协同协调（共4篇）
协同协调 篇1
随着微电子和计算机技术的发展，集成电路规模和工艺水平不断提高，一些低成本、高可靠性和高精度电子产品相继出现。E-DA工具的发展，为嵌入式系统设计提供了从编辑、编译、综合、模拟、布局、布线、测试、验证全过程，使系统开发者摆脱繁重的手工设计方式，提高复杂电路设计的自动化和智能化程度。IP(Intellectual Property)概念的提出，为嵌入式系统设计注入崭新的内容，用户通过调用特定功能的IP，完成嵌入式系统设计和验证，提高开发效率。
软件技术的进步，特别是嵌入式实时操作系统RTOS(Real Time Operation System)的推出，为开发复杂嵌入式系统应用软件提供了底层支持和高效率开发平台。RTOS是一种功能强大、应用广泛的实时多任务系统软件，它管理系统硬件资源，用户可以通过应用程序接口API实现各种资源调用，在RTOS的基础上方便快速地开发所需的应用系统。
SoC(System on a Chip)设计逐渐成为新的设计热点。嵌入式系统开始向高性能、高可靠性、低功耗、小型化方向发展。今天的嵌入式系统设计已经发展成为把整个系统功能集成到单一芯片的SoC设计，SoC从整个系统角度出发，把处理机制、模型算法、芯片结构、各层次电路直至器件的设计紧密结合起来，在单个芯片上完成整个系统功能。
电路的集成规模和软件的复杂程度不断提高，使传统的设计方法已经不能适应快速发展的嵌入式产品设计需要。硬件综合工具、IP重用概念和RTOS技术的出现为嵌入使系统设计带来了全新的内容，在此基础上发展的嵌入式协调设计(Co-Design)技术，代表嵌入式系统设计新的方向，有着广泛的研究和应用前景。
1 嵌入式软硬件协调设计方法
传统的嵌入式系统设计中，先进行硬件阶段设计，后进行软件阶段设计，软硬件设计阶段完成后进入系统集成测试。这种设计方式的主要弊端：1)软件和硬件设计串行开发;2)在集成测试中如果发现错误，修正非常困难。因此，为了克服传统嵌入式系统设计的缺陷，提高系统的开发效率，缩短系统的开发周期，在设计初期，采用划分手段把整个系统划分成适合软件和适合硬件实现两部分，使后续软件和硬件设计能够并行进行，同时通过软硬件划分可以优化系统结构和性能，以达到使用最小的代价实现系统最优功能。在软硬件设计完成后，利用形式化验证或模拟的方法完成系统功能的正确性证明，完成设计中的形式化描述与系统功能的一致性检验，经验证的系统描述可进一步进行软硬件综合和系统集成，最终形成目标系统。
在图1所示的协调设计方法中，软硬件划分和协同验证在整个设计流程中至关重要。对于复杂的嵌入式系统，软硬件划分实现对系统的有效分割，借助优化算法和工具，根据系统实现的约束条件(如功耗、面积、性能和实时性等)，把整个系统划分为适合硬件和软件两部分实现，提高的系统开发效率。协同验证在系统设计初期检验系统功能和性能是否满足设计需求，在传统的设计方法通常采用“硬件先行”的设计方法，首先进行硬件设计，硬件设计完成测试无误后，再进行软件设计，这样，在软件设计过程中，如果发现软硬件划分不合理或者发现硬件设计错误(或者软硬件设计都完成后，在系统集成调试中发现错误)，修正十分困难，最后导致整个系统设计的返工。协同验证克服传统的设计方法上的缺陷，在软件和硬件设计编码完成后，通过构建软件和硬件模拟器，验证系统功能、检验系统性能是否满足设计要求。在验证过程中，如果发现系统设计错误，可以及时修改系统设计代码，然后再验证直到系统设计满足要求。经过验证的软件设计和硬件设计进一步综合形成最终嵌入式产品。
2 硬件验证方法
硬件模拟的目标是用软件模拟目标设计各元件单元功能，通过计算模拟输出分析评价硬件设计的行为特性。硬件模拟通常采用的算法有表驱动算法和事件驱动算法，表驱动算法根据设计电路的输入输出关系，按周期分配各元件的模拟顺序，当设计的输入发生变化时，模拟算法分别按周期依赖关系分别模拟目标设计中的所有元件行为特征，产生模拟结果输出。事件驱动算法跟踪并记录电路中输入发生变化的元件，在模拟过程中，只对输入发生变化的元件进行模拟，模拟产生的输出作为下一级元件输入，驱动下一级元件的模拟，直到所有的元件模拟完成产生最终的模拟结果。
从实现方法上，硬件模拟可以分为解释性模拟和编译性模拟，解释型模拟动态的解释被模拟单元的功能特性，适合事件驱动调度特点，因此解释性模拟器往往和事件驱动算法相结合。编译型模拟特点是模拟速度快，和解释性模拟不同，编译型模拟在模拟前先生成各元件单元的模拟顺序，模拟调度动态维护模拟事件队列，根据队列中事件的周期先后完成各单元模拟，模拟产生的新事件插入到模拟事件列表中。
编译型模拟方法和事件驱动调度算法结合实现编译型事件调度硬件模拟器，简称硬件模拟器。硬件模拟器的构造过程首先把硬件描述转换成等价的C++语言描述，并和模拟调度核心库一起编译链接生成可执行的硬件模拟程序(如图2)。模拟调度核心负责管理核调度事件模拟队列，并根据模拟队列的时间顺序模拟当前时刻的事件和与当前时刻事件相关联的执行单元。
在编译型事件驱动模拟器中，设计单元输入和输出以事件的形式表示，模拟调度算法根据事件产生的时间标记(Time Stamp)，把新事件插入到事件队列中去。调度算法采用时间优先调度策略，从调度队列中取出当前时刻发生的事件，激活与该事件相关的可执行单元，完成相应设计单元的功能模拟。在模拟过程中，模拟调度动态地调度被模拟单元，使之在所有输入条件满足时完成模拟，模拟结束后被模拟的事件从模拟队列中删除。直到所有事件模拟完毕，在特定事件内没有新事件产生时结束模拟。
3 软件验证方法
嵌入式软件验证一般采用指令集模拟器(Instruction Set Simulation，简称ISS)，指令集模拟器通过建立处理器功能精确模型，以指令精确(Instruction accurate)、周期精确(Cycle accurate)和时钟周期精确(Clock accurate)验证嵌入式软件在目标CPU上运行过程。模拟精度越高，模拟细节越多，模拟速度越慢(图3)。
由于ISS使用纯软件手段实现CPU功能，模拟速度受到很大的限制，虽然人们提高ISS模拟速度上作了大量有益的探索，但对于复杂的嵌入时软件完成CPU全功能模拟，仍然需要大量的时间开销。Marcello Lajolo等人提出了一种基于编译的软硬件协同模拟方案，使用控制流图(CFG)建立周期精确性能模型。Vojin Zivojnovic提出了一种使用代码转换(binary-to-binary)方法，把目标机代码转换成可在宿主机CPU上运行的指令集，直接在宿主机上运行目标代码，在宿主集CPU和硬件环境下验证嵌入式软件功能。
RTOS软件模拟器以代码转换为基础，利用RTOS模块化、易移植的特点，通过修改RTOS硬件相关部分代码，实现嵌入式代码向宿主机器代码的转换。对于特定硬件设计，通过编写该硬件模拟驱动(Hardware Simulating Driver，简称HSD)实现软件模拟器和硬件模拟器的模拟交互，实现软硬件的协同模拟(图4)。嵌入式软件代码、硬件模拟驱动代码和RTOS代码一起编译链接最终生成可以直接运行于宿主机器上的RTOS软件模拟器。
硬件模拟器和软件模拟器分别以不同的进程运行于宿主机环境下，在软硬件协同模拟过程中，软件模拟器对硬件的访问通过向硬件模拟器发送模拟请求事件，调用硬件模拟器功能，硬件模拟器收到软件的模拟器请求后，完成相应的模拟动作，并把反馈的结果以事件形式通过TCP/IP包返回。
RTOS模拟器克服ISS速度低的缺点，从更高层次上验证嵌入式软件功能，对于复杂或者有特殊要求的嵌入式软件，可以借助其它如代码静态分析、关键任务运行时限分析等手段实现嵌入式软件的更可靠的验证。
4 结论
嵌入式系统协调设计方法在设计初期通过验证的手段检验系统设计是否满足功能需求，排除潜在设计错误，避免在设计后期出现错误而造成设计返工。同时采用协调设计方法，可以有效的提高系统开发效率，降低开发成本，缩短开发周期，使产品能够快速的面向市场，灵活应对快速市场变化，提高产品的竞争力。嵌入式系统协调设计方法克服了传统设计方法的缺陷，简化复杂系统的过程，优化系统设计，具有非常广泛的应用前景。
摘要：随着微电子和计算机技术的发展,嵌入式系统的功能和结构日益复杂,传统的设计方法已经无法满足嵌入式产品快速发展需要。作为系统设计新方法,协调设计(Co-Design)已经成为嵌入式系统设计方法热点研究之一。协调设计就是在系统设计之初通过划分手段把整个系统划分为适合软件和硬件实现两部分,使系统设计并行进行。软硬件设计完成后利用协同模拟手段验证系统设计正确性,验证通过后,系统设计进入进行软硬件综合和系统集成测试阶段。该文研究嵌入式系统协调设计环境和软硬件系统模拟方法,通过构造软件和硬件模拟器,在系统设计初期实现嵌入式系统的软硬件功能及软硬件接口设计的快速验证,达到优化系统设计、降低系统开发成本、缩短设计周期的目的。
关键词：嵌入式系统,协调设计,协同模拟,模拟器,RTOS
参考文献
[1]Kumar S,James H.Aylor,et al.The Codesign Of Embedded Systems:A Unified Hardware/Software Representation[M].Kluwer Aca-demic Publishers,1996.
[2]De Micheli G,Sami M.Hardware/Software Co-Design[M].Kluwer Academic Publishers,1996.
[3]吴清平,刘明业.VHDL事件驱动模拟核心库[J].计算机研究与发展,2002,39(1):17-22.
[4]Pramataris K,Lykakis G,Stassinopoulos G.Hardware/Software Co-Simulation Methodology Based on Alternative Approaches[C].IEEE,1999:63-66.
[5]Bailey B,Klein R,Leef S.Hardware/Software Co-Simulation Strategies for the Future[M].Mentor Graphics Corporation Publishers,2000.
[6]Lajolo M,Lazarescu M.A Compilation-based Software Estimation Scheme for Hardware/Software Co-Simulation[C].CODES'99Rome I-taly,1999.
[7]Zivojnovic V,Meyr H.Compiled HW/SW Co-Simulation[C].33rd Design Automation Conference,1996.
[8]Klein R,Nelson R.Seamless CVETM Hardware/Software Co-Verification Technology[M].Mentor Graphics Corporation Publishers,2002.
协同协调 篇2
车路协同技术的智能车路系统是智能交通未来的发展方向。在智能车路系统中,如何利用智能车辆控制精度高,具备无线网络设备能与交通基础设施进行信息交互的新特性提高交叉口通行效率,也开始成为智能交通领域研究的新方向。
文献[1,2]设计了一种基于预留技术的Multi-agent交叉口车辆控制系统,该系统抛弃了传统的交通信号灯,使用智能车在通行前向交叉口控制器提出预定申请,交叉口控制器通过仿真判断该车辆是否先前预订车辆有冲突来决定是否接受预定的方法来协调车辆的通行。仿真结果表明该算法相对于传统交通灯控制在通行效率上有了很大提高。但由于该方法中车辆在交叉口中的运行轨迹在进入交叉口前就已经定好,如果智能车无法在轨迹跟踪控制上保持相当的精度,车辆的安全性就会难以得到保障。
文献[3]通过预测冲突车辆运行轨迹是否相交的方式将车辆的协调问题转化为以各车加速度为变量的优化问题,求此优化问题的最优解便可得到使各方向车辆计算出不冲突、不停车通过交叉口的加速度。该方法中冲突方向上的车辆不会同时出现在交叉口的冲突区域,所以只对车辆加速度控制的精度有要求。此方法的缺点在于它必须对每辆车的行驶速度进行主动干预,车辆的行驶没有自主权,并且由于在求解优化问题时,搜索空间过于庞大,特别是在车辆较多的情况下,求解的复杂度会很高。
文献[4]通过分析双向单车道交叉口的结构,将交通问题转化为整数规划问题很好地解决了该交叉口环境下的无信号灯协调问题,相对于信号灯控制该方法能很好地降低车辆的平均延误。但该算法并不适用于多车道的情况,而且在规划问题的求解上上该方法依然采用排队长度作为车辆通行优先级的判定依据,并不能完全体现出车路协同技术的优势。文献[3,4,5,6,7,8]则多为一些较少车辆或者单车道的控制方法,并不适用于多车道、流量较大的情况。
为了在多车道,不同交通负载的情况下提高交叉口效率的同时保证安全。本文提出了一种以最大流量为目标的协调方法,该方法通过将交叉口协调问题转化为整数规划问题,在保证安全的同时,高效地协调了车辆的通行。
1 基于车路协同的交叉口车辆协调系统框架
考虑图1所示的交叉口,假设每个入口路段包括左转、直行和右转车道。由于右转车辆通常不控,所以没有画出,仅对左转和直行车流进行编号,分别为1～8。每个车流可以包含多个车道车流,假设第i个车流车道总数表示为Li,在一定距离范围内第i个车流的第m个车道上的车辆总数表示为Nim。于是,第i个车流中第m车道上的车辆分别编号为1,…,Nim。
各车流间的冲突关系用矩阵C=[cij]来表示,其中当车流i与车流j冲突时cij=1,当车流i与车流j不冲突时cij=0。不冲突的车流可以根据实际情况灵活组合相位。
undefined
针对上述类型的交叉口,设计新的交叉口协调控制系统见图2。该系统由车载单元和路边协调控制单元构成。车载单元与路边控制单元可通过无线通信网络传输信息,当车辆进入交叉口一定路段范围之后,会以一定周期不断地向交叉口路边单元发送其行驶信息。而交叉口路边单元在接收和处理车辆的信息之后,会根据预设协调协议,决策出最好的通行策略,并以发放命令的形式控制车辆的“走-停”行为。
为了保证系统运行,需作如下假设:
1) 所有车辆都是搭载车载单元和ACC控制系统的智能车辆;当车辆处于自由行使状态(没有使用ACC跟随前车)时,如果车辆需要加速(减速),它会以一个固定的加速度(减速度)来加速(减速),该加速度(减速度)的大小可由车辆自己决定。
2) 暂不考虑无线通信的丢帧和时延。
3) 车辆在进入交叉口路边协调控制单元的控制范围后都不允许换道。
4) 暂只考虑小型客车,不考虑自行车和行人的影响。
同时需要对交叉口路边协调控制单元和智能车辆之间交互的信息内容做如下定义:
1) 车辆到交叉口路边协调控制单元。
(1)车辆行驶信息。主要内容包括:用于唯一识别车辆的ID号、车辆的流向与所在车道、车辆当前离交叉口出口的距离、车辆当前的行驶速度和期望的行驶速度、车辆的理想加速度和减速度、车辆跟车时的理想车头时距。在车辆进入交叉口路边协调单元的控制范围之后,驶离交叉口出口之前,需以50 ms为周期向交叉口控制器该信息。
(2)已驶离。当车辆驶离交叉口出口时,需向交叉口路边协调控制单元发送此信息,并且在车辆再次进入交叉口路边协调单元的控制范围之前,不会再发送任何信息。
2) 交叉口路边协调控制单元到车辆。
(1)通行允许。当交叉口路边协调控制单元允许某辆车通行时,向该车发送此消息。
(2)通行禁止。当交叉口路边协调控制单元禁止某辆车通行时,向该车发送此消息。
从上文中可以看出,交叉口路边协调控制单元的协调协议每次都可以决策多辆车的通行。为了保证车辆的安全,在上一批被发放“通行允许”命令的车辆离开交叉口之前,路边协调控制单元不会再启动协调协议来决策其它车辆的通行,即不会再让其它车辆进入交叉口。因此,为了每一次决策都尽可能多地放行车辆,应当将进入交叉口前一段距离的区域设计为触发区域,当交叉口内车辆被排空后,如果有车进入该区域,路边协调控制单元的协调协议将被触发运行,为所有进入控制单元监控范围的车辆做出通行决策。具体设置见图3。
通常无线网络信号具有有限的覆盖范围,并且离交叉口过远的车辆信息对于协调算法来说也是没有必要的,故交叉口路边协调控制单元只会在一定监控范围内收集车辆的运行信息。如果触发线离监控范围的边缘太近,每一次算法触发后可能仅有少量车会得到受理。而根据上文的假设中,每辆车也都有一个对应于当前行驶速度的刹车距离。如果触发距离小于了最快到达停车线位置的车辆的刹车距离,则车辆很可能在收到“通行禁止”后来不及刹车冲过停车线。
综上所述,触发线离停车线的距离应做如下考虑:对于第i相位第l条车道上的第k辆车,dilk,trigger为其对应的触发线到停车线的距离,其计算方法为:
undefined
式中:Silk,stop为车辆刹车所需的距离;vilk为车辆当前的速度;ailk,min为车辆最大刹车速度。为了让触发线与停车线不至于重合,这里将10 m作为最小的触发距离。
交叉口路边协调控制单元和智能车辆在协调系统中的行为分别设计为见图4、5。
2 最大流量协调协议
上一节所述的系统框架,可以通过加入响应的协调策略,取代信号灯完成对交叉口处车辆的协调调度。文献[4]中所设计的以排队长度作为优先通行依据的整数规划策略,可以通过一定修改,应用到本文所设计的框架之中。修改后的整数规划模型可表示为
undefined
式中:P为总相位数;i和j为相位标号;m和d为车道标号;Li和Lj分别为相位i和j的总车道数;Nim为第i相位第 m条车道上的总车辆数;Njd为第j相位第d条车道上的总车辆数。通过此式选出i,j后,系统会将i,j流向上所有车辆纳入通行名单。
但在每辆车的运行状态信息都已知的情况下,单纯使用排队长度作为协调的依据并不全面。交叉口协调的目的应当是尽可能增大交叉口处的车流量,根据车辆当前的速度以及离交叉口的距离等信息,可以对其通过交叉口所需的时间进行预测,然后便可以找到单位时间内通过的车辆最多,即流量最大的通行车辆组合。该问题可以表述为以下整数规划问题。
undefined
式中:l为车道标号;a、b、k为车辆标号;tilk为第i相位第l条车道上的第k辆车的通行时间; Nil为第i相位第 l条车道上的总车辆数;ni,j(t)为i、j相位下,通行时间比t要小的车辆总数。通过求解此整数规划问题,便可以得出最合适的tilk,而i和j相位中所有通行时间小于tilk的车辆将都会被纳入通行名单。
通行时间tilk可以以以下方式进行预估。假设第i相位第l条车道上的第k辆车正在以速度vilk行驶,其理想的通过交叉口的速度为Vilk,车辆离交叉口出口的距离为Silk,exit。为了将速度从vilk调整到Vilk,车辆需要行驶一段距离Silk,adjust,其计算公式为
undefined
式中:ailk,max为车辆预设的最大加速度,ailk,min为车辆预设的最大减速度。
如果Silk,adjust≥Silk,exit,说明车辆在驶离交叉口之前无法调整到速度Vilk,那么它的通行时间t为
undefined
否则,车辆会在驶离之前调整到Vk,并匀速地行驶一段时间才到达交叉口的出口,此时
undefined
因为车辆在进入交叉口路边协调控制单元控制范围后不允许换道,并且车辆之间会通过ACC控制保持一定的时距,所以后车驶离交叉口的时间不会小于前车驶离交叉口与后车期望时距的和,故车辆的实际通行时间tilk为
undefined
式中:tilk-1为第i相位第l条车道上的第k-1辆车的通行时间,hilk为车辆k所期望的车头时距。
3 仿真实验
为了验证该系统对交叉口通行效率提高的有效性,本文在MFC框架下搭建了一个常见的双向3车道交叉口环境(见图6),同时加入了传统4相位设计(即:东西直行、东西左拐、南北直行、南北左拐)的定时信号灯控制和自适应信号灯控制作对比实验。其中,自适应交通灯控制能与车辆进行无线通讯,并会根据停车线前100 m范围内(如果排队车辆超过100 m,则以实际排队长度计算)车辆所需的通行时间来决定绿灯的时长,当某个相位没有车时,会自动跳过该相位,其相序变化与传统定时交通灯相同。
具体实验设置如下。
1) 每条车道的长度为200 m(从车辆的生成点到停车线)。
2) 车辆生成时以均匀分布规律随机分配起始点和终止点。
3) 车辆的速度范围为60～80 km/h,车辆产生时其速度在此范围内以正态分布规律随机分配。
4) 车辆预设的最大加速度和减速度分别为4 m/s2和-4 m/s2。
5) 车辆长度为3.873 m。
6) 车辆预设的期望车头时距为1.4 s。
7) 为安全起见交通灯控制的黄灯时长为4 s。
8) 仿真步长为0.03 s,每次实验时长1 000 s。
9) 最大车辆到达率为7 500 veh/h。
实验以平均停车等待时间(当车辆速度小于15 km/h时,认为该车辆已停车[9])、平均排队长度和停车率作为评价指标。停车率的计算公式为:
undefined
式中:nvehicle为实际到达的车辆数,nparking为所有到达车辆的总停车次数。实验结果见图7～9。
从实验结果可以看出,不同时长的固定时间交通灯控制对不同的交通负载表现出不同的性能。当负载较低时,较短的绿灯时间能快速切换相位,使得少量的排队车辆能快速通过,减少等待时间和排队长度。当负载比较大的时候较长的绿灯时间能尽可能地排空车辆,反而能表现出更好的性能。
自适应交通灯控制因为能随着交通负载的不同调整自己的绿灯时间,所以在不同的车流量下均能表现出比各定时控制更好的性能。但其性能上瓶颈也很明显。第一,为了保证安全,在相位切换时不得不加入黄灯时间保证排空交叉口内的车辆;第二,各相位之间没有优先级,控制器并不能决定让那些车先走能提高整体的交通流量。从这两点来看,自适应交通灯控制相比固定时间的交通灯控制并不存在本质上的超越,只是达到了交通灯控制在一定负载下的最优值。
相比之下,使用车路协同交叉口车辆协调框架却能从根本上解决交通灯控制的弊端,它不需要黄灯时间来保证安全,车流方向组合灵活,并且能够根据协调协议选择出最优的通行方式,在任何负载情况下其总体性能都优于交通灯控制,特别是在流量比较低的情况下,车辆几乎无需在交叉口前等待即可通过。
对比最大流量方法和排队长度优先协调策略,因为最大流量算法的性能指标结合了排队长度以及各车辆的速度和位置等信息作为协调的依据,故在整体性能上要高于仅以排队长度作为判断依据的协调方式。但由于排队长度优先协调方法不一定会一次将排队车辆排空,当负载高于80%时,最大流量协调系统在停车率方面会略高于能一次排空车辆的自适应交通灯和排队长度优先协调方法。
4 结束语
对比国外同样使用车路协同技术和整数规划来解决交叉口问题的方法,本文的方法在总体上表现更加优越,并使用一定措施保证通行安全,更适合于车辆运动精度不高时的交叉口协调。但由于在设计时并未考虑网络传输延迟、丢包对协调方法的影响,如何在信息传输延迟的情况下协调车辆,依然有待下一步研究。
参考文献
[1]Dresner K,Stone P.Multiagent traffic manage-ment:An improved intersection control mechanism[C]∥Proceedings of the Fourth InternationalJoint Conference on Autonomous Agents and Mul-tiagent systems.Newyork:ACM,2005:471-477.
[2]Dresner K,Stone P.A multiagent approach to au-tonomous intersection management[J].Journal ofArtificial Intelligence Research,2008,31(1):591-656.
[3]Lee J,Park B.Development and evaluation of a co-operative vehicle intersection control algorithm un-der the connected vehicles environment[J].Intelli-gent Transportation Systems,IEEE Transactionson,2012,13(1):81-90.
[4]Ghaffarian H,Fathy M,Soryani M.Vehicular adhoc networks enabled traffic controller for removingtraffic lights in isolated intersections based on inte-ger linear programming[J].Intelligent TransportSystems,IET,2012,6(2):115-123.
[5]Shingde V,Raravi G,Gudhe A,et al.Merge-by-Wire:Algorithms and System Support[C]∥Real-Time Systems Symposium,2008.Barcelona:IEEE,RISS,2008:25-34.
[6]Milanés V,Perez J,Onieva E,et al.Controller forurban intersections based on wireless communica-tions and fuzzy logic[J].Intelligent TransportationSystems,IEEE Transactions on,2010,11(1):243-248.
[7]Milanés V,Alonso J,Bouraoui L,et al.Coopera-tive maneuvering in close environments among cy-bercars and dual-mode cars[J].Intelligent Trans-portation Systems,IEEE Transactions on,2011,12(1):15-24.
[8]Guerrero-Ibanez A,Contreras-Castillo J,BuenrostroR,et al.A policy-based multi-agent managementapproach for intelligent traffic-light control[C]∥In-telligent Vehicles Symposium(IV),2010IEEE.San Diego:Intelligent transportation Systems Socity(ITSS),CA,2010:694-699.
协同协调 篇3
金融业的发展除了依赖于银行业、 证券业和保险业各自的发展外, 还依赖于金融业三大行业间的协调发展。 金融业的协调发展有助于提高金融产业的整体质量和效率。 李靖宇和于艳(2005)以东北区域为例,说明了金融业协调发展的必然性,并指出各级政府需要发挥宏观调控职能, 提供良好的制度保障,加强金融监管,共同促进区域金融业的全面协调发展。 王鹤立(2008)认为,目前我国银、证、保等金融机构间的合作交流已开始稳步运行, 并出现了几种符合自身特点,带有混业经营特征的模式,为规避金融风险,金融业之间要协调发展。 张丽拉(2011)认为, 现代金融的发展越来越强调金融行业的空间布局,只有合理的行业空间布局才能降低风险和成本。关于金融业发展的协调程度,田光宁(2012)采用因子分析模型合成银行业、 证券业与保险业发展指数,构建了三者之间的协调度与协调发展度模型, 评判中国金融三业发展的协调程度。
通过对已有文献的梳理可以发现, 现有的研究主要是定性研究, 定量方面是利用因子分析模型对金融业协调发展程度进行了衡量。 与以上研究不同的是,本文则基于协同论,构建了金融业发展协同度模型,对我国金融业协调发展程度进行了度量。 协同论的研究对象是在自然界乃至社会界都大量存在的开放系统。 金融业发展系统具有一般性、关联性、整体性和层次性等系统所具备的特点, 金融业发展系统是经济系统的子系统, 和外界时刻存在着信息的交换,也是一个开放系统,受经济环境变化的影响。因此,金融业发展系统是一个从无序向有序转变的、远离平衡态的开放系统, 可以成为协同论的研究对象,可以运用协同论及相关模型进行分析。
二、金融业发展协同度模型的构建
根据协同论的观点, 金融业发展协同度是指金融业各子系统之间相互配合、协调一致发展的程度。本文借鉴孟庆松与韩文秀(2000)提出的复合系统协调度模型,构建金融业发展协同度模型。
(一)子系统有序度模型
本文中金融业包括银行业、 证券业和保险业三类, 将金融业发展系统视为复合系统C={C1,C2,C3},其中C1为银行业子系统,C2为证券业子系统,C3为保险业子系统。 子系统Cj(j∈[1,2,3])发展过程中的序参量cj= (cj1,cj2, …,cjn) , 其中n≥1,βji≤cji≤αji,i=1,2, …,n,αji、βji为系统稳定临界点上序参量分量cji的上限值和下限值。 假定cj1,cj2,…,cjk为正向指标,即其取值越大,系统的有序程度就越高;cjk+1,cjk+2,…,cjn为逆向指标, 即其取值越大, 系统的有序程度就越低。 因此,有如下定义:
定义1: 式(1)为子系统Cj的序参量分量cji的系统有序度。
由定义1可知,uj(cji)∈[0,1],uj(cji) 数值越大,则表明cji对系统有序的“贡献”越大。
定义2:式(2)中的uj(cj)为序参量变量cj的系统有序度。
由定义2可知,uj(cj)∈[0,1],uj(cj)数值越大,表明子系统的有序程度就越高, 反之则子系统的有序程度就越低。 其中,wi是权数,代表cji在保持系统有序运行过程中所处的地位。
(二)复合系统协同度模型
假设在给定的初始时刻t0,假定各子系统的有序度为uj0(cj),在复合系统发展演变过程的另一时刻t1,假定各子系统的有序度为uj1(cj),因此有如下定义:
定义3: 式(3)中的A为金融业发展复合系统的协同度。
由定义3可知, 金融业发展协同系统的协同度A∈[-1,1],其数值越大,表明复合系统协同发展程度就越高,反之则越低。式中参数χ的作用在于判断金融业协同系统之间的协调方向, 当金融业发展复合系统的三个子系统在t1时刻的有序度均大于其在t0时刻的有序度, 表明复合系统处于协同发展状态,此时,A值为正值; 而当金融业发展复合系统的任一子系统在t1时刻的有序度小于其在t0时刻的有序度时,A值为负值,表明复合系统处于非协同发展状态。
三、金融业发展协同度的测算
(一)评价指标的选取和数据来源
1.评价指标的选取
在协同度模型中,序参量的选择是至关重要的,构建科学合理的协同度测度指标体系是协同度准确测算的关键环节。 根据序参量的特征和金融业子系统间相互作用关系, 本文将反映行业发展规模和效率的指标确定为复合系统的序参量。 金融业发展复合系统协同度测度指标如表1所示。
2.数据来源
本文采用的数据样本为我国金融业2003-2011年的年度数据,指标数据的获取通过直接查找、计算或替代等方式取得,具体如下:银行业不良贷款率用商业银行不良贷款率替代; 证券市场交易额包括股票、债券、基金、期货交易额合计;上市公司数量为境内上市公司数(A、B股); 证券化率是股市总市值与GDP总量的比值。我国金融业发展复合系统协同度测度指标数据来自2004-2012年 《中国统计年鉴》、《国研网统计数据(网络版)》、《中经网产业数据库》。
(二)数据的计算
首先,为消除原始数据不同量纲的影响,对上述原始数据采取均值—标准差法进行标准化:
式中: X′ij为标准化数据;j表示变量Xij的均值;σj表示变量Xij的标准差。 通过公式(4)计算出序参量的标准化处理结果。 为简便处理和计算方便,标准化后的序变量上限值和下限值分别取2003-2011年最大值和最小值的110%。
其次, 将序参量的标准化处理结果代入公式(1),得到各子系统序参量的有序度。
再次,确定指标权重wi,本文采用相关矩阵赋权法确定指标权重。 具体计算步骤如下:①计算各子系统的相关矩阵R, 其中,,(i=1,2…n),Ri表示第i个指标对其他(n-1)个指标的总影响。 Ri越大表明第i个指标在指标体系中的影响或重要性就越大;②将上式中的Ri归一化处理即可得到相应各指标的权重:,(i=1,2…n)。 按照上述步骤计算得出各子系统协同度测度指标的权重。
最后, 将各子系统序参量的有序度代入公式(2),得到各子系统的有序度,并以2003年为基年,将各子系统有序度的数据代入公式(3),得到我国金融业发展协同度,计算结果如表2所示。
(三) 实证结果分析
如图1所示,我国金融业发展复合系统内三个子系统的发展有以下特点:第一,银行业子系统的有序度在2003-2011年间,整体呈现上升趋势,处于有序发展状态;第二,证券业子系统的有序度整体呈现上升趋势, 但在2008年和2011年该系统的有序度大幅度下降,这是受到证券市场不稳定的影响,股票市值的降低使得证券业子系统有序度大幅度降低;第三,保险业子系统有序度在考察期间整体呈现上升趋势,处于有序发展状态,但在2004年、2006年和2011年该系统有序度小幅度下降, 这是由于保险深度的降低使得该系统有序度有所降低。
从图1还可以看出,我国金融业协调发展程度趋势处于低水平的波动演变状态, 这表明我国金融业良好的协调发展机制尚未形成。 从各子系统有序度的变化来看, 金融业发展协同度低水平波动的原因表现为:2003-2005年, 虽然银行业子系统的有序度呈现上升趋势, 但证券业和保险业子系统的有序度均在下降,使得2004-2005年金融业发展协同度小于零;2005-2007年, 金融业各子系统的有序度均呈现上升趋势,使得2005-2007年金融业发展协同度呈向上趋势;2008年,由于受到证券市场不利影响,造成证券业有序度的大幅度下降,使得2007-2008年金融业发展协同度呈向下趋势;2008-2010年, 金融业各子系统的有序度均呈现上升趋势,使得2008-2010年金融业发展协同度呈向上趋势;2010-2011年, 虽然银行业子系统的有序度呈现上升趋势, 但证券业和保险业子系统的有序度均在下降,使得2010-2011年金融业发展协同度呈下降趋势。 对图1的进一步观察和分析我们还发现, 金融业复合系统的协同度发展趋势与证券业子系统有序度的发展趋势基本吻合,这在一定程度上表明, 证券业的发展是影响整个金融业复合系统协调发展的关键因素。
四、结论与建议
依据协同论, 本文构建了我国金融业子系统有序度模型和复合系统协同度模型,对2003-2011年我国金融业子系统有序度和复合系统协同度进行了度量,并得出如下结论。
第一,我国金融业协调发展程度不高,良好的协调发展机制尚未形成。 由于证券业子系统有序度的无序波动使得金融业复合系统呈现低水平协同发展趋势。 证券业子系统是影响整个金融业复合系统协调发展的关键因素。
第二,在考察期内,我国金融业三个子系统中,银行业发展相对有序,保险业次之,证券业发展有序度最低。 银行业一直呈现稳定有序发展状态,这不仅是银行业本身不断完善内部控制, 提高管理水平的结果,也是我国政府监管发挥作用的结果;保险业有序度从较低水平在逐步提高, 保险业处于有序发展状态;证券业的有序度呈现波动上升趋势,金融市场的不稳定是造成证券业发展不稳定的原因之一。
为实现我国金融业的协调发展,提出如下建议。
首先,完善内控,提高风险管理能力,实现金融业子系统有序发展。 完善内部控制可以从控制环境、风险评估过程、信息系统与沟通、控制活动、对控制的监督等五个要素着手。 在此基础上,着力提升金融机构全面风险管理能力。 通过完善内部控制和提高风险管理能力,实现银行业、证券业和保险业的有序发展,进而促进金融业的协调发展。
其次,加强监管和引导,实现金融业协调发展。银行业要积极稳妥实施新监管标准, 不断优化监管工具和指标体系; 证券业要完善以净资本为核心的风险控制指标体系; 保险业要健全保险业偿付能力的监管体系,健全以风险为导向的分类监管制度。此外,金融监管机构要引导金融业更好地处理支持经济发展和防范金融风险之间的关系,向协调方向发展。
摘要：依据协同论构建了我国金融业发展协同度模型,并进行了实证分析,结果表明:我国金融业发展协同度不高,尚未形成良好的金融业协调发展机制;考察期内,银行业发展有序度最高,保险业发展有序度次之,证券业发展有序度最低,证券业有序发展是影响整个金融业复合系统协同发展的关键因素。
协同协调 篇4
基于R&D的外部性[1],以及R&D在产学研协同创新中的重要作用,寻求R&D成本在协同创新内部的纵向协调以及外部的政府补贴,应是有效推动产学研协同创新良性发展的重要途径,但在理论领域,这一问题并未引起学者足够的关注。目前国内外围绕产学研协同创新的研究主要集中于四个方面:①产学研协同创新的概念、模式、动因及机制研究;②产学研协同创新的知识创造、转移及管理;③产学研协同创新与政府及政策制度;④绩效评价与影响因素分析。例如Claudia、Kazuyuki等分析了产学研协同创新的主要模式以及影响模式选择的主要因素[2,3]。EOM认为产学研协同创新的动机包括降低交易成本、获得知识溢出效应等[4]。Das和Teng提出影响产学研协同创新知识转移的除了信任和控制外,还包括地理及法律等因素[5]。李成龙、刘智跃以实证分析的方法,证明产学研协同创新的绩效主要来自于创新系统的互补、兼容以及协同各方的耦合互动[6]。关于产学研协同创新R&D成本协调的理论探讨较为缺乏,但在供应链R&D协作领域的相关研究能给我们带来启示。霍沛军、宣国良考虑上游企业从事R&D活动,认为垂直的纵向一体化有利于增加R&D投入,并因此增加产量、提升企业利润[7]。刘伟等分析了产业链中的纵向合作,认为R&D协调可能改善产业链的R&D投入与效率,并给出了供应商参与协调的条件[8]。艾凤义、侯光明针对一个下游企业和多个上游企业的二层市场结构,提出了R&D合作的成本协调机制。在产学研协同创新的政府作用方面,Etzkowitz和Leydesdorff提出了三重螺旋理论,强调政府应通过制度设计等机制,推动产学研合作创新的螺旋上升[9]。顾建华、陈辉华等认为政府应对产学研协同创新进行激励,并提出了专项基金、税务补偿、财政补贴等多项具体措施,但仅做了定性分析而没有进行定量研究[10]。关志民等在全国范围内选取样本进行问卷调查,探讨了政府支持对产学研合作效果的影响[11]。
需要注意的是,由于产权、股权、人事关系等法律事务的引入极大地增加了交易成本,产学研各方的纵向一体化在实践中几乎很难实现。作为一种成本较低的方案,产学研协同创新寻求R&D成本的协调分担,能否成为一种可行的替代方式?是否能够有效增加协同创新的R&D投入并增加相关各方的收益?需要什么样的前提条件?政府对产学研协同创新进行补贴是否是一项有效的支持措施?补贴的效果与内部成本协调的效果有何异同?在有内部协调和没有内部协调的情况下,补贴的策略是否应该有所调整?调整是否需要前提条件?同时考虑产学研协同创新的R&D成本协调与政府补贴,可以得到四种可能的情形,如图1所示。本文将针对图1的四种情形分别构建博弈模型,并采用逆向归纳法[12]对协同各方在博弈过程中的最优决策进行分析,通过比较不同情形下的协同创新效果,为上述问题提供全面的分析结果,并力求为产学研协同创新的R&D成本协调与政府补贴提供有益的决策支持。
1 模型Ⅰ:无R&D成本协调、无政府补贴下的基本模型
假设完全竞争市场中的企业和学研机构,双方基于各自在技术开发与产业领域的优势资源,考虑以协同创新的方式进行技术开发,降低产品成本,并约定以(s,1-s)的比例分享技术创新的新增收益。由于企业的最大生产能力为q,因此其最大程度地满足市场需求的能力为q,假设q保持不变。学研机构的技术创新成本函数为,即能让单位产品达到程度为u的成本降低所需的技术创新投入,其中r是技术创新所需的投资参数,r值的大小代表了技术创新的难易程度。Cohen和Kleppe的实证研究表明,R&D活动存在着规模的不经济性,其回报的增量会随R&D支出的增加而逐渐递减[13],因此技术创新的成本函数应该凸向u,因此有γ>1,在这里我们假设γ=2,由此可得技术创新的成本函数为。此外,在产学研协同创新的博弈过程中,企业与学研机构的决策行为均符合理性人假设。
因此,可得模型Ⅰ下产学研协同创新的总净收益、企业方净收益、学研方净收益分别如下:
这实际上是个一阶段的决策行为,即由学研方以自身利益最大化为目标对其最优的R&D投入水平进行决策,由解得:
将式(4)分别代入式(1)(2)(3)可得总净收益、企业方及学研方的净收益分别如下:
2 模型Ⅱ:有R&D成本协调、无政府补贴
技术创新的不确定性使得学研方承担了一定的技术风险,而新增市场收益的分享必须在技术创新成果完成了市场转换之后才能进行,这意味着在模型Ⅰ的条件下,学研方承受了来自技术和市场的双重风险,这给学研方参加产学研协同创新的积极性带来了不利影响。另一方面,如果企业方帮助学研方承担部分研发成本可以激励学研方增加R&D投入,由此可能带来产品成本的降低并进而增加企业的利润。由于企业分担的R&D成本可能从收益分享的增量中得到弥补,因此企业可能接受分担R&D成本的合约。此时的博弈分两个阶段:第一阶段,企业选择R&D成本的分担比例t;第二阶段,学研方选择最优的R&D投入水平u。这里用逆向归纳法求出博弈模型的均衡解。
此时的总净收益、企业方净收益及学研方净收益分别如下:
首先由学研方选择其最佳的研发投入,由解得:
由式(11)容易看出,学研方最优的研发投资水平是企业方成本分摊比例t的增函数,即企业分摊比例越高,学研方选择的研发投入水平越高。但分摊比例越高,意味着企业方承担的成本越高,因此,企业需要选择适当的成本分摊比例t以最大化自身收益。
将式(12)代入式(11)可得:
将式(12)(13)分别代入式(8)(9)(10)可得产学研协同创新的总净收益、企业方及学研方的净收益分别如下:
对于企业和学研方而言,它们在企业分担R&D投入成本方式下的净收益应大于它们各自在模型Ⅰ情况下取得净收益,这构成了他们的参与约束。为便于比较,我们给模型Ⅰ中的变量下方加上下标1,给模型Ⅱ中的变量下方加上下标2,以示区别。此外我们也对两种模型下的总净收益及最优研发投入进行比较,因此有:
观察以上各式容易看出,企业在模型Ⅱ下的净收益始终大于其在模型下Ⅰ下的净收益,而模型Ⅱ中的学研方净收益、总净收益及研发投入水平,只有在满足s>1/3的条件时,才能大于它们在模型Ⅰ中的水平。这意味着只有在s>1/3时,R&D成本在企业和学研方之间的纵向协调才能够发生。但让人疑惑的是,相对于模型Ⅰ,模型Ⅱ中企业作为投入净增加方,其收益应该存在减少的可能。而学研方作为投入的净减少方,其在模型Ⅱ中的净收益应恒大于在模型Ⅰ中的净收益,然而上式计算的结果与我们的预期恰恰相反。
观察式(12)可知,t>0的条件是s>1/3,这说明只有当企业在新增净收益中的分享比例高于1/3时,企业才愿意帮助学研方分担比例为正的R&D成本;而当企业的分享比例低于1/3时,企业反而会向学研方提出一个值为负的成本分担比例,以弥补其在净收益中过低的分享比例。但由于企业的要求不具有强制性,因此学研方会拒绝企业的这一要求,此时模型Ⅱ退化为模型Ⅰ,产学研协同创新的R&D成本协调不会发生。
根据上述分析,我们可得出以下结论:
结论1:产学研协同创新中,企业愿意帮助学研方分担R&D成本的前提条件是,企业在协同创新新增净收益中的分享比例大于1/3。
结论2:当企业在协同创新新增净收益中的分享比例大于1/3时,企业将分担学研方的R&D投入,这将激励学研方进一步增加R&D投入,并进而增加协同创新的总净收益、企业方及学研方的净收益。因此,此时的R&D成本协调是一种更为有效的R&D投入组织方式。
3 模型Ⅲ:无R&D成本协调时的政府补贴策略
在模型Ⅰ中,产学研协同创新在市场机制下进行,企业和学研方在市场机制下各自以自身利益最大化为决策目标。由于双方均不是以整体利益最大化为决策目标,因而可能导致市场机制下的整体R&D投入不足,并进而导致双方及整体的收益都不能达到理想水平的最大化。改善市场失灵的一个方法是政府介入,而政府补贴则是政府进行介入的最为直接的方式。假设政府根据研发投入的水平,给予学研方值为ku的R&D投入补贴,此时总净收益、企业方净收益及学研方净收益分别如下:
首先由学研方选择最佳的研发投入,由解得:
此时政府选择最佳的研发补贴系数k,由于政府站在整体角度进行决策,因此由解得:
将式(21)代入式(20)得:
将式(22)分别代入式(17)(18)(19)可分别得总净收益、企业方及学研方的净收益如下:
将式(22)(23)(24)(25)分别与式(4)(5)(6)(7)及式(13)(14)(15)(16)对比容易看出,在政府适当补贴的情况下,不管产学研各方如何进行收益分配,无论是协同创新的R&D投入水平,还是参与各方的净收益以及总净收益,都较模型Ⅰ和模型Ⅱ的情况有了明显的提升,因此可得下述结论:
结论3:无论产学研各方如何进行收益分配,政府的R&D投入补贴始终是有效的产学研协同创新激励手段;并且与自发的R&D成本协调相比,政府的R&D投入补贴能进一步激励R&D投入水平的提升,并因此而使参与各方及整体的净收益都得到更为有效的提升。
政府补贴的效果比R&D成本协调的效果更好的原因在于,企业在分担R&D成本时的决策目标是自身净收益最大化,而政府在确定其补贴比例时,决策的目标是整体净收益最大化,进一步弥补了R&D成本协调时R&D投入的不足,因而对R&D投入的提升作用更为明显。
结论4:政府对产学研协同创新的R&D投入补贴并不是越多越好,而是有一个最优的补贴比率sq。如果补贴低于这一比率,则为补贴不足;如果补贴高于这一比率,则会导致补贴过度。
4 模型Ⅳ:有R&D成本协调时的政府补贴策略
模型Ⅳ下的博弈分三个阶段:第一阶段,政府选择最优的补贴系数k;第二阶段,企业选择R&D成本的分担比例t;第三阶段,学研方选择最优的R&D投入水平u。此时的总净收益、企业方净收益及学研方净收益分别如下:
首先是学研方的研发投入选择,由解得:
其次是企业方的分担比例选择,由解得:
最后是政府的补贴系数选择,由解得:
将式(31)代入式(29)(30)可得:
将式(31)(32)(33)分别代入式(26)(27)(28)可得总净收益、企业方及学研方的净收益如下:
观察式(33)容易看出,t*>0的隐含条件为s>0.5,这意味着在有政府R&D补贴的情况下,企业愿意帮助学研方分担R&D成本的前提条件是,其在新增收益中的分配比例大于0.5,否则其将会向学研方提出一个值为负的分担比例。但企业方的这一要求缺乏强制执行力,因此此时学研方将会拒绝值为负的分担比例,t值变为0,此时模型Ⅳ退化为模型Ⅲ。因此,模型Ⅳ成立的条件是企业方在新增收益中的分配比例s大于0.5。
将式(31)(32)与式(21)(22)比较容易看出,模型Ⅳ与模型Ⅲ中通过政府补贴激励所能达到的最优R&D投入水平是一致的,均为q /r,但在模型Ⅳ成立即s>0.5的情况下,模型Ⅳ所需要投入的政府补贴资金更少,考虑到政府资金的使用效率与成本问题,此时模型Ⅳ的补贴方案更优。因此有:
结论5:无论是否存在R&D成本协调,政府补贴都能激励产学研协同创新的R&D投入达到一样的水平。但在企业收益分配比例大于0.5的情况下,政府应采用鼓励产学研各方进行R&D成本协调的策略,以减少政府补贴资金的投入。
5 算例分析
为进一步验证本文的结论,下面给出具体的数值来求解并检验。假设r=2,q=100,并分别假设s为0.2,0.4,0.6,0.8以表示企业在新增收益中不同的分配比例。计算得到四种情况下的R&D投入、收益等情况如表1所示:
由表1容易看出:(1)当s>1/3时,企业参与R&D成本协调的模型Ⅱ的创新投入以及各项收益均恒大于没有R&D成本协调的模型Ⅰ的对应值;(2)政府对产学研协同创新的R&D投入进行补贴时,无论是否存在R&D成本协调,均能使R&D投入及总净收益达到更优的水平;(3)模型Ⅲ和模型Ⅳ的创新投入以及总净收益均相等,但在企业收益分配比例s大于0.5的情况下,模型Ⅳ所需要的政府补贴资金远小于模型Ⅲ所需的政府补贴资金。因此,表1的数据结果验证了本文理论推导结果的正确性。
6 结语
本文构建了四个演绎理论模型,针对产学研协同创新,从R&D投入成本协调和政府补贴两个维度,分析了这两个结构影响变量单独及交叉作用时,对产学研协同创新R&D投入水平以及各项收益的影响。
R&D投入成本协调和政府补贴都会对协同创新的R&D投入产生正向的拉动效应,因此都是产学研协同创新的有效推动方式,但二者的作用机制与效果有所不同。R&D投入成本协调是通过企业分担学研方的R&D成本,弥补学研方单独决策时的R&D投入不足,因而改善产学研协同创新的整体绩效、增加总净收益并因此而增加参与各方的净收益。但这一策略可行的前提是企业方在新增收益中的分享比例足够大,以弥补其在R&D分担中的增量投入,否则其没有动力参与R&D投入成本协调,本文测算的结果是企业的分享比例应大于1/3。政府补贴则是通过外部力量的引入,对学研方R&D投入产生更强的正向引导作用,从而对产学研协同创新的整体绩效形成进一步改善。但在企业收益分配比例大于0.5的情况下,政府应鼓励产学研各方进行R&D成本协调,可以有效节约政府补贴资金的投入。两个结构影响变量的作用效果如图2所示:
当前,以科技创新为支撑,推动经济结构调整,加快经济发展方式的转变已成为我国重要的基本国策。由于历史原因,我国大量的科技研发力量集中于高校和科研院所,因此,有效推动产学研协同创新是我国加快推进科技创新的一条重要途径。事实上,近年来无论是中央政府,还是各级地方政府,对产学研协同创新的重视程度都在明显增加,除了出台各类鼓励政策,还以R&D补贴的方式进行直接激励。以国家科技重大专项为例,16个专项每年的政府补贴额度达数百亿元,其中很大部分由企业和高校、科研院所联合承担。由此,如何采取合理方式、有效推进产学研协同创新,以及如何合理、有效地安排政府R&D补贴资金已经成为一个重要的课题。本文的研究结果对这一课题有着重要的意义:(1)政府R&D补贴是推进产学研协同创新的一种有效方式,可以让协同创新的R&D投入及总净收益达到最优状态,但应注意R&D补贴额度的适度,无论过少或过多都无法达到整体的最优;(2)在本文的模式下,当产学研之间不存在R&D成本协调时,最优的政府R&D补贴水平为sq;(3)考虑到政府资金的有限性,在政府R&D补贴资金无法覆盖的领域,应采取积极措施鼓励产学研之间进行R&D成本的协调,可以提升协同创新的R&D投入水平,从而对总净收益形成改善,但其提升改善效果不如政府补贴明显;(4)当企业的收益分配比例大于0.5时,如果产学研之间存在R&D成本协调,政府应适度降低补贴比例以避免补贴过度,同时也有助于节约政府资金。
摘要：产学研协同创新是推动科技创新的重要方式之一,但协同各方决策目标的不一致容易导致协同创新R&D投入的不足。研发成本协调与政府补贴是改善协同创新R&D投入不足的两种可能方式。构建了四个分阶段博弈模型,考虑两个结构变量单独及交互作用时的不同影响,分析如何利用研发成本的协调机制,以及不同条件下的政府补贴策略,从而有效改善产学研协同创新的绩效。