管環境是嚴格還是寬松，都應加強對媒體輿論的審查，使媒體的輿論機制發揮正向作用，分擔監管壓力。

不少學者成功將演化博弈模型應用到新能源汽車產業監管的研究中。孫紅霞等、陳洪轉等、彭頻等研究了有限理性條件下新能源汽車企業與政府“騙補—監管”的動態性[ 9-11 ]。昝欣等發現在政府和消費者的協同監管下，企業會主動改進新能源汽車的生產技術[ 12 ]。姜彩樓等研究了政府補貼對新能源汽車企業自主研發和技術引進策略的影響[ 13 ]。曹國華等、王璐等通過演化博弈模型探究了新能源汽車擴散的影響因素[ 14-15 ]。Zhang等認為適當加大補貼額度與懲罰力度、增加消費者得到的賠償有利于新能源分時租賃汽車行業的健康發展[ 16 ]。Fang等基于小世界復雜網絡框架下的演化博弈模型，分析了政策激勵和消費者偏好對電動汽車充電基礎設施建設的影響，證明了均衡的動態補貼和稅收政策在充電基礎設施建設方面的積極作用[ 17 ]。本文通過梳理已有研究發現，將政府和公眾作為博弈參與主體構建演化博弈模型，探討政府政策和公眾反饋對其他市場主體的監管作用，是研究行業健康發展的有效工具。然而，現有關于新能源汽車產業的博弈研究主要聚焦于政府對車企行為的影響以及新能源汽車的擴散，缺少對充電樁規范運營治理策略的研究。

基于此，本文探討充電樁規范運營涉及的主體利益關系，基于動態獎懲機制構建充電樁運營商、地方政府和新能源汽車消費者之間的三方演化博弈模型，對演化博弈模型中的策略均衡點進行穩定性分析，揭示不同情形穩定點和充電樁規范運營治理過程中不同發展階段之間的關聯。另外，本文運用數值仿真探討主要參數變化對各博弈主體策略的動態影響，分析不同獎懲機制下政府的監管效果，為充電樁的安全規范運營和新能源汽車產業的高質量發展提供政策建議。

二、充電樁運營相關主體分析

充電樁運營商是指提供身份證識別認證、充換電、支付結算等整個過程的服務以及進行充換電設施運營、維護的主體單位。運營商作為充電樁的直接運營者，在把控充電樁技術、收費、日常維護方面負有主要責任；運營商主要通過遵守與充電基礎設施建設、運營相關的政府部門規定和行業管理要求，按照充電樁的行業標準進行安全技術升級，通過日常的檢修維護來加強充電樁的質量與安全管理。但是，由于充電樁運營盈利模式單一，且建設充電樁需要較高的成本，部分運營商為追求收益最大化，會降低充電樁的配置標準。此外，政府監管不嚴和制約不力助推了部分充電樁運營商的惡性競爭，不能給新能源汽車消費者提供良好的充電體驗，給社會帶來安全隱患。

地方政府作為充電樁運營監督管理的主導者，在充電樁的建設及運營過程中，政府主管部門（規劃、住建、能源、消防、市監等部門）承擔“統籌、協調及監管”的職責，包括審批充電樁的規劃建設手續、對充電樁進行竣工驗收、對充電樁安全合規運營進行監管等。目前，為促進充電基礎設施的發展，各地方政府已明確出臺充電樁建設補貼、充電樁運營補貼相關政策。充電樁運營管理辦法明確要求，針對充電樁運營管理過程中存在的問題，充電樁運營商要及時整改，如果違反了國家相關法律法規，政府將按照有關規定予以處罰。但目前關于充電樁運營管理的相關法律法規和政策還不完善，導致政府主管部門定位不清晰。全國尚未統一對充電樁的計量標準和監管規范，地方政府面臨著較高的監管成本，對充電樁違規運營的處罰進程緩慢，甚至不了了之。

新能源汽車消費者作為充電樁的使用者，對充電樁的技術、安全標準等方面信息掌握得不夠全面。一些充電樁運營商違規建設安全性能低于標準的基礎充電設施，對充電時間和收費標準進行不實的商業宣傳。但在充電體驗之前，新能源汽車消費者難以分辨充電樁是否安全、是否存在“暴力收費”和“僵尸樁”等情形。在現實中，大多數充電樁的違規運營問題都是由新能源汽車消費者首先發現的。因此，作為充電樁運營監管的利益相關者，新能源汽車消費者是促進充電樁規范運營治理的重要力量。充電樁規范運營治理的直接目的就是維護新能源汽車消費者的合法權益，確保新能源汽車消費者的生命財產安全。

三、演化博弈模型構建

（一）基本假設

本文研究充電樁運營商、地方政府及新能源汽車消費者三方的博弈過程，三方演化博弈邏輯關系如圖1所示，假設如下：

假設1：演化博弈模型有3個主體：充電樁運營商、地方政府和新能源汽車消費者。三方均是有限理性條件下的參與主體，以追求利益最大化為目標不斷隨時間調整策略選擇。

假設2：充電樁運營商策略集為｛規范運營、違規運營｝，“規范運營”是指運營商出于對企業長期利益和聲譽考慮，嚴格按照充電樁運營管理辦法進行充電樁運營，比如，依法進行項目立項審批、項目驗收，接受并配合市場監管、應急管理等部門管理，按照要求進行設備安全、計量年度檢查校正等；“違規運營”是指運營商為追求短期利益做出損害社會公眾效益的行為，比如，建設不符合行業技術標準的充電樁、多計費、維護檢修不及時等。選擇規范運營的可能性為[x]，選擇違規運營的可能性為[1?x]。地方政府策略集為｛積極監管，消極監管｝，“積極監管”是指地方政府各部門分工明確，主動投入人力、物力承擔監管責任，根據充電樁的運營質量對運營商采取一定的獎勵和懲罰措施；“消極監管”是指在充電樁運營治理相關法規監管體系不完善的情況下，地方政府考慮到監管成本而放松了對充電樁運營商的監管。選擇積極監管的可能性為[y]，選擇消極監管的可能性為[1?y]。新能源汽車消費者策略集為｛參與監督，不參與監督｝，“參與監督”是指新能源汽車消費者主動發現充電樁違規運營現象，曝光充電樁違規運營行為；“不參與監督”是指新能源汽車消費者認為政府是充電樁規范運營的治理主體，考慮到監督成本而自身不參與監督。選擇參與監督的可能性為[z]，選擇不參與監督的可能性為[1?z]，[x，y，z∈[0，1]]。

假設3：充電樁運營商規范運營充電樁的凈收益為[R1]，違規運營充電樁的凈收益為[R2]。違規運營可以直接或間接降低運營成本，比如，抬高電價、降低安全技術標準、減少維護檢修充電樁次數等，以提高運營商的凈收益，因此[R1lt;R2]。

假設4：從現實角度來看，充電樁運營商存在不同程度的違規運營行為，政府往往會根據充電樁運營情況對獎懲力度進行動態調整。同時，地方充電樁運營管理辦法中是按照一定比例對運營商給予補貼的。因此，當地方政府積極監管時，給予運營商的補貼與其規范運營的比率成正比，獎勵為[αxM]，[α]是獎勵系數，[M]是獎勵上限；給予運營商的處罰與其違規運營的比率成正比，處罰為[β（1?x）F]，[β]是懲罰系數，[F]是懲罰上限。

假設5：為維護行業規范，地方政府監管充電樁運營的成本為[C1]，包括增加監管人員、提高監管頻率與制訂行業標準等。地方政府積極監管時會獲得收益[R3]，如上級政府的獎勵、社會公信力的提升；如果運營商違規運營且地方政府消極監管，那么地方政府會受到上級政府的處罰[T]。

假設6：充電樁運營商規范運營給新能源汽車消費者帶來收益[R4]，違規運營對新能源汽車消費者造成損失[L]。新能源汽車消費者參與監督時需耗費一定成本[C2]，如收集運營商不端行為的相關資料。為維護自身利益，新能源汽車消費者會對充電樁運營商的違規運營行為進行投訴，以獲得運營商的賠償[γK]，[γ]為投訴率，代表新能源汽車消費者舉報的難易程度。當地方政府積極監管且新能源汽車消費者參與監督時會獲得地方政府的獎勵[Q]。

（二）模型構建

根據充電樁運營商、地方政府、新能源汽車消費者之間的博弈關系及研究假設，可得三方演化博弈模型的支付矩陣，具體如表1所示。

四、演化博弈穩定性分析

（一）充電樁運營商演化穩定策略

[E11]和[E12]分別代表充電樁運營商選擇規范運營和違規運營充電樁策略的期望收益，[E1]代表運營商進行決策后的平均期望收益，則可以計算得到：

[E11=αxyM+R1E12=R2?β1?xyF?γzKE1=xE11+（1?x）E12]" " "（1）

運營商策略選擇的復制動態方程為：

[Fx=dxdt=xE11?E1=x1?x[αxyM+β1?xyF+γzK+R1?R2]]" "（2）

當[y=y?=R2?R1?γzKαxM+β1?xF]時，[Fx=0]，[dF（x）dx]=0，此時運營商的策略選擇不隨時間的變化而改變。當[y≠R2?R1?γzKαxM+β1?xF]時，[x=0]和[x=1]為[Fx]的兩個均衡狀態。根據微分方程穩定性定理，當[Fx=0]，[dFxdxlt;0]時，[x]是演化穩定策略。有以下兩種情況：

第一，[0lt;ylt;R2?R1?γzKαxM+β1?xF]時，[dF（x）dx|x=0lt;0]，[dF（x）dx|x=1gt;0]，此時[x=0]是運營商行為演化的唯一穩定策略，即當地方政府積極監管的概率降低到一定程度時，運營商會傾向于選擇違規運營。

第二，[R2?R1?γzKαxM+β1?xFlt;ylt;1]時，[dF（x）dx|x=0gt;0]，[dF（x）dx|x=1lt;0]，此時[x=1]是運營商行為演化的唯一穩定策略，即當地方政府積極監管的概率達到一定程度時，運營商會傾向于選擇規范運營。

根據運營商的演化穩定策略可以得到以下結論：

結論1：運營商選擇規范運營充電樁的概率與規范運營凈收益呈正相關，與規范運營的獎勵和違規運營的懲罰呈正相關。

結論2：運營商對新能源汽車消費者的補償金額越大，新能源汽車消費者投訴率越高，運營商選擇規范運營的概率越大。

結論3：運營商選擇規范運營策略的概率隨著新能源汽車消費者參與監督的概率增加而上升。

（二）地方政府演化穩定策略

[E21]和[E22]分別代表地方政府選擇積極監管和消極監管策略的期望收益，[E2]代表地方政府進行決策后的平均期望收益，則可以計算得到：

[E21=?αx2M+β（1?x）2F?zQ+R3?C1E22=?（1?x）TE2=yE21+（1?y）E22]" （3）

地方政府策略選擇的復制動態方程為：

[Fy=dydt=yE21?E2=y1?y[?αx2M+β1?x2F?zQ+R3?C1+（1?x）T]] （4）

當[z=z?=R3+β1?x2F?C1?αx2M+（1?x）TQ]時，[Fy=0]，[dF（y）dy]=0，此時地方政府的策略選擇不隨時間變化而改變。 當[z≠R3+β1?x2F?C1?αx2M+（1?x）TQ]時，[y=0]和[y=1]為[Fy]的兩個均衡狀態。根據微分方程穩定性定理，當[Fy=0]，[dF（y）dylt;0]時，[y]是演化穩定策略。有以下兩種情況：

第一，當[0lt;zlt;R3+β1?x2F?C1?αx2M+（1?x）TQ]時，[dF（y）dy|y=0gt;0]，[dF（y）dy|y=1lt;0]，此時[y=1]是地方政府行為演化的唯一穩定策略，即當新能源汽車消費者參與監督的概率降低到一定程度時，地方政府會傾向于選擇積極監管。

第二，當[R3+β1?x2F?C1?αx2M+（1?x）TQlt;zlt;1]時，[dF（y）dy|y=0lt;0]，[dF（y）dy|y=1gt;0]，此時[y=0]是地方政府行為演化的唯一穩定策略，即當新能源汽車消費者參與監督的概率達到一定程度時，地方政府會傾向于選擇消極監管。

根據地方政府的演化穩定策略可以得到以下結論：

結論4：地方政府選擇積極監管策略的概率與上級政府的懲罰力度呈正相關，與監管成本、給予新能源汽車消費者參與監督的獎勵呈負相關。

結論5：地方政府對運營商規范運營的獎勵力度越小，違規運營的懲罰力度越大，地方政府選擇積極監管策略的概率越大。

結論6：地方政府選擇積極監管策略的概率隨著運營商規范運營的概率增加而下降。

（三）新能源汽車消費者演化穩定策略

[E31]和[E32]分別代表新能源汽車消費者選擇參與監督和不參與監督的期望收益，[E3]代表新能源汽車消費者進行決策后的平均期望收益，則可以計算得到：

[E31=xR4+yQ+1?xγK?L?C2E32=xR4?1?xL" " " " " " " " " " " " " " " " " " " "E3=zE31+（1?z）E32]" " " （5）

新能源汽車消費者策略選擇的復制動態方程為：

[Fz=dzdt=zE31?E3=z1?z[yQ+1?xγK?C2]]" "（6）

當[x=x?=yQ?C2+γKγK]時，[Fz=0]，[dF（z）dz]=0，此時新能源汽車消費者的策略選擇不隨時間的變化而改變。當[x≠yQ?C2+γKγK]時，[z=0]和[z=1]為[Fz]的兩個均衡狀態。根據微分方程穩定性定理，當[Fz=0]，[dF（z）dzlt;0]時，[z]是演化穩定策略。有以下兩種情況：

第一，當[0lt;xlt;yQ?C2+γKγK]時，[dF（z）dz|z=0gt;0]，[dF（z）dz|z=1lt;0]，此時[z=1]是新能源汽車消費者行為演化的唯一穩定策略，即當運營商選擇規范運營的概率降低到一定程度時，新能源汽車消費者會傾向于選擇參與監督。

第二，當[yQ?C2+γKγKlt;xlt;1]時，[dF（z）dz|z=0lt;0]，[dF（z）dz|z=1gt;0]，此時[z=0]是新能源汽車消費者行為演化的唯一穩定策略，即當運營商選擇規范運營的概率達到一定程度時，新能源汽車消費者會傾向于選擇不參與監督。

根據新能源汽車消費者的演化穩定策略可以得到以下結論：

結論7：新能源汽車消費者選擇參與監督的概率與地方政府的獎勵力度、運營商的賠償金額呈正相關，與參與監督的成本呈負相關。

結論8：新能源汽車消費者選擇參與監督策略的概率隨著地方政府積極監管的概率增加而上升。

（四）模型均衡點的穩定性分析

根據以上分析得出如下三維動力系統：

[Fx=x1?x[αxyM+β1?xyF+γzK+R1?R2]Fy=y1?y[?αx2M+β1?x2F?zQ+R3?C1+（1?x）T]Fz=z1?z[yQ+1?xγK?C2]]" " （7）

令[Fx=0]，[Fy=0]，[Fz=0]，可以得到系統的策略均衡點為[E1（0，0，0）]，[E2（0，0，1）]，[E3（0， 1， 0）]，[E4（0， 1， 1）]，[E5（1， 0， 0）]，[E6（1， 0， 1）]，[E7（1， 1， 0）]，[E81， 1， 1]，[ E9（x?，y?，z?）]。但[E9（x?，y?，z?）]不符合多參與主體演化博弈模型的穩定性標準，因此只討論[E1]-[E8]這8個純策略均衡點的穩定性。將8個均衡點分別代入雅可比矩陣，通過特征值正負號來判斷此均衡點的漸進穩定性，8個均衡點所對應的雅可比矩陣特征值的一般表達式如表2所示。

[J=?F（x）?x?F（x）?y?F（x）?z?F（y）?x?F（y）?y?F（y）?z?F（z）?x?F（z）?y?F（z）?z]" " " " " （8）

三方演化博弈的雅可比矩陣

根據雅可比矩陣的局部穩定性分析法，對演化系統存在的8個純策略均衡點進行穩定性分析。若均衡點所有的特征值都小于0，則該均衡點為系統演化穩定策略（ESS）；若至少有一個特征值大于0，則為不穩定點。8個純策略均衡點的穩定性分析如表3所示。

五、仿真分析

（一）初始條件下數值模擬

為驗證理論推導出的結論，且更加直觀地分析主要參數變化對博弈主體策略的演化路徑和穩定狀態的影響，本文使用MATLAB對博弈模型進行數值仿真。鑒于目前我國充電樁的運營管理正處于發展階段，設置初始參數[R1=150]，[R2=160]，[R3=35]，[C1=10]，[C2=8]，[M=20]，[F=20]，[Q=10]，[α=0.2]，[β=0.2]，[γ=0.2]，[K=20]，[T=5]，滿足發展階段中均衡點[（0， 1， 1）]的條件。演化博弈模型數值仿真模擬的目的是探究參數變化對各參與主體決策的影響，驗證的是一種演化規律而不是某一固定預測值，因此精確的數據并不是必需的。結合參數所代表的含義，本文借鑒相關文獻與資料，設置的參數值符合現實情況中的大小與比例關系，保證變量賦值的合理性。比如，洛陽市市場監管局對充電樁運營商暴利收取電費的處罰是責令其賠償消費者相關費用，并處一倍罰款，因此本文也令充電樁運營商違規運營的處罰和對消費者的賠償滿足一倍的關系；根據地方充電樁運營管理辦法，運營補貼為10%～30%，因此設置初始獎懲系數為20%。為不失一般性，本文選取均衡點[（0， 1， 1）]進行驗證，數值仿真檢驗結果如圖2所示，接下來，以[（0， 1， 1）]為起點，探究主要參數變化對系統演化的影響。

（二）充電樁運營商凈收益對系統演化的影響

假定其余參數不變，增加充電樁運營商規范運營的凈收益，分別令[R1=150]，[R1=155]，[R1=160]，[R1=165]，演化結果如圖3所示，其中[R1=150]是初始條件下的數值仿真結果。從圖3可以看出，當充電樁運營商規范運營的凈收益達到一定程度時，運營商的演化穩定策略會從違規運營策略轉變為規范運營策略。隨著凈收益的增加，充電樁運營商選擇規范運營策略的速度加快，新能源汽車消費者選擇參與監督策略的速度變慢，系統最終會達到充電樁運營商規范運營、地方政府積極監管、新能源汽車消費者參與監督的理想的穩定狀態。

（三）地方政府對充電樁運營商的懲罰力度對系統演化的影響

假定其余參數不變，加大地方政府對充電樁運營商的懲罰力度，分別令[F=20]，[β=0.2]，或[F=20]，[β=0.3]，或[F=20]，[β=0.4]，或[F=60]，[β=0.2]，演化結果如圖4所示，其中，[F=20，" β=0.2]是初始條件下的數值仿真結果。從圖4的左上到右上到左下可以看出，提高地方政府對充電樁運營商違規運營的懲罰系數，能增加充電樁運營商規范運營的比例。從圖4的左上到右下可以看出，提高地方政府對充電樁運營商違規運營的懲罰上限，也能提高充電樁運營商選擇規范運營策略的概率。以上結果說明，當地方政府對運營商違規運營的懲罰低于一定程度時，運營商違規運營并沒有感到壓力，大部分運營商會為追求更大的利益而選擇違規運營。因此，地方政府可以通過提高懲罰系數或懲罰上限兩種手段加大對運營商違規運營的懲罰力度，促進充電樁運營商選擇規范運營策略。

（四）地方政府對充電樁運營商的獎勵力度對系統演化的影響

假定其余參數不變，加大地方政府對充電樁運營商的獎勵力度，分別令[M=20]，[α=0.2]，或[M=20]，[α=0.5]，或[M=20]，[α=0.6]，或[M=70]，[α=0.2]，演化結果如圖5所示。其中[M=20]，[α=0.2]是初始條件下的數值仿真結果。從圖5的左上到右上可以看出，地方政府的獎勵增加值為6，僅減慢了運營商選擇違規運營的速度，不影響系統最終的策略穩定均衡點。從圖5的左上到左下可以看出，當地方政府的獎勵力度增加到8時，系統最終達到充電樁運營商選擇規范運營、地方政府選擇積極監管、新能源汽車消費者選擇參與監督的理想狀態。由此可見，地方政府對充電樁運營商規范運營的獎勵力度存在臨界值，當獎勵力度低于臨界值時，只能減慢運營商違規運營的速度，長期來看并不能改變充電樁運營商的策略選擇；當獎勵力度高于臨界值時，能促使充電樁運營商的策略選擇由違規運營轉變為規范運營。從圖5的右下可以看出，提高地方政府對充電樁運營商規范運營的獎勵上限，此時地方政府的獎勵增加值為10，與圖5左下相比，隨著獎勵力度的增加，充電樁運營商趨向于穩定點的速度加快。因此，地方政府對充電樁運營商規范運營獎勵力度的增加可加速充電樁運營商選擇規范運營策略。

（五）地方政府不同獎懲機制下系統的演化路徑

1. 同比例增加獎勵力度和懲罰力度

為說明地方政府規制的方式和力度對系統演化結果的影響，本節讓獎勵力度和懲罰力度同時增加，采取不同的賦值方式進一步分析獎勵與懲罰的效果。將獎勵系數和懲罰系數以相同比例增加，分別令[α=0.2]，[β=0.2]，或[α=0.3]，[β=0.3]，或[α=0.35]，[β=0.35]，或[α=0.4]，[β=0.4]，演化結果如圖6所示。其中[α=0.2，β=0.2]是初始條件下的數值仿真結果。由圖6右上可以看出，當獎勵和懲罰系數之和增加到0.6（獎懲力度之和增加4）時，充電樁運營商選擇規范運營策略的概率穩定在0.3，仍有大部分運營商選擇違規運營。由圖6左下可以看出，當獎勵和懲罰系數之和增加到0.7（獎懲力度之和增加6）時，系統最終穩定在充電樁運營商規范運營、地方政府積極監管、新能源汽車消費者參與監督的理想狀態。由此可見，地方政府的獎勵和懲罰力度之和存在臨界值，且該臨界值小于單獨增加獎勵力度時的臨界值，這說明同時實施獎勵性政策和懲罰性政策的效果優于單獨實施懲罰性或獎勵性政策。

2. 獎懲力度之和小于獎懲力度臨界值時，不同獎懲機制對系統演化的影響

經前文分析可知，地方政府獎勵和懲罰大小的設置存在兩個臨界值：獎懲力度之和臨界值和獎勵力度臨界值。兩個臨界值將獎勵和懲罰大小的設置分為3個區間，接下來在每個區間內對獎勵系數和懲罰系數賦予不同的比例，代表對獎勵性政策和懲罰性政策的側重程度。首先，令[α=0.2]，[β=0.2]，或[α=0.3]，[β=0.3]，或[α=0.2]，[β=0.4]，或[α=0.4]，或[β=0.2]，獎懲力度之和增加值為4，小于獎懲力度臨界值，演化結果如圖7所示，其中[α=0.2]，[β=0.2]是初始條件下的數值仿真結果。由圖7右上到左下可以看出，隨著懲罰系數的提高，充電樁運營商選擇規范運營策略的概率也在增加；由圖7右下可以看出，增加獎勵系數的比例，最終充電樁運營商的策略還是穩定于違規運營。因此，當獎懲力度之和小于獎懲力度臨界值時，側重實施懲罰性政策的激勵效果更好。

3. 獎懲力度之和大于獎懲力度臨界值時，不同獎懲機制對系統演化的影響

接著當[α=0.2]，[β=0.2]，或[α=0.3]，[β=0.4]，或[α=0.35]，[β=0.35]，或[α=0.4]，[β=0.3]，獎懲力度之和增加值為6，大于獎懲力度臨界值，演化結果如圖8所示，其中[α=0.2]，[β=0.2]是初始條件下的數值仿真結果。由圖8可以看出，當獎懲力度之和超過臨界值時，最終充電樁運營商選擇規范運營策略的概率會穩定在1，且隨著獎勵系數的提高，充電樁運營商選擇規范運營策略的速度加快。因此，當獎懲力度之和大于獎懲力度臨界值時，側重實施獎勵性政策的激勵效果更好。

（六）充電樁運營商的賠償力度和新能源汽車消費者投訴率對系統演化的影響

其余參數不變，分析運營商的賠償力度和消費者的投訴率對系統演化的影響。分別令[K=20]，[γ=0.2]，或[K=20]，[γ=0.4]，或[K=20]，[γ=0.6]，或[K=60]，[γ=0.2]，演化結果如圖9所示，其中[K=20， γ=0.2]是初始條件下的數值仿真結果。從圖9的左上到右上到左下可以看出，提高新能源汽車消費者投訴率，能使充電樁運營商的策略從違規運營轉變為規范運營。從圖9的左上到右下可以看出，提高運營商對新能源汽車消費者的賠償力度，運營商的演化穩定策略由選擇違規運營策略改為規范運營策略，同時加快了新能源汽車消費者選擇參與監督的速度。以上結果說明，地方政府應降低消費者投訴難度，適當提高運營商的賠償力度，利用消費者的力量對充電樁運營進行監管，倒逼充電樁運營商選擇規范運營。

六、結論和建議

針對充電樁市場上的違規運營問題，本文構建了動態獎懲機制下充電樁運營商、地方政府和新能源汽車消費者三方參與的演化博弈模型，對模型中可能存在的策略均衡點進行穩定性分析，并且利用數值仿真模擬主要參數變化對系統演化的影響。研究結果表明：（1）凈收益的提高有利于激發充電樁運營商規范運營的積極性。（2）加大地方政府對充電樁運營商的獎勵和懲罰力度均可促進充電樁的規范運營，地方政府可通過提高獎懲上限和擴大獎懲比例兩種手段加大對充電樁運營商的獎懲力度。（3）地方政府實施獎懲結合政策的效果優于單獨實施獎勵性政策或懲罰性政策的效果，更為重要的是，在動態獎懲機制下，地方政府對充電樁運營商的獎懲力度存在臨界值。當獎懲力度小于臨界值時，懲罰性政策的激勵效果優于獎勵性政策；當獎懲力度大于臨界值時，獎勵性政策的激勵效果優于懲罰性政策。（4）加大違規運營商對新能源汽車消費者的賠償力度和降低消費者的投訴難度不僅能倒逼充電樁運營商規范運營，而且能引導消費者參與充電樁的規范運營治理。根據這些結論，本文提出如下政策建議：

第一，地方政府首先應加快建立充電樁運營商規范運營的評價體系，包括充電設備產品質量、選址布局、建設安裝質量、安全保障質量、服務質量等方面。在給予運營商財政支持時，地方政府應建立與規范運營掛鉤的運營補貼標準，進一步向優質場站傾斜。比如，對信譽度高的運營商提供更加有利的政策支持，如可以采取提供技術支持和財政優惠、簡化政務服務手續等措施向優質充電樁運營商傾斜，設法提高規范運營企業的凈收益。其次，地方政府應加強對補貼資金的管理和監督，確保充電樁運營商在有效和規范運營的基礎上獲得補貼。最后，地方政府應結合充電樁發展與管理現狀對充電樁運營商的獎懲力度做出動態調整，前期對不符合標準的充電樁運營商進行處罰并責令其整改，懲罰力度應隨違規行為比例上升而增加；后期針對運營管理能力強的運營商，可以將常規監管成本轉移為對運營商規范運營的獎勵?？傊?，地方政府可以靈活運用獎優懲劣、動態調整、獎懲結合等政策組合，以提高充電樁規范運營治理的效率。

第二，充電樁運營商首先要加強對充電樁設備的管理和維護，定期進行檢查和維修，保證充電樁設備的正常運行和安全性。其次，逐漸淘汰“老舊壞”充電樁，推廣新型智能化充電樁設備，實現遠程監控和管理，有效降低維護成本，提高充電樁設備利用率。再次，各運營商之間應加強協作，聯合政府有關部門共同制訂統一的技術規范和質量標準，以保障充電樁設備的質量和安全管理，并向共享化、兼容化方向發展。最后，需建立健全充電樁運營信息披露制度，及時向新能源汽車消費者披露充電樁收費標準、用電價格、故障檢修電話、服務投訴平臺等信息，主動接受政府監管和消費者監督。

第三，新能源汽車消費者需提高使用充電樁的安全意識和參與監督的意識。目前，新能源汽車消費者對充電樁的基本知識不夠了解，對正確使用充電樁的重視程度不夠。因此，地方政府應鼓勵新能源汽車消費者積極參與充電樁規范運營治理及其宣傳和交流，鼓勵消費者監督和舉報充電樁運營商違規運營的行為，加大違規運營商對消費者的賠償力度，嚴格執法確保賠償及時兌現，并降低消費者的投訴難度。對于政府提供的各種投訴渠道、舉報流程和維權補償制度，消費者要主動關注、學習和了解；針對充電樁違規運營問題，消費者要有主體意識和維權意識，善于借助《消費者權益保護法》和各地消費者協會維護自身的合法權益，以充分釋放新能源汽車消費者參與充電樁規范運營治理的空間。

參考文獻：

[1] 2022電動汽車充電設施大盤點[EB/OL]. （2023-01-15）[2024-10-22]. https：//mp.weixin.qq.com/s/3ksf5uRvhNkpXk3R1zM2Cg.

[2] 國家能源局《2020年度公共充電基礎設施現場安全隱患排查報告》[EB/OL]. （2020-11-13）[2024-10-22]. https：//mp.weixin.qq.com/s/n_TfHo6fMOPFimtpOZyUzA.

[3] 孫淑慧，朱立龍. 新媒體環境下公眾參與的食品質量監管三方演化仿真分析[J]. 管理評論，2021，33（3）：315-326.

[4] 楊松，張言彩，王愛峰. 多主體參與下食品安全社會共治演化博弈穩定性研究[J]. 中國管理科學，2022（4）：1-14.

[5] 崔萌. 協同治理背景下環保食用監管的三方演化博弈分析[J]. 系統工程理論與實踐，2021，41（3）：713-726.

[6] 包春兵，金宗凱，戎曉霞，等. 環保剛性約束下中小企業污染共治策略演化博弈分析[J]. 中國管理科學，2021（11）：1-12.

[7] 閆志華，唐錫晉. 基于演化博弈的藥品質量安全監管“人理”分析[J]. 管理評論，2021，33（5）：64-75.

[8] 周茜，陳收. 公眾媒體參與金融科技創新監管的雙刃劍效應[J]. 系統工程理論與實踐，2022，42（7）：1782-1795.

[9] 孫紅霞，呂慧榮. 新能源汽車后補貼時代政府與企業的演化博弈分析[J]. 軟科學，2018，32（2）：24-49.

[10] 陳洪轉，齊慧娟. 新能源汽車財政補貼政策監管演化穩定性分析[J]. 工業技術經濟，2019，38（2）：114-119.

[11] 彭頻，何熙途. 政府補貼與新能源汽車產業發展——基于系統動力學的演化博弈分析[J]. 運籌與管理，2021，30（10）：31-38.

[12] 昝欣，歐國立. “補貼退坡”背景下補貼模式異質性與消費者購買行為的博弈研究[J]. 中央財經大學學報，2021（5）：94-108.

[13] 姜彩樓，張瑩，李瑋瑋，等. 政府補貼與新能源汽車企業研發的演化博弈研究[J]. 運籌與管理，2020，29（11）：22-28.

[14] 曹國華，楊俊杰. 政府補貼激勵下消費者對新能源汽車購買行為的演化博弈研究[J]. 經濟問題探索，2016（10）：1-9.

[15] 王璐，馬慶慶，楊劼，等. 基于復雜網絡演化博弈的綠色消費者對新能源汽車擴散的影響研究[J]. 中國管理科學，2021：1-13.

[16] ZHANG W， LIU H，CHEN Y， et al." Research on the supervision mechanism of new energy time-sharing rental vehicles in the background of carbon peak[J]. Science progress，2022，105（1）：1-26.

[17] FANG Y J， WEI W， MEI S W， et al. Promoting electric vehicle charging infrastructure considering policy incentives and user preferences：an evolutionary game model in a small-world network[J]. Journal of cleaner production，2020（6）：156-165.

作者貢獻聲明：李曉敏負責研究設計、論文撰寫；毛守恒負責模型構建與求解、論文撰寫;王安琪負責軟件處理、格式排版。

Operation and Governance of Charging Piles： A Tripartite Evolutionary Game Theory Approach

LI Xiao-min1， MAO Shou-heng2， WANG An-qi3

（1.School of Economics， Henan University， Kaifeng 475001， Henan， China; 2. Midland Development Institute， Henan University， Zhengzhou 450046， Henan， China; 3. Department of Mathematics， University of Manchester， Manchester M13 9PL， UK）

Abstract： Charging infrastructure， represented by charging piles， is a critical component of the new infrastructure initiative， and its regulation is essential for the safety and stability of the new energy vehicle industry chain. This paper addresses the issue of illegal operations in the charging pile market by developing a game model involving three key stakeholders： charging pile operators， local governments， and new energy vehicle consumers， within the context of a dynamic reward and punishment mechanism. The study conducts a stability analysis to identify potential strategic equilibrium points and employs numerical simulations to assess the impact of parameter variations on system evolution. The results indicate that： （1） an increase in net revenue effectively encourages charging pile operators to engage in regulated operations; （2） both enhanced incentives and penalties for operators promote compliance， with local governments able to strengthen these measures by raising the upper limits and adjusting the incentive-to-penalty ratios; （3） a combined approach of incentives and penalties is more effective than using either policy independently; （4） under the dynamic reward-punishment framework， there is a threshold for the effectiveness of government interventions： when reward-punishment strength is below a critical value， punitive measures are more effective， while above this threshold， incentives yield better outcomes. Finally， improving compensation for consumers affected by violations and simplifying complaint procedures not only pressures operators to standardize their behavior but also encourages consumer involvement in the governance process of charging pile operations.

Key words： charging pile operation; governance strategy; tripartite evolutionary game; simulation

（責任編輯：趙慶來）