黑箱环境下的定价决策：基于智能体的竞争性废物处理系统分析方法

《INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS》：Pricing decisions under black-box environments: An agent-based approach for competitive waste treatment systems

　　

胡俊飞|田哲

• •
  在黑箱环境中分析收费定价决策。
• •
  提出一种结合行为模拟与多智能体强化学习的方法用于优化收费。
• •
  所提方法在黑箱环境中可实现接近最优的收费水平。
• •
  过度补贴可能引发其他垃圾处理厂的报复性涨价。

引言

随着废物产生量不断增加以及填埋空间日益紧张，如何管理城市固体废物已成为一项重要的社会挑战（联合国环境规划署，2024；顾等人，2025；胡F等人，2026）。许多国家开始引入私人运营商参与城市固体废物管理，希望借助其专业的管理和技术能力实现废物能源化处理（例如Kova?i?等人，2017；李等人，2023；Monfared等人，2025）。在这些废物处理系统中，私人运营商的主要收入来源是处理费用，即他们按每吨废物收取的费用（Ata等人，2012）。通常，这些费用是由私人运营商与地方政府协商确定的（Zhao等人，2016）。然而，这种协商定价方式可能会削弱竞争压力，降低运营商提升效率或降低成本的动力。为此，中国、澳大利亚和新加坡等国家建立了竞争性的城市固体废物处理市场（国家发展和改革委员会，2021；熊等人，2017；El Hanandeh和El-Zein，2009）。在这样的市场竞争环境中，多个私人运营商通过提供具有竞争力的收费来争夺废物处理业务，同时保持盈利能力。这种市场驱动的竞争促使运营商降低成本、不断创新，从而提高处理效率，减轻政府的长远财政负担。

这类竞争性的城市固体废物处理系统有两个特点，使得定价决策尤为复杂。首先，私人运营商在这些系统中面临着复杂的互动关系。他们不仅要在废物处理业务上竞争市场份额，还必须在废物处理过程中开展合作。例如，在最终填埋之前，厌氧消化厂产生的残余物需要经过焚烧厂进一步处理，以减少二次污染和废物量（Ghiani等人，2014）。其次，在这些新兴的竞争体系中，信息不确定性使得运营商处于“黑箱”环境之中。他们无法完全掌握竞争对手的具体信息，如技术细节、成本和定价策略。此外，他们也不清楚将定价决策转化为实际市场结果的规则是什么。

尽管定价问题在学术研究中已被广泛探讨，但以往的研究往往未能充分考虑竞争性城市固体废物处理系统的特殊复杂性。大多数现有研究仅模拟了少量主体之间的简单互动关系（例如Davila等人，2005；J?rgensen，2010），无法体现城市固体废物处理系统中复杂的竞争与合作关系。此外，现有城市固体废物处理系统的定价方法通常采用先估计再优化的思路，即假设市场规则具有固定的函数形式，然后根据历史数据估算其参数（He等人，2017；胡J等人，2026）。这里所说的市场规则具体指的是废物分配规则，即规定废物收集方如何根据各运营商的收费标准来分配废物。然而，在新兴的竞争性城市固体废物处理系统中，由于运营商处于无法直接观察市场规则的“黑箱”环境，这种认为规则可以预先确定并估算的假设往往不成立。为弥补这些研究不足，我们开发了一种方法，帮助私人运营商在竞争性市场中学习有效的收费决策。

本研究的两个核心问题是：

• 1.
  如何建模城市固体废物处理市场中不同类型运营商之间复杂的竞争与合作关系；以及
• 2.
  私人运营商如何在“黑箱”环境中学习有效的收费决策？

本文通过解决上述问题实现了多项重要贡献。首先，我们运用基于代理的建模方法对竞争性城市固体废物处理系统进行了建模。所开发的模型不仅体现了多个运营商之间的竞争关系，还明确了他们之间的合作机制，从而拓展了现有研究的方法范畴。其次，我们整合了多智能体强化学习技术，使得运营商无需了解市场规则或竞争对手的定价策略，便能在黑箱环境中学习到有效的收费策略。第三，我们通过一个现实案例研究验证了该模型的有效性，并分析了政府政策带来的系统性影响，为私人运营商和政府机构提供了实用的参考建议。

本文的其余结构如下：第2节回顾相关文献；第3节构建竞争性城市固体废物处理系统的基于代理的模型，并结合强化学习方法寻找最优定价策略；第4节通过案例研究验证所提模型，并为运营商和政府机构提出相应建议；第6节总结全文。

章节要点

文献综述

在废物管理领域，市场竞争能够激励以盈利为目标的私人运营商提升服务质量和运营效率。关于这一主题的现有研究大致可分为两类。第一类研究聚焦于政府机构与私人运营商之间的互动关系，通常采用双层规划或斯塔克伯格模型进行建模。例如，Shi等人（2020）基于斯塔克伯格均衡模型，研究了

研究方法

在本节中，我们对竞争性城市固体废物处理市场进行了建模。该市场由多个不同的处理运营商组成，它们可分为两类。第一类是专业处理厂，这类规模较小、具有创新能力的设施专门处理特定类型的废物（例如通过厌氧消化和气化技术处理废物）。第二类则是普通处理厂，这类大型传统焚烧设施负责处理混合废物及残余物。

应用研究

在本节中，我们以新加坡的案例为例，展示所提方法如何在黑箱环境中优化收费决策。选择新加坡的城市固体废物处理系统作为案例，是因为该市场的竞争较为激烈（Bai和Sutanto，2002）。相关市场数据已在多篇学术论文中公布（例如Hu等人，2018；Wang和Ng，2019；Hu等人，2020），且易于获取。通过使用与现有研究相同的数据，我们可以进行有效的分析

实验结果

本节利用经验证的基于代理的建模-强化学习框架，研究各种政策工具如何影响运营商的定价决策和市场结果。我们重点分析了四种关键政策工具：（1）专业处理厂的数量$m$，这一数值决定了市场的竞争程度（其影响已在4.2节中进行初步分析）；（2）专业处理厂的处理能力${?f}_{}$，这一参数决定了每个运营商的处理规模；（3）普通处理厂的收费上限${\stackrel{?}{p}}_0$，这一上限起到了价格控制的作用

结论

本文研究了竞争性城市固体废物处理系统中的收费定价决策。这类竞争性系统的特点在于：第一，私人运营商之间存在着复杂的互动关系，他们既在废物处理业务上相互竞争，又需在残余物处理方面展开合作；第二，市场环境属于“黑箱”性质，废物分配规则以及竞争对手的定价策略均不可观察。正是这些特点使得定价决策极为困难。为应对这些挑战，我们提出了相应的解决方案

CRediT作者贡献说明

胡俊飞：撰写——审阅与编辑，撰写——初稿，指导，资源提供，项目管理，资金申请。田哲：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件使用，方法设计，研究实施，数据整理，概念构思。

致谢

本研究得到了国家自然科学基金（项目编号72274155、72171195）、中国人文社会科学基金会（项目编号22YJC630179）以及陕西省自然科学基础研究计划（项目编号2025JC-YBMS-820）的支持。