《现代财经-早读早分享》2025年元月1日周三(第3232期)

财富   2025-01-01 00:02   天津  

今天是2025年元月1日,星期三,农历腊月初二,美好的一天从阅读《现代财经-早读早分享》开始!

每日晨语


   2025年元旦之际,《现代财经》祝福各位朋友生活如璀璨烟火,绚烂多彩;事业似骏马奔腾,步步高升。新的一年,愿幸福伴你左右,快乐随你前行;健康与你相伴,平安守你一生。元旦快乐!周三,早安!  

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成(总第3232期)。原创不易,敬请尊重。谢谢鼓励。

  一、早读分享   

1、农业农村部:到2035年乡村生态振兴迈上新台阶。农业农村部近日发布《加快农业发展全面绿色转型促进乡村生态振兴指导意见》。意见提出,到2030年,农业绿色发展水平明显提高,绿色低碳循环的农业产业体系初步构建,农业发展全面绿色转型取得积极进展,乡村生态振兴有效推进。到2035年,农业绿色发展水平显著提高,绿色生产方式基本形成,农业资源利用效率达到国际先进水平,农业产地环境得到全面改善,农业产业发展循环畅通,生产生活生态协调发展,绿色低碳循环的农业产业体系更加完善,乡村生态振兴迈上新台阶,生态宜居的美丽乡村基本实现。(第一财经)
蔡子微评:在乡村全面振兴的大背景下,农业农村经济发展的绿色转型显得尤为迫切。这不仅是对生态环境保护的响应,也是提升农业竞争力的关键。绿色转型意味着要优化产业结构,发展循环农业,减少资源消耗和环境污染。同时,要鼓励科技创新,推广节水灌溉、有机种植等绿色生产方式,提高农产品附加值。通过这些措施,可以促进农村经济的可持续发展,实现生态效益和经济效益的双重提升,为乡村振兴注入新动力。
话题关注:乡村全面振兴背景下农业农村经济发展绿色转型研究
2、民营企业展现向好向“新”强劲动力。国家税务总局最新税收数据显示,今年前11个月,我国民营企业新增减税降费及退税1万亿元,占比71.3%;享受研发费用加计扣除、先进制造业企业增值税加计抵减两项支持科技创新的主要税收优惠政策减税6991亿元,占比达71.2%;享受留抵退税金额2691亿元,占比70.4%。三个“70%”的背后,是税务部门一以贯之服务民营企业发展壮大的坚定态度和实际行动,也展现出民营企业向好向“新”发展的强劲动力。(中国经济网)
蔡子微评:民营企业在国家经济发展、带动就业、扩大内需以及推动技术创新等方面具有重要意义。然而,民营企业在发展过程中还存在经营成本高、税费负担重融资难等问题。对此,一方面拓展减税降费形式,加大政策力度。在“降费”政策方面,可从社保缴费、政府性质的收费、企业具有半公共性的成本支出等方面分别入手。另一方面,实施普惠性政策,解决企业融资问题。金融机构作为放贷的一方,消除过去不敢贷的心理,全力支持民营企业贷款,国家也可以通过财政补贴的方式为金融机构贷款注入资金支持。
话题关注:财务管理视角下优化民营企业减税降费结构与路径选择
3、推动新旧动能转换,助力经济高质量发展。近日召开的中央经济工作会议明确指出,必须统筹好培育新动能和更新旧动能的关系,因地制宜发展新质生产力。这为我们做好下一阶段的经济工作,持续推进经济动能转换,实现高质量发展提供了清晰的路径指引。在经济发展过程中,新旧动能转换是一项系统性、长期性的任务。我们要聚焦新质生产力,积极推动新兴产业的发展,同时也不能急于求成、忽视和放弃传统产业。新兴产业为经济高质量发展注入新活力,传统产业的稳定亦可确保经济平稳运行,并为新技术的发展提供必要土壤。(中国经济网)
蔡子微评:在经济发展过程中,新旧动能转换是一项系统性、长期性的任务。然而,我国新旧动能转换目前存在着数字化产业相对较少与经济发展缺乏协同性等问题。对此,一方面要推动传统产业数字化转型,借助大数据、云计算等先进技术对生产、销售等各环节进行升级,促使产业向绿色化、智能化高端化方向迈进;另一方面要促进实体经济和数字经济深度融合,加快5G、工业互联网、人工智能等数字技术的应用,推动传统产业转型升级,实现“老树发新枝”。
话题关注:高质量发展下新旧动能转换下的产业结构优化与区域协调发展
4、靠科技创新培育新动能。中央经济工作会议提出,推动科技创新和产业创新融合发展,并将“以科技创新引领新质生产力发展,建设现代化产业体系”确定为2025年要抓好的九项重点任务之一。这充分体现了党中央对科技创新的高度重视,明确了科技的战略先导地位和根本支撑作用。中国式现代化要靠科技现代化作支撑,实现高质量发展要靠科技创新培育新动能。科技创新与产业创新融合发展,有哪些亟待突破的堵点和难点?(经济日报)
蔡子微评:科技创新和产业创新融合发展具有重要意义。中央经济工作会议将其作为重点任务之一,体现了党中央对科技创新的高度重视。然而,目前在两者融合发展过程中,还存在一些亟待突破的堵点和难点。如交流互动渠道不够畅通、物质技术基础亟待夯实、工作机制不够健全、企业创新主体作用尚未充分发挥、融合发展场景不够丰富以及人才和资金等方面的问题。为了推动科技创新与产业创新深度融合,构建良性互动的发展格局,专家提出了一系列建议,包括强化顶层设计、完善政策支持体系、深化产学研合作、加快科技成果转化、推动集群式创新等。
话题关注:以数字经济赋能和推动科技创新与产业创新融合发展路径研究
5、稳就业惠民生拉内需 ,以“暖心”传“信心”。中央经济工作会议在部署2025年经济工作时,要求抓好九项重点任务其中明确提出“加大保障和改善民生力度”,包括“落实好产业、就业等帮扶政策”“促进重点群体就业”“实施医疗卫生强基工程”等具体措施。(央广网)
蔡子微评:治国有常,利民为本。通过加强民生保障,特别是就业和医疗卫生等领域的帮扶政策,可以提高人民的生活水平和幸福感,增强社会凝聚力;通过城镇化进程中公共服务设施的补齐,这有助于缩小城乡差距,促进社会公平。一系列惠民政策的实施必将为人民群众提供更加优质高效的服务。
话题关注:保障和改善民生对经济社会高质量发展的影响研究
6、数据资产入表政策实施一周年,企业点“数”成金渐成新趋势。到2025年1月1日,财政部印发的《企业数据资源相关会计处理暂行规定》正式实施一周年。这一年,全国各地的企业纷纷响应,积极投身这场数据资产化浪潮。其中,部分上市公司已将数据资产作为提升企业竞争力的新引擎,视为优化负债结构、拓宽融资渠道与降低融资成本的重要抓手。各大金融机构要持续推进金融创新服务工作,参与数据资产评估机制,为创新型企业提供坚实有力的融资支持与保障服务。只有这样,才能真正让企业实现“数据知产”向“数据资产”的升级,点“数”成金。 证券日报
蔡子微评:数据资产化的政策实施为企业提供了新的发展机遇,企业通过将数据视为重要资产,能够提升竞争力并优化融资结构。这一趋势不仅反映了大数据时代的特征,也为金融机构提供了创新服务的契机。通过建立数据资产评估机制,能够有效支持创新型企业的发展,实现“数据知产”向“数据资产”的转变,推动经济高质量发展。
话题关注:从企业数据资产化的视域探讨中小企业融资新路径
7、中国制造业全球竞争力处于上升趋势。12月30日发布的《2024中国制造强国发展指数报告》显示,2023年,中国制造强国发展指数整体向好,中国制造业全球竞争力处于上升趋势,在提质增效、绿色低碳发展等方面成效显著。报告由国家制造强国建设战略咨询委员会联合中国工程院战略咨询中心等单位共同发布。报告显示,2023年,中国制造业增加值率、制造业全员劳动生产率、制造业销售利润率同步提升,表明中国制造业从重规模向重质量效益转型的步伐加快;“单位制造业能耗的制造业增加值”“工业固体废物综合利用率”增幅明显,中国制造业绿色低碳发展成效显著。(中经网)
蔡子微评:制造业的发展不能仅仅停留在规模和数量的增长上,更要注重质量和效益的提升。中国制造业正在从重规模向重质量效益转型。绿色低碳发展已经成为全球制造业的共识和趋势。中国制造业在这方面取得了显著的成效,这是制造业自身转型升级的必然要求。未来,中国制造业需要继续加强绿色低碳技术的研发和应用,推动制造业的绿色发展。
话题关注:数字化转型与制造业价值链攀升机制研究
8、证监会首次系统全面规范信披豁免 ,规则范围更明确,市场透明度进一步提高。证监会就《上市公司信息披露暂缓与豁免管理规定》(以下简称《管理规定》)公开征求意见,这是证监会首次系统、全面出台专门规定,规范上市公司以及其他信息披露义务人信息披露暂缓、豁免行为,保护投资者合法权益。具体来看,《管理规定》明确了两大类豁免事项和三种豁免方式,同时,为保障投资者的知情权,要求上市公司审慎确定暂缓与豁免披露有关事项。(中经网)
蔡子微评:证监会此次系统、全面规范上市公司以及其他信息披露义务人的信息披露暂缓、豁免行为,是信息披露制度的一次重要完善。通过明确豁免事项和豁免方式,为上市公司提供了更加清晰、具体的指导,有助于上市公司在保护商业秘密和国家秘密的同时,合规进行信息披露。这一举措不仅增强了信息披露制度的规范性和可操作性,也进一步提升了市场的透明度,为投资者提供了更加公平、透明的投资环境。
话题关注:信息披露豁免制度与上市公司市值提升机制研究
9、政策赋能产业升级,创新药出海百花齐放。近期,创新药出海事件频现,出海形式多样,包括新药在海外获批上市、在研产品获得海外授权、达成研发合作等。专家表示,中国医药企业创新实力持续增强,已得到海外市场的高度认可,创新药企业出海呈现百花齐放的态势。在此背景下,中国生物科技企业要主动布局全球市场,利用全球资源开展临床研究,提供更多优质、高效的医药创新产品与服务,推动全球医药健康事业蓬勃发展。(中国经济网)
蔡子微评:创新药出海是中国医药企业国际化发展的重要趋势。然而,在这一过程中也存在投融资遇冷、政策顶层设计支持不足等问题和挑战。对此,一方面优化政策支持,需要对开展国际多中心临床试验的重磅药品设立更加合理的分阶段支持细则,助力创新药企业打通海外研发、临床、上市到商业化的关键堵点。另一方面,加大资金支持力度,通过设立创新药出海发展基金等方式,吸引国内外各方资金,为企业解决后顾之忧提供助力。
话题关注:新质生产力背景下创新药研发与出海双轮驱动研究
10、县域市场崛起,拼多多引领品牌新增长。寻找消费的增量和潜力,市场开始将目光转向县域市场。这个市场足够广阔,它包含了300个地级市,2800个县城,4万个乡镇和66万个村庄,以及70%左右的人口占比而这同时对应的是——县域经济GDP已经占到了全国GDP的38%。眼下,县域消费升级“多点开花”,从“重产品”向“重品牌”过渡。电商渠道和物流基础设施的下沉打通了各大品牌进军县域市场的路径,县域居民对品牌的认知和需求不断提升。(21世纪经济报道)
蔡子微评:县域市场的崛起是当前经济发展的一个重要趋势,反映了中国消费市场的多元化和深层次潜力。随着城市化进程的推进和居民收入水平的提升,县域市场的消费能力不断增强,为各类产品和服务提供了广阔的发展空间。同时,县域市场的崛起还促进了城乡经济的均衡发展,有助于缩小城乡差距,进一步提升了县域居民的生活质量。
话题关注:电商平台赋能县域经济增长:内在逻辑与实践路径
11、甘肃高标准推动优化营商环境提质增效。据了解,甘肃打造优化营商环境升级版、部门协作构建优化营商环境一盘棋、市县联动夯实优化营商环境主阵地、综合评价用好优化营商环境指挥棒、纾困解难打通优化营商环境突破口、服务保障找准优化营商环境着力点强基固本筑牢优化营商环境压舱石,分领域分层级推动政务、市场、法治、创新、要素、人文等“六大环境”重点任务落实落地,全省营商环境呈现出整体优化、争先进位、质效兼优、向新向好的积极态势。(经济日报)
蔡子微评:甘肃省的营商环境优化体现了政府推动改革、加强服务的重要性。通过整合资源和简化流程,降低了企业运营成本,提升了市场活力。特别是数字政府和法治化建设的结合,能够为企业提供更加公平透明的营商环境。这不仅能吸引更多企业投资,还能促进地方经济的持续增长。在未来,继续聚焦企业和群众的需求,完善法律保障体系,将进一步促进甘肃省的经济发展。
话题关注:营商环境优化与区域经济发展的耦合协调关系及互动效应研究
12、山东省泰安市宁阳县:培育青年企业家队伍,激活经济发展新动能。宁阳县每年度都会开展青年企业家纳新工作,高效有力凝聚起一支有能力、有担当的青年企业家队伍。一方面,建立青年企业家信息数据库,精准掌握优势和需求,确保县政府和企业家愿望“双向直达”。另一方面,为了满足青年企业家开阔视野、提升本领的实际需求,健全技术创新、产业转型升级相关政策扶持体系,鼓励引导青年企业家带头加强技术创新和产业革新。同时,整合部门力量,搭建青年企业家论坛,开展“青企代表行”等活动,加强与先进地区的沟通联系,取长补短、资源共享。(经济日报)
蔡子微评:宁阳县对青年企业家的重视和支持,体现了地方政府在培育创新型经济方面的战略眼光。通过精准服务、政策扶持和资源整合,宁阳县不仅为青年企业家提供了广阔的成长空间,也让他们有能力承担社会责任,推动经济与社会共同发展。这种良性循环的经验值得其他地区借鉴,为经济高质量发展注入活力。
话题关注:数字人才培养生态的理论构建与优化路径研究
  二、今日社科期刊佳作关注  

通勤亦工作——无人驾驶驱动下的出行新模式及其影响


作者:朱鸿伟,田丽君,黄海军. 来源:《管理科学学报》2024年第8期

  导读  

从活动的视角研究无人驾驶带来的通勤行为变化.将车内边际活动效用和车内时间利用效率纳入考虑,构建无人驾驶汽车通勤者基于活动的效用函数.对常数与线性边际活动效用情形下的出发与停车模式、最优动态瓶颈收费,以及模型性质进行推导,并与基于出行的模型结果进行比较.结果表明常数边际活动效用情形时,早到出发率是车内边际活动效用和车内时间利用效率的增函数,晚到出发率则反之;线性边际活动效用情形下,早到人数与车内时间损耗程度无关,与上班时间正相关.实施最优瓶颈收费后发现,基于出行的模型会高估总收费收入的上界,低估总收费收入的下界.从实现系统净效用最大化的角度来说,应结合停车社会成本函数和具体情境调整停车密度设置.

关键词:瓶颈模型;无人驾驶汽车;基于活动的方法;瓶颈收费;停车密度;

引用格式:朱鸿伟,田丽君,黄海军.通勤亦工作——无人驾驶驱动下的出行新模式及其影响[J].管理科学学报,2024,27(08):90-104.

0 引 言

随着人工智能和5G等新兴技术的不断完善,无人驾驶汽车(AV/UV) 从概念走进生活,根据百度Apollo的运营报告[1],在3年内百度将在30多个中国城市部署超过3 000辆无人驾驶汽车.无人驾驶的出现,将改变传统的出行模式,将驾驶员的双手从方向盘上解放,使得车内时间不再需要浪费在驾驶车辆上面,出行者在通勤路上就可提前进入工作状态,例如查阅邮件或撰写文档,即通勤亦工作.这就引入一个有趣且重要的话题:无人驾驶的出现将如何改变通勤者的出行行为,并进一步影响出行成本及交通规划与政策制定[2-6]?

无人驾驶汽车的一个显著特征是可自行寻找泊车位,其出现将颠覆对于传统汽车在停车问题上的认知.Arnott等[7]基于瓶颈模型[8]讨论了传统汽车出行和停车的时空特性,随后众多学者分别针对停车场定价问题[9],多个停车场共存对通勤行为的影响[10-12],考虑停车位收费的多模式选择问题[13],以及车位受限情形下的早高峰出发模式[14]等方面进行了拓展研究.最近,Liu[15]基于瓶颈模型首次对无人驾驶时代背景下的通勤者出发时间和泊车位选择均衡问题进行了研究,并与Arnott等[7]基于传统汽车的均衡分析结果进行了比较.Tian等[16]考虑无人驾驶汽车的共享属性, 在道路上同时存在传统汽车和共享无人驾驶汽车的情形下研究了泊车位充足和受限情形下的无人驾驶汽车内生市场渗透率.Zhang等[17]在Liu[15]的基础上进一步将早晚通勤行为结合起来,对无人驾驶通勤者的出行行为以及停车模式进行了研究.Zhang等[18]通过变分不等式方法首次研究了在交通网络中的无人驾驶汽车路径选择和停车位置选择均衡问题,而Xue等[19]则通过探析政府与企业在无人驾驶技术发展中的地位与责任,为无人驾驶情形下的相关政策制定与企业经营提供依据.

无人驾驶汽车的另一个显著特征是使通勤者拥有更多自由时间,可在行驶途中从事工作或娱乐等活动[20]. 以往对于无人驾驶汽车的研究大部分是从成本的视角进行分析,并且没有考虑乘坐无人驾驶汽车的通勤者在上班途中所产生的活动效用部分.基于活动的瓶颈模型最早由Li等[21]提出,从活动效用的视角对传统汽车的通勤行为进行了分析,发现基于出行的瓶颈模型在刻画通勤者的出发时间上存在偏差.在此基础上,李志纯和丁晶[22]采用基于活动的瓶颈模型研究了传统汽车情形下瓶颈动态拥挤收费和单步阶梯收费问题.Li等[23]进一步研究了基于活动的瓶颈模型的多步阶梯收费问题.

综上,本研究将综合考虑无人驾驶通勤者在不同阶段的边际活动效用和无人驾驶汽车的自主泊车特性,采用基于活动的方法研究无人驾驶带来的通勤行为改变,系统最优动态瓶颈收费及最优停车密度变化,并与现有文献结果进行对比.本研究将为分析无人驾驶时代下通勤行为变化提供一种新的研究思路,这有助于加深对无人驾驶汽车时代交通系统的新特征的理解和认识.

1 模型描述

假设有n位同质通勤者在每日早高峰期间需经由一条连接居住区和工作地的交通走廊进行日常通勤(见图1).交通走廊上存在一个通行能力为s的交通瓶颈,其它位置视为通行能力无限大的畅通道路.不失一般性,设自由流时间为0,即通勤者从家出发即到达瓶颈入口,排队结束从瓶颈离开即到达工作地.本研究的出行场景设定为全面无人驾驶时代,所有通勤者均单独乘坐AV从居住区到工作地,车辆因不需要人为操纵从而使得通勤者可在上班途中提前进入工作状态产生正效用.综合考虑通勤者在各个阶段产生的活动效用与AV的特性,从活动的视角给出AV通勤者在t时刻出发的效用函数U(t)为

图1 考虑停车行为的瓶颈模型

Fig.1 Bottleneck model considering the parking behaviors

U(t)=uh(x)dx+uin(x)dx+

uw(x)dx

(1)

其中ts为第一位通勤者的出发时间,te为最后一位通勤者的出发时间,为在上班开始时间t*准时到达工作地的通勤者的出发时间,T(t)为通勤者的排队时间,且对于t时刻从生活区出发的通勤者而言,区间[ts,t]之间为在家活动时间,边际效用函数设为uh(t),区间[t+θT(t),t+T(t)]之间为上班途中产生正效用的活动时间,边际效用函数设为uin(t)(1)需说明的是,本研究通勤效用函数U(t)中活动效用函数的积分区间和李志纯和丁晶[22]研究中的定义不同,传统汽车情况下活动效用的积分区间为[ts,t]和[t+T(t),te],而本研究新增区间[t+θT(t),t+T(t)],这是因为通勤者乘坐AV期间可以提前进入工作状态产生正效用,其中θT(t)表示在路上通行实际浪费掉的时间,因此(1-θ)T(t)表示无人驾驶通勤者在路上能够产生正效用的时间,为便于分析,本研究假设乘客在上车后经过θT(t)的时间才开始在车内产生活动效用,即θT(t)位于(1-θ)T(t)之前.θ=1,则退化为传统汽车情形.,区间[t+T(t),te]之间为工作活动时间,边际效用函数设为uw(t).在t时刻出发的AV通勤者的通勤成本函数C(t)定义为

(2)

这一定义与经典瓶颈模型的区别在于无人驾驶通勤者可有效利用通勤时间产生正效用[16],θ表示车内时间损耗程度的参数,θ越小则车内时间利用效率越高, 且β<θα<γ成立(2)文中假设θα>β总成立,否则就会出现宁愿在路上排队也不愿早到办公室的反常现象.;通勤成本最后一部分为停车成本[15],x为AV的泊车位置,按照车辆到达顺序从工作地向外延伸,w为AV行驶单位距离的时间,λ为AV行驶单位时间的成本值,且λ<α成立.由此,在t时刻出发的AV通勤者的净效用函数Φ(t)为

Φ(t)=U(t)-C(t)

(3)

通勤过程可描述为通勤者乘坐AV从家出发前往工作地,通过瓶颈到达工作地后,AV将通勤者送到工作地后自行前往泊车位置,其停车偏好为优先停靠在离工作地近的位置,因此泊车位置x是关于出发时间t的函数.设m为走廊上的公共泊车位密度[15],由流量守恒条件可知

mx(t)=s(t+T(t)-ts)

(4)

下面给出三个均衡性质.

性质1 当车内边际活动效用函数uin(t)满足条件uin(t)<uw(t)-β+λws/m时,早到通勤者不会出现到达工作地后选择继续待在车内以减少计划延误成本的通勤行为.

证明 以t时刻出发的通勤者为例进行讨论.假设通勤者早到,在到达工作地后选择继续在车内停留Δt的活动时间,此时通勤者的效用函数U(t)为

U(t)=uh(x)dx+uin(x)dx+

uw(x)dx+

(uin(x)-uw(x))dx

(5)

对于早到通勤者来说,其成本函数C(t)为

C(t)=θαT(t)+β(t*-t-T(t))-

βΔt+λw(xx)

(6)

其中Δx为因继续停留Δt的活动时间所导致的停车位置后移距离.由m(x(t)+Δx)=s(t+T(t)+Δt-ts)与式(4)相减后可知Δx=sΔt/m成立,据此整理后可得因选择继续停留车内而导致的净效用变化值为

ΔΦ=(uin(x)-uw(x))dx-

(λws/m-β)dx

(7)

可以发现当uin(t)<uw(t)-β+λws/m时通勤者的净效用变化值ΔΦ<0,因此早到通勤者不会选择到达工作地后不下车继续停留在车内.同理,若通勤者晚到,此时净效用变化值为

ΔΦ=(uin(x)-uw(x))dx-

(γ+λws/m)dx

(8)

uin(t)<uw(t)-β+λws/m可知,上式中uin(t)-uw(t)-γ-λws/m<0总成立,即ΔΦ<0,故晚到通勤者不会出现到达工作地后继续在车内停留的情形.综上,性质1得证.

性质1给出了车内边际活动效用uin(t)应满足的上界条件.

性质2 ts时刻出发的第一位通勤者和te时刻出发的最后一位通勤者无需排队.

证明 以ts时刻出发的通勤者为例,假设出发时存在排队,设排队时间为T(ts),故此时通勤者的通勤净效用为

Φ(ts)=uin(x)dx+uw(x)dx+

(β-θα)T(ts)-β(t*-ts)

(9)

θα>β可知,若T(ts)>0,此时无法实现通勤净效用最大化,这与均衡状态时效用最大化相矛盾,故不成立.同理可证最后一位通勤者无需排队.综上,性质2得证.

这与李志纯和丁晶[22]研究活动视角下传统车辆时得出的性质一致.

性质3 当且仅当满足条件λws/m-β<uh(t)+uin(t+T(t))-uin(t+θT(t))-uw(t+T(t))<λws/m+γ时,早高峰期间瓶颈处存在排队.

证明 在均衡态,所有通勤者的净效用相等,没有任何一位通勤者可以通过改变出发时间获得更高的净效用,即dΦ(t)/dt=0总成立.对式(3)中的Φ(t)进行求导,可得早到出发率r1(t)和晚到出发率r2(t)分别为

由早高峰期间瓶颈处存在排队与性质2中最后一位通勤者无需排队 (排队已消除)可知,需满足r1(t)>sr2(t)<s这两个条件.由此,可得λws/m-β<uh(t)+uin(t+T(t))-uin(t+θT(t))-uw(t+T(t))<λws/m+γ总成立.性质3得证.

以上内容对各边际活动效用函数大小关系以及排队发生条件等问题进行了分析,但并未给出边际活动效用函数的具体形式来进行讨论,下文将分别以常数边际活动效用情形和线性边际活动效用情形为例,研究无人驾驶带来的早高峰通勤行为变化.

1.1 常数边际活动效用情形

当边际效用函数形式为常数边际效用时,为使得通勤者具有出发上班动机,由李志纯和丁晶[22]可知需保证uw>uh.此外,由性质1和性质3可知uh>uin,因此边际活动效用函数的关系为uw>uh>uin(见图2).

图2 常数边际效用函数大小关系

Fig.2 Comparison of constant marginal-activity utilities

为便于区分,分别用上标“c”和“L”表示常数和线性边际活动效用下的结果.由此,无人驾驶通勤者的通勤效用函数可写为

(11)

由均衡状态下任意通勤者的通勤净效用相等可知,时刻出发的首位通勤者和时刻出发的最后一位通勤者存在关系式

(12)

可解得最早出发时间和最晚出发时间分别为

(13)

对于恰好准时到达工作地的通勤者,由可知

(14)

由此可解得

(15)

图3给出了在常数边际活动效用下AV的出发到达模式图,其中早到出发率与晚到出发率分别为

(16)

图3 常数边际活动效用下的无人驾驶出行模式

Fig.3 The travel pattern of unmanned vehicles with constant

marginal-activity utility

由早到出发率大于s,而晚到出发率小于s可知需保证m>λws/(uh-uw+β)成立.与Liu[15]的假设条件m>λws/β对比可知,当不考虑活动效用时,即基于出行的瓶颈模型简化了早高峰期间的排队发生条件,低估了停车密度的最小取值.当不考虑活动效用时, uh=uin=uw=0,令θ=1,上述结果则与Liu[15]中基于出行的瓶颈模型的解相同.此外,由uw>uh可知,基于出行的瓶颈模型会推迟AV的早高峰区间(尽管早高峰区间长度不变),推迟的时间为但对出发率的影响依赖于具体参数的取值.

进一步,可得到常数边际活动效用下无人驾驶通勤者的总通勤净效用TUc、总计划延误成本TSDCc和总排队成本TQc分别为

(17)

(18)

(19)

常数边际活动效用下的早到人数和晚到人数分别为

(20)

下面给出各均衡结果与相关参数的一些性质.

性质4 常数边际活动效用下,成立.

上述结果可通过对相关成本关于停车密度m求一阶导得到,具体证明过程略.性质4说明当增大停车密度时通勤者将会因此而受益,与Liu[15]中讨论的结果一致,总计划延误成本随停车密度的增加而降低,但总排队成本随停车密度的增加而增加,这是因为当停车密度不断增大时,早晚出发率增大 (见式(16)),通勤者的出发和停车都变得更加集中,从而导致更严重的拥堵.此外,晚出发的通勤者随停车密度增加而增多.

性质5 常数边际活动效用下,成立.

由性质5可以发现,当AV的行驶成本增加时(单位距离行驶成本增加或单位距离行驶时间增加), 通勤者的净通勤效用减少,总计划延误成本增加,总排队成本降低,同时早到通勤者增加,晚到通勤者减少.

性质6 常数边际活动效用下,成立.

由性质6可以发现,当家庭活动效用提升时,通勤净效用增大,总计划延误成本降低,早晚出发率增大,通勤者倾向于推迟出发,同时早到通勤者减少,晚到通勤者增多;当工作效用提升时,通勤净效用增大,总计划延误成本增大,早晚出发率均有所降低,通勤者倾向于早出发,且早到通勤者增多,晚到通勤者降低.

性质7 常数边际活动效用下,满足

由性质7可知,增大车内边际活动效用会导致路上排队成本增加,早到出发率增加,晚到出发率降低,准时到达工作地的时刻提前.而车内边际活动效用的变化并不影响最早出发时间和最晚出发时间,以及总通勤净效用TUc和总计划延误成本TSDCc. 此外,可以发现,增大车内通勤时间利用效率,即降低θ能够起到相同的作用.

1.2 线性边际活动效用情形

这一节研究边际活动效用随时间t线性变化时的情形.为便于分析,假设仅家庭边际活动效用函数uh(t)为时间t的线性递减函数[21],车内边际活动效用函数uin(t)和工作地边际效用函数uw(t)仍为常数(3)因通勤者在AV内产生的单位时间活动效用大小与通勤者是否更靠近工作地无关,而通勤者到达工作地后可立即开展工作,所以车内活动效用和工作效用均可以与时间t无关(特别是对于弹性工作制的员工),从这一点来说此假设是合理的.之所以提出这一假设是为了能够获得清晰的解析解及其相关性质..令

uh(t)=h0+h1th0>0,h1<0

(21)

由性质1可知,uin<uw-β+λws/m.据此,可将t时刻从家出发并泊车位置为x的通勤者效用函数U(t)写为

(22)

均衡状态下存在整理可知

(23)

成立,故可得到线性边际活动效用情形下最早出发时间和最晚时间分别为

(24)

可以发现通勤者的最早出发时间和最晚出发时间均与车内边际活动效用uin和车内时间损耗程度θ无关.对于时刻出发的通勤者而言,不存在计划延误成本,即

(25)

可解得排除掉其中一个大于的解)为

(26)

其中

由式(26)可知,准时到达出发时刻与车内时间损耗程度θ关系表达式比较复杂,后文中将通过数值算例对两者之间的关系进行验证.同样地,经计算,早晚出发率分别为

(27)

综合上述计算结果,易知线性边际活动效用情形下通勤者的总净效用TUL、总计划延误成本TSDCL以及排队时间TL(t)分别为

(28)

(29)

(30)

图4给出了对应不同车内时间损耗程度θ的无人驾驶出行模式,红色阴影部分是由于车内通勤时间损耗程度变化(由θ1θ2) 所导致的通勤者排队成本改变.

图4 线性边际活动效用下的无人驾驶出行模式

Fig.4 The travel pattern of unmanned vehicles with

linear marginal-activity utility

下面进一步给出线性边际活动效用下的一些相关性质.

性质8 线性边际活动效用下,早到和晚到出发率均为出发时刻t的单调减函数;早到(晚到)出发率为θ的单调减(增)函数;早到人数θ无关,但与上班时间t*正相关;排队时间为出发时刻t的二次凹函数,呈现出先增后减的趋势.

证明 由式(27)可知

(31)

(32)

由性质1可知

(1-θ)uin<uin<uw-β+λws/m

(33)

显然成立.又由性质3可知

λws/m-β<h0+h1t-uw<λws/m+γ

(34)

因此成立.通过式(24)可以计算出早到人数

(35)

由式(35)可发现早到人数与车内时间损耗程度θ无关,但与工作时间t*正相关.进一步,由式(30)可知

(36)

由性质3易知进一步可得得证.

性质9 线性边际活动效用下,成立.

具体证明过程略.由性质9可知,通勤者的总通勤净效用随停车密度m和家庭边际活动效用初始值h0递增,随上班时间t*递减,与车内通勤时间损耗程度θ和车内边际活动效用uin无关.

2 系统最优动态瓶颈收费

2.1 常数边际活动效用情形

排队是纯粹的无谓损失,可以通过设置一定的收费来消除排队以达到系统最优 (SO)状态.本节从活动的视角研究在无人驾驶时代如何通过动态瓶颈收费 (DBT)来实现系统最优。为便于区分,系统最优和常数边际活动效用下的结果用上标“sc”表示,系统最优和线性边际活动效用下的结果用上标“sL”表示.假设SODBT函数为τsc(t)(见图5),有

(37)

图5 常数边际活动效用下的动态瓶颈收费

Fig.5 The time-dependent bottleneck toll with constant marginal-activity utility

下面给出常数边际活动效用视角下AV的SODBT函数推导过程.在SO状态,T(t)=0,此时通勤者的净效用为

(38)

进一步可得到净效用的变化率为

(39)

因此,SODBT函数的变化率为

(40)

SO状态下第一位通勤者和最后一位通勤者的通勤净效用在不考虑停车成本和收费时(两端的收费会按照停车成本的差异进行调整)相等,故有

(41)

联立可解得最早和最晚出发时间分别为

(42)

令式(37)中的SODBT函数在各分段处的连接点相等,并令即可得到式(37)中的表达式,此时,总收费收入RTsc

(43)

性质10 在SODBT情形下,总收费收入RTsc随停车密度m递增,随uw-uh这一差值递减,其变化区间为

与Liu[15]的研究结果相比,忽略活动效用会高估总收费收入的上界,低估总收费收入的下界.

证明 由式(43)易得知,总收费收入RT是停车密度m的增函数,是uw-uh这一差值的减函数.同时,由性质3可知停车密度m的上下界,由此,常数边际活动效用下总收费收入RTsc的上界和下界分别为

(44)

而Liu[15]的研究中总收费收入RT的上界和下界分别为

(45)

将式(44)、式(45)中对应的上下界值分别进行作差,可得

(46)

可以发现,在初始收费值相同的前提下,基于出行的瓶颈模型高估了总收费收入RTsc的上界,低估了总收费收入RTsc的下界.得证.

2.2 线性边际活动效用情形

当边际活动效用为线性函数形式时,各边际活动效用函数形式如前文给定.令线性边际活动效用下t时刻瓶颈处的SODBT函数为τsL(t),由式(3)可得当T(t)=0时通勤者的净效用函数为

(47)

同样地,SO状态下第一位通勤者和最后一位通勤者的通勤净效用在不考虑停车成本和收费时相等,故有

(48)

联立可解得最早和最晚出发时间分别为

(49)

与常数边际效用情形一致,设代入式(47)后有

(50)

在均衡态,因此有

(51)

联立式(50)和式(51)可得

(52)

在均衡态,对于任意时刻t出发的通勤者均存在联立式(47)和式(50)~式(52),可得线性边际活动效用下t时刻瓶颈处的SODBT函数τsL(t)为(如图6所示)

(53)

图6 线性边际活动效用下的动态瓶颈收费

Fig.6 The time-dependent bottleneck toll with linear marginal-activity utility

易知此时总收费收入RTsL

RTsL=A+B+C+D+E

(54)

其中

易知线性边际活动效用下的总收费收入RTsL依然是停车密度m的增函数,但与其它变量的关系比较复杂,其相关性质将在算例分析中进行补充.

3 最优停车供应设置

城市不同区域的土地成本不同,一般来说郊区的土地成本比市中心的土地成本更低,在不考虑收费政策时AV会优先停在离工作地近的位置,这会导致中心区域空间被占用过多,所以本节通过将泊车位的社会成本纳入考虑来说明基于活动视角与基于出行视角下停车位配置的差异.基于Liu[15]的研究,令在位置x处的停车社会成本函数为r(x),其变化率满足r′(x)≤0.故可得到总停车社会成本TPC

(55)

当不实施收费政策时,由式(17)可得总的系统净效用TSUue

TSUue=

(56)

当实施瓶颈收费政策时,总的系统净效用TSUso

TSDCsc-λwn2/2m-TPC

(57)

其中化简后可得

TPC

(58)

对不实施收费政策和实施收费政策后的总系统净效用关于停车密度m求导,可得结果与Liu[15]类似.但由性质3可知,考虑活动效用后停车密度的有效区间会发生变化,因此停车密度最优值mopt也会相应改变 (同时与停车社会成本函数相关).

性质11 当已知停车社会成本函数r(x)时,对TSUue来说, 可通过隐函数确定最优停车密度;对TSUso来说,可通过隐函数确定最优停车密度.

性质11无法给出最优停车密度的解析解,其具体取值依赖于停车社会成本的函数形式,将在下一节的算例分析中进行讨论.

4 算例分析

这一节将通过算例进一步给出模型的一些直观结果.表1是一些基本的参数取值设定,均来源于Liu[15],Li等[21]及李志纯和丁晶[22].常数边际活动效用情形时,设uh=6.5元/h, uin=2.84元/h, uw=7.5元/h,停车密度m=500,由性质3可知应满足0<uw-uh<3.86和uin<uw-3.86.线性边际活动效用情形时,设uh(t)=10-0.7t(元/h), uin=2.84元/h, uw=7.5元/h,停车密度m=500.

表1 算例参数

Table 1 Input parameters for the numerical study

图7给出了常数边际活动效用情形下车内时间损耗程度θ对排队成本TQc的影响,其中图7(a)还对比了排队成本随不同的家庭边际活动效用uh的变化趋势,图7(b)对比了排队成本随不同车内边际活动效用uin的变化趋势.由图7(a)和图7(b)可以看出,当家庭或车内边际活动效用增加时,排队成本增加,而降低车内时间损耗程度或提高车内时间利用效率 (即θ越小)也能起到相同作用.主要原因是:1) 家庭边际活动增加,导致通勤者更愿意晚出发(性质6中进而增加排队时间和排队成本; 2)车内边际活动效用增加或车内时间利用效率增加则会导致通勤者留在车内的意愿增加,从而导致排队成本增加,也进一步验证了性质7.

图7 车内时间损耗程度θ对排队成本的影响 (a)uh不同, (b)uin不同

Fig. 7 The effect of the degree of in-vehicle time lossθon queuing cost with (a) different uh, (b) differentuin

图8给出了线性边际活动效用情形下排队时间随出发时间的变化情况(虚线是为了更直观地展现排队时间的曲率).由图8可见,排队时间是出发时间的二次凹函数,呈现出先增后减的趋势,通勤者的出发率与出发时间有关;车内通勤时间损耗程度θ不影响最早出发时间与最晚出发时间.随着车内时间利用效率的增加(θ降低), 路上排队时间增加且早到通勤者的出发率增大,晚到通勤者的出发率减少,准时到达时间提前.进一步验证了性质8.

图8 线性边际活动效用下的排队时间

Fig.8 The queuing time with linear marginal-activity utility

图9对比了常数边际活动效用情形下实施道路动态瓶颈收费时的总收费收入RTsc与基于出行的模型结果(令τ0=5, uw-uh=3,基于出行的收费收入RTLiu来源于Liu[15]).由图9可以直观地发现,基于出行的瓶颈模型低估了收费收入的下界,高估了收费收入的上界,同时会低估停车密度的最小取值(基于活动的停车密度最小取值为mmin=λws/(uh-uw+β)). 随着停车密度的增加,收费收入呈现出先增加而后逐渐趋于某一上界的趋势,这与Liu[15]的趋势一致.

图9 常数边际活动效用下的总收费收入与基于出行的

模型结果对比

Fig.9 The comparison between the total toll revenue with constant

marginal-activity utility and that with trip-based model

图10进一步展示了线性边际活动效用下实施道路收费政策(令τ0=5) 后家庭边际活动效用递减速度(斜率h1) 对收费收入的影响.可以看出,线性边际活动效用下道路收费收入随着家庭边际活动效用递减速度的增加(h1变小)而减少;同样随着停车密度的增加而增加且逐渐趋近于某一上限值.

图10 线性边际活动效用下的总收费收入随

停车密度变化趋势

Fig.10 The trend of total toll revenue with parking density with

the linear marginal-activity utility

图11给出了常数边际活动效用下考虑停车社会成本时未实施收费政策与实施收费政策的总系统净效用等高线图.设在位置x处的停车社会成本函数为r(x)=3e-r0x.通过TSUue(TSUso) 与m的一阶导与二阶导为零的隐函数将图11(a)和图11(b)分别划分为三个区域,各区域内的正负性和凹凸性在表2中列出,最优停车密度落在一阶导为0的曲线上.可以发现,当停车社会成本递减的趋势较为平缓时(r0→0), 也即停车社会成本对距离CBD的距离不敏感时,最优停车密度应越大越好(m→∞); 而随着停车社会成本递减趋势逐渐陡峭时(增大r0),最优停车密度先减后增,即存在一个最优停车密度的最小值(依赖于停车社会成本函数的形式).为了更直观地比较最优停车密度的大小,图12进一步给出了当r0=0.1和r0=0.5时TSUueTSUso随停车密度m变化的趋势图.可以发现,SO状态下的总系统净效用总是高于UE状态下的总系统净效用(这与直觉一致), UE(用户均衡)状态下的最优停车密度总是小于SO状态下的最优停车密度,也即达到系统最优时的最优停车密度更高.因此,停车密度的设置应结合停车社会成本函数的具体形式和具体情境进行相应调整以实现系统净效用最大化.

表2 TSUue(TSUso)与m在不同区域的单调性和凸凹性

Table 2 The monotonicity, convexity and concavity of TSUue(TSUso) with m in the different areas

图11 常数边际活动效用下考虑停车社会成本的系统净效用(a)TSUue, (b)TSUso

Fig.11 The net system utility with constant marginal-activity utility when considering the social cost of parking(a)TSUue, (b)TSUso

图12 常数边际活动效用下两种均衡状态的总系统净效用比较

Fig.12 Comparison of total system net utility for two equilibrium states constant marginal-activity utility

5 结束语

无人驾驶汽车的到来将改变通勤者的出行体验,影响未来出行格局.本研究将路上活动效用和车内时间利用效率纳入考虑,对传统的瓶颈模型进行了拓展,研究了常数和线性边际活动效用下的无人驾驶通勤与停车行为,动态瓶颈收费及最优停车密度,并与基于出行的模型结果进行了比较.研究发现,在常数边际活动效用下,基于出行的模型简化了排队产生的条件,低估了停车密度最小取值,高估了最早和最晚出发时间;在线性边际活动效用下,早到和晚到出发率不再是常数,均是出发时刻的减函数,表现为累计到达人数是出发时刻的二次曲线,且早到人数与车内时间损耗程度无关,但与上班时间正相关.当实施系统最优瓶颈收费时,基于出行的模型高估了早到和晚到部分的收费斜率,高估了总收费收入的上界,低估了总收费收入的下界,且总收费收入是停车密度的增函数,边际活动效用差的减函数.从实现净效用最大化的角度来说,最优停车密度的设置依赖于停车社会成本函数及具体情境.从管理科学发展和应用的角度来看,本研究为无人驾驶背景下的通勤行为变化研究提供了一个新的视角,对无人驾驶时代的交通管理提供了新的理论依据.

关于无人驾驶问题的研究还可进行多方面的拓展,如:1) 考虑全天活动和出行链的通勤行为[17, 21, 24]; 2) 研究无人驾驶驱动下的多业态、多模式的出行竞争问题[13, 16, 25, 26]; 3)研究AV的引入对城市格局的影响[27, 28]; 4)对异质通勤者情形下的通勤行为变化进行分析[29, 30].

参 考 文 献:

[1]Apollo Go. Apollo GO 2020 Operations Report[R]. https://apollo.auto/robotaxi/index_cn.html, 2020.

[2]Chen Z B, He F, Yin Y F, et al. Optimal design of autonomous vehicle zones in transportation networks[J]. Transportation Research Part B, 2017, 99: 44-61.

[3]van den Berg V A C, Verhoef E T. Autonomous cars and dynamic bottleneck congestion: The effects on capacity, value of time and preference heterogeneity[J]. Transportation Research Part B, 2016, 94: 43-60.

[4]Gong S Y, Du L L. Cooperative platoon control for a mixed traffic flow including human drive vehicles and connected and autonomous vehicles[J]. Transportation Research Part B, 2018, 116: 25-61.

[5]Han Y J, Ahn S. Stochastic modeling of breakdown at freeway merge bottleneck and traffic control method using connected automated vehicle[J]. Transportation Research Part B, 2018, 107: 146-166.

[6]Mirzaeian N, Cho S H, Scheller-Wolf A. A queueing model and analysis for autonomous vehicles on highways[J]. Management Science, 2021, 67(5): 2904-2923.

[7]Arnott R, de Palma A, Lindsey R. A temporal and spatial equilibrium analysis of commuter parking[J]. Journal of Public Economics, 1991, 45(3): 301-335.

[8]Vickrey W S. Congestion theory and transport investment[J]. American Economic Review, 1969, 34: 414-431.

[9]肖 玲, 张小宁, 王 华. 公共停车场与私营停车场的博弈定价模型[J]. 系统工程理论与实践, 2017, 37(7): 1768-1779.Xiao Ling, Zhang Xiaoning, Wang Hua. A game-theoretical model of the parking pricing for a transportation network with public and private parking infrastructures[J]. Systems Engineering: Theory &Practice, 2017, 37(7): 1768-1779. (in Chinese)

[10]Lam W H K, Li Z C, Huang H J, et al. Modeling time-dependent travel choice problems in road networks with multiple user classes and multiple parking facilities[J]. Transportation Research Part B, 2006, 40(5): 368-395.

[11]Li Z C, Lam W H K, Wong S C, et al. Reliability evaluation for stochastic and time-dependent networks with multiple parking facilities[J]. Networks and Spatial Economics, 2008, 8(4): 355-381.

[12]Qian Z, Xiao F, Zhang H M. Managing morning commute traffic with parking[J]. Transportation Research Part B, 2012, 46(7): 894-916.

[13]田 琼, 黄海军, 杨 海. 瓶颈处停车换乘logit随机均衡选择模型[J]. 管理科学学报, 2005, 8(1): 1-6.Tian Qiong, Huang Haijun, Yang Hai. Mode choice models based on logit stochastic equilibrium in transportation systems with park-and-ride option[J]. Journal of Management Sciences in China, 2005, 8(1): 1-6. (in Chinese)

[14]Yang H, Liu W, Wang X L, et al. On the morning commute problem with bottleneck congestion and parking space constraints[J]. Transportation Research Part B, 2013, 58: 106-118.

[15]Liu W. An equilibrium analysis of commuter parking in the era of autonomous vehicles[J]. Transportation Research Part C, 2018, 92: 191-207.

[16]Tian L J, Sheu J B, Huang H J. The morning commute problem with endogenous shared autonomous vehicle penetration and parking space constraint[J]. Transportation Research Part B, 2019, 123: 258-278.

[17]Zhang X, Liu W, Waller S T, et al. Modelling and managing the integrated morning-evening commuting and parking patterns under the fully autonomous vehicle environment[J]. Transportation Research Part B, 2019, 128: 380-407.

[18]Zhang X, Liu W, Waller S T. A network traffic assignment model for autonomous vehicles with parking choices[J]. Computer-Aided Civil and Infrastructure Engineering, 2019, 34(12):1100-1118.

[19]Xue Q J, Xu M, Mullen C. Governance of emerging autonomous driving development in China[J]. Transportation Research Record, 2020, 2674(6): 281-290.

[20]Yu X J, van den Berg V A C, Verhoef E T. Autonomous cars and activity-based bottleneck model: How do in-vehicle activities determine aggregate travel patterns?[J]. Transportation Research Part C, 2022, 139: 103641.

[21]Li Z C, Lam W H K, Wong S C. Bottleneck model revisited: An activity-based perspective[J]. Transportation Research Part B, 2014, 68: 262-287.

[22]李志纯, 丁 晶. 基于活动方法的瓶颈模型与拥挤收费问题研究[J]. 管理科学学报, 2017, 20(8): 93-101.Li Zhichun, Ding Jing. Activity-based bottleneck model and congestion toll pricing issues[J]. Journal of Management Sciences in China, 2017, 20(8): 93-101. (in Chinese)

[23]Li Z C, Lam W H K, Wong S C. Step tolling in an activity-based bottleneck model[J]. Transportation Research Part B, 2017, 101: 306-334.

[24]卢晓珊, 黄海军, 刘天亮, 等. 考虑早晚高峰出行链的出行方式选择均衡与定价机制[J]. 系统工程理论与实践, 2013, 33(1): 167-174.Lu Xiaoshan, Huang Haijun, Liu Tianliang, et al. Mode choice equilibrium and pricing mechanisms considering peak trip chain[J]. Systems Engineering: Theory &Practice, 2013, 33(1): 167-174. (in Chinese)

[25]Li Z C, Zhang L P. The two-mode problem with bottleneck queuing and transit crowding: How should congestion be priced using tolls and fares?[J]. Transportation Research Part B, 2020, 138: 46-76.

[26]汪寿阳, 胡 毅, 熊 熊, 等. 复杂系统管理理论与方法研究[J]. 管理科学学报, 2021, 24(8): 1-9.Wang Shouyang, Hu Yi, Xiong Xiong, et al. Complex systems management: Theory and methods[J]. Journal of Management Sciences in China, 2021, 24(8): 1-9. (in Chinese)

[27]Fosgerau M, Kim J, Ranjan A. Vickrey meets Alonso: Commute scheduling and congestion in a monocentric city[J]. Journal of Urban Economics, 2018, 105: 40-53.

[28]Reed S, Campbell A M, Thomas B W. The value of autonomous vehicles for last-mile deliveries in urban environments[J]. Management Science, 2022, 68(1): 280-299.

[29]Liu Y, Nie Y, Hall J. A semi-analytical approach for solving the bottleneck model with general user heterogeneity[J]. Transportation Research Part B, 2015, 71: 56-70.

[30]朱鸿伟, 田丽君, 许 岩. 鼓励合乘的可交易电子路票策略管理混合时代出行需求[J]. 系统工程理论与实践, 2022, 42(5): 1314-1326.Zhu Hongwei, Tian Lijun, Xu Yan. The tradable credit scheme that encourages carpooling manage the travel demand in the era of mixed traffic[J]. Systems Engineering: Theory &Practice, 2022, 42(5): 1314-1326. (in Chinese)

基金项目:国家自然科学基金资助项目(72371075; 72401083; 72288101; 72394374); 福建省自然科学基金资助项目(2022J02014).

通讯作者:田丽君(1981— ), 女, 山西五台人, 教授, 博士生导师, Email: buaatianlijun@1



【免责声明】《现代财经》微信公众平台所转载的专题文章,仅作佳作推介和学术研究之用,未有任何商业目的;对文中陈述、观点判断保持中立,请读者仅作参考,并请自行承担全部责任;文章版权属于原作者,如果分享内容有侵权或非授权发布之嫌,请联系我们,我们会及时审核处理。


《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版(总第3232

期)

编辑整理:蔡子团队  

团队成员陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤

审核审校:蔡双立  方菲  胡少龙

长按以下二维码,关注《现代财经》公众微信号(modern-finance)

                 

欣赏和阅读《现代财经》2024年第12期,敬请点击以下阅读原文

现代财经
《现代财经》是由天津财经大学学报编辑部编辑出版的一份反映中国财经管理类专业期刊。所选用、发表的稿件紧扣中国经济发展脉博,透析中国经济发展深层动因,探索中国经济发展之路,关注社会民生,把握财经类学术研究动态,突出前瞻性、前沿性、科学性和针对性
 最新文章