网络直播平台监管策略的演化博弈分析及仿真研究

万晓榆，赵思齐

摘要：针对当前我国网络直播行业乱象频生的现实情况，文章运用演化博弈理论构建了政府部门与直播平台间的动态演化模型，围绕政府部门对网络直播平台违规行为的惩罚力度以及直播平台潜在收益与违规收益三个关键参数的大小，运用matlab7.0数值仿真工具模拟了4种场景下政府部门与网络直播平台的策略互动过程。研究表明，当关键参数取值位于不同数值区间时，系统分别呈现出3种演化稳定结果与一种周期性的随机状态。加大对网络直播平台违规行为的惩罚力度，同时增加合规潜在收益和降低违规收益，有利于引导网络直播平台策略选择向合规演化。

关键词：网络直播;政府监管;惩罚力度;演化博弈

中图分类号：F49;G206

文献标识码：A

文章编号：1673-8268（2022）01-0115-10

一、引言

网络直播是通过互联网将即时状况展示给用户、并与用户实现即时互动交流的一种互联网新业态，网络直播行业近年呈现井喷式的发展[1-2]。无论是以淘宝、拼多多为代表的电商平台，还是以抖音、快手为代表的短视频平台，甚至是以百度、搜狐为代表的传统互联网公司，都陆续加大了对于网络直播的布局力度，网络直播在短时间内聚集了大量人才、资金和媒体资源，使得网络直播成为发展势头最为迅猛的互联网应用之一。根据中国互联网络信息中心（CNNIC）发布的第48次《中国互联网络发展状况统计报告》显示，2021年上半年，全国网民规模达10.11亿，较2020年12月增长2 175万，其中，我国网络直播用户规模达6.38亿，占网民整体的63.1%，电商直播用户规模为3.84亿，占网民整体的38.0%[3]。庞大的网络直播用户规模为我国网络直播市场的爆发性增长奠定了基础。

在网络给人们带来发布、传递和获取信息的自由与便利的同时，网络直播“乱象”也给社会带来了恶劣影响，阻碍了网络文化的勃兴[4]。根据网经社“电诉宝”数据表明，2020年，网络直播由于商品货不对板、网络售假、商品质量差、退款难、退换货不及时等现象而被消费者投诉。主要表现为主播展示的产品信息与消费者实际收到的产品质量不一致，或是刻意夸大产品功效，在消费者中引起诸多负面连锁反应，使得消费者在享受网络购物便利的同时仍面临着商品质量差、虚假宣传及售后服务的一系列问题[5-6]。由于网络直播对各平台主播的门槛要求较低和直播平台管理审核的责任缺失，主播专业化程度参差不齐，导致了违规违法的潜在隐患。同时，因为主播的不当行为可以引起更多的社会关注，为平台带来高流量，所以利益驱动下的直播平台会选择对部分大流量主播进行包庇。因此，网络直播行业在不断发展的同时，也衍生了一系列社会问题。

目前，网络媒体十分发达，负面消息传播速度极快，易对社会稳定造成不良影响。近年来，政府部门高度重视对网络乱象的治理，相继出台了《关于办理网络诈骗等刑事案件使用法律若干问题的意见》《互联网直播服务管理规定》等文件，对违规平台收取高额罚金甚至关停，旨在引导网络直播朝着健康正确的道路发展。对于政府部门而言，如何在信息不对称的条件下，对网络直播平台进行规制，以降低其机会主义行为带来的负面影响，是亟待解决的一个问题。

二、 文献回顾与理论基础

网络直播作为互联网发展的产物，与互联网一样存在着两面性，而且由于其“暧昧经济”的特殊性，网络直播环境比传统直播更加复杂混乱[7]。已有学者对网络直播监管的相关问题进行了研究。任丙强[8]从管制机构、管制立法以及管制方式3个方面对如何管制网络内容进行了研究，该研究结论对于网络直播监管有着一定的借鉴作用。付业勤等[9]提出网络直播在其产业链构成、用户特征、平台类型、内容生产和盈利模式等方面有独特规律。曾一昕等[10]从平台分类、主播特点、传播特点、观众目的等4个方面解剖网络直播行业，提出网络直播行业存在的问题与规范化治理策略。禹玉琳[11]从政府部门监管主体不明、平台监管力度不足、行业监管幅度不够和群众监管机制不完善4个方面对网络直播监管的难题进行了阐述。也有学者运用博弈的方法对网络直播的监管进行了分析，李亚兵等[12]基于利益相关者视角，运用演化博弈理论探讨了网络监管部门、平台以及直播用户三者间的决策演化过程。张涛[13]分析了政府部门与网络表演者、网络表演经营单位间的博弈关系，探究政府处罚力度、监管成本以及违规表演的发现概率对博弈模型的影响机制。

通过对以上文献分析可以发现，现有研究大多从定性角度出发进行分析，在涉及博弈论的研究领域中仅有少部分学者从静态博弈视角对网络直播监管问题进行了探究。实际上，网络直播监管是一个多方参与的、随着时间演化的动态博弈问题。演化博弈论是把博弈理论分析和动态演化过程结合起来的一种理论，它从系统出发，把个体、群体行为的调整过程看作为一个动态系统，可以把影响到均衡的各种因素都纳入到演化博弈模型中去，构成一个具有微观基础的宏观模型，因此能够真实反映经济主体行为的多样性和复杂性[14]。目前，演化博弈理论在监管领域的应用已较为成熟，主要涉及环境污染监管[15-17]和互联网监管[18-20]等领域，对网络直播平台的监管起到了一定的借鉴作用。

网络直播监管是政府部门、网络直播平台、主播等主体间进行利益配置的博弈活动。本文尝试从动态演化博弈的角度对直播平台监管进行分析，假定主播存在违规行为，若网络直播平台对主播违规行为持纵容包庇态度，则认为网络直播平台与主播存在合谋行为。由于网络直播平台在与主播之间的博弈中占据主导地位，故本文主要研究政府部门与网络直播平台之间的博弈关系，构建政府部门与网络直播平台间的演化博弈模型，讨论在网络直播平台与主播合谋的情形下，政府部门对网络直播平台的监管策略问题。

三、博弈模型

（一）模型假设和建立

在政府部门对网络直播平台进行监管的过程中，两者均追求自身利益最大化，在策略和利益相互依存的状况下，每一方所得到的利益取決于自己选择的策略，也取决于另外一方所选择的策略。本文选取政府部门和网络直播平台为演化博弈主体。

政府部门主要包括对网络直播进行监管治理的相关政府机构，例如工信部、网信办、公安部和新闻出版广电总局等，其策略集合为（积极监管，消极监管）;网络直播平台（以下简称平台）主要是为主播提供表演即时节目相关条件的平台，包括且不限于PC端、移动端（如斗鱼直播、映客直播等），其策略集合为（合规，违规）。双方均为有限理性者，需要通过多次重复博弈才能确定自身最优策略，基本假设如下：

假设1：若政府部门对平台采取消极监管策略，同时平台选择合规经营，则政府部门可获得社会福利提升F。平台基本经济收益及常规经济收益增加为d，平台对主播违规行为进行检测付出的成本为m，平台合规行为可为自身带来潜在社会收益δ（比如社会责任履行、平台正面评价提升等）。政府部门与平台二者的收益分别为（F，d+δ-m）。

假设2：若政府部門对平台采取消极监管策略，同时平台选择违规经营，政府部门遭受社会福利损失f。则平台获得的违规经济收益（如主播间用户非常规增长、主播直播收益突增等）为βA，其中，β为平台与主播的收益分成比例;A为违规经济收益总和;平台减少的潜在社会收益为ω;政府部门与平台二者的收益分别为（-f，d+βA-ω）。

假设3：若政府部门对平台采取积极监管策略，同时平台选择合规经营，则政府部门需要支付的监管成本为M，政府监管带来的社会福利大小提升仍为F，平台的潜在收益数值为δ。政府部门与平台二者的收益分别为（F-M，d+δ-m）。

假设4：若政府部门对平台采取积极监管策略，同时平台选择违规经营，政府部门对平台违规经营进行查处并处以罚金的大小为T0。由于政府部门监管有力，获得的社会福利仍为F，对社会造成的负面影响由f减小为αf（0<α<1）。政府部门与平台二者的收益分别为（F+T0-αf-M，d+βA-ω-T0）。

根据研究假设列出政府部门与网络直播平台间的行为交互支付矩阵如表1所示。

（二）模型求解和分析

本文采用“复制动态”机制研究网络直播监管的演化博弈问题。“复制动态”机制的主要思想是下阶段种群中采用某种策略所在比例的群体与当前阶段种群中的支付呈正相关，随着时间的推移，支付高的种群所在比例会越来越高，支付低的种群所在比例会越来越低，直至逐渐消亡[21-24]。对于博弈开始而言，需要对政府部门和平台选择不同策略的概率做一个假设。本文假定政府部门积极监管的概率为p1（0<p1<1），平台选择合规经营的概率为p2（0<p2<1）。然后，对政府部门和平台的收益进行一个计算。设政府部门的期望收益值为Ea，平台的期望收益值为Eb。

1.政府部门的演化博弈策略

当政府部门选择积极监管的时候，期望收益值为

Ea1=p2（F-M）+（1-p2）（F+T0-αf-M）（1）

当政府部门选择消极监管时，期望收益值为

Ea2=p2F-f（1-p2）（2）

因此，政府部门选择监管相关策略的复制动态方程为

dp1dt=p1（1-p1）[（1-p2）（F+T0+（1-α）f）-M]（3）

式（1）（3）中：dp1dt表示随着时间的推进，政府部门选择监管的概率的变化速度。对F（p1）进行求解，

当p2=1-MF+T0+（1-α）f 时，F（p1）=0，此时p1处于演化稳定状态。

当p2≠1-MF+T0+（1-α）f 时，若令F（p1）=0，则p1=0或p1=1。对F（p1）进行求导，得

F′（p1）=（1-2p1）[（1-p2）（F+T0+（1-α）f-M]（4）

当p2<1-MF+T0+（1-α）f，p1=1时，F′（p1）<0;当p2<1-MF+T0+（1-α）f，p1=0时，F′（p1）>0。当平台选择合规的概率p2小于一定程度时，政府部门积极监管的概率不断增加，积极监管成为博弈下政府部门最优策略。

当p2>1-MF+T0+（1-α）f，p1=1时，F′（p1）>0;当p2>1-MF+T0+（1-α）f，p1=0时，F′（p1）<0。当平台选择合规经营的概率p2大于一定程度时，政府部门积极监管的概率不断减小，消极监管成为博弈下政府部门最优策略。政府部门演化博弈策略趋势如图1所示。

（a）当p2=1-MF+T0+（1-α）f时（b）当p2<1-MF+T0+（1-α）f，p1=1时 （c）当p2>1-MF+T0+（1-α）f，p1=1时

2.平台的演化博弈策略

当平台选择合规经营的时候，期望收益值为

Eb1=d+δ-m（5）

当平台选择违规经营的时候，期望收益值为

Eb2=d+βA-ω-p1T0（6）

平台选择合规与否相关策略的复制动态方程为

dp2dt=p2（1-p2）（p1T0+δ+ω-m-βA）（7）

式（5）（7）中：dp2dt表示随着时间的推进，平台选择合规经营的概率的变化速度。对F（p2）进行求解

当p1=m+βA-ω-δT0时，F（p2）=0，此时p2处于演化稳定状态。

当p1≠m+βA-ω-δT0时，若令F（p2）=0，则p2=0或p2=1。对F（p2）进行求导，得

F′（p2）=（1-2p2）（p1T0+δ+ω-m-βA）（8）

当p1<m+βA-ω-δT0，p2=1时，F′（p2）>0;当p1<m+βA-ω-δT0，p2=0时，F′（p2）<0。当政府部门选择积极监管的概率p1小于一定程度时，平台选择合规的概率不断减小，违规经营成为博弈下平台最优策略。

当p1>m+βA-ω-δT0，p2=1时，F′（p2）<0;当p1>m+βA-ω-δT0，p2=0时，F′（p2）>0。当政府部门选择积极监管的概率p1大于一定程度时，平台选择合规经营的概率不断增加，合规经营成为博弈下平台最优策略。其演化博弈策略趋势如图2所示。

（a）当p1=m+βA-ω-δT0时  （b）当p1<m+βA-ω-δT0，p2=1时  （c）当p1>m+βA-ω-δT0，p2=1时

3.演化博弈的进一步分析

得出了政府部门与平台的复制动态方程之后，对方程式（3）、（7）的稳定性和均衡点进行分析，令F（p1）=F（p2）=0，得到4个可能的均衡点，分别是A（0，0），B（1，0），C（0，1），D（1，1）。此博弈系統的中心点为E（p1*，p2*），其中，p1*=m+βA-ω-δT0，p2*=1-MF+T0+（1-α）f 。博弈系统的雅可比矩阵为

J=F（p1）p1，F（p1）p2F（p2）p1，F（p2）p2（9）

此雅可比矩阵的行列式（detJ）和迹（trJ）分别如式（10）、（11）所示。

detJ=F（p1）p1F（p2）p2-F（p1）p2F（p2）p1（10）

trJ=F（p1）p1+F（p2）p2（11）

在几何二维坐标的第一象限中，对A、B、C、D、E五个点的稳定性进行分析，分别计算这五个点的行列式（detJ）和迹（trJ），得出均衡点对应的行列式（detJ）与迹（trJ）的数值如表2所示。

由表2可知，此博弈系统存在一个鞍点E（p1*，p2*）。其中，p2*>1的条件显然不成立。对p1*和p2*的取值进行分情况讨论。

情况一，p1*<0，p2*<0 ，则有δ+ω-m-βA>0，F+T0+（1-α）f-M<0，此时C（0，1）为ESS点。

情况二，p1*<0，0<p2*<1，则有δ+ω-m-βA>0，F+T0+（1-α）f-M>0，此时C（0，1）为ESS点。

情况三，0<p1*<1，p2*<0，则有-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M<0，此时A（0，0）为ESS点。

情况四，0<p1*<1，0<p2*<1，则有-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M>0，此时没有稳定点。

情况五，p1*>1，p2*<0，则有δ+ω-m-βA<-T0，F+T0+（1-α）f-M<0，此时A（0，0）为ESS点。

情况六，p1*>1，0<p2*<1，则有δ+ω-m-βA<-T0，F+T0+（1-α）f-M>0，此时B（1，0）为ESS点。

证明：根据各个均衡点处雅可比矩阵的迹（trJ）及行列式（detJ）的值判断稳定性。当变量满足情形p1*<0，p2*<0时，其判别情况如表3所示。其他情形判别方法一致，后文不再详述。

系统最终演化结果对应的均衡点以及所满足的参数条件如表4所示，6种情况分别对应的演化图如图3所示。

四、数值仿真模拟

基于上文分析，系统的演化稳定结果取决于相关参数的初始条件及变动情况。为更直观地反映主体的行为演化路径以及参数取值对演化稳定结果的影响，本节根据政府部门对平台违规经营行为的惩罚力度、平台潜在收益和违规收益的大小设置了4种场景，分别运用软件Matlab 7.0对模型结果进行数值仿真分析，得到系统动态演化图（图4图7），其中，横轴表示系统的演化时间，纵轴表示政府部门积极监管的比例和平台合规经营的比例。

（一）政府部门惩罚力度与平台潜在社会收益均较小的博弈模型

博弈初期，网络直播作为一类新兴事物，由于法律的滞后性，且政府对于网络直播这一行业的发展持培育宽容态度，对网络直播平台的违规经营行为打击力度较小。此时，社会公众对绿色网络直播的偏好不高，平台对主播违规行为进行监测并查处所获得的潜在社会收益与违规经营损失的潜在社会收益之和较小，即为模型中δ+ω与T0较小的情况。此时满足δ+ω-m-βA<0，F+T0+（1-α）f-M<0条件（场景1）。参数取值为δ+ω=5，m=4，βA=15，F=5，T0=5，（1-α）f=5，M=20，系统仿真模拟结果如图4所示。

由图4可知，当惩罚力度与平台潜在社会收益均较低时，假定政府部门群体选择积极监管策略和平台群体选择合规经营策略的初始比例为0.8，随着时间的推移和双方博弈次数的增加，政府部门群体倾向于选择消极监管，而平台群体倾向于选择违规经营。此种情况下，政府部门选择消极监管的收益大于积极监管的收益，消极监管成为政府部门在博弈中的占优策略。而平台选择合规经营的期望收益小于违规经营的期望收益，利益驱动下的平台将选择对主播的违规行为持纵容包庇态度，违规经营成为平台在博弈中的占优策略，此时博弈系统向稳定结果（0，0）演进。

（二）政府部门惩罚力度较小、平台违规收益较大的博弈模型

随着政府部门相关政策法规的不断完善，以及技术的改进，此时，相比于场景1的惩罚力度有了一定幅度的增加，但是增加幅度有限，并不足以使平台改变自身策略。随着网络直播行业的兴起，用户基数大幅增加，平台与主播合谋所形成的利益结合体愈发坚固。此时主播违规行为所获得的利益较大，而平台若选择对主播的违规行为进行包庇，则可以得到可观的收益，此时满足δ+ω-m-βA<-T0，F+T0+（1-α）f-M>0条件（场景2）。参数取值为δ+ω=10，m=4，βA=30，F=10，T0=10，（1-α）f=5，M=20，系统仿真模拟结果如图5所示。

由图5可知，当政府部门对平台违规经营的惩罚力度有了较小程度的增加，而平台的违规经营收益比起合规经营收益大时，假定政府部门群体选择积极监管策略和平台群体选择合规经营策略的初始比例为0.8，随着时间的推移和双方博弈次数的增加，政府部门的策略选择趋向于积极监管，平台的策略选择趋向于违规经营。此时，政府部门选择进行积极监管的收益大于消极监管的收益;但由于惩罚力度不够，平台选择违规经营的期望收益大于合规经营的收益，违规经营成为平台在博弈中的占优策略。此时博弈系统向稳定结果（1，0）演进。

（三）政府部门惩罚力度较大的博弈模型

网络直播行业日趋成熟，政府部门对于直播行业的相关利弊已经有了充分了解，技术手段也有着对应的提升，涉及主播各种违规行为的相关法律法规已经完善，政府部门对平台违规经营的惩罚力度大大增加，此时的惩罚力度对平台具有一定的约束性，但这种约束作用有限，并不足以使政府部门的监管收益大于监管成本，却已足够使监管收益与积极监管所挽回的社会福利损失之和大于监管成本，此时，政府部门群体积极监管与消极监管行为并存;而随着网络直播的普及化，社会公众对绿色网络直播的偏好提高，主播违规行为的收益比起场景2已经有所下降。此时条件满足-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M>0（场景3）。参数取值为δ+ω=10，m=4，βA=23，F=10，T0=20，（1-α）f=5，M=15，系统仿真模拟结果如图6所示。

由图6可知，当政府部门的惩罚力度增加到一个处于决定性的数值之时，整个系统的演化策略发生了改变。假定政府部门群体选择积极监管策略和平台群体选择合规经营策略的初始比例为0.8，随着时间的推移和双方博弈次数的增加，政府部门的策略与平台的策略呈现出一种周期性的变化。此时，由于政府部门惩罚力度较大，平台合规经营的收益大于违规经营的利益，但由于政府部门群体积极监管与消极监管并存，从而导致了平台群体合规与违规的并存。此时，政府部门群体和平台的行为选择相互依赖，表现出一种特定的周期行为模式，此情形多存在于政府实施相关政策或发布相关法规的过程中，是现实经济社会中的一个常见现象，即平台合规经营的比例与政府部门积极监管的比例变化趋势一致，出现政府部门公共治理中的“摇摆现象”[25]。此时系统无演化稳定结果。

（四）平台潜在社会收益较大的博弈模型

随着网络直播的逐渐规范化和社会公众对绿色网络直播偏好的提高，此时，平台合规经营所带来的潜在收益比起违规经营所带来的潜在收益已经大大增加。当平台的策略趋向于合规经营，会促使整个平台的直播内容更加多元化，观众类型随之增加，平台培养的主播数量也与日俱增，延续了网络直播平台的生命力，扩大了行业的影响力。这一系列带来的变化导致政府部门放松了对平台的管制，采取消极监管策略，由于不存在政府部门的外部监管，平台在巨大利益引诱下出现违法意愿，选择进行违规经营。此时，条件满足δ+ω-m-βA>0（场景4）。参数取值为δ+ω=25，m=4，βA=15，F=10，T0=5，（1-α）f=5，M=15，系统仿真模拟结果如图7所示。

由图7可知，直播平台的合规经营行为使得其获得的潜在社会收益较大，随着网络直播乱象问题导致的社会福利损失越来越小，政府部门对平台违规行为的惩罚力度不断减小。假定政府部门群体与平台群体策略选择的初始比例为0.8，随着时间的推移和双方博弈选择次数的增加，政府部门的策略选择趋向于消极监管，平台的策略选择趋向于合规经营。此时，平台选择合规经营的期望收益大于平台选择违规经营的期望收益。而由于网络直播行业的规范化，政府部门对平台进行监管的重视程度下降，无法从中收取罚金，反而浪费了人力物力，因此消极监管成为政府部门在博弈中的占优策略。这种情况是网络直播治理的最理想情况，此时博弈系统向稳定结果（0，1）演进。但在实际情形中，若政府部门对平台放松管制，由于不存在政府部门的外部监管，直播平台采取违规行为不仅能节约检测成本，而且还可以获得来自主播的额外收益，在利益的驱动下将选择违规经营。为防止此种情况发生，政府可以引入第三方监管的机制，以降低政府部门“积极监管”的成本;同时，随着直播行业市场规模的不断扩大，政府部门可以考虑优化改革，促进“合规”平台增加收益，加大对“违规”平台的处罚力度。

五、结论

在对网络直播的治理过程中，网络直播平台与主播往往存在着合谋的倾向，且在现有制度不够完善的情况下时有发生。本文基于博弈主体有限理性假设，运用博弈论的思想构建了政府部门与平台的行为选择动态演化模型，围绕惩罚力度、平台潜在社会收益以及违规收益这3个关键参数，深入剖析博弈双方的行为选择互动机制，揭示了不同条件下系统的演化稳定结果及演化路径，并通过Matlab仿真模拟软件对模型结果进行了验证。

研究结果表明：第一，政府部门和平台的策略選择随着惩罚力度和潜在社会收益以及违规收益3个参数的取值变化分别呈现出3种稳定状态（0，0），（1，0），（0，1），以及一种周期性的随机状态;第二，系统不存在演化稳定结果（1，1），即当网络直播行业的规范性达到一定的程度之后，政府会将监管的权责交付给平台，对平台的监管力度将会减弱;第三，可通过引入第三方监管机制或优化政府改革的途径来改变网络直播行业的风气;第四，除了关键参数惩罚力度T0、平台潜在社会收益δ+ω以及平台违规收益βA之外，政府监管成本M、平台监管成本m、社会福利F、监管挽回的社会损失（1-α）f均会对系统的演化结果产生影响。

基于研究结论提出如下对策与建议。

第一，加大政府部门惩罚力度，降低平台违规经营收益。在网络直播行业尚未形成规范良好的风气之前，政府部门应加大对平台违规经营行为的惩罚力度，健全相关法律法规，对主播相关违规行为进行界定。若发现平台对违规主播保持沉默、纵容甚至鼓励态度，政府部门将对平台收取高额罚金，对个别情节极其恶劣的平台查封关停，强调网络直播平台招募主播时必须实行实名制，并通过官方媒体如中央电视台、官方微博等渠道从舆论方面对违规经营的直播平台进行警告，并严令整改，从而改善网络直播行业的风气，减少平台的违规经营收益，以达到网络直播行业治理的最理想效果。

第二，增大平台合规经营潜在收益。政府部门对合规经营的平台应采取一定的激励措施，在相关的政策方面给予一定的倾斜，在相关文件中对合规经营的平台进行扶持，提高该类平台的曝光率，树立优秀者为典范，为优质网络直播平台的发育成长提供更好的环境，使平台合规经营者的潜在收益增长，促使整个网络直播的环境向合规经营转化。当合规经营平台可以在规范化的直播运营中获得更多的利益时，网络直播行业就能得到很好的发展，整个网络直播监管也会越来越理想化。

第三，降低政府监管成本与平台监察成本。政府部门应降低自身的监管成本，在监管平台时应明确主体权责，厘清各部门的职能，合理分工，建立税收、工商、文化和新闻出版等部门的联动机制，组建统一的市场监管部门，建立统一的市场监管机构，避免出现监管主体不明、政策文件重合等情况。同时，敦促平台精简机构，提高技术，降低平台对违规主播的监察成本，优化网络直播大环境。

由于仿真数值实验在模拟的条件下进行，故下一步可以进行实证分析，通过实证采集到的数据，对网络直播的监管进行进一步分析。

参考文献：

[1]喻昕，许正良.网络直播平台中弹幕用户信息参与行为研究——基于沉浸理论的视角[J].情报科学，2017（10）：147-151.

[2]司凯威.直播分享网站节目监管策略研究[J].数字传媒研究，2016（4）：47-49.

[3]中国互联网络信息中心.第48次《中国互联网络发展状况统计报告》[R/OL].（2021-08-27）[2021-08-31]. http：//www.ce.cn/cysc/tech/gd2012/202108/27/t20210827_36854362.shtml.

[4]李钢，宋强.中国互联网低俗内容监管的博弈分析[J].管理评论，2011（10）：77-82.

[5]周剑平.电商直播监管的难点与对策创新[J].中国流通经济，2021（8）：72-80.

[6]赵树梅，梁波.直播带货的特点、挑战及发展趋势[J].中国流通经济，2021（8）：61-71.

[7]张旻.热闹的“网红”：网络直播平台发展中的问题及对策[J].中国记者，2016（5）：64-65.

[8]任丙强.我国互联网内容管制的现状及存在的问题[J].信息网络安全，2007（10）：33-36.

[9]付业勤，罗艳菊，张仙锋.我国网络直播的内涵特征、类型模式与规范发展[J].重庆邮电大学学报（社会科学版），2017（4）：71-81.

[10]曾一昕，何帆.我国网络直播行业的特点分析与规范治理[J].图书馆学研究，2017（6）：57-60.

[11]禹玉琳.浅析我国网络直播平台监管主体的问题及对策[J].法制与社会，2017（26）：179-180.

[12]李亚兵，张家瑞.网络直播治理策略的演化博弈——基于利益相关者视角[J].经济与管理，2020（2）：25-31.

[13]张涛.我国网络表演直播中政府规制机制初探[J].行政与法，2017（5）：12-21.

[14]SMITH J M. Evolution and the Theory of Games[M].Cambridge：Cambridge University Press，1982：202-215.

[15]常建伟，趙刘威，杜建国.企业环境行为的监管演化博弈分析和稳定性控制——基于系统动力学[J].系统工程，2017（10）：79-87.

[16]QI B， YU X， GUO L. Establishment and Application of Green Procurement Model in Government Incentives based on Evolutionary Game Theory[J]. Journal of Shenyang Jianzhu University，2010（4）：813-816.

[17]FENG P， BAO X I， LIN W， et al. Analysis on Environmental Regulation Strategy of Local Government based on Evolutionary Game Theory[J]. Systems Engineering：Theory & Practice，2015（6）：1393-1404.

[18]卢安文，何洪阳.基于演化博弈的互联网信息服务业多元协同治理研究[J].运筹与管理，2020（11）：53-59.

[19]刘伟，夏立秋，王一雷.动态惩罚机制下互联网金融平台行为及监管策略的演化博弈分析[J].系统工程理论与实践，2017（5）：1113-1122.

[20]潘定，谢菡.数字经济下政府监管与电商企业“杀熟”行为的演化博弈[J].经济与管理，2021（1）：77-84.

[21]曲卫华，颜志军.公众参与下的企业能源消费行为演化研究[J].系统工程理论与实践，2016（10）：2537-2548.

[22]卢方元.环境污染问题的演化博弈分析[J].系统工程理论与实践，2007（9）：148-152.

[23]詹文杰，邹轶.基于演化博弈的讨价还价策略研究[J].系统工程理论与实践，2014（5）：1181-1187.

[24]王先甲，全吉，刘伟兵.有限理性下的演化博弈与合作机制研究[J].系统工程理论与实践，2011（S1）：82-93.

[25]姚引良，刘波，郭雪松，等.地方政府部门网络治理形成与运行机制博弈仿真分析[J].中国软科学，2012（10）：159-168.

Evolutionary Game Analysis and Simulation Research on the SupervisionStrategy of Network Broadcast Platform

WAN Xiaoyu， ZHAO Siqi

（School of Economics and Management， Chongqing University of Posts and Telecommunications， Chongqing 400065， China）

Abstract：

In view of the current situation in China’s network live industry， this paper uses evolutionary game theory to build a dynamic evolution model between government departments and direct seeding platforms， focusing on the punishment of government departments on network broadcast platform violations， and the size of three key parameters of the potential revenue and illegal income of direct seeding platform. Matlab7.0 numerical simulation tool is used to simulate the interaction process between government departments and webcast platforms in four scenarios. The study shows that when the value of key parameters is located in different numerical intervals， the system presents three evolutionary stable results and a periodic random state respectively， and increases the punishment for the violation of the network broadcast platform， increases the potential revenue of the compliance and reduces the income of the violation， which is beneficial to guide the network broadcast platform strategy. The conclusions provide theoretical basis and reference for policy making and decision-making implementation of government departments.

Keywords：network broadcast platform; government supervision; punishment intensity; evolutionary game

（編辑：段明琰）

收稿日期：2021-02-28修订日期：2021-09-15

基金项目：教育部人文社会科学研究规划基金项目：共享经济模式下顾客融入行为的动因及作用结果研究（19XJA630004）

作者简介：

万晓榆，教授，博士，主要从事共享经济和数字经济研究，E-mail：wanxy@cqupt.edu.cn;

赵思齐，硕士研究生，主要从事信息经济学和博弈论研究，E-mail：1104271840@qq.com。