傳統(tǒng)網(wǎng)約車平臺和無人駕駛網(wǎng)約車平臺間的競爭策略演變

關鍵詞：人工智能；無人駕駛網(wǎng)約車服務；競爭策略；研發(fā)投資；服務定價中圖分類號：F224.32文獻標識碼：A文章編號：2097-0145（2025）03-0017-08 doi：10.11847/fj.44.3.17

0 引言

近年來，無人駕駛網(wǎng)約車服務，即一種融合自動駕駛汽車技術的新興網(wǎng)約車服務[15]，已經(jīng)在一些城市試運營?？梢钥吹?，以百度旗下“蘿卜快跑”為代表的無人駕駛網(wǎng)約車平臺已在武漢市、北京市、深圳市等10余個城市向公眾提供無人駕駛網(wǎng)約車服務。據(jù)IHSMarkit咨詢公司預測，到2030年，我國無人駕駛網(wǎng)約車市場規(guī)模預計將達到1.3萬億元人民幣[6]。顯然，無人駕駛網(wǎng)約車服務具有巨大發(fā)展?jié)摿?，這與人工智能技術迅猛發(fā)展息息相關。人工智能深度學習模型的突破，為自動駕駛系統(tǒng)提供了強大的感知、決策和控制能力。隨著無人駕駛網(wǎng)約車技術的日益成熟和市場規(guī)模的不斷擴大，一些城市的網(wǎng)約車市場已經(jīng)形成了無人駕駛網(wǎng)約車平臺與傳統(tǒng)網(wǎng)約車平臺競爭的新格局。例如，在武漢市，無人駕駛網(wǎng)約車平臺“蘿卜快跑”與傳統(tǒng)網(wǎng)約車平臺“滴滴出行”間的競爭。面對無人駕駛網(wǎng)約車平臺的競爭，“如祺出行”“滴滴出行”等傳統(tǒng)網(wǎng)約車平臺也在積極研發(fā)投資無人駕駛網(wǎng)約車，并宣布其在未來將同時提供傳統(tǒng)有人駕駛網(wǎng)約車服務和無人駕駛網(wǎng)約車服務，且已經(jīng)在廣州市、上海市、北京市、蘇州市等城市試運營無人駕駛網(wǎng)約車。2024年7月1日，工業(yè)和信息化部、公安部、交通運輸部等五部門正式對外公布，武漢市、北京市、上海市等20個城市將開展無人駕駛網(wǎng)約車試點。隨后，政府有關部門出臺了一系列支持“車路云一體化”的建設政策，為無人駕駛網(wǎng)約車行業(yè)的發(fā)展注入了強勁動力[]

在網(wǎng)約車服務行業(yè)的發(fā)展趨勢下，隨著國家政策的推動，無人駕駛網(wǎng)約車技術正在不斷成熟。按照國務院辦公廳印發(fā)的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035年）》，無人駕駛網(wǎng)約車商業(yè)化應用時間表是：“到2025年，高度自動駕駛汽車實現(xiàn)限定區(qū)域商業(yè)化應用；到2030年，高度自動駕駛汽車實現(xiàn)規(guī)?；瘧?。”目前，無人駕駛網(wǎng)約車仍處于在部分城市試運營的初始階段，尚未進入全面商業(yè)化運營的發(fā)展階段。因此，在人工智能賦能無人駕駛網(wǎng)約車服務的初始階段和發(fā)展階段，面對競爭的無人駕駛網(wǎng)約車平臺，傳統(tǒng)網(wǎng)約車平臺的競爭策略可能發(fā)生的變化以及相關的最優(yōu)定價和研發(fā)投資決策值得深入探究。

1文獻綜述

1.1公眾對無人駕駛汽車的認知和信任程度

關于公眾對無人駕駛汽車的認知和信任程度的研究，已經(jīng)引起了許多學者的興趣。Tennant等發(fā)現(xiàn)， 65% 的受訪者表達了對無人駕駛汽車的安全問題的擔憂。Cai等？進行了一項隨機對照試驗，發(fā)現(xiàn)新聞媒體對無人駕駛汽車事故的過度報道會引發(fā)公眾對無人駕駛汽車的安全擔憂。Zhang等發(fā)現(xiàn)，無人駕駛汽車的低安全感知可能是人們主觀傾向于在涉及無人駕駛汽車事故中將更多責任歸咎于無人駕駛系統(tǒng)造成的。姚旭生等[3]建議相關部門應該通過搭建無人駕駛汽車試駕點、媒體平臺推廣等方式，加強對無人駕駛技術的宣傳，提高公眾對無人駕駛汽車的認知水平和信任程度。此外，除了感知到的安全性，使用無人駕駛汽車的便利性（例如節(jié)省時間、舒適性和易用性）也是影響公眾接受無人駕駛汽車的主要因素之一[9]。然而，上述研究大多聚焦于公眾當前的認知和信任狀態(tài)，未能充分考慮無人駕駛技術隨時間演變對公眾安全感知的影響。本文關注消費者在無人駕駛網(wǎng)約車的初始階段（即部分城市試運營）和發(fā)展階段（即全面商業(yè)化運營）的安全感知變化，并深入分析這種變化對消費者行為選擇的影響。這一研究不僅有助于深人理解公眾對無人駕駛汽車的接受程度，也為網(wǎng)約車平臺決定競爭策略提供科學依據(jù)。

1.2 無人駕駛網(wǎng)約車的引入和競爭

關于無人駕駛網(wǎng)約車的引入和競爭的研究，可以看到一些學者近年來的研究成果。Xie等[4研究了一個引入無人駕駛網(wǎng)約車服務的傳統(tǒng)網(wǎng)約車平臺的無人駕駛網(wǎng)約車動態(tài)定位策略和傳統(tǒng)網(wǎng)約車服務的最佳傭金決策。Chen 等[5]研究了不同的政府監(jiān)管政策對引入無人駕駛網(wǎng)約車服務的傳統(tǒng)網(wǎng)約車平臺的最優(yōu)定價決策和市場均衡的影響，發(fā)現(xiàn)政策制定者應根據(jù)勞動力供給條件和無人駕駛網(wǎng)約車技術的發(fā)展階段來確定相關法規(guī)。Siddiq和Taylor[10]研究了引人無人駕駛網(wǎng)約車對兩個競爭的傳統(tǒng)網(wǎng)約車平臺的利潤、司機與消費者的盈余以及社會福利的影響，發(fā)現(xiàn)影響如何取決于無人駕駛汽車的所有權是平臺擁有還是司機擁有。Zhang等[關注無人駕駛網(wǎng)約車平臺和傳統(tǒng)網(wǎng)約車平臺之間的消費者需求競爭，研究了無人駕駛網(wǎng)約車平臺在不同發(fā)展階段內(nèi)的最優(yōu)人工智能駕駛研發(fā)投資水平和服務價格決策。上述研究主要關注無人駕駛網(wǎng)約車引入對傳統(tǒng)網(wǎng)約車平臺的最優(yōu)定價和消費者盈余的影響。鮮有研究關注傳統(tǒng)網(wǎng)約車平臺在無人駕駛網(wǎng)約車技術隨時間演變的不同階段內(nèi)的競爭策略和最優(yōu)決策的變化。本研究旨在填補這一缺口，為網(wǎng)約車平臺提供更具前瞻性和實用性的對策建議。

本文的主要貢獻在于：第一，聚焦傳統(tǒng)網(wǎng)約車平臺在無人駕駛網(wǎng)約車技術隨時間演變的不同階段內(nèi)的競爭策略變化和最優(yōu)決策的新問題，并分析無人駕駛網(wǎng)約車技術隨時間的演變對傳統(tǒng)網(wǎng)約車平臺的利潤和消費者盈余的影響，豐富了關于網(wǎng)約車平臺競爭的研究。第二，揭示了傳統(tǒng)網(wǎng)約車平臺在初始階段和發(fā)展階段下的競爭策略，可為傳統(tǒng)網(wǎng)約車平臺在不同階段下的戰(zhàn)略決策提供重要依據(jù)。

2問題描述

本研究考慮在一個區(qū)域內(nèi)由一個無人駕駛網(wǎng)約車平臺、一個傳統(tǒng)網(wǎng)約車平臺、一群消費者以及司機組成的網(wǎng)約車市場，其中，無人駕駛網(wǎng)約車平臺和傳統(tǒng)網(wǎng)約車平臺在市場中進行 Nash 博弈[10]且它們都是理性的，并都以各自利潤最大化為目標[11-12]。依據(jù)無人駕駛技術發(fā)展的實踐觀察和未來發(fā)展趨勢，并結合人工智能（特別是自動駕駛技術的核心算法與決策優(yōu)化）的最新進展，無人駕駛網(wǎng)約車平臺與傳統(tǒng)網(wǎng)約車平臺間的市場競爭周期可分為如下兩個階段。

（1）初始階段，即無人駕駛網(wǎng)約車在部分城市試運營，并與僅提供有人駕駛網(wǎng)約車服務的傳統(tǒng)網(wǎng)約車平臺競爭。此時，市場中的消費者有三種選項：選擇無人駕駛網(wǎng)約車平臺、選擇傳統(tǒng)網(wǎng)約車平臺或外部選項（即不使用網(wǎng)約車服務，而是選擇公共交通或線下打車等）。根據(jù)已有研究的常見做法，本文將選擇外部選項的消費者獲得的凈效用歸一化為零[13-14]。值得注意的是，在初始階段，由于技術限制和法規(guī)要求，無人駕駛網(wǎng)約車需要在試運營城市的固定區(qū)域內(nèi)的指定地點接送乘客，即選擇無人駕駛網(wǎng)約車的乘客需要在指定地點上下車，這會給乘客造成不便利。例如，截至2024年7月15日，在長沙市湘江新區(qū)的梅溪湖和洋湖區(qū)域，選擇“蘿卜快跑”的乘客需要步行到麓谷公園地鐵站1號出口上車。在初始階段，本文用（1-γ）表示乘客對無人駕駛網(wǎng)約車接送便利的接受程度，其中，γ 為衡量乘客步行前往指定位置去等待無人駕駛網(wǎng)約車的厭惡程度[]， 0lt;γlt;1 。顯然， γ 越大，意味著乘客越厭惡步行前往指定位置等待無人駕駛網(wǎng)約車，進而對無人駕駛網(wǎng)約車接送便利的接受程度（1-γ）越低。雖然人工智能在提升無人駕駛網(wǎng)約車服務質(zhì)量方面有巨大潛力，但在初始階段，這些潛力尚未完全釋放。

（2）發(fā)展階段，即隨著無人駕駛網(wǎng)約車技術的不斷發(fā)展和人工智能技術的不斷成熟，無人駕駛網(wǎng)約車在許多城市進入了全面商業(yè)化運營階段。此時，傳統(tǒng)網(wǎng)約車平臺也投資無人駕駛網(wǎng)約車技術，并同時提供無人駕駛網(wǎng)約車服務和有人駕駛網(wǎng)約車服務，但無人駕駛網(wǎng)約車平臺仍只提供無人駕駛網(wǎng)約車服務。需要注意的是，在發(fā)展階段，隨著無人駕駛網(wǎng)約車的全面商業(yè)化運營，無人駕駛網(wǎng)約車會如同有人駕駛網(wǎng)約車一樣可以自由接送乘客。從乘客對網(wǎng)約車接送便利的接受程度的角度，無人駕駛網(wǎng)約車接送便利的接受程度與有人駕駛網(wǎng)約車接送便利的接受程度相同。此外，在發(fā)展階段，相比于傳統(tǒng)網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務，無人駕駛網(wǎng)約車平臺因較早投資無人駕駛網(wǎng)約車技術并擁有更智能化的能力，能為選擇該平臺的消費者提供更安全可靠的無人駕駛網(wǎng)約車服務。因此，乘客對無人駕駛網(wǎng)約車平臺推出的無人駕駛網(wǎng)約車服務的安全信任程度 θ₂ 大于其對傳統(tǒng)網(wǎng)約車平臺推出的無人駕駛網(wǎng)約車服務的安全信任程度 ，其中 0lt;θ₁lt;θ₂lt;1 。

現(xiàn)實中，不同消費者對網(wǎng)約車服務的支付意愿v 可能是不同的[15]。針對此，本文假設消費者的支付意愿 σ_v 是異質(zhì)的，并服從[0，1]上的均勻分布[13]，即 v～U[0，1] 。不失一般性，市場中消費者的數(shù)量被規(guī)范化為1。參考Zhang等且基于實踐觀察，本文假設消費者針對有人駕駛網(wǎng)約車服務的安全信任程度為1。在初始階段下，消費者針對無人駕駛網(wǎng)約車服務的支付意愿為 （1-γ）θv ，其針對有人駕駛網(wǎng)約車服務的支付意愿為 σ_v 。在發(fā)展階段，消費者針對無人駕駛網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務的支付意愿為 θ₂v ，但其針對傳統(tǒng)網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務的支付意愿為 θ₁v ?？紤]到無人駕駛網(wǎng)約車技術會逐漸成熟，直覺上，無人駕駛網(wǎng)約車平臺在初始階段內(nèi)提供的無人駕駛網(wǎng)約車服務在智能水平、安全水平和技術水平等方面會低于其在發(fā)展階段內(nèi)提供的無人駕駛網(wǎng)約車服務。因此，本文假設 θ₂gt;θ 。需要注意的是，無論在初始階段還是在發(fā)展階段，消費者都是理性的且都以自身效用最大化為目標。換言之，他們對無人駕駛網(wǎng)約車和傳統(tǒng)網(wǎng)約車沒有偏好，其行為選擇是為了自身效用最大化。作為理性的消費者，其均會選擇使得自己效用最大化的交通出行方式。根據(jù)有關網(wǎng)約車服務運營管理的已有研究的常見做法[16-9]，本文考慮在一個區(qū)域內(nèi)消費者的打車旅程是相同的。

現(xiàn)實中的傳統(tǒng)網(wǎng)約車平臺是面向司機和消費者的雙邊市場平臺[17-18]。因此，傳統(tǒng)網(wǎng)約車平臺不僅需要設置其服務價格以吸引消費者，還需要設置其每筆訂單的抽成比例來吸引司機[20]。為了關注不同階段下傳統(tǒng)網(wǎng)約車平臺的競爭策略演化并降低模型構建的復雜度，本文假設傳統(tǒng)網(wǎng)約車平臺的有人駕駛網(wǎng)約車服務的司機供應是充足的，且把每單有人駕駛網(wǎng)約車服務的司機工資包含在運營成本中，這種做法在已有研究中被采用[。因此，每種類型網(wǎng)約車平臺只需要設置其服務價格來獲得收益。在實踐中，一個網(wǎng)約車平臺可以提供多種類型的網(wǎng)約車服務，如“滴滴出行”同時提供快車和專車服務，并且每種類型服務的價格各不相同。為了排除服務類型差異對研究結果的干擾且聚焦其他關鍵因素對平臺競爭和消費者選擇的影響，類似于已有研究的做法[21-22]，本文假設每種類型網(wǎng)約車平臺均提供同種類型的網(wǎng)約車服務。

事件發(fā)生的順序和參與者的決策如下。在初始階段，首先，傳統(tǒng)網(wǎng)約車平臺設置其傳統(tǒng)網(wǎng)約車服務價格 p_r^N ，同時，無人駕駛網(wǎng)約車平臺設置其網(wǎng)約車服務價格 p_a^?N 和研發(fā)投資水平 t_a^N ;其次，消費者在獲得市場信息后，如消費者獲知每種類型網(wǎng)約車平臺提供的網(wǎng)約車服務價格，以及無人駕駛網(wǎng)約車服務研發(fā)投資水平，其選擇接受傳統(tǒng)網(wǎng)約車服務、或接受無人駕駛網(wǎng)約車服務、或外部選項。

在發(fā)展階段，首先，傳統(tǒng)網(wǎng)約車平臺設置其傳統(tǒng)網(wǎng)約車服務價格 p_r^D ;其次，傳統(tǒng)網(wǎng)約車平臺和無人駕駛網(wǎng)約車平臺同時設置各自的無人駕駛網(wǎng)約車服務價格和研發(fā)投資水平；再次，消費者在獲得市場信息后，作出自己的選擇，即其選擇傳統(tǒng)網(wǎng)約車服務、或傳統(tǒng)平臺的無人駕駛網(wǎng)約車服務、或無人平臺的無人駕駛網(wǎng)約車服務、或外部選項。

綜上，本文使用的符號說明如表1所示。 i=r 和 i=a 分別表示傳統(tǒng)網(wǎng)約車平臺和無人駕駛網(wǎng)約車平臺； j=N 表示初始階段， j=D 表示發(fā)展階段。

3模型構建與最優(yōu)結果

3.1 初始階段

在初始階段下，消費者有3個選項且其選擇不同選項的效用函數(shù)可分別描述為： ① 選擇傳統(tǒng)網(wǎng)約車服務： U_r^N=v-p_r^N ② 選擇無人駕駛網(wǎng)約車服務：U_a^N=（1-γ）θv-p_a^N+t_a^N ③ 外部選項： U_o=0 。

令 U_r^N=U_a^N ，可得消費者選擇傳統(tǒng)網(wǎng)約車服務和選擇無人駕駛網(wǎng)約車服務之間的無差異點v₂^N={v∣U_r^N=U_a^N} U_r^N= U_o ，可得消費者選擇傳統(tǒng)網(wǎng)約車服務和外部選項之間的無差異點 v₁₂^N={v∣U_r^N=U_o} ，即 v₁₂^N=p_r^N 。令U_a^N=U_o ，可得消費者選擇無人駕駛網(wǎng)約車服務和外部選項之間的無差異點 v₁^N={v∣U_a^N=U_o} ，即 在初始階段，依據(jù)傳統(tǒng)網(wǎng)約車服中務和無人駕駛網(wǎng)約車服務在市場中共存的現(xiàn)實背景，本文假設 01^N12^N2^Nlt;1 。由此，支付意愿較低的消費者會放棄使用網(wǎng)約車；支付意愿中等的消費者會選擇無人駕駛網(wǎng)約車服務且這部分消費者數(shù)量為 ;支付意愿較高的消費者會選擇傳統(tǒng)網(wǎng)約車服務且這部分消費者數(shù)量為 。

考慮傳統(tǒng)網(wǎng)約車平臺獲得的服務訂單利潤和承擔的運營成本，以及無人駕駛網(wǎng)約車平臺獲得的服務訂單利潤和承擔的無人駕駛網(wǎng)約車技術研發(fā)投資成本，基于最優(yōu)化理論和Nash博弈理論，可以構建初始階段下兩個平臺的各自利潤最大化模型或Nash博弈模型，即

依據(jù)Fan等[23]，消費者盈余是所有消費者效用的總和。接受傳統(tǒng)網(wǎng)約車服務的消費者盈余和接受無人駕駛網(wǎng)約車服務的消費者盈余函數(shù)分別如下

采用最優(yōu)化方法聯(lián)立求解（1）式和（2）式，可得在初始階段，傳統(tǒng)網(wǎng)約車平臺的最優(yōu)服務價格p_r^N* ，無人駕駛網(wǎng)約車平臺的最優(yōu)服務價格 p_a^N* 和研發(fā)投資水平 t_a^N* 。

3.2 發(fā)展階段

在發(fā)展階段下，消費者有4個選項且其選擇不同選項的效用函數(shù)可分別描述為： ① 選擇傳統(tǒng)網(wǎng)約車服務： U_r^D=v-p_r^D ② 選擇傳統(tǒng)網(wǎng)約車平臺的無人駕駛網(wǎng)約車服務： U_ra^D=θ₁v-p_ra^D+t_ra^D; ③ 選擇無人駕駛網(wǎng)約車平臺的無人駕駛網(wǎng)約車服務： U_a^D=θ₂υ- p_a^D+t_a^D ④ 外部選項： U_o=0 。

令 U_r^D=U_a^D ，可得消費者選擇傳統(tǒng)網(wǎng)約車服務和選擇無人駕駛網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務之間的無差異點 v₃^D={v∣U_r^D=U_a^D} ，即 令 U_a^D=U_ra^D ，可得消費者選擇無人駕駛網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務和選擇傳統(tǒng)網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務之間的無差異點=1U=U}，即=\"-+t-。令 U_ra^D=U_o ，可得消費者選擇傳統(tǒng)網(wǎng)約車平臺的無人駕駛網(wǎng)約車服務和外部選項之間的無差異點 v₁^D= {v∣U_ra^D=U_o} ，即 在發(fā)展階段，本文假設01^D2^D3^Dlt;1 。由此，支付意愿非常低的消費者會放棄使用網(wǎng)約車；支付意愿較低的消費者會選擇傳統(tǒng)網(wǎng)約車平臺的無人駕駛網(wǎng)約車服務且這部分消費者數(shù)量為 ;支付意愿較高的消費者會選擇無人駕駛網(wǎng)約車平臺的無人駕駛網(wǎng)約車服務且這部分消費者數(shù)量為 ;支付意愿非常高的消費者會選擇傳統(tǒng)網(wǎng)約車服務且這部分消費者數(shù)量為 。

考慮傳統(tǒng)網(wǎng)約車平臺獲得的來自傳統(tǒng)網(wǎng)約車服務訂單利潤、無人駕駛網(wǎng)約車服務訂單利潤和承擔的無人駕駛網(wǎng)約車技術研發(fā)投資成本，以及無人駕駛網(wǎng)約車平臺獲得的服務訂單利潤和承擔的無人駕駛網(wǎng)約車技術研發(fā)投資成本，基于最優(yōu)化理論和Nash博弈理論，可以構建發(fā)展階段下兩個平臺的各自利潤最大化模型或Nash博弈模型，即

在發(fā)展階段，選擇傳統(tǒng)網(wǎng)約車平臺的消費者盈余包括接受傳統(tǒng)網(wǎng)約車服務的消費者和接受傳統(tǒng)平臺提供的無人駕駛網(wǎng)約車服務的消費者的總效用，即

接受無人駕駛網(wǎng)約車平臺提供的無人駕駛網(wǎng)約車服務的消費者盈余函數(shù)可表示為

采用最優(yōu)化方法聯(lián)立求解（5）式和（6）式，可得在發(fā)展階段，傳統(tǒng)網(wǎng)約車平臺的最優(yōu)服務價格p_r^D* 、無人駕駛網(wǎng)約車的最優(yōu)服務價格 p^D_ra^* 和研發(fā)

投資水平 t_ra^D* ，以及無人駕駛網(wǎng)約車平臺的最優(yōu)服務價格 p_a^D* 和研發(fā)投資水平 t_a^D* 。

4分析與討論

根據(jù)已有研究常見的做法[11]，，本文采用數(shù)值仿真分析方法（即運用數(shù)值分析軟件MATLAB）進行比較分析，以得到一些觀察，進而挖掘管理啟示。需要說明的是，為了展示主要結果的穩(wěn)健性，本文進行了多組數(shù)值仿真分析?？紤]到本文篇幅有限，僅呈現(xiàn)部分數(shù)值分析結果。

4.1兩個階段下每個平臺的最優(yōu)結果的比較

本節(jié)對初始和發(fā)展兩個階段下每個平臺的最優(yōu)結果比較進行數(shù)值分析，如圖1～圖4所示。其中，θ=0.475，θ₁=0.4，θ₂=0.6，γ=0.33，7.6≤k≤19.6 0

有趣的是，從圖1可以看出，初始階段下傳統(tǒng)網(wǎng)約車平臺的服務價格會隨著研發(fā)投資成本系數(shù)k 的增加而增加。同時，隨著 k 的增加，無人駕駛網(wǎng)約車平臺會降低服務價格來吸引消費者以緩解研發(fā)投資成本的增加。這在一定程度上解釋了針對相同行程，現(xiàn)實中無人駕駛網(wǎng)約車平臺“蘿卜快跑”提供的無人駕駛網(wǎng)約車服務價格為何遠低于“滴滴出行”等傳統(tǒng)網(wǎng)約車平臺制定的服務價格。

從圖2可以看出，當研發(fā)投資成本系數(shù)相對較小時，初始階段下無人駕駛網(wǎng)約車平臺的研發(fā)投資水平小于發(fā)展階段下的研發(fā)投資水平；當研發(fā)投資成本系數(shù)相對較大時，初始階段下無人駕駛網(wǎng)約車平臺的研發(fā)投資水平大于發(fā)展階段下的研發(fā)投資水平；隨著研發(fā)投資成本系數(shù)的增加，兩個階段下無人駕駛網(wǎng)約車平臺的研發(fā)投資水平都會降低。這是因為，研發(fā)投資成本系數(shù)的增加意味著無人駕駛網(wǎng)約車平臺需要承擔較大的研發(fā)成本，此時，無人駕駛網(wǎng)約車平臺會通過降低研發(fā)水平來緩解研發(fā)成本的增加，進而實現(xiàn)利潤最大化。

從圖3可以看出，初始階段下傳統(tǒng)網(wǎng)約車平臺的利潤大于發(fā)展階段下的利潤，這是符合直覺的。針對無人駕駛網(wǎng)約車平臺，當研發(fā)投資成本系數(shù)較小時，初始階段下無人駕駛網(wǎng)約車平臺的利潤小于發(fā)展階段下的利潤。這是因為，隨著無人駕駛技術的不斷發(fā)展，研發(fā)投資成本系數(shù)會降低，發(fā)展階段下的無人駕駛網(wǎng)約車平臺會提升技術投資水平以吸引消費者來獲取更多的利潤。

（a）兩個階段下傳統(tǒng)網(wǎng)約車平臺的消費者盈余比較（b）兩個階段下無人駕駛網(wǎng)約車平臺的消費者盈余比較

從圖4可以看出，針對傳統(tǒng)網(wǎng)約車平臺，當研發(fā)投資成本系數(shù)較小時，初始階段下的消費者盈余大于發(fā)展階段下的消費者盈余；當研發(fā)投資成本系數(shù)相對較大時，初始階段下的消費者盈余小于發(fā)展階段下的消費者盈余。針對無人駕駛網(wǎng)約車平臺，初始階段下的消費者盈余小于發(fā)展階段下的消費者盈余。

4.2 相同階段下兩個平臺的利潤和消費者盈余的比較

本節(jié)通過數(shù)值仿真分析，比較相同階段下兩個平臺的利潤和消費者盈余。

從圖5可以看出，在兩個階段下，傳統(tǒng)網(wǎng)約車平臺的利潤通常大于無人駕駛網(wǎng)約車平臺的利潤；

但在發(fā)展階段，當研發(fā)投資成本系數(shù)相對較小時，無人駕駛網(wǎng)約車平臺的利潤大于傳統(tǒng)網(wǎng)約車平臺的利潤，這是符合直覺的。在無人駕駛網(wǎng)約車商業(yè)化運營的發(fā)展階段，傳統(tǒng)網(wǎng)約車平臺應意識到無人駕駛技術的潛力及其對市場的長遠影響，加大在無人駕駛網(wǎng)約車技術、車輛智能化等方面的研發(fā)投入，以提升服務質(zhì)量和乘客體驗，保持與無人駕駛網(wǎng)約車平臺的競爭力。

同理，類似于圖5，在兩個階段下，傳統(tǒng)網(wǎng)約車平臺的消費者盈余通常大于無人駕駛網(wǎng)約車平臺的消費者盈余；但在發(fā)展階段，當研發(fā)投資成本系數(shù)相對較小時，無人駕駛網(wǎng)約車平臺的消費者盈余大于傳統(tǒng)網(wǎng)約車平臺的消費者盈余。在實踐中，傳統(tǒng)網(wǎng)約車平臺應在初始階段持續(xù)強化其安全與服務質(zhì)量，以進一步提升消費者的滿意度和忠誠度。在無人駕駛技術逐漸成熟后，傳統(tǒng)網(wǎng)約車平臺應該降低傳統(tǒng)服務價格以吸引更多消費者。

5結論與啟示

本文的主要結論如下：（1）傳統(tǒng)網(wǎng)約車平臺在全面商業(yè)化階段應提供無人駕駛網(wǎng)約車服務，并且其針對無人駕駛網(wǎng)約車服務的最佳研發(fā)投資水平與研發(fā)投資成本系數(shù)等因素相關。（2）傳統(tǒng)網(wǎng)約車平臺的利潤和消費者盈余通常大于無人駕駛網(wǎng)約車平臺的利潤和消費者盈余；但在發(fā)展階段，當研發(fā)投資成本系數(shù)相對較小時，傳統(tǒng)網(wǎng)約車平臺的利潤和消費者盈余均小于無人駕駛網(wǎng)約車平臺的利潤和消費者盈余。

本文研究可為傳統(tǒng)網(wǎng)約車平臺面對無人駕駛網(wǎng)約車技術發(fā)展的不同階段提供實用的管理啟示：在無人駕駛網(wǎng)約車在部分城市試運營階段，傳統(tǒng)網(wǎng)約車平臺可選取某城市作為試點，通過問卷調(diào)查、深度訪談等方式，收集消費者對無人駕駛網(wǎng)約車的安全信任度數(shù)據(jù)。同時，利用大數(shù)據(jù)分析技術，評估乘客步行至無人駕駛網(wǎng)約車固定接送點的距離，從而預估消費者對無人駕駛網(wǎng)約車服務的便利接受水平。基于獲得的數(shù)據(jù)，平臺可以靈活調(diào)整有人駕駛網(wǎng)約車的服務價格，以平衡市場需求和利潤。在無人駕駛網(wǎng)約車全面商業(yè)化運營的發(fā)展階段，傳統(tǒng)網(wǎng)約車平臺應采取多元化發(fā)展策略。除了繼續(xù)提供傳統(tǒng)有人駕駛網(wǎng)約車服務外，還應積極投資無人駕駛網(wǎng)約車技術，逐步增加無人駕駛網(wǎng)約車服務的供應。在此階段，平臺需持續(xù)關注消費者對不同平臺無人駕駛網(wǎng)約車服務的安全信任水平。例如，可以選取兩家具有代表性的無人駕駛網(wǎng)約車平臺，通過對比分析其安全記錄、技術特點等因素，評估消費者對它們的信任度。基于此，平臺可以制定更為精準的服務價格策略和研發(fā)投資計劃，以確保在網(wǎng)約車市場的競爭中占據(jù)有利地位。

參考文獻：

［1］李含偉，李夢圓.“堵”還是“促”：無人駕駛的社會訴 求與政策因應：以武漢“蘿卜快跑”為例[J].學習與實 踐，2024（8）：32-41.

[2]王瓊，黃麗珍.適應無人駕駛車輛的城市街道公共空 間改造探索性研究［J].城市發(fā)展研究，2023，30（2）： 13-17.

[3］姚旭生，馬壽峰，葉順強，等.駐足觀望還是捷足先登？ 行人和無人駕駛車沖突演化博弈分析[J].中國管理 科學，2024，32（7）：138-149.

[4]XieJ，Liu Y，Chen N.Two-sided deep reinforcement learning for dynamic mobility-on-demand management with mixed autonomy[J].TransportationScience，2023， 57（4）：1019-1046.

[5]Chen Z，Miao Y，KeJ，et al.．Operations and regulations for a ride-sourcing market with a mixed fleet of human drivers and autonomous vehicles[J].Transportation Research Part C：Emerging Technologies，2024， 160：104519.

[6]Zhang X，Sun H，Pei X，et al.. Evolution of technology investment and development of robotaxi services[J]. Transportation Research Part E：Logistics and Transportation Review，2024，188：103615.

[7]Tennant C，Stilgoe J，Vucevic S，et al..Public anticipations ofself-drivingvehiclesintheUKand US[J]. Mobilities， 2025，20（2）：292-309.

[8]Cai Y，JingP，WangB，et al..How does“over-hype” lead to public misconceptions about autonomous vehicles ？ Anew insight applying causal inference[J].Transportation ResearchpartA：PolicyandPractice，2023，175：103757.

[9]ZhangQ，Wallbridge CD，Jones D M，et al..Public perception of autonomous vehicle capability determines judgmentofblameand trustin road trafficaccidents[J]. Transportation Research Part A：Policy and Practice， 2024，179：103887.

[10]SiddiqA，TaylorTA.Ride-hailingplatforms：competition andautonomousvehicles[J].Manufacturingamp; Service OperationsManagement，2022，24（3）：1511-1528.

[11]Zhou X，Chen K，Wen H，et al..Integration ofthirdpartyplatforms：doesit really hurtthem[J].International Journal of Production Economics，2021，234：108003.

[12]Zhou Y，Yang H，KeJ，etal..Competition and third-party platform-integrationin ride-sourcing markets[J]. TransportationResearch PartB：Methodological，2022，159：76-103.

[13］WangJP，Huang HJ. Operations on an on-demand ride service system with express and limousine[J]. TransportationResearchPart B：Methodological，2022， 155：348-373.

[14]ZhongY，Pan Q，Xie W，et al..Pricing and wage strategies for an on-demand service platform with heterogeneous congestion-sensitive customers[J]. International Journal of Production Economics，2020，230：107901.

[15]BernsteinF，DeCroix G A，Keskin NB.Competition between two-sided platforms under demand and supply congestion effects[J].Manufacturing amp; Service OperationsManagement，2021，23（5）：1043-1061.

[16]Cohen M C，Zhang R.Competition and coopetition for two-sided platforms［J]. Production and Operations Management，2022，31（5）：1997-2014.

[17] Bai J，Tang C S. Can two competing on-demand service platforms be profitable[J].International Journalof Production Economics，2022，250：108672.

[18]TaylorTA.On-demand service platforms[J].Manufacturingamp; Service Operations Management，2O18，20 （4）：704-720.

[19］趙道致，楊潔.考慮不同監(jiān)管目標的網(wǎng)約車服務價格 管制策略研究［J].系統(tǒng)工程理論與實踐，2019，39 （10）：2523-2534.

[20]TangY，Guo P，TangCS，et al..Gender-related operational issues arising from on-demand ride-hailing platforms：safety concerns and system configuration[J]. Production and Operations Management，2021，30（10）： 3481-3496.

[21］雷麗彩，高尚.基于司機過度自信的網(wǎng)約車平臺最優(yōu) 補貼契約設計與選擇[J].預測，2020，39（3）：74-81.

[22]董仲鵬，樊治平.兩個網(wǎng)約車平臺的競爭與合作[J]. 工程管理科技前沿，2025，44（1）：45-53.

[23]FanZP，CaoY，HuangCY，etal..Pricingstrategies ofdomestic andimported electric vehicle manufacturers and the design of government subsidy and tariff policies [J].Transportation Research Part E：Logistics and Transportation Review，2020，143：102093.

Evolution of Competitive Strategies between Traditional Ride-hailing Platforms and Robotaxi Platforms

DONG Zhongpeng'， FAN Zhiping2 （1.SchoolofManagement，Tianjin UniversityofTechnologyTianjin300384，China；2.ShoolofBusinesAdministration， Northeastern University，Shenyang 110169，China）

Abstract：In recent years，robotaxi service，an emerging form of ride-hailing service integrated with autonomous vehicle technology，has undergone pilot operations in several cities in China，forming anewcompetitive landscape between robotaxiplatformsand traditional ride-hailing platforms.Nevertheless，inthefaceofthecompetition fromrobotaxi platforms，traditional ride-hailing platforms suchas Ruqi Chuxingand Didi Chuxing areactively investingintheresearch and developmentof robotaxi services，and announcethatthey will provideboth traditional ride-hailing servicesand robotaxiin the future.Consequently，asrobotaxi advances towards fullcommercialization，theride-hailing market will evolve intoanew competitive dynamic betweenrobotaxi platformsand traditional ride-hailing platforms that provide hybridride-hailingservices.Therefore，inboththeinitialanddevelopmentalstages，facingthecompetitiverobotaxi platform，itiscrucialtopayatention totheposiblechanges incompetitivestrategiesemploedbythetraditionalidehailing platforms，as well as the associated optimal pricing and Ramp;D investment decisions.

This study applies the research methods such as mathematical modeling and comparative analysis，and constructs a Nashgame model toexplore theevolutionofcompetitive strategiesadoptedbythetraditionalride-hailing platformsand their impactsonconsumer surplus inthe initialand developmentstagesof therobotaxi technology.Theresearchdata used inthis studyarederivedfrompubliclyavailable industryreportsandrelevant literature，ensuring thetimelinessand accuracy of the study.

Thefindings ofthis studyshow thatthe traditional ride-hailing platformswillproviderobotaxi servicesat the full commercializationstage，anditsoptimal Ramp;D investment level forrobotaxi isrelatedto factorssuchasthecost coeffcientof Ramp;D investment.Ifthecostcoeficientof Ramp;Dinvestment ofrobotaxi services islow enough，the profits andconsumersurplusof therobotaxi platformswillbegreater than thoseofthe traditionalride-hailing platforms.The innovativecontributionofthis paperlies in its focus onthenew problemsofcompetitivestrategies evolutionandoptimal decision-makingof thetraditionalride-hailing platforms indiferent stagesof theevolutionof autonomous ride-hailing technologyovertime.Italsoanalyzes theimpactoftheevolutionofrobotaxi technologyover timeonconsumerbehavior choices，profitsof the traditional ride-hailing platforms，and consumer surplus，which enriches theresearch on competition among ride-hailing platforms.Theconclusions andmanagement insights obtained in this papercan provide decision-making basis for the competitive strategies of the traditional ride-hailing platforms at diferent stages.

Key words：artificial intelligence；robotaxi service; competitive strategy； Ramp;D investment； service pricing