Transport Research >

2024 , Vol. 10 >Issue 4: 115 - 124

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2024.04.011

Modernization of Governance System

Tripartite Evolutionary Game of Port Resource Integration with Government Participation

  • LI Yajun ,
  • TIAN Chu , *
Expand
  • School of Transportation Engineering, Dalian Maritime University, Dalian 116026, China

Received date: 2024-03-01

  Online published: 2024-10-15

Fold

Abstract

In the context of port resource integration, this study delved into the interactive decision-making relationship between the government and ports, as well as the conditions for achieving equilibrium strategy states. Firstly, taking a port in a coastal province as an example, this paper analyzed the strategic choices and profit relationships of participating entities in the integration, and constructed a tripartite evolutionary game model among the government and two ports. Secondly, it solved for the evolutionary stability solution of the system, and revealed the behavior patterns of ports under different management policies. Lastly, the impact process of parameter adjustment on the selection of third-party strategies was analyzed through numerical simulation, and measures to promote effective cooperation between ports were explored. The study shows that the government is a stable participant in the integration strategy, while the ports are conditional participants whose decisions mutually influence one another, showing strong consistency; When the ports are subjected to certain external forces, namely government policies, the tripartite game tends to move toward an integrated and balanced state, which provides theoretical support for the government′s participation in the process of port resource integration; Meanwhile, the difference in scale between ports, as well as adjustment costs, will also affect the integration process, and large-scale and small-scale ports have different integration strategy preferences; The government can promote the implementation and stability of port resource integration by setting and adjusting the intensity of transfer compensation and subsidies. The research process helps to understand the strategic interaction mechanism between the government and ports, providing a theoretical basis for the subsequent development of reasonable resource integration plans.

Key words： port resource integration; government; tripartite evolutionary game; evolutionary stable strategy; simulation analysis

Cite this article

LI Yajun , TIAN Chu . Tripartite Evolutionary Game of Port Resource Integration with Government Participation[J]. Transport Research, 2024 , 10(4) : 115 -124 . DOI: 10.16503/j.cnki.2095-9931.2024.04.011

0 引言

2003年《港口法》的实施开启了我国港口“一城一港”管理模式。这一模式有效地释放了地区港口自主发展动力，行业供给快速增长，港口竞争能力极大提升。然而随着全球经济增速放缓，市场供给饱和的负面效应逐渐显现，如岸线资源的过度开发、港口设施的重复建设、港口间无序竞争加剧等[1]。因此，港口资源整合作为缓解供需矛盾的解决方案开始被探索。
港口资源整合的首要任务是理顺和优化港口之间竞争与合作关系[2]。Ishii等[3]指出港口竞争是港口行业发展中的关键问题。Luo等[4]强调了同质化港口服务会导致不可避免的竞争。赖成寿等[5]运用竞合博弈和演化博弈对港口之间竞合选择的内在机理和长期演变规律做了研究。章娴静[6]以上海港和宁波港为研究对象，运用囚徒困境和重复博弈模型分析了两个港口在竞合关系中的策略选择，并认为合作对港口而言是较优决策。竞合关系的选择对港口体系可持续发展至关重要。
港口间的竞合关系受到多方面因素影响。从内部因素来看，港口的服务定价尤为重要。Nguyen等[7]研究了越南北部集装箱港口在竞争压力下降低装卸费用的策略，并通过博弈模型分析得出需要第三方机构制定合理费用的结论。此外，张树奎等[8]认为港口服务同质化程度越高，合作越可能成为最优选择。周鑫等[9]进一步探讨了服务可替代性对港口竞合关系演化的影响，认为长期竞争与合作的演化最终将达到一个平衡状态，可能是完全竞争或完全合作的稳定状态。外部因素对港口竞合关系的影响[10]也受到学者关注。范洋等[11]首次从自然资源和市场需求两方面探讨黄海地区港口竞争问题，研究表明过度竞争不仅损害了港口利益，还对生态环境和地区经济的可持续发展造成不利影响。Li等[12]的研究也表明，在竞争激烈的环境下，地域临近的港口避免相互竞争，以合作关系共同开发资源更有助于区域经济增长。除此之外，政府在资源整合背景下的港口合作中作用显著。茅伯科[13]和Zheng等[14]认为政府促进港口企业合作有利于提高港口企业相对于航运企业的竞争能力。2015年宁波港和舟山港的合并案例也为政府主导资源整合的有效性提供了实证[15]。
综上可知，以往研究多以双方博弈为主，并静态关注港口间竞合关系以及政府决策对港口的影响，尚未从动态角度系统阐述港口整合的内在机制，对整合中利益主体间的互动关系有待进一步探讨。鉴于此，本文以港口间资源整合为基础，引入政府主体，将双方博弈扩展为三方博弈，构建政府主导政策选择与港口整合意愿选择相互影响的动态三方演化博弈模型，求解系统演化稳定策略，并通过数值仿真分析不同参数下的三方演化过程，旨在揭示不同管理政策下不同规模港口的行为模式，并探讨促进港口间有效合作的措施，希望有助于理解整合过程中政府与港口间，港口与港口间的互动机制，并为制定合理的资源整合方案提供理论支持。

1 演化博弈模型的建立

1.1 演化博弈的含义

演化博弈作为动态博弈的一个主要分支，其摒弃传统博弈完全理性的条件，以有限理性、不完全信息为基础，强调最后的均衡点是通过长期学习和模仿调整取得的，而不是一次选择的结果。其相关理论起源于生物进化论。
在港口资源整合过程中，错综复杂的利益关系以及信息流通阻碍，决定了参与者的决策很难做到完全理性。市场环境和彼此的决策结果影响政府和港口的策略选择，并呈现出动态的演化过程。特别是在政府想要确定合理对策和规划政策时，动态博弈更适合分析政府与相关利益者之间的关系[16]。因此，港口资源整合问题适合采用演化博弈模型进行分析。

1.2 演化博弈模型基本假设

港口岸线资源过度开发以及业务同质化严重等问题在一定程度上导致了恶性竞争。如果交由港口进行自主整合，缺乏有效的监管机制，很容易陷入“囚徒困境”[17]。因此，政府作为第三方监管主体，在推动港口资源整合过程中发挥了至关重要的作用。基于此，做出如下假设。

1.2.1 参与主体及策略

在模型中有三方博弈主体：政府（ G）、港口1（ P 1）和港口2（ P 2）。政府的策略为（实施激励措施，不实施激励措施），通过规定港口之间转移补偿以及对港口进行补贴来实现差异化的激励政策。港口1和港口2的策略为（积极参与整合，不积极参与整合），港口可以衡量企业需求及收益来选择策略。三方都是有限理性的，通过多次博弈找到稳定策略。

1.2.2 政府方对应策略收益分析

考虑到港口1和港口2的规模差异，本文引入一个规模差比例系数α来区分两者，0<1-α≤α<1。为了在模型中体现这种规模差异对收益分配的影响，设定港口1在收益分配中占比为α，港口2的占比则为1-α。若政府实施激励策略，前期所投入的人力、物力成本为 I，收益为 R，不积极参与整合的港口需要向积极参与整合的一方支付转移补偿 S，港口1支付 α S，港口2支付 ( 1 - α ) S，同时政府会对积极参与整合的港口进行补贴 F，港口1和港口2得到的补贴分别为 α F和 ( 1 - α ) F。若政府不采取激励策略，则政府所获得的收益与选择实施激励策略所获得的收益之比为 h， 0 h 1。

1.2.3 港口方对应策略收益分析

港口由于积极参与整合会对原有的计划进行部分调整，因此将会产生一定的调整费用 C，港口1调整费用为α C，港口2调整费用为 ( 1 - α ) C。两方港口都积极参与整合时的总收益为 R 1，同时将会产生一个协同收益值 T，故港口1的收益为 α R 1 + T，港口2的收益为 ( 1 - α ) R 1 + T。一方积极参与整合而另一方不积极参与整合时的总收益为 R 2，选择积极参与整合的港口由于货主信息丢失等导致其收益受损，不积极参与整合的港口会获得额外的收益[5]，故设不积极参与整合的港口的收益为 β R 2，积极参与整合的港口的收益为 ( 1 - β ) R 2。港口均不积极参与整合时总收益是 R 3，港口1的收益是 α R 3，港口2的收益是 ( 1 - α ) R 3， R 1 R 2 R 3 。

1.3 演化博弈收益表构建

在模型中，设政府选择实施激励策略的概率为 x，不实施激励策略的概率为 1 - x；港口1和港口2选择积极参与整合的概率分别为 y, z，不积极参与整合的概率分别为 1 - y, 1 - z。x, y, z ∈ [ 0 ,   1 ]。得到各参与方对应策略收益见表1。
表1 三方演化博弈的收益
政府(x) 政府(1-x)
港口1
(y)		 港口2
(z)		 R - F - I h R
α ( R 1 + F + T - C ) α ( R 1 + T - C )  
1 - α ) ( R 1 + F + T - C ) 1 - α ) ( R 1 + T - C )
港口2
(1-z)		 R - α F - I h R
α 1 - β ) R 2 + ( 1 - a ) S + α ( F - C ) α 1 - β ) R 2 - α C
1 - α ) β R 2 - 1 - α ) S 1 - α ) β R 2
港口1
(1-y)		 港口2
(z)		 R - 1 - α ) F - I h R
α β R 2 - α S α β R 2
1 - α ) ( 1 - β ) R 2 + α S + ( 1 - α ) ( F - C ) 1 - α ) ( 1 - β ) R 2 + ( 1 - α ) C
港口2
(1-z)		 R - I h R
α R 3 α R 3
1 - α ) R 3 1 - α ) R 3
为了使港口收益 R 2中（ 1 ,   1 ,   0）和（ 0 ,   1 ,   0）策略系数的加和为1，使用加权系数法将 α ( 1 - β )和 ( 1 - α ) β同除以 [ α ( 1 - β ) + ( 1 - α ) β ]，分别得到： α ( 1 - β ) / [ α ( 1 - β ) + ( 1 - α ) β ] 和(1-α)β [ α ( 1 - β ) + ( 1 - α ) β ] 。
同理，在 ( 1 ,   0 ,   1 )、 ( 0 ,   0 ,   1 )策略中，将系数 α β和 ( 1 - α ) ( 1 - β )分别调整为： α β / [ α β + ( 1 - α ) ( 1 - β ) ] 和 ( 1 - α ) ( 1 - β ) / [ α β + ( 1 - α ) ( 1 - β ) ] 。
考虑到本文参数设置较为复杂，为方便阅读，下文将使用 J, K, M, N 代表下述4个分式。
J = α ( 1 - β ) / [ α ( 1 - β ) + ( 1 - α ) β ]
K = ( 1 - α ) β / [ α ( 1 - β ) + ( 1 - α ) β ]
M = α β / [ α β + ( 1 - α ) ( 1 - β ) ]
N = ( 1 - α ) ( 1 - β ) / [ α β + ( 1 - α ) ( 1 - β ) ]

2 演化博弈模型稳定策略的求解

2.1 演化博弈收益期望函数的构建

根据表1的收益，政府选择“实施激励措施”策略的期望收益 U G 1，选择“不实施激励措施”策略的期望收益 U G 2，平均期望收益 U G分别为：
U G 1 = y z ( R - I - F ) + y ( 1 - z ) ( R - I - α F ) + ( 1 - y ) z [ R - I - ( 1 - α ) F ] + ( 1 - y ) ( 1 - z ) ( R - I )
U G 2 = y z h R + y ( 1 - z ) h R + ( 1 - y ) z h R + ( 1 - y ) ( 1 - z ) h R
U G = x U G 1 + ( 1 - x ) U G 2
同理可得港口1选择“积极参与整合”策略的期望收益 U P 1 _ 1，“不积极参与整合”策略的期望收益 U P 1 _ 2，平均期望收益 U P 1以及港口2选择“积极参与整合”策略的期望收益 U P 2 _ 1，“不积极参与整合”策略的期望收益 U P 2 _ 2，平均期望收益 U P 2。

2.2 数据来源

2020年7月，沿海某省 A, B两港口同步发布公告， A港换股吸收合并 B港并于2021年2月在上交所上市交易。分别以2019, 2020, 2021年 A, B港加和的营业收入作为 R 3, R 2, R 1 ，港口的调整成本参考该港口企业2021年的管理费用和研发费用之和，即 ： R 1 = 123.5, R 2 = 114.7, R 3 = 114.1 , C = 8 （以上4个数据来源于前瞻网港口企业的财务报告）。为使数据具有可比性，将2019年和2020年营业数据调整至2021年同一时间节点。在借鉴相关文献的基础上[18⇓-20]，根据科学性、综合性、数据可获得性的原则，选取水运货物周转量、外贸进出口总额、固定资产投资额、GDP等4个指标作为调整因素。结合4个因素与港口发展的相关程度，设置其权重分别为0.3, 0.3, 0.2, 0.2。调整后的营业收入为： R 1 = 124, R 2 = 106, R 3 = 87。调整成本参考港口企业2021年的管理费用和研发费用之和，仍取 C = 8。按照两港口的营业收入比设 α = 0.6，另设 R = 20, F = 3, S = 12, T = 45, I = 3, β = 0.7, h = 0.5。港口营业收入及影响港口发展的区域因素变化率见表2。
表2 港口营业收入及影响港口发展的区域因素变化率
年份 港口 营业收入
/亿元		 水运货物
周转量		 外贸进出口总额 固定资产
投资额		 GDP
2019 A 114.1 -20.6% -7.5% -19.8% 7.7%
B 0.9% 9.9% 0 -1.3%
2020 A 114.7 -69.5% -11.7% 0.1% 0.000 04%
B -31.4% -0.4% 2.4% 0.000 02%
2021 A 123.5 -67.6% 10.3% 1.2% 11.3%
B -6.7% 13.3% -4.4% 5.8%

2.3 演化稳定策略求解

“复制动态”和“演化稳定策略”是演化博弈理论的核心内容。“复制动态”是对有限理性的参与主体策略调整过程的动态描述和分析[21]，可用于描述一个群体采用某一特定策略的频数或频度[22]。参与主体根据既得利益不断调整策略以追求自身利益的改善，最终达到动态平衡的策略称为演化稳定策略[23]。
1）复制动态方程计算
通过以上分析，政府的复制动态方程为：
W ( x ) = d x d t = x U g 1 - U g = x ( x - 1 ) · ( I - R + h R + F z + α F y - α F z )
同理可得港口1的复制动态方程 W ( y )以及港口2的复制动态方程 W ( z )，这里不再赘述。
令 W ( x ) = W ( y ) = W ( z ) = 0，可以得到局部稳定点： E 1 ( 0 ,   0 ,   0 ), E 2 ( 0 ,   0 ,   1 ), E 3 ( 0 ,   1 ,   0 ), E4(0, 1, 1), E 5 ( 1 ,   0 ,   0 ), E 6 ( 1 ,   0 ,   1 ), E 7 ( 1 ,   1 ,   0 ), E8(1, 1, 1)。
2）雅可比矩阵特征值
系统平衡点的稳定性可以通过分析雅可比矩阵[24]得到。矩阵中的元素表示在给定策略分布下，一个策略相对于另一个策略的增长率，可以判断策略动态的稳定性和演化方向。由复制动态方程组可得雅可比矩阵。
同时根据李雅普诺夫第一法：雅可比矩阵的所有特征值均具有负实部，则均衡点为渐进稳定点[25]，将8个局部稳定点分别代入雅可比矩阵中，所对应的特征值如表3所示。
表3 雅可比矩阵特征值
均衡点 λ1 λ2 λ3
E 1 ( 0 ,   0 ,   0 ) 1 - h ) R - I - α ( R 3 + C ) + J R 2 - 1 - α ) ( R 3 + C ) + N R 2
E 2 ( 0 ,   0 ,   1 ) 1 - h ) R - 1 - α ) F - I α ( R 1 + T - C ) - M R 2 1 - α ) ( R 3 + C ) - N R 2
E 3 ( 0 ,   1 ,   0 ) 1 - h ) R - α F - I α ( R 3 + C ) - J R 2 α ( R 1 + T - C ) - K R 2
E 4 ( 0 ,   1 ,   1 ) 1 - h ) R   - F - I - α ( R 1 + T - C ) + M R 2 - α ( R 1 + T - C ) + K R 2
E 5 ( 1 ,   0 ,   0 ) - 1 - h ) R + I - α ( R 3 + S + C - F ) + J R 2 + S α ( F - R 3 - C ) + N R 2 + α S
E 6 ( 1 ,   0 ,   1 ) - 1 - h ) R + ( 1 - α ) F + I α ( R 1 + T + S + F - C ) - M R 2 - α ( F - R 3 - C ) + N R 2 - α S
E 7 ( 1 ,   1 ,   0 ) - 1 - h ) R + α F + I α ( R 3 + S + C - F ) - J R 2 - S 1 - α ) ( R 1 + S + F + T - C ) - K R 2
E 8 ( 1 ,   1 ,   1 ) - 1 - h ) R + F + I - α ( R 1 + T + S + F - C ) + M R 2 - 1 - α ) ( R 1 + S + F + T - C ) + K R 2
3）模型均衡点求解
8个均衡点的稳定性如表4所示。
表4 均衡点的稳定性
均衡点 雅可比矩阵特征值
λ1 λ2 λ3 稳定性结论
E 1 ( 0 ,   0 ,   0 ) + - - 不稳定
E 2 ( 0 ,   0,1 ) + + + 不稳定
E 3 ( 0 ,   1 ,   0 ) + + - 不稳定
E 4 ( 0 ,   1 ,   1 ) + - + 不稳定
E 5 ( 1 ,   0 ,   0 ) - - - 稳定
E 6 ( 1 ,   0 ,   1 ) - + + 不稳定
E 7 ( 1 ,   1 ,   0 ) - + + 不稳定
E 8 ( 1 ,   1 ,   1 ) - - - 稳定
根据表4结果可知，均衡点 E 5和 E 8所对应的雅可比矩阵特征值为负数，故系统有两个演化稳定点 ( 1 ,   0 ,   0 )和 ( 1 ,   1 ,   1 )，对应的演化策略为（实施激励措施，不积极参与整合，不积极参与整合），（实施激励措施，积极参与整合，积极参与整合）。演化博弈方的策略选择不仅受初始参与意愿的约束，还受其他参数的影响。

3 演化博弈模型数值仿真分析

根据上文参数设置和动态复制方程，借助MATLAB工具对博弈三方行为演化过程进行数值仿真，进一步论证上文各个均衡点及博弈主体不同初始值点向均衡点演化轨迹，并分析参数 α, C, F, S的变化对演化结果的影响。

3.1 初始参与意愿变化对演化结果的影响

图1表示 y ( 0 ) = z ( 0 ) = 0.5时， x初始参与意愿变化的情况， x 0设为0.3, 0.4, 0.5, 0.6, 0.7；图2表示 x ( 0 ) = 0.5， y与 z初始参与意愿同时变化的情况， y ( 0 ) = z 0设为0.3, 0.4, 0.5, 0.6, 0.7。其他参数值保持不变。
图1 参与意愿x变化的演化结果
图2 参与意愿y、z同时变化的演化结果
由图1可知， x的初始参与意愿的临界值在0.3~0.4。当 x小于该临界值时， y, z收敛于0，最终动态曲线收敛于 ( 1,0 , 0 )；当 x大于该临界值时， y, z收敛于1，动态曲线收敛于 ( 1 ,   1 ,   1 )。
由图2可知， y, z初始参与意愿的临界值在 0.4 ~ 0.5。当 y, z小于该临界值时，动态曲线收敛于 ( 1 ,   0 ,   0 )；当 y, z大于该临界值时，动态曲线收敛于 ( 1 ,   1 ,   1 )。
由以上分析可知，三方策略的演化结果对 ( x ,   y ,   z )初始值具有依赖性，但即使初始意愿不同，曲线仍收敛于 ( 1,0 , 0 )和 ( 1,1 , 1 )两个平衡点，这也证实在上述条件下系统存在两个演化稳定结果，与表4结果一致。此外，相较于港口的初始参与意愿提高而言，政府初始参与意愿的提高更能有效地推进港口积极参与整合。

3.2 参数变化对演化结果的影响

3.2.1 规模差变化对演化结果的影响

以下所有初始概率均设为0.5，即 x ( 0 ) = y ( 0 ) = z ( 0 ) = 0.5。
α分别设为0.5, 0.6, 0.7，其他参数保持不变，港口1的规模随着 α的增大而增大，港口2的规模随着 α的增大而减小。仿真结果如图3所示。
图3 规模差变化的演化结果
在政府的转移补偿下，当 α = 0.5，即两个港口规模相等时， y和 z两条线表现出了相似的演化轨迹并最终都收敛于1这个稳定点。当 α = 0.6时， y收敛于1的速度加快， z的参与意愿会先下降后上升， x和 z最终收敛于0；当 α = 0.7时，即使政府实施激励措施， y和 z最终仍收敛于0， y的参与意愿一开始会快速上升，随着 z的参与意愿逐渐下降到一定值时， y的参与意愿会急剧下降。
由此可见，规模差是影响港口积极参与整合的一个重要因素。且随着 α越偏离0.5， y收敛于1的速度越快， z收敛于1的速度越慢。这是因为规模相当的港口的利益和目标基本一致，更容易达成合作，所形成的整合也更稳定。随着港口规模差距逐渐拉开，大规模的港口想要扩大辐射范围、占据更大的市场份额，从而参与意愿逐渐强烈，但小规模的港口由于与其目标不一致，参与意愿则逐渐降低，最终导致两港口选择不积极参与整合。因此，政府应考虑为处于不利地位的港口提供适当的经济补偿，以促进整合的顺利进行。

3.2.2 调整成本变化对演化结果的影响

C分别设为4, 8, 12，其他参数保持不变。仿真结果如图4所示。
图4 调整成本变化的演化结果
当 C = 4时， y和 z收敛于1；随着C逐渐增大到8， y, z收敛于1的速度减慢；当 C增大到一个较高的状态12时， y, z收敛于0，最终港口1和港口2选择不积极参与整合。且随着 y, z收敛于1的速度减慢， x收敛于1的速度逐渐加快。
分析发现，调整成本是影响港口行为策略的主要因素，因为它是港口企业的一项支出。随着调整成本的增加，港口面临的财政压力加大，进而导致其参与整合的意愿降低。针对这一问题，政府应考虑向港口企业提供适当的补贴来鼓励其积极参与整合。

3.2.3 政府补贴力度变化对演化结果的影响

F分别设为0, 3, 6，其他参数保持不变。补贴力度变化的演化结果如图5所示。
图5 补贴力度变化的演化结果
由图5可以看出，当没有政府补贴时，两港口考虑到调整成本费用不愿意积极参与整合；当 F = 3时， y收敛于1， z先下降再上升逐渐收敛于1；当 F = 6时， y和 z收敛于1的速度加快， x收敛于1的速度变得十分缓慢。
从上述分析结果来看，政府和港口的最终策略都会受到补贴力度的影响。随着补贴力度的增大，港口愈发偏向于积极参与整合。但过高的补贴会给政府带来财政压力。因此应当设定科学合理的补贴力度，使得政府和港口都能达到最优的稳定结果。

3.2.4 政府主导的转移补偿变化对演化结果的影响

S分别设为7, 12, 17，其他参数保持不变。转移补偿变化的演化结果如图6所示。
图6 转移补偿变化的演化结果
当 S = 7时， y, z收敛于0，最终两港口选择不积极参与整合；当 S = 12时， y和 z收敛于1，且收敛速度 x y z；当 S从12增大到17时， y, z收敛于1的速度加快，且三方的收敛速度为 y x z。同时随着 y和 z收敛于1的速度减慢， x收敛于1的速度缓慢增长。
从上述演化结果可以得出，港口1能更快对转移补偿变化做出反应，这是因为大规模的港口更注重企业利益，当意识到政府的措施会给企业带来不利影响时，就会立即调整策略。总的来说，当转移补偿足够高时，两港口将更加积极参与整合，但较高的转移补偿会对港口市场产生负面影响，过低的转移补偿不能有效促进港口资源整合，因此制定一个合适的转移赔偿率很重要。

3.3 仿真结果讨论

1）系统存在两个演化稳定点 ( 1 ,   0 ,   0 )和 ( 1 ,   1 ,   1 )
在两个演化稳定点中，港口的策略是积极参与或不积极参与，但政府作为第三方监管主体，策略始终是实施激励措施。例如，辽宁省政府早在2015年就推进港口整合，进展不显著后又在2017年积极与招商局合作，在此过程中政府一直持续稳步地推动港口间合作。
2）港口规模大小的差异和调整费用的高低会对演化结果产生影响
资源整合是一个复杂的过程，它受到多种因素的影响。当两个港口规模相近时，它们更容易达成合作，因为双方在资源整合中可以分摊相同等级的成本、风险和收益。但是当两个港口规模差异较大时，双方在资源占有、技术力量、经营策略等方面存在很大差异，合作会变得困难和不稳定。另外，调整成本也是影响港口积极参与整合的重要因素，调整费用高会降低港口的积极性。
3）政府促进整合的政策会对演化结果产生影响
在模型中，政府通过发放补贴和主导港口间转移补偿措施来促进港口整合。补贴越高，港口整合的均衡状态越稳定，但当补贴持续提高时，政府的参与意愿有所下降，导致整合状态不稳定，因此需要合理确定政府补贴力度。转移补偿可以弥补博弈中一方不积极参与整合而给积极参与整合一方带来的损失。转移补偿越高，意味着不积极参与整合的成本越高，成本的增加会激励港口积极参与整合，这种方式相较于直接惩罚，更加公平合理。

4 建议

4.1 政府实施差异化管理，灵活设定激励措施

政府在港口资源整合中占据主导地位，对整合的方向和方式提供指导。我国各地区经济水平和产业结构不同，政府需要进行差异化管理以推进整合。同时，政府有必要采取适当的激励措施，以促进港口的积极参与并实现整合的稳定性。因为不管是激励力度过大还是过小，都会产生负面影响。港口资源整合是长期复杂的过程，政府应依据港口规模的大小、调整费用的高低及整合的效果等科学灵活地设定激励措施。

4.2 健全“政府+市场”整合模式

目前港口资源整合主要有两种模式[26]。一种是政府主导模式，由政府负责基础设施建设和环保，港口经营则由企业负责，如日本东京湾港口群。该模式下政府的宏观调控可以为港口提供良好的外部环境，但缺乏灵活性并且容易出现过度干预情况。另一种是企业主导模式，由市场环境决定，能快速适应市场需求，缺点在于效率在很大程度上依赖于港口企业的利润最大化，这可能导致过度竞争。因此，港口资源整合需要政府和市场共同参与。政府可以通过制定政策和实施激励措施来引导和支持港口整合，同时也应从市场角度寻找港口整合的规律，以实现整合的稳定及效率。

4.3 继续贯彻落实港口资源整合的发展策略

基于本文研究结果发现，政府的资源整合策略有利于促进港口间合作，因此，建议政府持续实施并优化港口资源整合政策，以确保港口的高效运营和持续发展。首先，政府应进一步精细化资源整合策略，特别是针对不同规模和特点的港口，采取定制化的管理和支持措施，包括对小型港口的特别支持，为大型港口创造更多合作和资源共享的机会。其次，政府还应促进港口间的信息共享和技术合作，提高港口群的互联互通，通过建立共享平台，港口群可以更有效地协同运营，共同应对外部挑战，提升整体运营效率。

5 结束语

港口资源整合过程中，错综复杂的利益关系决定了各参与方策略选择的重要性。本文针对我国区域港口资源整合问题，构建了包括政府和两个港口的三方演化博弈模型。以沿海某省两个主要港口为例，对我国区域内港口资源整合的策略选择进行深入分析。研究的创新之处在于：从三方视角运用演化博弈模型对港口资源整合过程中三方互动机制的理论进行阐述，通过数值仿真分析，展示不同参数变化对策略选择的影响。研究表明，政府作为整合政策的稳定参与者，通过实施激励措施能有效推进港口间的合作，并实现合作的稳定状态。研究不仅为港口资源整合工作提供了新的理论视角和实证支撑，更为后续港口资源整合方案提供了建议。未来的研究工作可以从以下两个方向拓展：一是考虑更广泛的利益相关者，如航运公司和物流企业，以构建更为全面的互动模型；二是纳入更多实时市场数据和外部环境因素，以提高模型的动态适应性和预测准确度。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
NOTTEBOOM T, YANG Z. Port governance in China since 2004: Institutional layering and the growing impact of broader policies[J]. Research in Transportation Business & Management, 2017,22:184-200.

[2]
王伟, 纪翌佳, 金凤君. 基于动态空间面板模型的中国港口竞争与合作关系研究[J]. 地理研究, 2022, 41(3):616-632.

DOI

[3]
ISHII M, LEE T W, TEZUKA K, et al. A game theoretical analysis of port competition[J]. Transportation Research Part E: Logistics and Transportation Review, 2013, 49(1): 92-106.

[4]
LUO M, CHEN F, ZHANG J. Relationships among port competition, cooperation and competitiveness: A literature review[J]. Transport Policy, 2022, 118: 1-9.

[5]
赖成寿, 吕靖, 李慧, 等. 基于演化博弈的港口竞合策略选择及仿真研究[J]. 重庆交通大学学报(自然科学版), 2018, 37(11):112-118.

DOI

[6]
章娴静. 港口竞争合作博弈分析——以上海港和宁波港为例[J]. 物流工程与管理, 2009, 31(9):13-15.

[7]
NGUYEN M, KIM S. Application of game theory to analyze the competition and cooperation scenarios among container terminals in Northern Vietnam[J]. Asian Journal of Shipping and Logistics, 2020, 36(1):13-19.

[8]
张树奎, 鲁子爱. 上海和宁波-舟山港竞争合作的博弈分析[J]. 水运工程, 2010(5):79-82.

[9]
周鑫, 季建华. 港口竞争合作策略的演化博弈分析[J]. 中国航海, 2008(3):293-297.

[10]
TRUJILLO L, CAMPOS J, PÉREZ I. Competition vs cooperation between neighbouring ports: A case study in Chile[J]. Research in Transportation Business and Management, 2018, 26(3): 100-108.

[11]
范洋, 高田义, 乔晗. 基于博弈模型的港口群内竞争合作研究——以黄海地区为例[J]. 系统工程理论与实践, 2015, 35(4):955-964.

DOI

[12]
LI J, OH Y. A Research on competition and cooperation between Shanghai Port and Ningbo-Zhoushan Port[J]. Asian Journal of Shipping & Logistics, 2010, 26(1): 67-91.

[13]
茅伯科. 长三角港口的竞争与合作[J]. 水运管理, 2005(2):1-4.

[14]
ZHENG S, LUO M. Competition or cooperation? Ports' strategies and welfare analysis facing shipping alliances[J]. Transportation Research Part E:Logistics and Transportation Review, 2021, 153(6):102429.

[15]
CHENG J, LIAN F, YANG Z. The impacts of port governance reform on port competition in China[J]. Transportation Research Part E: Logistics and Transportation Review, 2022, 160:102660.

[16]
JIANG B, WANG X, XUE H, et al. An evolutionary game model analysis on emission control areas in China[J]. Marine Policy, 2020, 118(21):104010.

[17]
刘翠莲, 黄玉明. 博弈模型下政府行为对港口竞合关系的影响[J]. 重庆交通大学学报(自然科学版), 2021, 40(9):30-35.

[18]
夏恒良. 港口物流与城市经济发展关系研究[D]. 北京: 北京交通大学, 2012.

[19]
陈炜. 港口与城市经济关系的实证研究[D]. 广州: 暨南大学, 2017.

[20]
CONG L, ZHANG D, WANG M, et al. The role of ports in the economic development of port cities: Panel evidence from China[J]. Transport Policy, 2020, 90: 13-21.

[21]
曾德宏. 多群体演化博弈均衡的渐近稳定性分析及其应用[D]. 广州: 暨南大学, 2012.

[22]
吕丹, 李明珠. 基于演化博弈视角的“乡贤”参与乡村治理及其稳定性分析[J]. 农业经济问题, 2020(4):111-123.

[23]
孙夙鹏, 孙晓阳. 低碳经济下环境NGO参与企业碳减排的演化博弈分析[J]. 运筹与管理, 2016, 25(2):113-119.

DOI

[24]
FRIEDMAN D. Evolutionary games in economics[J]. Econometrica, 1991, 59(3): 637-666.

[25]
杨扬, 李成杰. 基于三方演化博弈的网络货运动态发展机制及仿真研究[J]. 公路交通科技, 2022, 39(10):180-190.

DOI

[26]
XIAO Z, ZHOU L, LIANG J, et al. Study on progress of developing strategy on ports cluster: Integration of port resources[J]. Journal of Geography and Geology, 2014, 6(2): 145-154.

Options
Outlines

/

〈 〉