航运业的碳排放减排策略：一种随机进化博弈分析

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Carbon emission reduction strategy in shipping industry: A stochastic evolutionary game analysis

基于随机微分方程理论，构建政府-船公司-承运商三方随机进化博弈模型，分析不确定环境下航运业低碳转型策略的动态均衡与稳定性。研究表明，提升随机扰动强度会削弱减排策略稳定性，而强化监管、培育低碳消费偏好及完善补偿机制可增强减排意愿。混合碳政策工具（碳税+ETS+补贴）的协同设计能有效降低策略波动，促进减排进程。

　　

付玉芳|陈青|顾博军|田鹏

浙江海洋大学经济与管理学院，中国舟山海达南路1号，316022

摘要

面对碳政策、消费市场和气候环境的不断变化，航运业的可持续低碳转型已成为全球碳排放减少的关键挑战。本文利用伊藤随机微分方程理论，构建了一个三方随机进化博弈模型，其中包含高斯白噪声以模拟减排过程中的不确定性，分析了政府、航运公司和承运人之间的战略互动，并探讨了关键参数和政策机制对系统的影响。研究结果表明，随机干扰的增强会削弱减排策略的稳定性。实施监管措施、提高消费者的低碳偏好以及建立补偿机制可以提升航运公司和承运人的减排意愿，从而减少战略波动。此外，合理的碳补贴结合混合碳税和排放交易系统（其分配比例与航运业的脱碳进度相匹配）对于减少排放和维持战略稳定至关重要。

引言

作为国际货物运输的主要方式，海运占全球贸易量的80%以上，但由于其规模和能源密集度，仍然是温室气体（GHG）排放的主要来源（Liu等人，2024年）。根据国际海事组织（IMO）的数据，2023年该行业占总温室气体排放量的约3%，且随着船队规模的扩大，排放量持续上升（Pereda等人，2025年）。预测显示，按照当前的发展轨迹，到2050年，海运的温室气体排放量可能比2008年增加250%，进一步加剧海洋生态退化和大气污染。为此，“2023年IMO关于减少船舶温室气体排放的战略”为全球航运业制定了明确的脱碳路径，目标是在2050年实现净零温室气体排放，并为2030年和2040年设立了中间检查点（IMO，2023年）。鉴于该行业在全球供应链中的核心地位及其日益增长的环境影响，加速脱碳已成为当务之急（Bilgili和?l?er，2024年）。

在全球气候缓解议程日益紧张的背景下，多个国家和地区已经实施了政策工具来减少与航运相关的碳排放。欧盟（EU）自2012年起将航空业纳入其排放交易系统（ETS）（Fageda和Teixidó，2022年），并于2024年正式将航运业纳入其中，要求航运公司为每吨二氧化碳排放量购买碳配额（Amaddeo等人，2025年）。同时，国际上提出了针对该行业的碳税提案。目前的倡议包括国际航运商会（ICS）提议的每吨二氧化碳18.75美元的征税标准，欧盟和日本提出的每吨二氧化碳100美元的征税标准，以及小岛屿国家倡导的每吨二氧化碳150美元的征税标准（UN CLIMATE TALKS，2025年）。这些机制共同内部化了环境外部性，并在海上供应链中施加了明确的碳成本，从而激励减排和绿色技术创新。

然而，航运业的跨国性质，加上技术路径依赖性和复杂的利益相关者互动，给减排带来了重大挑战（Psaraftis，2019年）。首先，政府必须在环境监管和贸易竞争力之间取得平衡。虽然碳定价机制在环境上有效，但可能会增加跨境物流的成本，从而限制国际贸易并抑制实际GDP的增长，从而产生对这些政策的经济抵制（Pereda等人，2025年）。其次，以利润为导向的承运人在采用低碳技术时面临技术和财务障碍（Lu等人，2025年）。如果没有足够的激励，他们在绿色创新上的投资将受到限制，这体现了减排中的“成本-投资悖论”（Yu和Liu，2025年）。第三，市场条件（包括竞争强度、消费者偏好和合同安排）增加了减排经济回报的不确定性，使得航运公司和承运人之间的合作变得复杂。这些相互交织的挑战加剧了利益相关者之间的冲突，并削弱了减排策略的一致性和有效性（Chua等人，2023年）。因此，需要综合性的政策框架来加强监管参与，协调利益相关者的激励，并建立通往净零航运的可持续路径。

如前所述，航运业减排策略的不稳定性源于海运利益相关者的有限理性以及复杂的利益冲突网络，外部不确定性（如市场波动、环境危机和地缘政治动荡，例如红海冲突）进一步加剧了减排策略的不规则波动。随机进化博弈理论（SEGT）为分析这些不确定性提供了一个稳健的框架（Luo等人，2024年）。首先，SEGT捕捉了战略相互依赖性，即一个利益相关者的决策直接影响到其他利益相关者的收益和行为调整。例如，监管机构确定的税率会影响航运公司支付溢价运费的意愿以及承运人对绿色技术的投资决策。其次，它反映了利益相关者的有限理性和适应性学习，承认决策者根据观察到的行为和感知的收益迭代调整其策略，而不是依赖于完整的信息。第三，该理论整合了模拟现实世界不确定性的随机干扰因素——如燃料价格波动、监管变化、地缘政治紧张局势和消费者偏好的变化——所有这些因素都显著影响了海上运输的战略决策。因此，本研究开发了一个涉及政府、航运公司和承运人的三方随机进化博弈模型。通过模拟这些主体在政策、市场和环境不确定性下的动态互动和适应性行为，本研究旨在为设计有效的、有弹性的航运业减排策略建立坚实的理论基础。

鉴于航运业低碳转型的紧迫性，研究政府如何有效利用市场工具和碳政策来促进航运公司和承运人的脱碳至关重要，特别是在现实世界的不确定性下。为此，本研究应用随机进化博弈理论框架并结合数值模拟来解决以下三个核心研究问题：

(i)

一个包含随机干扰因素的三方随机进化博弈模型如何捕捉航运业低碳转型期间利益相关者行为的动态均衡策略？

(ii)

关键参数的变化如何影响利益相关者之间的战略互动，这些动态对加速航运业低碳转型的更广泛影响是什么？

(iii)

在不同政策工具（包括碳补贴、碳税和ETS）的影响下，政府、航运公司和承运人之间会出现哪些战略行为和进化路径？

本研究在三个方面对现有文献做出了贡献。首先，通过构建一个结合市场机制和碳政策的三方随机进化博弈模型，本研究揭示了政府、航运公司和承运人在航运业低碳转型中的动态均衡模式。这为优化低碳转型政策的设计提供了理论基础。其次，随机进化博弈理论的应用允许纳入决策不确定性、互动学习过程和随机干扰。与传统分析方法相比，这种方法提供了更现实和动态的利益相关者在航运业低碳转型期间的行为表现。第三，通过对关键参数和政策机制的敏感性分析，本研究识别了混合碳政策情景下的行为策略，并评估了减排策略的稳定性。这些发现为促进航运业的可持续转型提供了可行的管理建议。

本研究的结构如下：第2节提供了全面的文献回顾，并确定了关键的研究空白。第3节介绍了博弈逻辑框架，包括问题陈述和进化博弈模型的构建。第4节结合随机干扰因素，开发了一个随机进化博弈系统，并分析了该系统的稳定性。第5节收集了航运公司的运营数据，并对关键参数进行了敏感性分析。第6节分析了在碳补贴、碳税和ETS下的利益相关者策略，提供了比较性的政策见解。最后，第7节总结了主要发现，并讨论了航运业减排的管理意义。

政策要求和航运低碳转型的技术经济约束

作为全球贸易的基石，航运业在其向低碳运营转型的过程中面临来自严格政策要求和技术经济约束的双重挑战（Nikolakaki，2013年）。政策要求可以分为两类：基于市场的措施（MBMs）和命令与控制措施（CACs）（Azar等人，2021年）。MBMs通过将环境成本内化到市场交易中来利用经济激励来促进行为改变。

问题陈述

航运业的碳排放减少是一个极其复杂的过程，需要包括政府、货运需求方（航运公司）和航运服务提供商（承运人）在内的协作治理。这些实体之间的互动逻辑如图1所示。首先，政府既充当碳监管者又充当市场协调者，通过强制性合规工具（如碳税和ETS）执行排放基准，并实施处罚

随机干扰因素

在航运业的碳排放减少实践中，政府、航运公司和承运人之间的互动本质上是不确定的，这源于三个主要方面：（i）有限理性：决策受到理性分析和情感因素的影响，其中利益相关者情绪的波动和道德风险显著影响行为选择。（ii）外部不确定性：动态的外部条件，如监管政策的变化（例如，

数值模拟

为了揭示在高不确定性下的关键因素和潜在的进化趋势，本研究使用MATLAB 2022a对包含随机干扰的进化博弈理论模型进行了数值模拟。

不同碳政策下的三方策略

正如模型分析所示，政府通过结合激励和约束机制（包括补贴、碳税和ETS）的协调方法来促进航运业的减排过程。因此，基于数值模拟的初始参数设置，本节探讨了与现实世界政策背景相关的政策变量，以进一步探索碳减排的潜在机制

结论

本研究开发了一个涉及政府、航运公司和承运人的三方随机进化博弈模型，用于分析与航运碳排放相关的治理机制。通过对随机干扰下的战略决策进行稳定性分析并进行数值模拟，我们检验了初始概率、随机干扰强度、社会可信度、航运公司的经济效益以及对违约行为的补偿的敏感性

CRediT作者贡献声明

付玉芳：写作——审稿与编辑，概念化。陈青：写作——初稿撰写，软件使用，数据整理。顾博军：写作——审稿与编辑，资金获取。田鹏：资源获取，方法论，形式分析。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了中国国家社会科学基金（资助编号：24BGL222）、浙江省省级高校基本科研业务费（资助编号：2023Y008）、浙江省哲学社会科学规划的普通高校基础科研业务费改革专项（资助编号：25NDJC099YBMS）、新疆维吾尔自治区自然科学基金（资助编号：2021D01B41）的支持。