張麗 侯立文

摘 要： 首先定性分析了共享乘車行業(yè)主體的反饋回路，然后考慮在平臺(tái)安全質(zhì)量等安全因素的影響下共享乘車行業(yè)各主體的因果循環(huán)關(guān)系，并在考慮政府監(jiān)管的情況下利用系統(tǒng)動(dòng)力學(xué)模型對(duì)共享乘車行業(yè)的演化進(jìn)行了動(dòng)態(tài)仿真，深入量化安全因素對(duì)共乘平臺(tái)發(fā)展的影響機(jī)制。研究發(fā)現(xiàn)，政府管制對(duì)整治共享乘車行業(yè)亂象具有長(zhǎng)遠(yuǎn)的積極效用;司機(jī)和乘客的自發(fā)協(xié)調(diào)監(jiān)督機(jī)制有利于司機(jī)安全等級(jí)和乘客安全等級(jí)的長(zhǎng)久維持，將成為有限政府監(jiān)管資源和共享乘車行業(yè)自我監(jiān)督的有效補(bǔ)充;共享乘車平臺(tái)不同程度的安全投入轉(zhuǎn)化會(huì)在不同的競(jìng)爭(zhēng)時(shí)期為平臺(tái)創(chuàng)造戰(zhàn)略優(yōu)勢(shì)，平臺(tái)可以根據(jù)自身發(fā)展需求適時(shí)調(diào)整平臺(tái)的安全投入策略。

關(guān)鍵詞： 安全因素;系統(tǒng)動(dòng)力學(xué);共享乘車

中圖分類號(hào)： F 57

文獻(xiàn)標(biāo)志碼： A

The Impact of Safety Factors on the Ride-sharingIndustry Based on System Dynamics

ZHANG Li HOU Liwen

（Antai College of Economics & Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： Firstly， the paper qualitatively analyzed the feedback loop of the entities of the sharing car industry， and then the causality among the entities of the ride-sharing industry is considered under the influence of security factors such as platform safety and quality. The evolution of the industry is dynamically simulated by using the system dynamics model under the consideration of government regulation， so as to further quantify the influence of safety factors on the development of the ride-sharing industry. The results indicate that the government regulation has a long-term positive effect on managing the chaos of the whole industry; the spontaneous supervision mechanism from drivers and passengers is conducive to the long-term maintenance of driver safety level and passenger safety level， which will be an effective supplement to the limited government regulation resources and self-supervision of the ride-sharing industry; the safety investment of the ride-sharing platform with varying degrees will create strategic advantages for the platform in different competition period， for which the platform can adjust its safety investment strategy based on its own development needs.

Key words： safety factors; system dynamics; ride-sharing

1 共享乘車主體及其安全因素分析

共享乘車主體可分為四類：共乘服務(wù)平臺(tái)、司機(jī)、乘客和政府。共乘服務(wù)平臺(tái)基于實(shí)時(shí)地理位置感知、海量數(shù)據(jù)處理等技術(shù)對(duì)乘客和司機(jī)進(jìn)行實(shí)時(shí)匹配，為乘客的出行需求與司機(jī)的接單收益提供支持，并建立完善的制度體系對(duì)乘客和司機(jī)進(jìn)行信息管理和關(guān)系維護(hù)。司機(jī)和乘客是交通出行過(guò)程的主要參與者，乘客通過(guò)共乘服務(wù)平臺(tái)發(fā)布訂單請(qǐng)求并支付一定的費(fèi)用，匹配到行程一致的司機(jī)，司機(jī)在完成訂單后也會(huì)獲得相應(yīng)的經(jīng)濟(jì)收益。此外，共享乘車行業(yè)的發(fā)展也離不開政府的管制，政府部門通過(guò)積極引導(dǎo)塑造共享乘車行業(yè)規(guī)范性，督促共享乘車平臺(tái)完善行業(yè)從業(yè)人員準(zhǔn)入、考核及管理制度，促進(jìn)行業(yè)的良性健康發(fā)展。共享乘車主體的反饋回路如圖1所示。

共享乘車服務(wù)的可持續(xù)發(fā)展需要有大量的司機(jī)與乘客參與，但共享乘車所帶來(lái)的隱私和人身安全等擔(dān)憂無(wú)疑會(huì)影響參與者對(duì)共乘服務(wù)的持續(xù)使用意愿，限制行業(yè)的進(jìn)一步發(fā)展。

（1）乘客安全問(wèn)題對(duì)共乘服務(wù)使用的影響。Chaudhry等的研究表明，在共享乘車服務(wù)中，人身安全已成為一個(gè)備受關(guān)注和爭(zhēng)論的問(wèn)題。是否存在遭受攻擊、暴力、騷擾或攻擊的可能已成為乘客決策的關(guān)鍵因素，任何對(duì)負(fù)面行為的預(yù)期都會(huì)直接影響乘客是否繼續(xù)使用共乘服務(wù)。Yang等也指出安全的出行保障有助于降低客戶的心理成本，由于不必?fù)?dān)心服務(wù)提供商是否會(huì)給人身安全帶來(lái)風(fēng)險(xiǎn)，也不必?fù)?dān)心暴露在犯罪中，客戶會(huì)感到放心并給出持續(xù)承諾。沈弼龍等也表明隨著人機(jī)交互、社交網(wǎng)絡(luò)、城市計(jì)算和上下文感知技術(shù)的發(fā)展，場(chǎng)景感知、用戶肖像技術(shù)在帶來(lái)精準(zhǔn)智能服務(wù)的同時(shí)也帶來(lái)了個(gè)人信息安全問(wèn)題，如地址信息會(huì)直接表現(xiàn)出生活空間、興趣地點(diǎn)等個(gè)人信息，而乘客在共乘時(shí)也會(huì)考慮個(gè)人隱私泄露的問(wèn)題。如何在減少隱私泄露的同時(shí)保證服務(wù)提供的便捷性，成為共享乘車平臺(tái)進(jìn)行司乘匹配的重要挑戰(zhàn)。

（2）司機(jī)安全問(wèn)題對(duì)共乘服務(wù)使用的影響。在關(guān)于共享乘車的安全性研究方面，乘客的安全往往受到更多的關(guān)注，而極少有研究考慮司機(jī)的安全問(wèn)題。作為共享乘車服務(wù)的直接提供方，司機(jī)的安全性也不容忽視。本研究對(duì)司機(jī)的安全性進(jìn)行了調(diào)查，參與共乘服務(wù)的司機(jī)表達(dá)了對(duì)駕駛途中不同程度騷擾的恐懼，如性騷擾和身體攻擊，尤其是女性司機(jī)憂慮更甚。參與調(diào)查的司機(jī)還表示，盡管共乘服務(wù)平臺(tái)提供了一些功能來(lái)提高他們的安全性，比如位置跟蹤和保留乘客信息等，但是由于缺乏工作支持和最低工資保障，平臺(tái)仍然會(huì)對(duì)他們的安全性產(chǎn)生負(fù)面影響。此外，司機(jī)信息泄露也是共乘服務(wù)中出現(xiàn)比例較高的問(wèn)題，信息泄露使得司機(jī)遭受騷擾甚至報(bào)復(fù)，嚴(yán)重影響其使用體驗(yàn)。

下面將通過(guò)分析安全問(wèn)題對(duì)乘客主體和司機(jī)主體使用共乘服務(wù)的影響，深入量化安全因素對(duì)共乘平臺(tái)發(fā)展的影響機(jī)制，為共享乘車行業(yè)的可持續(xù)良性發(fā)展提供理論支持。

2 共享乘車行業(yè)的系統(tǒng)動(dòng)力學(xué)模型

2.1 仿真模型

系統(tǒng)動(dòng)力學(xué)（system dynamics， SD）是系統(tǒng)科學(xué)理論與計(jì)算機(jī)仿真緊密結(jié)合、研究系統(tǒng)反饋結(jié)構(gòu)和行為的一門科學(xué)。系統(tǒng)動(dòng)力學(xué)認(rèn)為，系統(tǒng)的行為模式和特性主要取決于其內(nèi)部的結(jié)構(gòu)。共享乘車行業(yè)本身就是一個(gè)復(fù)雜、多變的大系統(tǒng)，主體間的關(guān)系錯(cuò)綜復(fù)雜，且表現(xiàn)出明顯的非線性特征。將系統(tǒng)動(dòng)力學(xué)模型用于共享乘車行業(yè)的仿真分析主要基于以下三點(diǎn)考慮。首先，系統(tǒng)動(dòng)力學(xué)研究問(wèn)題注重從因果機(jī)制出發(fā)，分析各因素之間構(gòu)成的因果反饋環(huán)，這與共享乘車行業(yè)中比較復(fù)雜的相互影響因素和因果關(guān)系相適應(yīng)。其次，共享乘車市場(chǎng)具有非線性的特點(diǎn)，而復(fù)雜的非線性高階次時(shí)變系統(tǒng)往往表現(xiàn)出反直觀的、千姿百態(tài)的動(dòng)態(tài)特性，系統(tǒng)動(dòng)力學(xué)模型可以作為共享乘車行業(yè)復(fù)雜大系統(tǒng)的“實(shí)驗(yàn)室”，較為準(zhǔn)確地刻畫系統(tǒng)演變的內(nèi)在機(jī)制。最后，由于政府管制的存在，政策的執(zhí)行會(huì)有時(shí)間的延遲，系統(tǒng)動(dòng)力學(xué)模型引入了延遲機(jī)制，使得其與所描述的實(shí)際系統(tǒng)行為更為貼近。出于以上考慮，再結(jié)合共享乘車行業(yè)各主體的特性，逐一分析這些主體之間的因果關(guān)系。

（1）平臺(tái)競(jìng)爭(zhēng)的因果關(guān)系。平臺(tái)競(jìng)爭(zhēng)的因果關(guān)系主要是基于BASS擴(kuò)散模型建立的。該模型假設(shè)新產(chǎn)品或服務(wù)使用者的增長(zhǎng)是由群體外部信息源（廣告或補(bǔ)貼）和群體內(nèi)部信息源（口碑）所觸發(fā)的，潛在的使用者和當(dāng)前使用者之間會(huì)通過(guò)信息源的影響相互轉(zhuǎn)化，并且潛在使用者可以看成是任何一個(gè)競(jìng)爭(zhēng)平臺(tái)的當(dāng)前使用者。在本文的研究背景下，當(dāng)前使用者指的是目標(biāo)平臺(tái)的現(xiàn)有乘客，潛在使用者指的是競(jìng)爭(zhēng)平臺(tái)的現(xiàn)有乘客。平臺(tái)安全質(zhì)量是目標(biāo)平臺(tái)與其他平臺(tái)競(jìng)爭(zhēng)關(guān)系的核心。一方面，平臺(tái)安全質(zhì)量越高，越能在用戶群體內(nèi)部形成正向口碑，從而促進(jìn)其他平臺(tái)的用戶向目標(biāo)平臺(tái)的用戶轉(zhuǎn)化，且潛在采用者基數(shù)越大，現(xiàn)有乘客的數(shù)量也會(huì)越多。同時(shí)，來(lái)自用戶群體外部的信息源刺激也會(huì)對(duì)潛在乘客的轉(zhuǎn)化起到積極作用，尤其是在共享乘車服務(wù)推廣初期，由于用戶基數(shù)的限制，各大共享乘車平臺(tái)紛紛采用發(fā)放補(bǔ)貼和廣告的方式從外部刺激潛在用戶，從而形成平臺(tái)的初始司機(jī)和乘客群體。另一方面，平臺(tái)安全質(zhì)量的降低也會(huì)導(dǎo)致用戶群體中負(fù)面口碑的產(chǎn)生。當(dāng)前平臺(tái)的乘客將在負(fù)面口碑的引導(dǎo)下放棄使用平臺(tái)服務(wù)，轉(zhuǎn)而成為競(jìng)爭(zhēng)平臺(tái)的使用者。競(jìng)爭(zhēng)平臺(tái)的乘客與當(dāng)前平臺(tái)的乘客在外部信息源和內(nèi)部信息源的作用下不斷互相轉(zhuǎn)化，形成平臺(tái)用戶轉(zhuǎn)化的正反饋循環(huán)。值得注意的是，從潛在乘客向現(xiàn)有乘客的轉(zhuǎn)變用轉(zhuǎn)化率來(lái)刻畫，這里僅考慮正向轉(zhuǎn)化率，即潛在乘客受到正向口碑以及廣告和補(bǔ)貼的激勵(lì)轉(zhuǎn)化為平臺(tái)的現(xiàn)有乘客;負(fù)向轉(zhuǎn)化率，即現(xiàn)有乘客轉(zhuǎn)化為潛在乘客的速率用丟棄率來(lái)刻畫，即現(xiàn)有乘客受到負(fù)向口碑的影響轉(zhuǎn)化為其他競(jìng)爭(zhēng)平臺(tái)的用戶。將所有因果關(guān)系綜合起來(lái)，如圖2所示。

（2）乘客安全的因果關(guān)系。現(xiàn)有乘客數(shù)量成為連接平臺(tái)競(jìng)爭(zhēng)和乘客安全等級(jí)的重要變量。在正向口碑和補(bǔ)貼等因素的作用下，現(xiàn)有乘客數(shù)量不斷遞增，通過(guò)平臺(tái)發(fā)布的訂單數(shù)量隨之增加的同時(shí)，司機(jī)針對(duì)乘客不良行為的投訴也會(huì)增加。針對(duì)乘客的投訴比例的上升將引起共乘服務(wù)平臺(tái)的關(guān)注，從而加大其對(duì)乘客安全素質(zhì)的管理，通過(guò)采取違規(guī)乘客黑名單、安裝車內(nèi)監(jiān)控等措施對(duì)乘客不當(dāng)行為進(jìn)行防范，提高總體乘客的安全質(zhì)量，即乘客安全等級(jí)。與此同時(shí)，針對(duì)乘客的投訴累積到一定程度，會(huì)導(dǎo)致平臺(tái)的安全等級(jí)下降，于是政府開始加大管制力度，向共乘服務(wù)平臺(tái)施加壓力，從而促使平臺(tái)在加強(qiáng)乘客的安全質(zhì)量方面進(jìn)一步進(jìn)行整改，乘客安全等級(jí)得到提升。將所有因果關(guān)系綜合起來(lái)，如圖3所示。

（3）司機(jī)安全的因果關(guān)系。乘客數(shù)量也是連接平臺(tái)競(jìng)爭(zhēng)和司機(jī)安全等級(jí)的重要變量。訂單數(shù)量伴隨著乘客數(shù)增加而增長(zhǎng)，帶來(lái)了訂單總收益的正效用，從而帶動(dòng)了司機(jī)數(shù)量的正向增長(zhǎng)。但司機(jī)數(shù)量的增加也為司機(jī)質(zhì)量管控帶來(lái)了挑戰(zhàn)，從而導(dǎo)致針對(duì)司機(jī)的投訴量的增加。針對(duì)司機(jī)的投訴比例的上升將引起共乘服務(wù)平臺(tái)的關(guān)注，從而加大對(duì)司機(jī)安全素質(zhì)的管理，形成司機(jī)安全等級(jí)控制的負(fù)反饋循環(huán)。與此同時(shí)，與乘客投訴量的影響相似，針對(duì)司機(jī)投訴量的上升也會(huì)導(dǎo)致平臺(tái)安全等級(jí)的下降，從而引起政府管制的介入，共乘服務(wù)平臺(tái)將對(duì)司機(jī)安全等級(jí)進(jìn)行嚴(yán)格把控。在安全防范措施的管控下，司機(jī)安全等級(jí)得到進(jìn)一步控制，從而引起乘客數(shù)量增長(zhǎng)的正效用，由此便形成了司乘數(shù)量協(xié)同增長(zhǎng)的正反饋循環(huán)。將所有因果關(guān)系綜合起來(lái)，如圖4所示。

上述因果回路圖的正負(fù)號(hào)表示正向和反向影響效用，在因果關(guān)系的中間還繪制了反映回路正負(fù)向反饋的標(biāo)識(shí)。本文幾個(gè)最主要的變量之間的假設(shè)關(guān)系如下：

假設(shè)一：平臺(tái)安全質(zhì)量與乘客安全等級(jí)、司機(jī)安全等級(jí)成正向關(guān)系。乘客安全等級(jí)描述了司機(jī)和其他同行乘客對(duì)于使用共享乘車服務(wù)的乘客的安全信任程度，乘客安全等級(jí)越高則司機(jī)和其他同行乘客受到安全威脅的可能性越小，對(duì)乘客的安全質(zhì)量更有信心。司機(jī)的安全等級(jí)與乘客安全等級(jí)類似，描述了乘客對(duì)于提供共享乘車服務(wù)的司機(jī)的安全信任程度，司機(jī)安全等級(jí)越高則意味著乘客在乘車途中受到司機(jī)安全威脅的可能性越小，乘客對(duì)司機(jī)的安全質(zhì)量有更高的信心。

假設(shè)二：由口碑導(dǎo)致的潛在乘客與現(xiàn)有乘客的相互轉(zhuǎn)化主要受平臺(tái)安全質(zhì)量的影響，其他額外因素的影響表現(xiàn)為司機(jī)數(shù)量、乘客數(shù)量和訂單數(shù)量的增長(zhǎng)。除平臺(tái)安全質(zhì)量提升帶來(lái)的效用外，還存在正的隨機(jī)項(xiàng)，在后文的變量標(biāo)定部分有進(jìn)一步說(shuō)明。

假設(shè)三：司機(jī)安全等級(jí)的變化與政府管制的力度、平臺(tái)針對(duì)司機(jī)的安全投入成正向關(guān)系。

假設(shè)四：乘客安全等級(jí)的變化與政府管制的力度、平臺(tái)針對(duì)乘客的安全投入成正向關(guān)系。

假設(shè)五：政府對(duì)乘客安全等級(jí)和司機(jī)安全等級(jí)的管制存在延遲，并且與乘客安全等級(jí)的變化和司機(jī)安全等級(jí)的變化均成正相關(guān)關(guān)系。

上述三個(gè)因果回路圖表明了不同的狀態(tài)變量之間的因果循環(huán)關(guān)系，為后續(xù)狀態(tài)方程的建立提供了指導(dǎo)。但因果回路圖仍處于定性分析問(wèn)題的階段，還需要在因果回路圖的基礎(chǔ)上區(qū)分不同的變量，建立存量流量圖，通過(guò)設(shè)置流率變量和存量變量以模擬反饋回路隨時(shí)間變化的過(guò)程，明確變量之間的數(shù)學(xué)關(guān)系?？紤]到模型的可操作性，在建立共享乘車行業(yè)的存量流量圖時(shí)，選取了上述說(shuō)明的主要因素，忽略了一些次要因素和難以量化的因素，并定義了四個(gè)存量變量：現(xiàn)有乘客、潛在乘客、乘客安全等級(jí)和司機(jī)安全等級(jí)。與之對(duì)應(yīng)的有四個(gè)流率變量：轉(zhuǎn)化率、丟棄率、乘客安全等級(jí)變化率和司機(jī)安全等級(jí)變化率。共享乘車行業(yè)的存量流量圖如圖5所示。

2.2 變量標(biāo)定

為了對(duì)圖5進(jìn)行仿真實(shí)驗(yàn)，對(duì)上述水平變量和流率變量進(jìn)行初始化標(biāo)定。參照共享乘車行業(yè)內(nèi)的相關(guān)公開數(shù)據(jù)如行業(yè)報(bào)告等，對(duì)變量的初始值進(jìn)行設(shè)置。同時(shí)，考慮到一些變量如平均訂單金額、每月訂單數(shù)量等難以從公開報(bào)告中獲取，本文還設(shè)置了調(diào)查問(wèn)卷，盡量保證變量參數(shù)設(shè)置的真實(shí)性和準(zhǔn)確性。由于問(wèn)卷設(shè)計(jì)的題目數(shù)量較少、題目難度不高，本次調(diào)查采用線上問(wèn)卷調(diào)查的方式。問(wèn)卷發(fā)放從2019年11月19日開始，為期5天，共回收問(wèn)卷313份，剔除沒(méi)有使用過(guò)共享乘車服務(wù)的問(wèn)卷和隨意填寫的無(wú)效問(wèn)卷，最終得到問(wèn)卷297份，有效率為94.9%。樣本的描述性分析結(jié)果見表1。

對(duì)模型的數(shù)據(jù)關(guān)系作出如下定義（受篇幅所限，以下僅列出關(guān)鍵變量）：

a） 潛在乘客PotentialPassengers。共享乘車行業(yè)中未使用目標(biāo)共乘服務(wù)平臺(tái)的乘客數(shù)量，可以看成競(jìng)爭(zhēng)平臺(tái)的現(xiàn)有乘客?？紤]到仿真模擬的計(jì)算量級(jí)，經(jīng)過(guò)多次測(cè)試后將潛在乘客初始值設(shè)置為20000。潛在乘客數(shù)量隨后根據(jù)丟棄率DiscardRate和轉(zhuǎn)化率AdoptionRate的變動(dòng)隨時(shí)間不斷變化，表現(xiàn)為丟棄率和轉(zhuǎn)化率差值的積分，即

PotentialPassengers=INTEG（DiscardRate-AdoptionRate， 20000）（1）

b） 現(xiàn)有乘客CurrentPassengers。共享乘車行業(yè)中正在使用目標(biāo)共乘服務(wù)平臺(tái)的乘客數(shù)量。BASS模型認(rèn)為，對(duì)于技術(shù)擴(kuò)散過(guò)程，一定的初始群體基數(shù)是口碑采用的必要條件，因此設(shè)置現(xiàn)有乘客的初始值為1000，隨后根據(jù)轉(zhuǎn)化率AdoptionRate和丟棄率DiscardRate的變動(dòng)隨時(shí)間不斷變化，表現(xiàn)為轉(zhuǎn)化率和丟棄率差值的積分，即

CurrentPassengers=INTEG（AdoptionRate-DiscardRate， 1000）（2）

c） 丟棄率DiscardRate。目標(biāo)共乘服務(wù)平臺(tái)的現(xiàn)有乘客中放棄使用該平臺(tái)的乘客數(shù)量，受到負(fù)向口碑NegativeWOM、負(fù)向口碑的影響比例λ1和現(xiàn)有乘客數(shù)量CurrentPassengers的正向影響。負(fù)向口碑越多，越會(huì)導(dǎo)致平臺(tái)的現(xiàn)有乘客轉(zhuǎn)移為競(jìng)爭(zhēng)平臺(tái)的用戶。負(fù)向口碑的影響比例指的是乘客在接收到關(guān)于平臺(tái)的負(fù)向口碑訊息之后，轉(zhuǎn)而使用其他平臺(tái)的可能性，根據(jù)問(wèn)卷調(diào)查的結(jié)果，將負(fù)向口碑的影響比例λ1設(shè)置為0.7。此外，現(xiàn)有乘客數(shù)量的基數(shù)越大，受負(fù)向口碑影響發(fā)生轉(zhuǎn)化的人數(shù)也會(huì)越多。即

DiscardRate=λ1×NegativeWOM×CurrentPassengers（3）

d） 轉(zhuǎn)化率AdoptionRate。轉(zhuǎn)化率指的是競(jìng)爭(zhēng)平臺(tái)的乘客中轉(zhuǎn)化到目標(biāo)共乘服務(wù)平臺(tái)的乘客數(shù)量，受到正向口碑PositiveWOM、正向口碑的影響比例λ2、廣告Advertising、廣告的影響比例λ3和潛在乘客數(shù)量PotentialPassengers的正向影響。與丟棄率的設(shè)置相似，正向口碑的影響比例和廣告的影響比例分別指的是潛在乘客在接收到關(guān)于平臺(tái)的正向口碑和廣告之后，采納這個(gè)平臺(tái)的可能性。根據(jù)問(wèn)卷調(diào)查的結(jié)果，將正向口碑的影響比例λ2以及廣告和口碑的影響比例λ3均設(shè)為0.6，即

AdoptionRate=（λ2 ×PositiveWOM+λ3×Advertising）×PotentialPassengers（4）

e） 訂單數(shù)量Orders。平臺(tái)每月的訂單數(shù)量為現(xiàn)有乘客數(shù)量CurrentPassengers與乘客月平均乘車次數(shù)AvgOrders_Passenger的乘積。根據(jù)問(wèn)卷調(diào)查的結(jié)果，統(tǒng)計(jì)乘客每月乘車次數(shù)的均值，將乘客月平均乘車次數(shù)設(shè)置為6次。此外，由于模型中現(xiàn)有乘客數(shù)量?jī)H受到平臺(tái)安全質(zhì)量和口碑效應(yīng)等因素的影響，為了捕捉其他因素如獵奇心理等的效用帶來(lái)的訂單數(shù)量波動(dòng)，還加入了一個(gè)服從均勻分布的隨機(jī)項(xiàng)，即

Orders=CurrentPassengers×AvgOrders_Passenger+RANDOM UNIFORM（0， 1000 ，1）（5）

f） 針對(duì)乘客的投訴量ComplaintsToPassengers。針對(duì)乘客的投訴量受到乘客安全等級(jí)PassengerSafety、安全等級(jí)敏感度α（默認(rèn)設(shè)置為0.4）和現(xiàn)有乘客數(shù)量CurrentPassengers的共同影響。乘客安全等級(jí)越高，針對(duì)乘客的投訴量將越低，同時(shí)投訴量還受到現(xiàn)有乘客基數(shù)和乘客安全等級(jí)影響程度因子的正向作用。與訂單數(shù)量相似，針對(duì)乘客的投訴量加入了服從均勻分布的隨機(jī)項(xiàng)，即

ComplaintsToPassengers=（1-SafetyQua_Passengers）×α×CurrentPassengers+RANDOM UNIFORM（0， 100， 2）（6）

g） 乘客安全投入PassengerSafetyInvest。針對(duì)乘客的投訴量ComplaintsToPassengers占訂單數(shù)量Orders的比例的增加，會(huì)對(duì)平臺(tái)聲譽(yù)和形象造成影響，從而促使平臺(tái)提高在乘客安全素質(zhì)方面的投入，表現(xiàn)為平臺(tái)提高乘客安全的努力程度。β描述了乘客投訴量比例對(duì)激勵(lì)平臺(tái)投入更多努力的程度（默認(rèn)設(shè)置為20），即

PassengerSafetyInvest=β×ComplaintsToPassengers/Orders（7）

h） 針對(duì)司機(jī)的投訴量ComplaintsToDrivers。針對(duì)司機(jī)的投訴量受到司機(jī)安全等級(jí)DriverSafety、安全等級(jí)敏感度α（默認(rèn)設(shè)置為0.4）和現(xiàn)有司機(jī)數(shù)量CurrentDrivers的共同影響。與上述針對(duì)乘客的投訴量相似，即

ComplaintsToDrivers=（1-DriverSafety）×α×CurrentDrivers+RANDOM UNIFORM（0， 100， 3）（8）

i） 司機(jī)安全投入DriverSafetyInvest。與上述提高乘客安全的努力相似，即

DriverSafetyInvest=β×ComplaintsToDrivers/Orders（9）

j） 平臺(tái)安全等級(jí)SafetyLevel。設(shè)置高與低兩個(gè)安全等級(jí)，經(jīng)過(guò)多次實(shí)驗(yàn)，當(dāng)針對(duì)乘客和司機(jī)的投訴量累計(jì)超過(guò)400時(shí)，將平臺(tái)的安全等級(jí)設(shè)置為低，否則為高，即

SafetyLevel=IF THEN ELSE（ComplaintsToDrivers+ComplaintsToPassengers>400， 0， 1）（10）

k） 政府管制力度GovernRegulation。當(dāng)平臺(tái)的安全等級(jí)為低時(shí)，政府對(duì)行業(yè)安全的管制力度更高（默認(rèn)設(shè)置為1.2），反之則更低，即

GovernRegulation=DELAY1（IF THEN ELSE（SafetyLevel>0， 1.2， 1）， 1）（11）

l） 乘客安全等級(jí)變化率Rate_PassSafety。受到平臺(tái)對(duì)乘客安全投入PassengerSafetyInvest和平臺(tái)安全投入轉(zhuǎn)化率ξ的正向影響，平臺(tái)對(duì)乘客安全的投入越多，乘客安全等級(jí)能帶來(lái)更大的提升，乘客安全等級(jí)的變化率會(huì)越高。同時(shí)，乘客安全等級(jí)變化率還受到平臺(tái)安全投入轉(zhuǎn)化率ξ的控制（默認(rèn)設(shè)置為0.8），即

Rate_PassSafety=ξ×PassengerSafetyInvest（12）

m） 乘客安全等級(jí)PassengerSafety。即使用共乘平臺(tái)乘客的安全素質(zhì)，也反映了同行的其他乘客或司機(jī)受到某乘客安全威脅的可能性。乘客安全等級(jí)越高，說(shuō)明使用該平臺(tái)乘客的安全素質(zhì)越高，給他人帶來(lái)人身安全威脅的可能性越小。根據(jù)問(wèn)卷調(diào)查的結(jié)果，將乘客安全等級(jí)的初始值設(shè)置為0.7。經(jīng)多次實(shí)驗(yàn)后發(fā)現(xiàn)，由于乘客安全等級(jí)變化率Rate_PassSafety圍繞0.1上下波動(dòng)，因此設(shè)置乘客安全變化率高于0.1時(shí)對(duì)乘客安全等級(jí)造成正向效用，反之則為負(fù)向效用，即

PassengerSafety=INTEG（Rate_PassSafety-0.1， 0.7）（13）

n） 司機(jī)安全等級(jí)變化率Rate_DriverSafety。與乘客安全等級(jí)變化率類似，司機(jī)安全等級(jí)變化率也會(huì)受到平臺(tái)對(duì)司機(jī)的安全投入DriverSafetyInvest和平臺(tái)安全投入轉(zhuǎn)化率ξ（默認(rèn)設(shè)置為0.8）的正向影響，即

Rate_DriverSafety=ξ×DriverSafetyInvest（14）

o） 司機(jī)安全等級(jí)DriverSafety。反映了使用共乘平臺(tái)司機(jī)的安全素質(zhì)，與乘客安全等級(jí)PassengerSafety相似，即

DriverSafety=INTEG（Rate_DriverSafety-0.1， 0.7）（15）

p） 司機(jī)數(shù)量NumDrivers。受到總收益Revenue和司機(jī)期望收益AvgDriverRevenue（默認(rèn)設(shè)置為1000）的共同影響，即

NumDrivers=Revenue/AvgDriverRevenue（16）

3 仿真分析

模型總體設(shè)置的仿真時(shí)間為100個(gè)月，時(shí)間步長(zhǎng)為1個(gè)月，仿真平臺(tái)為Vensim。模型大部分參數(shù)的初始設(shè)定都來(lái)自行業(yè)研究報(bào)告和問(wèn)卷調(diào)查，并經(jīng)過(guò)多次試驗(yàn)測(cè)試后調(diào)整設(shè)定。接下來(lái)探究不同政府管制力度GovernRegulation、安全等級(jí)敏感度α、平臺(tái)安全投入轉(zhuǎn)化率ξ和乘客投訴量比例影響因子β等因素對(duì)乘客數(shù)量變化、乘客安全等級(jí)變化和司機(jī)安全等級(jí)變化的影響。

（1）政府管制GovernRegulation。將政府管制力度GovernRegulation分為四種：不管制（取值為1）、輕度管制力度（取值為1.2）、中度管制力度（取值為1.4）和重度管制力度（取值為1.6）。繪制四種政府管制力度下現(xiàn)有乘客的變化趨勢(shì)，如圖6所示?？梢钥吹?，在無(wú)政府管制的情況下，現(xiàn)有乘客數(shù)量在仿真前期快速上升，在隨后的時(shí)間內(nèi)呈現(xiàn)細(xì)微的波動(dòng)，但總體大致穩(wěn)定在5000～5500。當(dāng)政府對(duì)行業(yè)采取輕度管制措施時(shí)，乘客數(shù)量的變化與無(wú)政府管制的情形相近。隨著政府管制力度的增大，乘客數(shù)量開始出現(xiàn)明顯的提升，乘客數(shù)量波動(dòng)更加明顯，總的乘客數(shù)量始終高于政府管制力度較輕微的情形。這種現(xiàn)象的產(chǎn)生意味著政府管制確實(shí)對(duì)平臺(tái)安全質(zhì)量起到了正向促進(jìn)作用，從而使得潛在乘客在目標(biāo)平臺(tái)積極口碑的影響下轉(zhuǎn)化為平臺(tái)的現(xiàn)有乘客。一方面，現(xiàn)有乘客數(shù)量的增長(zhǎng)同時(shí)會(huì)導(dǎo)致對(duì)乘客安全素質(zhì)的控制不足，使得針對(duì)乘客的投訴增加，同時(shí)乘客數(shù)量的增多也會(huì)間接導(dǎo)致司機(jī)數(shù)量的增長(zhǎng)，因此針對(duì)司機(jī)的投訴量也將上升。為了緩解用戶投訴帶來(lái)的負(fù)面影響，平臺(tái)將努力改善司乘兩方面的安全水平，使得乘客數(shù)量出現(xiàn)上升的趨勢(shì)。但平臺(tái)安全質(zhì)量不會(huì)一直持續(xù)地保持上升態(tài)勢(shì)，隨著投訴量的減少，平臺(tái)對(duì)于提高安全水平的投入也會(huì)減少，從而導(dǎo)致乘客數(shù)量的下降，因此乘客數(shù)量呈現(xiàn)上下波動(dòng)的趨勢(shì)。另一方面，隨著政府管制力度的加大，現(xiàn)有乘客數(shù)量的平均水平也在不斷提升。由于現(xiàn)有乘客數(shù)量的增長(zhǎng)主要來(lái)自平臺(tái)安全質(zhì)量提升帶來(lái)的正向口碑、廣告和補(bǔ)貼效應(yīng)，這間接說(shuō)明了政府管制的加強(qiáng)能刺激平臺(tái)安全質(zhì)量的提升，還能使平臺(tái)的安全質(zhì)量更為長(zhǎng)久地維持在較高的水平，對(duì)整治共享乘車行業(yè)亂象具有更為長(zhǎng)遠(yuǎn)的積極效用。

（2）安全等級(jí)敏感度α。安全等級(jí)敏感度α反映了乘客（司機(jī)）對(duì)司機(jī)（乘客）安全等級(jí)的敏感程度，該因子取值越高，則當(dāng)乘客（司機(jī)）的安全等級(jí)達(dá)不到司機(jī)（乘客）的安全預(yù)期時(shí)，將導(dǎo)致乘客（司機(jī)）關(guān)于司機(jī)（乘客）安全問(wèn)題的投訴量越大。將安全等級(jí)敏感度分為三種：輕度敏感（取值為0.4）、中度敏感（取值為0.6）和重度敏感（取值為0.8）。繪制三種影響情況下乘客安全等級(jí)的變化趨勢(shì)和司機(jī)安全等級(jí)的變化趨勢(shì)，分別如圖7和圖8所示。乘客安全等級(jí)的變化區(qū)間為[0，1]，根據(jù)問(wèn)卷調(diào)查的結(jié)果，將初始值設(shè)為0.7?？梢钥吹?，當(dāng)α取值較低時(shí)，乘客安全等級(jí)在仿真前期迅速上升至0.91左右，隨后圍繞該值上下波動(dòng)。這是由于安全等級(jí)敏感度α增大意味著不良乘客行為導(dǎo)致的針對(duì)乘客的投訴量也越發(fā)增加，促使平臺(tái)對(duì)乘客的安全質(zhì)量展開一系列管控措施，乘客安全等級(jí)會(huì)得到有效提升。與此同時(shí)，乘客安全等級(jí)的增長(zhǎng)導(dǎo)致針對(duì)乘客的投訴量不斷下降，從而抑制了平臺(tái)在提高乘客安全素質(zhì)方面的投入意愿，乘客安全等級(jí)開始下降，并由此持續(xù)地上下波動(dòng)。對(duì)于司機(jī)安全等級(jí)的變化來(lái)說(shuō)，當(dāng)安全等級(jí)敏感度較低時(shí)，司機(jī)安全等級(jí)呈現(xiàn)出先下降后上升的周期性波動(dòng)態(tài)勢(shì)，相比乘客安全等級(jí)持續(xù)較高的情形，司機(jī)安全等級(jí)很難持續(xù)維持在較高的水平，這也與現(xiàn)實(shí)生活中共乘司機(jī)傷人事件屢見不鮮而乘客傷人事件則相對(duì)較少的情況相符。隨著乘客對(duì)司機(jī)安全等級(jí)敏感度的不斷提升，司機(jī)安全等級(jí)也在逐步升高，這表明司機(jī)安全等級(jí)的長(zhǎng)久維持需要乘客的持續(xù)監(jiān)督，乘客敏感度越高，對(duì)于司機(jī)安全質(zhì)量的要求也會(huì)越高，并通過(guò)投訴建議的方式促使平臺(tái)對(duì)司機(jī)安全質(zhì)量進(jìn)行監(jiān)管與控制，從而保證司機(jī)安全等級(jí)能夠持續(xù)地維持在較高的水平。綜合乘客和司機(jī)的安全等級(jí)相對(duì)于安全等級(jí)敏感度的變化可以看出，隨著安全等級(jí)敏感度的增加，總體上乘客安全等級(jí)和司機(jī)安全等級(jí)隨著安全等級(jí)敏感度的提升而增加。由于安全等級(jí)敏感度越高將導(dǎo)致針對(duì)司機(jī)和乘客的投訴量越大，因此乘客和司機(jī)的安全等級(jí)敏感度也能從側(cè)面反映出司乘雙方對(duì)共享乘車平臺(tái)的監(jiān)督反饋意愿，這表明來(lái)自司機(jī)和乘客等第三方的協(xié)助監(jiān)督，將成為對(duì)有限的政府監(jiān)管資源和共享乘車行業(yè)自我監(jiān)督的有效補(bǔ)充，有利于進(jìn)一步協(xié)同推進(jìn)共享乘車行業(yè)的健康良性發(fā)展。

（3）平臺(tái)安全投入轉(zhuǎn)化率ξ。平臺(tái)安全投入轉(zhuǎn)化率ξ反映了平臺(tái)對(duì)司機(jī)和乘客的安全投入實(shí)際能轉(zhuǎn)化成司機(jī)和乘客安全等級(jí)提升程度的比例，該因子取值越高，說(shuō)明平臺(tái)的安全投入越能轉(zhuǎn)化為司機(jī)和乘客的實(shí)際安全等級(jí)增加量。將安全投入轉(zhuǎn)化率分為三種：低轉(zhuǎn)化率（取值為0.5）、中轉(zhuǎn)化率（取值為0.7）和高轉(zhuǎn)化率（取值為0.9）。繪制三種轉(zhuǎn)化率下現(xiàn)有乘客數(shù)量的變化趨勢(shì)，如圖9所示。可以看出，當(dāng)安全投入轉(zhuǎn)化率取值較低時(shí)，乘客數(shù)量前期會(huì)增長(zhǎng)到一個(gè)相對(duì)穩(wěn)定的數(shù)值，然后圍繞該狀態(tài)上下波動(dòng);而當(dāng)安全投入轉(zhuǎn)化率取值較高時(shí)，乘客數(shù)量在仿真前期會(huì)迅速增加且明顯高于低安全投入轉(zhuǎn)化率時(shí)的數(shù)量，但隨著仿真時(shí)間的推移，乘客數(shù)量趨于穩(wěn)定，在仿真中后期幾乎與低轉(zhuǎn)化率時(shí)的乘客數(shù)量一致，但在仿真后期又開始呈現(xiàn)出乘客數(shù)量的差異。這意味著安全投入轉(zhuǎn)化率較高的平臺(tái)會(huì)在提升乘客和司機(jī)安全等級(jí)方面投入更多的努力，從而在平臺(tái)發(fā)展前期吸引更多的潛在乘客轉(zhuǎn)化為現(xiàn)有乘客。然而就如同市場(chǎng)競(jìng)爭(zhēng)中的價(jià)格戰(zhàn)一般，高轉(zhuǎn)化率所需要的額外資源投入會(huì)給平臺(tái)造成更大的運(yùn)營(yíng)壓力，因此前期的安全投入所帶來(lái)的收益并不能長(zhǎng)久維持，其他平臺(tái)也會(huì)采取更多的安全投入來(lái)爭(zhēng)取市場(chǎng)份額。在仿真中后期平臺(tái)競(jìng)爭(zhēng)趨于穩(wěn)定的情況下，平臺(tái)的乘客人數(shù)又會(huì)進(jìn)一步下降，從而回落到與較低安全投入轉(zhuǎn)化率幾乎一致的水平。而在仿真后期，乘客數(shù)量又開始產(chǎn)生差異，高安全投入轉(zhuǎn)化率的平臺(tái)的獲客能力再次顯現(xiàn)出優(yōu)勢(shì)，這意味著當(dāng)各平臺(tái)的安全投入差異不顯著時(shí)，在發(fā)展初期由高安全投入轉(zhuǎn)化率所吸引的部分乘客又會(huì)回歸到該平臺(tái)，為該平臺(tái)的長(zhǎng)期發(fā)展帶來(lái)戰(zhàn)略優(yōu)勢(shì)。

4 結(jié)束語(yǔ)

共享乘車服務(wù)將人和出租車、私家車等連接起來(lái)，在不增加車輛供應(yīng)的前提下，使得更多的運(yùn)力資源得到了有效利用，對(duì)緩解交通擁堵、降低出行成本、提高出行效率和減輕環(huán)境污染都有重要的意義。然而，共享乘車行業(yè)的發(fā)展也不可避免地產(chǎn)生了一系列管理問(wèn)題，其中乘客與司機(jī)的安全風(fēng)險(xiǎn)成為人們對(duì)共享乘車服務(wù)最為擔(dān)憂的問(wèn)題。如何滿足人們安全而多元化的出行需求，引起了社會(huì)的深度關(guān)注。為此，本文首先對(duì)共享乘車行業(yè)的主體進(jìn)行了探討，就主體之間的因果關(guān)系進(jìn)行了詳細(xì)剖析，繪制了相應(yīng)的因果回路圖，并采用系統(tǒng)動(dòng)力學(xué)模型對(duì)乘客安全和司機(jī)安全因素如何影響共享乘車平臺(tái)的長(zhǎng)期演化關(guān)系進(jìn)行了動(dòng)態(tài)仿真。仿真結(jié)果顯示：（1）政府管制的加強(qiáng)不僅能刺激共享乘車平臺(tái)安全質(zhì)量的提升，還能使平臺(tái)的安全質(zhì)量更為長(zhǎng)久地維持在較高的水平，對(duì)整治共享乘車行業(yè)亂象具有長(zhǎng)遠(yuǎn)的積極效用。因此，政府應(yīng)當(dāng)把控行業(yè)發(fā)展的大方向，制定共享乘車行業(yè)準(zhǔn)入制度，出臺(tái)相關(guān)的共享乘車法律條文，跟進(jìn)市場(chǎng)發(fā)展動(dòng)態(tài)，及時(shí)對(duì)政策法規(guī)進(jìn)行合理的調(diào)整，為行業(yè)發(fā)展創(chuàng)造更有力的外部市場(chǎng)環(huán)境。（2）司機(jī)安全等級(jí)和乘客安全等級(jí)的長(zhǎng)久維持也需要來(lái)自共乘服務(wù)雙方的互相監(jiān)督，這種第三方的協(xié)助監(jiān)督機(jī)制將成為對(duì)有限的政府監(jiān)管資源和共享乘車行業(yè)自我監(jiān)督的有效補(bǔ)充，有利于進(jìn)一步協(xié)同推進(jìn)共享乘車行業(yè)的健康良性發(fā)展。（3）安全投入轉(zhuǎn)化率較高的平臺(tái)在競(jìng)爭(zhēng)初期能在短期內(nèi)獲得較大的市場(chǎng)份額，但這種乘客黏性不容易長(zhǎng)久地維持，其他平臺(tái)也會(huì)采取更多的安全投入來(lái)?yè)屨际袌?chǎng)，在仿真中后期平臺(tái)競(jìng)爭(zhēng)趨于穩(wěn)定的情況下，乘客人數(shù)會(huì)回落到與較低的安全投入轉(zhuǎn)化率幾乎一致的水平。而在仿真后期，安全投入轉(zhuǎn)化率高的平臺(tái)將再次顯現(xiàn)出優(yōu)勢(shì)，乘客數(shù)量又會(huì)比安全投入轉(zhuǎn)化率低的情況進(jìn)一步提升。這表明不同程度的安全投入轉(zhuǎn)化率能在競(jìng)爭(zhēng)初期以及競(jìng)爭(zhēng)后期為平臺(tái)創(chuàng)造戰(zhàn)略優(yōu)勢(shì)，但在競(jìng)爭(zhēng)中后期優(yōu)勢(shì)則不明顯，平臺(tái)可以根據(jù)自身發(fā)展需求適時(shí)調(diào)整平臺(tái)的安全投入策略。

當(dāng)然，本研究還存在一些不足，可以在未來(lái)的研究中加以改進(jìn)。例如，在分析平臺(tái)的乘客轉(zhuǎn)化情況時(shí)，主要考慮安全因素和廣告補(bǔ)貼的影響，以后還可以將其他影響因素納入模型，使得模型的設(shè)定更加全面。

參考文獻(xiàn)：

[1] FURUHATA M， DESSOUKY M， ORDEZ F， et al. Ridesharing： the state-of-the-art and future directions[J]. Transportation Research Part B： Methodological， 2013， 57： 28-46.

[2] HUANG Q， FORK D K， PLURKOWSKI L， et al. System and method for security enhanced rideshare： U.S. Patent 7，756，633[P]. 2010-7-13.

[3] 沈弼龍，趙穎，黃艷，等. 大數(shù)據(jù)背景下動(dòng)態(tài)共乘的研究進(jìn)展[J]. 計(jì)算機(jī)研究與發(fā)展， 2017， 54（1）：34-49.

[4] CHAN N D， SHAHEEN S A. Ridesharing in North America： Past， present， and future[J]. Transport Reviews， 2012， 32（1）： 93-112.

[5] D′OREY P M， FERNANDES R， FERREIRA M. Reducing the environmental impact of taxi operation： the taxi-sharing use case[C]//2012 12th International Conference on ITS Telecommunications. IEEE， 2012： 319-323.

[6] MA S， ZHENG Y， WOLFSON O. T-share： a large-scale dynamic taxi ridesharing service[C]//2013 IEEE 29th International Conference on Data Engineering （ICDE）. IEEE， 2013： 410-421.

[7] 侯立文，趙沄堃.利用社會(huì)網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)態(tài)共乘的匹配研究[J].系統(tǒng)管理學(xué)報(bào)，2016，25（5）：837-843.

[8] FURUHATA， MASABUMI. Ridesharing： the state-of-the-art and future directions[J]. Transportation Research Part B： Methodological， 2013， 57： 28-46.

[9] AGATZ， NIELS. Dynamic ride-sharing： a simulation study in metro Atlanta[J]. Procedia-Social and Behavioral Sciences， 2011， 17： 532-550.

[10] AMEY A. A proposed methodology for estimating rideshare viability within an organization， applied to the mit community[C]//TRB Annual Meeting Procediings， 2011： 1-16.

[11] WINTER S， NITTEL S. Ad hoc shared-ride trip planning by mobile geosensor networks[J]. International Journal of Geographical Information Science， 2006， 20（8）： 899-916.

[12] KLEINER A， NEBEL B， ZIPARO V A. A mechanism for dynamic ride sharing based on parallel auctions[C]//Twenty-Second International Joint Conference on Artificial Intelligence， 2011.

[13] AGATZ N， ERERA A， SAVELSBERGH M， et al. Optimization for dynamic ride-sharing： a review[J]. European Journal of Operational Research， 2012， 223（2）： 295-303.

[14] NAIR P. Safety concerns are keeping consumers from jumping on the sharing economy bandwagon [EB/OL].（2016）[2019-11-02].https：//www.growthbusiness.co.uk/safety-concerns-are-keeping-consumers-from- jumping-on-the-sharing-economy-bandwagon-2526861/.

[15] PICCHI A. The rising safety issues that could throttle uber [EB/OL]. （2014）[2019-11-02]. https：//www.cbsnews.com/ news/the-rising-safety-issues-that-could-throttle-uber/.

[16] YANG S， SONG Y， CHEN S， et al. Why are customers loyal in sharing-economy services？ A relational benefits perspective[J]. Journal of Services Marketing， 2017， 31（1）： 48-62.

[17] 左文明，李詩(shī)欣，陳華瓊，等. 基于服務(wù)藍(lán)圖法和TRIZ理論的網(wǎng)約車服務(wù)創(chuàng)新：滴滴出行的案例研究[J]. 管理案例研究與評(píng)論，2018，11（5）：438-454.

[18] ALMOQBEL M Y， LIKHAR A K， WOHN D Y. Understanding safety concerns and protection behaviors of rideshare drivers[C]//Proceedings of the 2019 on Computers and People Research Conference. ACM， 2019： 77-77.

[19] CHAUDHRY B， EL-AMINE S， SHAKSHUKI E. Passenger safety in ride-wharing services[J]. Procedia Computer Science， 2018， 130： 1044-1050.

[20] 鐘永光.系統(tǒng)動(dòng)力學(xué)[M]. 北京：科學(xué)出版社， 2013.

[21] 侯立文，徐建盈.惡意軟件市場(chǎng)的系統(tǒng)動(dòng)力學(xué)仿真[J].計(jì)算機(jī)應(yīng)用研究，2010，27 （10）：3786-3789， 3793.

[22] BASS F M. A new product growth for model consumer durables[J]. Management Science， 1969， 15（5）： 215-227.

[23] RUUTU S， CASEY T， KOTOVIRTA V. Development and competition of digital service platforms： a system dynamics approach[J]. Technological Forecasting and Social Change， 2017， 117： 119-130.

收稿日期：2020-07-18

作者簡(jiǎn)介：張麗（1996—），女，廣東汕頭人，研究生，主要研究方向：計(jì)算機(jī)模擬與仿真;侯立文，男，副教授，博士，E-mail： whou@sjtu.edu.cn。