2.2 即需服务平台
“共享经济”一词在运营管理领域被认为是基于平台提供的即需获取资源服务而建立的一种商业模式，平台的目的是负责将诸多服务提供者与市场中的需求者相匹配[4]。作为共享经济重要组成部分的即需服务平台，由于其能够通过扩大能力供给和改进资源配置策略的方式提供高质量的服务，所以备受社会的青睐[52]，一些较为知名的即需服务平台有Uber和3D Hubs等。这些平台能够扩大能力供给的一个主要原因是服务提供者拥有自调度能力，即服务提供者摆脱了传统企业中轮班制的束缚，他们可以自己决定何时工作以及工作多久且不受平台的控制和约束[53]。这种灵活性使得服务提供者既能够调整自己的工作计划以覆盖高收入的需求时段，又可以根据工资率的实时变化进一步决定自己的工作时长[1]。同时，为了保证市场平稳地运转，即需服务平台往往还采用一种实时的定价策略——峰时定价以改善资源配置效率从而提高服务质量[54]。峰时定价的基本原理是平台根据当前区域的市场情况动态地调整服务费用(1)。通过峰时定价策略，平台在抑制需求和增加供给的双重作用下保证需求者合理的等待时间。该定价类似于一些服务能力有限的行业中使用的高峰负荷定价（例如：电力系统的峰谷定价），不同点在于即需服务平台可能在高峰期设置一个溢价因子[55]且该因子的信息能够在交易发生之前被供需双方所获取。综上所述，下面将从有关高峰负荷定价策略的研究、即需服务平台的峰时定价和服务提供者的自调度行为这三个方面展开评述。
2.2.1 高峰负荷定价策略
高峰负荷定价策略也称Peak-load定价，通常情况下使用这种定价策略的平台往往会在非高峰时段内提供较低的价格服务，而在高峰时段内提供较高的价格服务，该定价策略有助于缓解高峰时段内过量的需求[56]。高峰负荷定价策略经常应用在一些能力有限的服务中，例如电力、交通和石油的管道运输等[57]。在早期的经济研究中，已经有诸多专家学者广泛探索高峰负荷定价策略，例如：Houthakker[58]、Hirshleifer[59]、Boiteux[60]和Williamson[61]。他们的贡献是在垄断性公共企业中发现均衡解的存在和唯一性。在有关高峰负荷定价策略的最新文献研究中：Zöttl分析了企业在现货市场面临着需求波动且产品可存储性受到限制时的投资动机问题，研究发现战略性的公司有动机对基础负荷技术进行过度投资[62]；Yang等研究了考虑消费者行为下电力系统的高峰负荷定价问题，研究发现：适当地采用该定价策略可以为生产者和消费者创造双赢的局面[63]；Kim等比较了双寡头垄断中的统一定价和高峰负荷定价策略，他们发现使用高峰负荷定价策略会令平台的收益减少，因为出现严重的价格竞争[64]；Dong等分析了随机的市场需求下电力系统的高峰负荷定价策略和平稳定价策略问题，他们发现大多数情况下，电力公司在适用高峰负荷定价时对技术的需求比在平稳定价下的要少[65]；Grimm等借助高峰负荷定价策略考虑了网络均衡的唯一性问题[66]；Yang等考虑了电力系统的高峰负荷定价问题，他们发现有近三分之二的能源消费者愿意接受高峰负荷价格[67]；Eisenack和Mier将高峰负荷定价理论扩展到考虑不同技术的生产可以在不同的速度范围内进行调整，研究表明如果能力的可调度性不同，则高峰负荷定价的一些标准结果将失效[68]。
尽管基于高峰负荷定价策略已经被普遍实践，但与即需服务平台相关的文献中很少有考虑到高峰时期溢价因子对定价的影响。对于这些即需服务平台而言，其价格包括非高峰时段的价格和非高峰时段价格乘以溢价因子的高峰时段价格。因此，本书第5章的工作需要考虑基于溢价因子的定价策略以丰富对高峰负荷定价策略的研究。
2.2.2 即需服务平台的峰时定价
即需服务平台与传统的服务模式有两点不同：一个双边匹配市场的中介企业[25,31]；另一个是需求者对服务延迟有较强的敏感性[69]。以上的不同会令其定价的方式发生改变从而影响整体利润。目前，与即需服务平台峰时定价相关的文献主要集中在两个方面：一方面与实证相关的研究： Hall等借助案例分析研究Uber平台的峰时定价问题并给出平台采用峰时算法的有效性和优势[70]；Chen和Sheldon研究了Uber平台中峰时定价对劳动力供给的影响，研究发现：司机在报酬较高时驾驶的时间更长，而且动态定价可以显著地提高许多市场的效率[1]；Cramer和Krueger通过对五个城市的UberX司机与传统出租车司机的生产能力利用率进行比较，研究了即需打车服务相对于出租车的效率，他们发现四个因素可能有助于UberX司机拥有更高的生产能力利用率，其中包括柔性供给和峰时定价[71]；Cohen等利用Uber的峰时定价和个人层面的丰富数据估计了消费者剩余[72]。另一方面的研究多涉及建模：Banerjee等研究了打车平台的动态定价策略问题，研究发现相比于静态定价，动态定价策略不一定能带来更高的利润[31]；Bai等分析了即需服务打车平台的最优定价、薪酬和盈余付出率问题[3]，研究发现当需求增加时，平台收取更高的价格是最优的且随着需求的增加、能力的减少或乘客对等待时间敏感程度的提高，平台应提供更高的支付比例；Courcoubetis和Dimakis研究了峰时定价模式下给定服务提供者数量时乘客队列的稳定性问题[73]；Jacob和Roet-Green研究了单独乘车和拼车对打车平台设定最优价格的影响，研究发现当司机可以独立地自由选择工作时间时，可用的车辆数是内生的且最优定价策略取决于司机的预留价格[74]；Guda和Subramanian等研究了即需服务平台的动态定价和交流预测问题，研究发现当需求大于供给时，动态定价是有利的[2]。
虽然以上文献都分析了即需服务平台的峰时定价问题，但很少考虑溢价因子和峰期这两个因素对定价的影响。对于一般的即需服务平台而言，它们制定高峰期的价格是将基本价格乘以溢价因子后得到的。因此，本书第5章综合考虑以上两个因素。另外，本书第6章所关注的问题也与以上研究有两点的不同：一方面考虑了即需服务平台的定价问题；另一方面更关注平台的决策者在面对供给不足和需求不足这两种风险时的态度，并结合前景理论对比有无参考点情境下平台的最优策略。
2.2.3 即需服务平台的自调度能力
即需服务平台的一个重要特征是服务提供者相互独立[10]，即这些平台为服务提供者提供灵活的工作时间且服务提供者可以自行安排行程[75]。在最近一项对Uber司机的研究中，85%的受访者认为在自己日程安排中有更大的灵活性，这也是他们加入平台的动力[76]，原因是自调度可以帮助他们避免意外的劳动力市场冲击并在需要时改变供给。因此，对于与即需服务平台相关的研究而言，自调度有着重要的意义。然而，目前与自调度研究相关的文献数量还不多：Gurvich等分析了当平台的服务提供者可以进行自调度时的能力管理问题，研究发现自调度对服务提供者是不利的，当服务提供者的工资水平非常低时，平台可以实现完全灵活的自调度[77]；Cachon等发现所有的利益相关者可以从自调度中获利，而且动态定价对服务提供者和消费者都是有利的[9]；Taylor研究了即需服务平台的两个特点——服务延迟的敏感性和参与人相互独立如何影响最优的单位服务价格和工资，研究发现当消费者价值的不确定度适中时，最优价格随着延迟灵敏度的增加而增加[10]；Dong和Ibrahim利用排队论的方法研究了混合劳动力服务系统中的最优人员配置决策问题[78]；Hall等考虑了费用突变对市场均衡结果的影响，发现打车市场中的司机劳动力供给是具有高度弹性的[79]；Zhong等考虑了打车平台招募永久和临时服务提供者（自调度）两种方式，研究不同雇佣模式对各利益相关者的影响和平台的最优模式选择问题[80]；Zhou等分析了具有自调度能力的即需服务平台的契约选择问题，他们将不同的契约进行对比从而发现其对各利益相关者的影响[81]。
本书的研究与以上文献有着显著不同的地方：在第5章考虑了非高峰期和高峰期对平台价格的影响，从而构建了一个基于溢价因子的定价策略模型。另外，本书第6章也考虑了即需服务平台的决策者面对风险时的态度和能力管理问题，所以决策者在做决策时需要基于期望效用最大化而非期望收益最大化。