在線多屬性眾包配送平臺的拍賣機制研究

摘" 要：隨著快遞業(yè)爆發(fā)式增長，眾包配送平臺作為應(yīng)對需求高峰的重要力量迎來快速發(fā)展。然而，目前眾包配送平臺都是采用固定費率的支付方式，無法滿足托運人對配送時長、配送質(zhì)量等差異化需求。為解決上述問題，文章提出了一種在線雙邊多屬性拍賣機制。該機制允許參與人雙方任意時間進入且能根據(jù)投標即時確定參與人分配和支付。同時，該機制將托運人所關(guān)心的承運人非價格屬性投標都納入機制設(shè)計。最后，通過設(shè)置事后懲罰規(guī)則，根據(jù)承運人的配送服務(wù)完成情況對其單位收益進行事后修正。

" 關(guān)鍵詞：眾包配送；共享物流；在線雙邊拍賣；多屬性

" 中圖分類號：F713.359；C39" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.24.002

Abstract： With the exponential growth of the express delivery industry， crowdsourced delivery platforms are undergoing rapid development as a crucial means to address peak demand. However， current crowdsourced delivery platforms solely rely on a fixed rate payment method， which fails to cater to shippers' diverse requirements regarding delivery time and quality. To tackle these issues， this paper proposes an online bilateral multi-attribute auction mechanism that allows participants to join at any given time and determines participant allocation and payment based on bidding. Additionally， this mechanism incorporates non-price attribute bidding from carriers that shippers value into its design. Finally，by implementing expost punishment rules， the carrier's unit revenue is adjusted retrospectively in accordance with the completion of the delivery service.

Key words： crowdsourcing delivery; shared logistics; online double auctions; multi-attribute

收稿日期：2024-02-28

基金項目：國家自然科學基金資助項目（71601150）

作者簡介：李周瑋（1997—），男，湖北武漢人，武漢科技大學管理學院碩士研究生，主要從事物流供應(yīng)鏈管理方面的研究；王雅娟（1983—），女，湖北武漢人，武漢科技大學管理學院，武漢科技大學服務(wù)科學與工程研究中心，副教授，博士，主要從事拍賣機制設(shè)計理論及應(yīng)用方面的研究。

引文格式：李周瑋，王雅娟. 在線多屬性眾包配送平臺的拍賣機制研究[J]. 物流科技，2024，47（24）：6-9，15.

0" 引" 言

不同于其他按需運輸服務(wù)通過創(chuàng)造新的車流量來完成運輸任務(wù)，眾包配送是在減少碳排放的前提下實現(xiàn)現(xiàn)有車流量的協(xié)調(diào)和整合[1]。我國的眾包配送平臺占據(jù)市場份額較大的有閃送、貨拉拉等在線平臺，都是采用固定費率的支付形式[2-3]。但固定費率形式不僅忽視了不同托運人對于訂單配送時長的緊急程度，還無法滿足其配送質(zhì)量高低等差異化需求。同時，目前關(guān)于眾包配送的研究主要側(cè)重于分配和路徑優(yōu)化 [4-5]，未能解決上述問題。因此，眾包配送平臺迫切需要一種真實有效的機制，該機制在滿足參與人的差異化需求的同時，能有效完成配送并確定支付。

多屬性拍賣同時考慮價格因素和質(zhì)量、服務(wù)水平等非價格因素的影響，作為有效的資源分配工具，已在我國運輸服務(wù)采購領(lǐng)域廣泛應(yīng)用，起到“降本增效”的作用[6]。Xiao等[7]首次將多屬性拍賣應(yīng)用于眾包配送系統(tǒng)，但其僅考慮了托運人價格和需求量，忽視了眾包配送市場中最為重要的對承運人的配送時長和配送質(zhì)量要求，應(yīng)用于眾包配送市場有一定局限性。

雙邊拍賣作為允許多個托運人和承運人同時進行交易的高效拍賣形式，更能滿足眾包配送市場中關(guān)于訂單響應(yīng)的時效性要求，但目前尚未有雙邊拍賣應(yīng)用于眾包配送領(lǐng)域的研究文獻。Huang等[8]首次將雙邊拍賣機制應(yīng)用于物流運輸服務(wù)領(lǐng)域，但沒有考慮多屬性因素的影響。Yu等[9]在其基礎(chǔ)上，考慮了參與人雙方的多屬性需求，但無法解決部分參與人滿足交易條件卻被直接剔除的情況。且上述研究均為離線拍賣，僅適用于靜態(tài)的市場環(huán)境，不能很好匹配眾包配送市場參與人數(shù)量多且更替速率快的動態(tài)環(huán)境。

在線拍賣是一種允許參與人雙方隨時進入、離開拍賣平臺，并即時做出分配和支付決策的拍賣機制。在眾包配送市場中應(yīng)用在線拍賣方法將有效降低組織成本，提高市場信息化水平和市場運作效率。 Lavi等[10]最早提出了一種多單位在線拍賣的機制，該機制可對當期投標做出實時的分配、支付決策。Guo等[11]在其基礎(chǔ)上提出了改進的真實有效的在線雙邊拍賣機制，并證明此機制再次提高了市場效率。王雅娟等[12]提出了一種可實時分配和定價的在線雙邊拍賣機制，解決了我國物流運輸服務(wù)市場雙邊機制交易時間長、機會成本高的問題。但上述研究都未考慮參與人的多屬性需求，不能直接應(yīng)用于眾包配送市場。

因此，本文以眾包配送市場為背景，提出了一種多屬性多單位在線雙邊拍賣機制。該機制能對參與人的多屬性投標進行實時分配和支付，在實現(xiàn)全社會福利最大化的同時，優(yōu)先保障報價占優(yōu)的托運人效用最大化。

1" 問題描述與假設(shè)

考慮在線眾包配送市場由多個托運人和多個承運人以及拍賣平臺組成。其主要運輸對象為食品、飲品和文件等，造成差異化的非價格屬性主要為配送時間和配送質(zhì)量，故本文將運輸時間和貨品損壞率兩個影響因素納入機制設(shè)計。相關(guān)假設(shè)和符號說明如表1所示。

表1" 符號說明與假設(shè)

[符號 含義 備注 [T] 時間周期 [T=1，2，…，t，…] [I] 參與拍賣的托運人集合 [i∈I=1，2，3…，m] [J] 參與拍賣的承運人集合 [j∈J=1，2，3，…，n] [Ai]（托運人提供的屬性） [AV] 可驗證屬性：真實值可被承運人檢查驗證，且承運人需在托運人支付之前完成驗證 [Di] [AU] 不可驗證屬性：真實值只有托運人自己知道，承運人無法驗證其真?zhèn)?[ai]、[di]、[bi] [Bj]（承運人提供的屬性） [BV] 可驗證屬性：真實值可被托運人檢查驗證，且托運人需在承運人支付之前完成驗證 [Vj] [BU] 不可驗證屬性：真實值只有承運人自己知道，托運人無法驗證其真?zhèn)?[aj]、[dj]、[sj]、[tj]、[mj%] [D] 參與拍賣的托運人需求量集合 [Di∈D]（可驗證屬性） [V] 參與拍賣的承運人供應(yīng)量集合 [Vj∈V]（可驗證屬性） [ai]、[aj] 參與人投標的到達拍賣時間 不可驗證屬性 [di]、[dj] 參與人投標的離開拍賣時間 不可驗證屬性 [bi] 托運人投標每單位重量報價 不可驗證屬性 [sj] 承運人投標每單位重量成本 不可驗證屬性 [tj] 承運人非價格屬性信息：配送時間 不可驗證屬性 [mj%] 承運人非價格屬性信息：物品損壞率 不可驗證屬性 [Tz] 平臺規(guī)定的最長等待時間周期 [ai+tzlt;di]、[aj+tzlt;dj] [tz] 平臺規(guī)定的常規(guī)配送時長 超出將得到懲罰 [t?] 平臺規(guī)定的最晚可接受配送時長 超出物品將不被接受 [m?%] 平臺規(guī)定的最大物品損壞率 超出物品將不被接受 [μ?] 平臺規(guī)定的最大非價格屬性損失值 [t?]，[m?%]代入損失函數(shù)得 [bz] 平臺規(guī)定的托運人報價門檻值 托運人報價應(yīng)高于門檻值 [s'z]（[bz?s'z≥μ?]） 平臺規(guī)定的承運人綜合成本門檻值 承運人綜合成本應(yīng)低于門檻值 ]

根據(jù)直接顯示原理[13]，多單位多屬性在線雙邊拍賣機制相當于一類直接機制，即在這一類拍賣機制下，參與人被要求報告其真實類型。該直接機制由分配規(guī)則[Qi=Qtii∈I，t∈T]，[Qj=Qtjj∈J，t∈T]和支付規(guī)則[Pi=p*ii∈I，t∈T，p*i∈pti]以及收入規(guī)則[Ri=r*jj∈J，t∈T，r*j∈rtj]組成，即[Qi ，Pi ，Qj ，Rj]。其中[ptiθi ，θ-i]表示托運人[i]在第t時期的平均單位支付；[p*iθi ，θ-i]表示托運人的最終單位支付；[rtjθj ，θ-j]表示承運人j在第t時期的平均單位收入；[r*jθj ，θ-j]表示承運人j的最終單位收入；[Qtiθi ，θ-i=][j=1nQtijθi ，θ-i]表示托運人[i]在第t時期獲得的需求量；[Qtjθj ，θ-j=][i=1mQtijθj ，θ-j]表示承運人j在第t時期獲得的供應(yīng)量。

在眾包配送市場下，每個托運人的效用會受到與其交易的承運人的非價格屬性的影響，如承運人配送時間和配送質(zhì)量。且在該市場環(huán)境下，托運人沒有庫存壓力，對于承運人的提前送達是普遍樂意接受的。因此，本文對Yu等[10]提出的非價格屬性損失函數(shù)做出相應(yīng)改善，定義承運人的非價格屬性損失函數(shù)為：

[μjtj，mj%=ω1×Δtj+ω2×Δmj%Δtj=α1×max0，tj-tzΔmj%=α2×mj%]。

其中：[μjtj，mj%]是承運人j的非價格屬性通過平臺設(shè)置偏好系數(shù)加權(quán)后所帶來單位損失，[Δtj]為配送時長所帶來的單位損失，[Δmj%]為配送質(zhì)量所帶來的單位損失，[ω1]、[ω2]和[α1]、[α2]為平臺收集的市場偏好系數(shù)。由此定義[bij=bi-μjtj，mj%]為托運人[i]對不同賣家j的單位綜合報價，[S'j=Sj +μtj" ， mj%]為承運人j的單位綜合成本。

假設(shè)參與人效用是擬線性效用模式[13]。當所有參與人報告其真實類型時，托運人[i]的效用[Uiθi ，θ-i] =[t=1Tj=1nQtijθi ，θ-i×] [bii-p*iθi ，θ-i]；承運人[j]的效用[Ujθj ，θ-j]=[t=1TQtjθj ， θ-j×r*jθj ，θ-j-sj]。

2" 多屬性在線雙邊拍賣機制設(shè)計

2.1" 機制設(shè)計模型

在眾包配送市場下，為實現(xiàn)在線拍賣平臺長期穩(wěn)定的運行，拍賣機制不僅需要實現(xiàn)全社會福利最大化（所有參與人和中間商社會福利總和最大化），還要實現(xiàn)運輸資源的高效分配。因此，設(shè)置有效的在線雙邊多屬性拍賣機制等同于求解以下全社會福利最大值模型LP。

[maxVI，J=t=1Ti=1mj=1nQtijbij-sj]

[t=1Ti=1mQtijθj，θ-j≤Vj] （1）

[t=1Tj=1nQtijθi，θ-i≤Di] （2）

[tj-t*lt;0，?j∈J] （3）

[mi%-m*%lt;0，?i∈I] （4）

[Qtij∈Z?i∈I ， j∈J， t∈T] （5）

[Uiθi ， θ-i≥Uiθi ， θ-i] （6）

[Ujθj ， θ-j≥Ujθj ， θ-j] （7）

[Uiθi ， θ-i≥0] （8）

[Ujθj ， θ-j≥0] （9）

[t=1Ti=1mQtiθi，θ-i×ptiθi，θ-i≥t=1Tj=1nQtjθj，θ-j×mtjθj，θ-j] （10）

其中：式（1）限制承運人的交易供應(yīng)量不能超過其供應(yīng)能力，式（2）限制托運人的實際交易量不能超過其需求，式（3）限制承運人配送時間不能超過平臺規(guī)定最晚可接受物品的時間，式（4）限制承運人物品損壞率不能超過托運人能接受的最高的貨品的損壞率，式（5）限制訂單匹配量為整數(shù)單位，式（6）（7）為激勵相容約束，表示參與人披露自己的真實信息所帶來的期望效益不小于自己謊報私人信息類型所帶來的收益。式（8）（9）為個體理性約束，表示參與人參與拍賣的收益不低于不參與拍賣的收益，式（10）為預(yù)算弱平衡約束，表示在機制進行的任何時期，所有托運人的支付之和都不小于所有承運人的收入之和。

2.2" 在線多屬性雙邊拍賣機制

基于2.1模型，該機制涉及以下4個變量，I t、J t分別表示在t時間段托運人、承運人集合。D t、V t分別表示在t時間段參與人雙方的總需求量和總供應(yīng)量，具體步驟如下。

步驟1（初步驗證）：初始化t=1，[Qti=0]，[Qtj=0]，[pti=p*i=0]，[mtj=m*j=0]且同時清除J t內(nèi)非價格屬性投標滿足[tjgt;t*]，[mj%gt;m*%]的承運人。此時活躍的參與人集合為[It=ii∈I，bigt;bz ， t∈ai ，di]，[Jt=jj∈J，s′jgt;s′z ， tj≤≤t*，mj%≤m*%，t∈aj ，di]。

步驟2：將集合[It]內(nèi)托運人報價[bi]按從高到低排序，集合[Jt]內(nèi)承運人的綜合成本[s′j]按從低到高排序：[b1gt;b2gt;b3gt;…gt;bf]，[s′1lt;s′2lt;s′3lt;…lt;s′g]。移除托運人[f]，承運人[g]，得到新的參與人集合[It/f]和[Jt/g]，更新D t、V t。

步驟3：參考TOPSIS算法[14]，對集合[Itf]內(nèi)托運人需求量[Di]和報價[bi]正向化矩陣處理，即[A=bi ，Di]，插入權(quán)重矩陣[δ=δ1δ2]，且[δ1?δ2gt;0]，計算[Xi=A×δ]，并按從小到大排序：[X1lt;X2lt;…lt;Xf-1]。同理對集合[Jtg]內(nèi)承運人的供應(yīng)量[Vj]和綜合成本[s′j]正向化矩陣處理，即[B=s'j，1Vj]，插入權(quán)重矩陣[δ=δ1δ2]，計算[Yj=B×δ]并按從大到小排序，不失一般性，設(shè)[Y1gt;Y2gt;…gt;Yg-1]。

步驟4（分配規(guī)則）：比較參與人集合[Itf]和[Jtg]內(nèi)總需求量[Dt]和總供應(yīng)量[Vt]大小。若[Dtgt;Vt]，則轉(zhuǎn)入步驟4.1。若[Vtgt;Dt]，則轉(zhuǎn)入步驟4.2。

步驟4.1：a.對[X1lt;X2lt;…lt;Xf-1]序列對應(yīng)托運人的需求量[Di]，令[i=1]，若[Di≥Dt-Vt]，更新[Di=Di-Dt-Vt]，[Dt-Vt=0]。b.若[Dilt;Dt-Vt]，更新[Di=0]，[Dt-Vt=Dt-Vt-Di]，[i=i+1]。c.若[Dt≠Vt]，則重復步驟a.—b.。若[Dt=Vt]，則轉(zhuǎn)至步驟5。

步驟4.2：a.對[Y1gt;Y2gt;…gt;Yg-1]序列對應(yīng)承運人的供應(yīng)量[Vj]，令[j=1]，[Vj≥Vt-Dt]，更新[Vj=Vj-Vt-Dt]，[Vt-Dt=0]。b.若[Vjlt;Vt-Dt]，更新[Vj=0]，[Vt-Dt=Vt-Dt-Vj]，[j=j+1]。c.若[Dt≠Vt]，則重復步驟a.—b.。若[Dt=Vt]，則轉(zhuǎn)至步驟5。

步驟5（再分配規(guī)則）：去除供應(yīng)量或需求量為0的參與人，得到最終參與人集合[It]和[Jt]。計算集合[It]和[Jt]內(nèi)托運人[i]與承運人[j]的綜合報價[bij=bi-μjtj ，mj%]，構(gòu)造函數(shù)：[bij=bij+t-ai+t-aj×θ]，影響因子[θ]為大于0的極小數(shù)。按[bij]值從大到小排序，[bij]值占優(yōu)的參與人雙方進行優(yōu)先匹配，從而確定參與人雙方匹配訂單量[Qtij]。計算[Qtiθi ，θ-i=j=1g-1Qtijθi ，θ-i]，[Qtjθj ，θ-j=i=1f-1Qtijθj ，θ-j]。

步驟6（支付規(guī)則與收入規(guī)則）：托運人[i∈It]在時期[t]的平均單位支付如下所示。

[ptiθi ，θ-i=Qtiθi ，θ-ibtf-j=1nQtijθi ，θ-iμjQtiθi ，θ-i-minbtf-1-btf ， μtmin] （11）

承運人[j∈J]在時期t的平均單位收入為：

[rtjθj ，θ-j=s′tg-μj]。 （12）

更新[p*iθi ，θ-i=maxtεmax0，di-tz ，…，diptiθi ，θ-i ，r*iθj ，θ-j=mintεmax0，dj-tz ，…，djrtjθj ，θ-j]。

步驟7：更新[Di=Di-Qti]，[Vj=Vj-Qtj]，若對于任意托運人[i]，滿足[di=t∨Di=0]，則托運人[i]退出拍賣，其總支付為[Piθi ，θ-i=t=1diQtiθi ，θ-i×p*iθi ，θ-i]；若對于任意承運人[j]滿足[dj=t∨Vi=0]，則承運人[j]退出拍賣，其總收入為[Rjθj ，θ-j=t=1djQtj×r*jθj ，θ-j]。

步驟8： 令[t=t+1]，若[t∈T]，則重復步驟1—7。若[t?T]，則拍賣結(jié)束。

3" 事后懲罰規(guī)則

由于每個承運人的配送時長[tj]和貨品損壞程度[mj%]屬于事前私人信息，其實際值可以從完成配送任務(wù)后得出。為避免承運人謊報配送時間和運輸質(zhì)量，本文設(shè)計了一種事后懲罰規(guī)則，即通過對比承運人非價格屬性投標[μjtj ，mj%]和實際履約[μjtj ，mj%]的情況，對無法履約的承運人單位收益進行事后懲罰修正。根據(jù)實際情形，共有以下三種情況。

a.當[tj=t*]，[mj%=m*%]，且[μjtj ，mj%≤μjtj ，mj%]，則：

[r*jθj ，θ-j=][mintεmax0，dj-tz ，…，djs'tg-μj]。 （13）

在上述情況中，承運人的配送時長[tj]和貨品損壞程度[mj%]滿足托運人的基本要求，即承運人沒有通過謊報更好的屬性來降低其綜合成本。在這種情況下，承運人將不會受到事后懲罰。

b.當[tj=t*]，[mj%=m*%]，且[μjgt;μj]，則：

[r*jθj ，θ-j=][sj+μjtj ，mj%-μjtj ，mj%]。 （14）

在上述情況中，承運人的配送時長[tj]和貨品損壞程度[mj%]滿足托運人的基本要求，但承運人謊報信息，從而使其實際非價格屬性成本低于投標成本。為了限制承運人這種虛假投標的行為，在這種情況下，將對承運人的單位收益實施懲罰，以保證承運人不能通過謊報來獲得更多收益。

c.當[tjgt;t*或mj%gt;m*%]，則：

[r*jθj ，θ-j=-s'z]。 （15）

在上述情況中，承運人的配送時長[tj]和貨品損壞程度[mj%]無法滿足托運人的基本要求，即托運人不接受物品。平臺不僅要賠償托運人損失，還會導致平臺信譽度降低。為了防止此類情況發(fā)生，對此類承運人單位收益實施[-s′z]的懲罰，以保證平臺罰金足夠賠償托運人。

根據(jù)上述規(guī)則，不符合托運人要求的非價格屬性的理性承運人將不會參與拍賣，因為即使他們在拍賣中獲勝，也可能支付因謊報非價格屬性而導致的高額罰金。因此，該機制可保證所有參與拍賣的承運人的非價格屬性符合眾包配送平臺基本要求。

4" 結(jié)束語

現(xiàn)有文獻鮮有將在線雙邊多屬性拍賣運用于眾包配送領(lǐng)域，本文以該市場為背景，設(shè)計了一種在線雙邊多屬性拍賣機制。與現(xiàn)有機制相比，本文設(shè)計的機制具有以下優(yōu)勢。

首先，本文引入非價格屬性函數(shù)，分權(quán)重考慮了托運人對非價格屬性的需求，將包含價格在內(nèi)的其他屬性以綜合成本的形式作為新的篩選條件。通過設(shè)置再分配規(guī)則實現(xiàn)了報價占優(yōu)的托運人優(yōu)先匹配更加“優(yōu)質(zhì)”的承運人，且在不影響效率的情況下對先進入平臺的參與人進行優(yōu)先匹配，從而實現(xiàn)資源的高效分配。

其次，本文機制在保障全社會福利最大化的前提下，通過設(shè)置事后懲罰規(guī)則對承運人單位收益進行事后修正，以有效改善目前國內(nèi)眾包市場中，承運人一次性配送單量過多造成配送時間較長或配送質(zhì)量較差的問題，避免市場售后糾紛的同時滿足了眾包配送市場托運人的小批量、定制化的需求。

參考文獻：

[1]" MACHARIS C， KIN B.The 4 a’s of sustainable city distribution： Innovative solutions and challenges ahead[J]. International Journal of Sustainable Transportation， 2017，11（2）：59-71.

[2]" 李天宇. 眾包物流模式合規(guī)風險及應(yīng)對[J]. 物流科技，2022，45（10）：79-82.

[3]" 王輝，陳高楊，劉志揚.眾包物流線上平臺發(fā)展現(xiàn)狀及前景分析[J]. 石家莊鐵道大學學報（社會科學版），2021，15（3）：7-13.

[4]" AKEB H， MONCEF B， DURAND B. Building a collaborative solution in dense urban city settings to enhance parcel delivery： An effective crowd model in Paris[J]. Transportation Research Part E： Logistics and Transportation Review， 2018，119：223-233.

[5]" SANDOVAL M G， áLVAREZ-MIRANDA E， PEREIRA J， et al. A novel districting design approach for on-time last-mile delivery： An application on an express postal company[J/OL]. Omega， 2022，113，102687.[2024-01-15]. https：//www.sciencedirect.com/science/article/abs/pii/S0305048322000949.

[6]" CHENG Meng， XU Subo， HUANG G Q. Truthful multi-unit multi-attribute double auctions for perishable supply chain trading[J]. Transportation Research Part E： Logistics and Transportation Review， 2016，93：21-37.

[7]" XIAO Fei， WANG Haijun， GUO Shuojia， et al. Efficient and truthful multi-attribute auctions for crowdsourced delivery[J/OL]. International Journal of Production Economics， 2021，240：108233.[2024-01-17]. https：//www.sciencedirect.com/science/article/abs/pii/S0925527321002097.

[8]" HUANG G Q， XU Subo. Truthful multi-unit transportation procurement auctions for logistics e-marketplaces[J]. Transportation Research Part B： Methodological， 2013，47：127-148.

[9]" YU Hao， HUANG Min， CHAO Xiuli， et al. Truthful multi-attribute multi-unit double auctions for B2B e-commerce logistics service transactions[J/OL]. Transportation Research Part E： Logistics and Transportation Review， 2022，164：102814.[2024-01-20].https：//www.sciencedirect.com/science/article/abs/pii/S1366554522002022.

[10] LAVI R， NISAN N. Competitive analysis of incentive compatible online auctions[J]. Theoretical Computer Science， 2004， 310（1-3）：159-180.

[11] GUO Jiantao， ZHANG Juliang， CHENG T C E， et al. Truthful double auction mechanisms for online freight platforms with transaction costs[J]. Transportation Research Part B： Methodological， 2022，158：164-186.

[12] 王雅娟，王先甲. 一種激勵相容的多單位在線雙邊拍賣機制[J]. 管理科學學報，2015，18（8）：1-11.

[13] MCAFEE R P，MCMILLAN J. Auctions and bidding[J]. Journal of Economic Literature， 1986，25（2）：699-738.

[14] YOON K P， KIM W K. The behavioral TOPSIS[J]. Expert Systems with Application， 2017，89：266-272.