科技和产业

托运人z	航空公司y	政府x
履行	合规	-C₁+R₁ -C₃+R₃ -C₅+R₅	-C₂+R₂ -C₃+R₃ -C₅+R₅
违规	-C₁+R₁+p₁F-qM -C₄+R₄-p₁F-qN-qS -C₅+R₅	-C₂+R₂+p₂F-qM -C₄+R₄-p₂F-qN-qS -C₅+R₅
不履行	合规	-C₁+R₁+p₁F-qM -C₃+R₃-qN -C₆+R₆-p₁F	-C₂+R₂+p₂F-qM -C₃+R₃-qN -C₆+R₆-p₂F
违规	-C₁+R₁+2p₁F-qM -C₄+R₄-p₁F-qN-qS -C₆+R₆-p₁F	-C₂+R₂+2p₂F-qM -C₄+R₄-p₂F-qN-qS -C₆+R₆-p₂F

托运人z	航空公司y	政府x
履行	合规	-C₁+R₁ -C₃+R₃ -C₅+R₅	-C₂+R₂ -C₃+R₃ -C₅+R₅
违规	-C₁+R₁+p₁F-qM -C₄+R₄-p₁F-qN-qS -C₅+R₅	-C₂+R₂+p₂F-qM -C₄+R₄-p₂F-qN-qS -C₅+R₅
不履行	合规	-C₁+R₁+p₁F-qM -C₃+R₃-qN -C₆+R₆-p₁F	-C₂+R₂+p₂F-qM -C₃+R₃-qN -C₆+R₆-p₂F
违规	-C₁+R₁+2p₁F-qM -C₄+R₄-p₁F-qN-qS -C₆+R₆-p₁F	-C₂+R₂+2p₂F-qM -C₄+R₄-p₂F-qN-qS -C₆+R₆-p₂F

均衡点	特征值λ₁	特征值λ₂	特征值λ₃
(0 0 0)	C₂-C₁+R₁-R₂+2p₁F-2p₂F	C₄-C₃+R₃-R₄+p₂F+qS	C₆-C₅+R₅-R₆+p₂F
$\begin{array}{lll}\left(1\right.& 0& 0\end{array}$)	C₁-C₂-R₁+R₂-2p₁F+2p₂F	C₄-C₃+R₃-R₄+p₁F+qS	C₆-C₅+R₅-R₆+p₁F
$\begin{array}{lll}\left(1\right.& 1& \left.0\right)\end{array}$	C₁-C₂-R₁+R₂-p₁F+p₂F	C₃-C₄-R₃+R₄-p₁F-qS	C₆-C₅+R₅-R₆+p₁F
$\begin{array}{lll}\left(1\right.& 0& \left.1\right)\end{array}$	C₁-C₂-R₁+R₂-p₁F+p₂F	C₄-C₃+R₃-R₄+p₁F+qN+qS	C₅-C₆-R₅+R₆-p₁F
$\begin{array}{lll}\left(1\right.& 1& 1\end{array}$)	C₁-C₂-R₁+R₂	C₃-C₄-R₃+R₄-p₁F-qN-qS	C₅-C₆-R₅+R₆-p₁F
(0 1 0)	C₂-C₁+R₁-R₂+p₁F-p₂F	C₃-C₄-R₃+R₄-p₂F-qS	C₆-C₅+R₅-R₆+p₂F
(0 0 1)	C₂-C₁+R₁-R₂+p₁F-p₂F	C₄-C₃+R₃-R₄+p₂F+qN+qS	C₅-C₆-R₅+R₆-p₂F
(0 1 1)	C₂-C₁+R₁-R₂	C₃-C₄-R₃+R₄-p₂F-qN-qS	C₅-C₆-R₅+R₆-p₂F

均衡点	特征值λ₁	特征值λ₂	特征值λ₃
(0 0 0)	C₂-C₁+R₁-R₂+2p₁F-2p₂F	C₄-C₃+R₃-R₄+p₂F+qS	C₆-C₅+R₅-R₆+p₂F
$\begin{array}{lll}\left(1\right.& 0& 0\end{array}$)	C₁-C₂-R₁+R₂-2p₁F+2p₂F	C₄-C₃+R₃-R₄+p₁F+qS	C₆-C₅+R₅-R₆+p₁F
$\begin{array}{lll}\left(1\right.& 1& \left.0\right)\end{array}$	C₁-C₂-R₁+R₂-p₁F+p₂F	C₃-C₄-R₃+R₄-p₁F-qS	C₆-C₅+R₅-R₆+p₁F
$\begin{array}{lll}\left(1\right.& 0& \left.1\right)\end{array}$	C₁-C₂-R₁+R₂-p₁F+p₂F	C₄-C₃+R₃-R₄+p₁F+qN+qS	C₅-C₆-R₅+R₆-p₁F
$\begin{array}{lll}\left(1\right.& 1& 1\end{array}$)	C₁-C₂-R₁+R₂	C₃-C₄-R₃+R₄-p₁F-qN-qS	C₅-C₆-R₅+R₆-p₁F
(0 1 0)	C₂-C₁+R₁-R₂+p₁F-p₂F	C₃-C₄-R₃+R₄-p₂F-qS	C₆-C₅+R₅-R₆+p₂F
(0 0 1)	C₂-C₁+R₁-R₂+p₁F-p₂F	C₄-C₃+R₃-R₄+p₂F+qN+qS	C₅-C₆-R₅+R₆-p₂F
(0 1 1)	C₂-C₁+R₁-R₂	C₃-C₄-R₃+R₄-p₂F-qN-qS	C₅-C₆-R₅+R₆-p₂F

航空危险品运输安全监管演化博弈分析

PDF下载

文军 , 马思源 , 孙一 , 樊志翔 , 陈治明

科技和产业 | 科技创新 2025,25(3): 57-64

收起

科技和产业 | 科技创新 2025, 25(3): 57-64

航空危险品运输安全监管演化博弈分析

全屏

文军, 马思源, 孙一, 樊志翔, 陈治明

作者信息

中国民用航空飞行学院机场学院, 四川广汉 618307

文军(1968—),男,四川成都人,博士,教授,研究方向为航空安全、航空运输规划与管理、航空危险品运输;

马思源(2000—),女,新疆巴州人,硕士研究生,研究方向为交通运输、航空危险品运输;

孙一(2001—),男,河南汝州人,硕士研究生,研究方向为交通运输、航空危险品运输;

樊志翔(1997—),男,河南许昌人,硕士研究生,研究方向为交通运输、航空危险品运输;

陈治明(1999—),男,四川成都人,硕士研究生,研究方向为交通运输、航空危险品运输。

Analysis of the Evolutionary Game of Air Dangerous Goods Transportation Safety Regulation

Jun WEN, Siyuan MA, Yi SUN, Zhixiang FAN, Zhiming CHEN

Affiliations

Airport College, Civil Aviation Flight University of China, Guanghan 618307, Sichuan, China

出版时间: 2025-02-10

文章导航

摘要

收起

为解决航空危险品运输安全问题,在社会责任视角下,构建主体为政府、航空公司和托运人的三方演化博弈模型,分析不同条件下的策略选择。运用MATLAB对重要参数进行数值仿真,探究处罚金、政府积极监管成本、积极监管成功率、航空公司的违规收益和托运人的管理成本的敏感性变化对系统演化的影响。结果表明,政府的处罚金和积极监管的成功率对托运人和航空公司是正向激励,政府应增加处罚金,才能有效解决航空危险品运输安全问题。

关键词

航空危险品运输 / 社会责任视角 / 安全监管 / 三方演化博弈 / 敏感性分析

Abstract

收起

In order to solve the safety problem of aviation dangerous goods transportation, under the perspective of social responsibility, a three-party evolutionary game model with the subjects being the government, airlines and shippers was constructed, and the strategy choices under different conditions were analyzed. MATLAB was used to numerically simulate the important parameters to explore the effects of the sensitivity changes of the penalty, the government’s active regulation cost, the success rate of active regulation, the airline’s violation revenue and the shipper’s management cost on the evolution of the system. The results show that the government’s penalty and the success rate of active regulation are positive incentives for shippers and airlines, and the government should increase the penalty in order to effectively solve the safety problem of air dangerous goods transportation.

Key words

air dangerous goods transportation / social responsibility perspective / safety regulation / three-party evolutionary game / sensitivity analysis

引用本文

文军, 马思源, 孙一, 樊志翔, 陈治明. 航空危险品运输安全监管演化博弈分析. 科技和产业, 2025 , 25 (3) : 57 -64 .

Jun WEN, Siyuan MA, Yi SUN, Zhixiang FAN, Zhiming CHEN. Analysis of the Evolutionary Game of Air Dangerous Goods Transportation Safety Regulation[J]. Science Technology and Industry, 2025 , 25 (3) : 57 -64 .

正文

收起

随着全球经济的不断发展,企业对危险品运输的需求也越来越强烈。航空危险品的种类和运输量也随着航空业的不断发展壮大呈逐年上升的趋势。但是危险品航空运输的不安全事故也逐渐增加。事故发生的原因从来都是复杂的,涉及危险品本身的特性、政府部门的监管、安全规章制度、托运人的利益和航空公司的安全管理体系等多方面因素^[1]。

国内外对危险品运输展开了大量的研究。吴海涛和刘月^[2]分析了区块链技术在危险货物道路运输安全监管中的应用价值,利用了演化博弈法建立由监管方、承运方和托运方构成的三方演化博弈模型,探究三方演化博弈中相关变量对三方演化策略选择的影响。吴芮函^[3]从法律层面,为准确有效地规制危险品航空运输违法犯罪行为,协调统一法律法规中与危险品相关的法律术语,适当地调整国内惩治非法航空运输危险品行为的法律法规,降低与非法运输危险品相关罪名的最低起刑点,并通过司法解释确定运输不同种类危险品的构罪标准,通过完善行刑法律规范,保护人民合法权益的同时,合法合理地惩戒违法犯罪行为,为危险品航空安全运输提供有效的保障。王伟等^[4]探讨了公众监督对危险品运输行业监管的影响,构建一个演化博弈模型研究了政府和危险品运输企业的演化博弈策略,发现了公众参与程度和运输收益是影响危险品运输企业策略选择的决定因素。程志友等^[5]针对港口危化品运输管理中存在的安全问题,采用演化博弈理论,构建政府监管部门与危化品港口企业间的演化博弈模型,研究双方在博弈过程中的策略选择,在建立惩罚机制的基础上考虑双方期望损失对系统均衡的影响,结合系统动力学模型分析不同参数变化下的演化结果。

在危险品运输过程中,政府部门既要控制安全监管成本又要同时降低危险品安全事故发生率。在社会责任的视角下,社会与企业是不可分割的关系,企业不仅要关注自身利益,也要注重履行社会责任^[6]。社会责任视角方面,张路等^[7]针对由低碳景区和旅行社构成的低碳旅游供应链,考虑了供应链成员企业社会责任行为对供应链动态均衡的影响,构建了企业社会责任行为下的低碳旅游供应链微分博弈模型。韩震等^[8]以责任、发展和效益为目标,构建了基于共享价值创造(creating shared value,CSV)理论的研究框架,依据港口供应链分析,确定港口运营商、港口物流商、政府的功能定位,建立两阶段主从博弈,分析得出政府通过监管成本基数设置,能够有效控制港口物流商的安全状态。政府方面,裴彬^[9]通过阐述航空运输危险品的概念,分析国内危险品航空运输管理现状以及存在的问题,并提出了相应的解决办法及策略。Lee和Seo^[10]研究了国内外航空运输危险品的分类、划分和储存规则,发现仁川国际机场航站楼存在的问题和改进点,提出改进先进危险品分类、划分和储存规则的建议。Wang^[11]结合前人关于航空危险品运输的文献,对航空危险品运输和仓储存在的风险进行分析,进而指出相应的管理策略,以降低航空危险品运输安全事故发生的概率。

在研究国内外研究成果中发现,对于危险品运输的研究主要是从法律层面和政府监管层面展开,在港口等其他领域有学者从社会责任视角方向开展研究,但很少有学者在社会责任视角下对航空危险品运输进行研究。因此,本文将政府、航空公司和托运人作为博弈主体,运用演化博弈理论,在社会责任视角下分析各博弈主体的策略选择,为航空安全和危险品管理理论的完善提供建议,以期提高危险品航空运输管理水平,进而促进国内航空运输业更加健康快速地发展。

1 演化博弈模型假设与构建

收起

1.1 模型基本假设

假设1:政府部门在整个危险品运输过程中对航空公司和托运人进行监管^[12]。

假设2:政府部门如果采取积极监管策略需要增加机构、人员和设备等投入以防止危险品运输不安全事故的发生,付出的监管成本为C₁,政府会获得形象上的提升声誉收益记为R₁发现的概率为p₁,如果选择消极监管则监管成本为C₂,获得的形象上的声誉收益记为R₂,发现的概率为p₂,不同监管级别下违规被发现的概率不同,反映监管严格性的增加;政府监管或者群众监督发现航空公司或者托运人违规操作均需要缴纳处罚金为F,在不安全事故发生后政府会面对许多投诉和上访,失去公众的信任,造成公信力受损,政府也需要对事故进行善后,造成的损失记为M^[13]。

假设3:航空公司合规运输,运营成本记为C₃,合规运输时获得的收益为R₃;违规运输时运营成本记为C₄,获得的违规收益为R₄,当不安全事故发生后航空公司会造成经济、设备等的损失为N,因航空公司对社会需要承担必要的社会责任^[14],因其原因对社会造成了负面影响,航空公司需要通过社会公益等间接方式给予社会一定的补偿来承担社会责任记为S^[15],且F>R₂,R₂-N>R₁。航空公司和托运人因违规操作导致不安全事故发生的概率为q。

假设4:托运人履行责任时的管理成本记为C₅,会获得合规收益R₅,托运人不履行责任时的管理成本记为C₆,会获得违规收益R₆。

假设5:政府在航空危险品运输过程中积极监管的概率为x(0<x<1);航空公司合规运输的概率为y(0<y<1);托运人履行责任的概率为z(0<z<1)。

1.2 建立支付矩阵

根据模型的基本假设,不同的策略选择下政府、航空公司和托运人三方的收益各不相同。支付矩阵见表1。

1.3 模型构建

1.3.1 政府的收益

政府选择积极监管策略可以得到的收益函数E_x,即

(1)E_x=yz(-C₁+R₁)+(1-y)z(-C₁+R₁+
p₁F-qM)+y(1-z)(-C₁+R₁+p₁F-qM)+
(1-y)(1-z)(-C₁+R₁+2p₁F-qM)

政府选择消极监管策略可以得到的收益函数E_1-_x,即

(2)E_1-_x=yz(-C₂+R₂)+(1-y)z(-C₂+
R₂+p₂F-qM)+y(1-z)(-C₂+R₂+
p₂F-qM)+(1-y)(1-z)(-C₂+
R₂+2p₂F-qM)

由选择积极监管策略时的收益函数E_x和选择消极监管策略时的收益函数E_1-_x可以得到政府的平均收益函数

${\overline{\mathit{E}}}_{\mathit{x}}$

,即

(3)${\overline{\mathit{E}}}_{\mathit{x}}$=xE_x+(1-x)E_1-_x

可得政府的复制动态方程F(x),即

(4)F(x)=$\frac{\mathit{d}\mathit{x}}{\mathit{d}\mathit{t}}$=x(E_x-${\overline{\mathit{E}}}_{\mathit{x}}$)=
x(x-1)(C₁-C₂-R₁+R₂-2p₁F+2p₂F+
yp₁F-yp₂F+zp₁F-zp₂F)

1.3.2 航空公司的收益

航空公司选择合规运输策略可以得到的收益函数E_y,即

(5)E_y=xz(-C₃+R₃)+(1-x)z(-C₃+R₃)+
x(1-z)(-C₃+R₃-qN)+
(1-x)(1-z)(-C₃+R₃-qN)

航空公司选择违规运输策略可以得到的收益函数E_1-_y,即

(6)E_1-_y=xz(-C₄+R₄-p₁F-qN-qS)+
(1-x)z(-C₄+R₄-p₂F-qN-qS)+
x(1-z)(-C₄+R₄-p₁F-qN-qS)+
(1-x)(1-z)(-C₄+R₄-p₂F-qN-qS)

由选择合规运输策略的收益函数E_y和选择违规运输策略时的收益函数E_1-_y可以得到航空公司的平均收益函数

${\overline{\mathit{E}}}_{\mathit{y}}$

,即

(7)${\overline{\mathit{E}}}_{\mathit{y}}$=yE_y+(1-y)E_1-_y

可得航空公司的复制动态方程G(y),即

(8)G(y)=$\frac{\mathit{d}\mathit{y}}{\mathit{d}\mathit{t}}$=y(E_y-${\overline{\mathit{E}}}_{\mathit{y}}$)=
y(1-y)(C₄-C₃+R₃-R₄+
p₂F+qS+xp₁F-xp₂F+zqN)

1.3.3 托运人的收益

托运人选择履行责任策略可以得到的收益函数E_z,即

(9)E_z=xy(-C₅+R₅)+
(1-x)y(-C₅+R₅)+x(1-y)(-C₅+R₅)+
(1-x)(1-y)(-C₅+R₅)

托运人选择不履行责任策略可以得到的收益函数E_1-_z,即

(10)E_1-_z=xy(-C₆+R₆-p₁F)+
(1-x)y(-C₆+R₆-p₂F)+
x(1-y)(-C₆+R₆-p₁F)+
(1-x)(1-y)(-C₆+R₆-p₂F)

由选择履行责任策略的收益函数E_z和选择不履行责任策略的收益函数E_1-_z可以得到托运人的平均收益函数

${\overline{\mathit{E}}}_{\mathit{z}}$

,即

(11)${\overline{\mathit{E}}}_{\mathit{z}}$=zE_z+(1-z)E_1-_z

可得托运人的复制动态方程W(z),即

(12)W(z)=$\frac{\mathit{d}\mathit{z}}{\mathit{d}\mathit{t}}$=z(E_z-${\overline{\mathit{E}}}_{\mathit{z}}$)=z(1-z)(C₆-
C₅+R₅-R₆+p₂F+xp₁F-xp₂F)

2 演化博弈模型分析

收起

2.1 演化博弈模型均衡点

对3个复制动态方程进行求解,令F(x)、G(y)、W(z)等于0,可以得到8个纯策略均衡点及5个混合策略均衡点X^*,因处于稳定状态的均衡点不仅要满足严格纳什均衡的条件,还要满足纯策略纳什均衡的条件。因此,本文不会将混合策略均衡点考虑在内。8个纯策略均衡点为X₁=(0 0 0),X₂=(1 0 0),X₃=(1 1 0),X₄=(1 0 1),X₅=(1 1 1),X₆=(0 1 0),X₇=(0 0 1),X₈=(0 1 1)。

对3个复制动态方程依次求出对x、y、z的偏导数,可以得到对应的雅可比矩阵J,即

(13)J=$\left(\begin{array}{lll}\frac{\partial \mathit{F}}{\partial \mathit{x}}& \frac{\partial \mathit{F}}{\partial \mathit{y}}& \frac{\partial \mathit{F}}{\partial \mathit{z}}\\ \frac{\partial \mathit{G}}{\partial \mathit{x}}& \frac{\partial \mathit{G}}{\partial \mathit{y}}& \frac{\partial \mathit{G}}{\partial \mathit{z}}\\ \frac{\partial \mathit{W}}{\partial \mathit{x}}& \frac{\partial \mathit{W}}{\partial \mathit{y}}& \frac{\partial \mathit{W}}{\partial \mathit{z}}\end{array}\right)$=$\left(\begin{array}{lll}{\mathit{J}}_{11}& {\mathit{J}}_{12}& {\mathit{J}}_{13}\\ {\mathit{J}}_{21}& {\mathit{J}}_{22}& {\mathit{J}}_{23}\\ {\mathit{J}}_{31}& {\mathit{J}}_{32}& {\mathit{J}}_{33}\end{array}\right)$

系统均衡点代入雅可比矩阵后,同时满足λ₁<0、λ₂<0、λ₃<0时系统均衡点为演化稳定策略,将复制动态方程中的均衡点代入雅克比矩阵,得到各个均衡点所对应的雅克比矩阵特征值,见表2。

2.2 均衡点的稳定性分析

情景1:当C₂-C₁+R₁-R₂+2p₁F-2p₂F<0,C₄-C₃+R₃-R₄+p₂F+qS<0且C₆-C₅+R₅-R₆+p₂F<0时,此时系统的演化结果为X₁=(0 0 0),即政府选择消极监管策略,航空公司选择违规运输策略,托运人选择不履行责任策略,此时的稳定状态最不利于航空危险品运输的安全,此时政府应该增加罚金,航空公司自觉增加对社会的公益行为。

情景2:当C₁-C₂-R₁+R₂-2p₁F+2p₂F<0,C₄-C₃+R₃-R₄+p₁F+qS<0且C₆-C₅+R₅-R₆+p₁F<0时,此时系统的演化结果为X₂=(1 0 0),此时政府选择积极监管的策略,但由于监管过程中投入的成本不大,发现违规操作的概率q仍然较小,此时航空公司和托运人都会选择违规操作的策略。

情景3:当C₁-C₂-R₁+R₂-p₁F+p₂F<0,C₃-C₄-R₃+R₄-p₁F-qS<0且C₆-C₅+R₅-R₆+p₁F<0时,此时系统的演化结果为X₃=(1 1 0),此时政府选择积极监管策略,由于积极监管发现违规的概率增加,所以航空公司选择合规运输策略,但由于罚金低于托运人获得的违规收益所以托运人选择不履行责任的策略,政府应该继续加大对违规操作的处罚力度。

情景4:当C₁-C₂-R₁+R₂-p₁F+p₂F<0,C₄-C₃+R₃-R₄+p₁F+qN+qS<0且C₅-C₆-R₅+R₆-p₁F<0时,此时系统的演化结果为X₄=(1 0 1),即政府选择积极监管策略,航空公司倾向于选择违规运输策略,托运人选择履行责任。由于事故的发生率低,航空公司违规运输时的收益高于罚款,航空公司愿意承担风险获得高额收益。

情景5:当C₁-C₂-R₁+R₂<0,C₃-C₄-R₃+R₄-p₁F-qN-qS<0且C₅-C₆-R₅+R₆-p₁F<0时,此时系统的演化结果为X₅=(1 1 1),由于政府消极监管时获得的声誉等收益是极小的所以政府更愿意选择积极监管策略,因为政府积极监管导致违规被发现的概率增加,此时航空公司和托运人如果违规操作面临的罚款和补救费用将会高于违规收益,所以此时航空公司和托运人都倾向于合规操作,此时系统的演化稳定状态是最优的。

情景6:当C₂-C₁+R₁-R₂+p₁F-p₂F<0,C₃-C₄-R₃+R₄-p₂F-qS<0且C₆-C₅+R₅-R₆+p₂F<0时,此时系统的演化结果为X₆=(0 1 0),政府积极监管的成本远高于消极监管时的成本,政府倾向于选择消极监管策略,因此托运人也选择不履行责任若发生不安全事件航空公司需要更多的金钱来维护企业的声誉和地位,所以会选择合规运输。

情景7:当C₂-C₁+R₁-R₂+p₁F-p₂F<0,C₄-C₃+R₃-R₄+p₂F+qN+qS<0且C₅-C₆-R₅+R₆-p₂F<0,此时系统的演化结果为X₇=(0 0 1),政府积极监管的成本远高于消极监管时的成本,政府倾向于选择消极监管策略,因为政府消极监管发现违规运输的概率降低,所以航空公司也倾向于选择违规运输策略,托运人因为罚金高于不履行责任时的收益所以选择履行责任的策略。

情景8:当C₂-C₁+R₁-R₂<0,C₃-C₄-SR₃+R₄-p₂F-qN-qS<0且C₅-C₆-R₅+R₆-p₂F<0时,此时系统的演化结果为X₈=(0 1 1),即政府选择消极监管策略,航空公司选择合规运输策略,托运人选择履行责任的策略,因为政府设定了较高的罚金,导致航空公司和托运人为避免违规操作被发现赔偿高额的罚金而选择合规操作,此时因为政府设定了高额的罚金,可以放松监管力度降低监管成本。

3 演化仿真分析

收起

3.1 数值假设及演化结果分析

危险品航空运输不安全事故时有发生,1996 年美国 value jet 航空公司的 592 航班运输使用过的氧气发生器,因氧气发生器意外发生反应,造成货舱内激烈燃烧温度高达 3 000 ℉,15 min后飞机坠毁,机上 110 名旅客和机组人员全部罹难。2010年9月3日,一架载有危险品的波音 747 货机在迪拜机场坠毁,造成两名机组人员死亡,这起事故的原因是货物中的危险品发生爆炸,导致飞机坠毁。在满足模型要求的前提下,考虑到危险品航空运输的实际运输案例,并咨询相关领域专家对参数进行初始赋值。对参数的初始设定如下:C₁=5,C₂=2,C₃=7,C₄=5,C₅=6,C₆=4,R₁=7,R₂=3,R₃=9,R₄=15,R₅=8,R₆=10,F=10,M=10,N=15,S=5,p₁=0.8,p₂=0.4,q=0.3。根据参数的初始值运用MATLAB软件绘制三维图像,得到系统的初始演化路径^[16],仿真结果如图1所示。

图1显示,系统演化趋向于X₅=(1 1 1)状态,即政府选择积极监管策略,航空公司选择合规运输策略,托运人选择履行责任策略。

3.2 关键参数敏感性分析

3.2.1 F对系统演化状态的影响

以初始策略选择x=y=z=0.5为例,政府罚款F分别取3、10、15,其他参数不变。得到参数F变化对系统演化结果的影响和参数F变化分别对三方演化路径的影响^[17],如图2 图3所示。

从仿真结果可发现,F由10突变为3时,系统的演化均衡由X₅=(1 1 1)向X₂=(1 0 0)转变,当F由10突变为15时,系统的演化均衡状态仍然为X₅=(1 1 1),说明再增加政府对航空公司和托运人的罚款只会加快到达演化均衡状态的速度,不会影响演化均衡的结果。F增大时,x向1演化的速率增加,所以F增大对x向1演化是正向激励,对x向0演化是负向激励,即政府对航空公司和托运人的罚款增加,政府更倾向于选择积极监管策略。F增大,y向1演化的速率增加,F增大对y向0演化是负向激励,对y向1演化是正向激励,即政府罚款增加时,航空公司更倾向于选择合规运输策略。F增大,z向1演化的速率增加,F增大对z向0演化是负向激励,对z向1演化是正向激励,即政府罚款增加时,托运人更倾向于选择履行责任策略。当F突变到3时,托运人和航空公司最终会选择不履行责任策略和违规运输策略。

3.2.2 C₁对系统演化状态的影响

以初始策略选择x=y=z=0.5为例,C₁分别取2、5、8,其他参数不变。得到参数C₁变化对系统演化结果的影响和参数C₁变化分别对三方演化路径的影响,如图4、图5所示。

从图4、图5中可以发现,当C₁从5突变为2时,系统的演化均衡仍然为X₅=(1 1 1),当C₁从5突变为8时,系统的演化均衡由X₅=(1 1 1)向X₈=(0 1 1)转变,政府积极监管时的成本过高时政府可能会选择消极监管策略。政府积极监管成本增加对x向0演化是正向激励,对x向1演化是负向激励。C₁增加对y向0演化是正向激励,对y向1演化是负向激励,但最终y仍然会向1演化。C₁增加对z向1演化是负向激励,对z向0演化是正向激励,C₁降低时会加快z向1演化的速度,使系统更快地达到稳定状态。C₁的增加或减少并不能改变航空公司和托运人策略选择的结果,只会影响系统演化稳定的速率,但C₁的变化会影响政府的决策,C₁逐渐增加时,政府为规避高额成本而选择消极监管策略。

3.2.3 R₄对系统演化状态的影响

以初始策略选择x=y=z=0.5为例,R₄分别取5、15、25,其他参数不变。得到参数R₄变化对系统演化结果的影响和参数R₄变化分别对三方演化路径的影响,如图6、图7所示。

当R₄由15突变为5时,系统的演化均衡仍然为X₅=(1 1 1),R₄由15突变为25时,系统的演化均衡由X₅=(1 1 1)变为X₄=(1 0 1)。R₄增加对x向1演化是正向激励,对x向0演化是负向激励,R₄的增加只会加快x向1演化的速度,并不会改变政府的策略演化结果。R₄增加对y向1演化是负向激励,对y向0演化是正向激励,即随着航空公司违规运输的违规收益的增加,航空公司会为了高额的违规收益铤而走险选择违规运输策略。R₄的增加对z向1演化是正向激励,对z向0演化是负向激励,但R₄的改变只会影响z的演化速率,并不会改变z的演化结果。

3.2.4 p₁对系统演化状态的影响

以初始策略选择x=y=z=0.5为例,p₁分别取0.6、0.7、0.8,其他参数不变。得到参数p₁变化对系统演化结果的影响和参数p₁变化分别对三方演化路径的影响,如图8、图9所示。

p₁变化系统的演化结果仍为X₅=(1 1 1),即政府选择积极监管策略,航空公司选择合规运输策略,托运人选择履行责任策略。p₁的增加对x向1演化是正向激励,对x向0演化是负向激励,p₁的增加会加快x向1演化的速度,使x更快到达稳定状态。p₁的增加对y向1演化是正向激励,对y向0演化是负向激励。p₁的增大对z向0演化是负向激励,对z向1演化是正向激励。

3.2.5 C₅对系统演化状态的影响

以初始策略选择x=y=z=0.5为例,C₅分别取1、6、15,其他参数不变。得到参数C₅变化对系统演化结果的影响和参数C₅变化分别对三方演化路径的影响,如图10、图11所示。

当C₅由6突变为1时,系统的演化均衡仍然为X₅=(1 1 1),当C₅突变为15时系统的演化均衡点由X₅=(1 1 1)变为X₃=(1 1 0),此时政府选择积极监管,航空公司选择合规运输,托运人选择不履行责任,这意味着当托运人履行责任时的成本过高时托运人会为了使自己获得更高的收益而选择不履行责任。C₅增加对x向1演化是正向激励,对x向0演化是负向激励,随着C₅的增加,政府向1演化的速率增加。C₅增加对y向1演化是负向激励,对y向0演化是正向激励,C₅增加航空公司向1演化的速度逐渐变缓。C₅增加对z向0演化是正向激励,对z向1演化是负向激励,当C₅逐渐增加时托运人向1演化的速度逐渐变慢,C₅增加到15时,托运人最终的演化结果为0,即托运人最终会选择不履行责任。

4 结论

收起

对航空危险品货物安全运输运用演化博弈理论,建立了政府、托运人和航空公司三方的演化博弈模型,通过对演化博弈模型的求解得出政府、托运人和航空公司三方的复制动态方程并求出了8个均衡点,对均衡点进行了稳定性分析,得到以下结论。

(1)通过演化博弈模型可知,政府的监管成本、惩罚力度、航空公司的管理成本、航空公司和托运人的违规收益等因素均会对演化博弈结果产生影响。

(2)政府采取的策略会影响托运人和航空公司的选择策略,政府采取积极监管策略的同时增大对托运人和航空公司的处罚力度,托运人和航空公司的行为会更加规范,能够有效地降低危险品不安全事故发生率。

(3)航空公司会因合规运输成本的增加而进行不合规运输来获得航空公司利益最大化,为此政府应当加大监管力度,制定合理的监管措施,可以促使航空公司按照规范运营,降低危险品事故发生的概率。航空公司在保障危险品作业过程安全的同时,也要维护机场环境、提高航线投资环境、积极承担社会责任。

未来可对更多的航空危险品不安全事故案例进行研究,增大数据量让演化博弈仿真参数的初始数据值更具有真实性,以获得更加贴近现实的仿真结果和决策建议^[18]。

基金

收起

国家自然科学基金(61179074)
大学生创新创业训练计划(S202310624060)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

罗锋. 内河危险品运输风险分析与监管策略博弈研究[D]. 重庆: 重庆交通大学, 2023.

[2]

吴海涛, 刘月. 区块链赋能视角下危险货物道路运输安全监管演化博弈研究[J]. 安全与环境学报, 2024, 24(5): 1894-1903.

[3]

吴芮函. 规制危险品航空运输的行刑衔接研究[D]. 天津: 中国民航大学, 2022.

[4]

王伟, 王晓楠, 丁黎黎, 等. 考虑公众监督的政府与危险品运输企业的演化博弈分析[J]. 系统科学学报, 2022, 30(1): 92-96, 136.

[5]

程志友, 罗锋, 吴蕊, 等. 基于系统动力学模型的港口危化品运输管理演化博弈[J]. 上海海事大学学报, 2023, 44(3): 71-78, 99.

[6]

赖红珍, 周艳菊, 陈晓红, 等. 考虑供应链上游社会责任履行的供应链协调机制研究[J]. 系统工程理论与实践, 2023, 43(9): 2502-2519.

[7]

张路, 马德青, 胡劲松. 企业社会责任下的旅游供应链低碳运营研究[J]. 运筹与管理, 2022, 31(6): 189-195.

[8]

韩震, 王菡, 杨丽. 基于CSV的港口危险品管理博弈研究[J]. 科研管理, 2022, 43(1): 161-167.

[9]

裴彬. 我国危险品航空运输管理现状及方法[J]. 中国航务周刊, 2023(38): 51-53.

[10]

LEE

, SEO

. A Study on improvement of safety management of air dangerous goods terminal[J]. Korean Journal of Hazardous Materials, 2018, 6(1): 29-36.

[11]

WANG

. Risk management research of aviation dangerous goods transportation andstorage[C]// Proceedings of 2019 International Conference on Emerging Researches in Management. Denver: Francis Academic Press, 2019: 756-759.

[12]

沈海滨, 赵胜男, 袁铭怿, 等. 基于演化博弈的民航危险品运输培训监管[J]. 安全与环境工程, 2024, 31(3): 96-102, 127.

[13]

张广胜, 徐旭. 政府参与危险品物流安全协同保障系统演化博弈研究[J]. 系统科学学报, 2024, 32(1): 97-103.

[14]

赵连霞, 刘佳, 张小峰, 等. 三方博弈视角下供应商社会责任审查策略研究[J]. 管理学报, 2023, 20(9): 1380-1388.

[15]

李凤, 程春龙, 郭烨锋. 考虑零售商企业社会责任的低碳供应链政府补贴策略[J]. 山东大学学报(理学版), 2024, 59(1): 85-99.

[16]

吴维, 林芷伊, 王兴隆. 同质竞争下补贴策略对多机场航线网络演化博弈研究[J/OL]. 北京航空航天大学学报, 1-17[2024-11-03]. https://doi.org/10.13700/j.bh.1001-5965.2024.0477.

[17]

李圆圆, 孙李傲, 袁文燕, 等. 考虑恐怖袭击下危险品运输安全监管的演化博弈与稳定性分析[J]. 中国安全生产科学技术, 2022, 18(5): 18-24.

[18]

民用航空危险品运输管理规定[J]. 中华人民共和国国务院公报, 2024(10): 50-61.

2025年第25卷第3期

PDF下载

300

151

引用本文

BibTeX

文章信息

接收时间：2024-08-19
首发时间：2025-07-21
出版时间：2025-02-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-08-19

基金

国家自然科学基金(61179074)

大学生创新创业训练计划(S202310624060)

作者信息

中国民用航空飞行学院机场学院, 四川广汉 618307

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1153984493405851869

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

托运人z	航空公司y	政府x
托运人z	航空公司y	积极监管	消极监管
履行	合规	-C₁+R₁ -C₃+R₃ -C₅+R₅	-C₂+R₂ -C₃+R₃ -C₅+R₅
履行	违规	-C₁+R₁+p₁F-qM -C₄+R₄-p₁F-qN-qS -C₅+R₅	-C₂+R₂+p₂F-qM -C₄+R₄-p₂F-qN-qS -C₅+R₅
不履行	合规	-C₁+R₁+p₁F-qM -C₃+R₃-qN -C₆+R₆-p₁F	-C₂+R₂+p₂F-qM -C₃+R₃-qN -C₆+R₆-p₂F
不履行	违规	-C₁+R₁+2p₁F-qM -C₄+R₄-p₁F-qN-qS -C₆+R₆-p₁F	-C₂+R₂+2p₂F-qM -C₄+R₄-p₂F-qN-qS -C₆+R₆-p₂F