Research on low-carbon diffusion considering the game among enterprises in the complex network context

扩散 背景(考古学) 晋升(国际象棋) 碳纤维 编队网络 环境经济学 业务 产业组织 营销 经济 计算机科学 复合数 法学 古生物学 万维网 物理 热力学 政治 生物 政治学 算法
作者
Lu Wang,Junjun Zheng
出处
期刊:Journal of Cleaner Production [Elsevier]
卷期号:210: 1-11 被引量:86
标识
DOI:10.1016/j.jclepro.2018.10.297
摘要

Considering the game among enterprises, this paper studies low-carbon diffusion problem from the perspective of network characteristics and consumers' environmental awareness. Under the scenario of heterogeneous environmental awareness, the low-carbon diffusion model based on evolutionary game theory and complex network theory is established to describe the game of enterprises' low-carbon strategy adoption in the network and the strategy learning among network neighbors. Simulation analysis in complex networks reveals the roles of network characteristics such as average degree, degree distribution and consumers' environmental awareness played in low-carbon diffusion. The results show that increasing the connections among enterprises in the industry can help the spread of low-carbon strategies. However, the diffusion potential of the network is largely exploited when the average degree exceeds 6, and the low-carbon strategies spread slowly afterwards. A certain percentage of green consumers drives this certain percentage of enterprises to implement low-carbon strategies approximately in equilibrium which indicates that the low-carbon diffusion rate can reach 100% when all consumers become green consumers who are willing and able to pay for low-carbon premium. White customers contribute to the spread of low-carbon strategies, but the promotion effect is not as good as green customers. The small-world (SW) network is more efficiently than the scale-free (SF) network in low-carbon diffusion when consumers' environmental awareness is low. However, when the consumers' environmental awareness is higher than a certain value, the SF network has a higher diffusion rate in equilibrium than the SW network.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ppannnn发布了新的文献求助10
刚刚
高高高高高一剑完成签到,获得积分10
刚刚
刚刚
沾沾关注了科研通微信公众号
刚刚
雪飞杨完成签到 ,获得积分10
1秒前
学术共工完成签到,获得积分10
2秒前
poke发布了新的文献求助10
2秒前
2秒前
hi_ne发布了新的文献求助10
2秒前
大个应助xia采纳,获得10
3秒前
3秒前
逢写必中发布了新的文献求助10
3秒前
七七完成签到,获得积分10
3秒前
4秒前
llIIiiIIiill完成签到,获得积分20
4秒前
叶世玉发布了新的文献求助10
5秒前
小鱼完成签到,获得积分10
6秒前
Joany完成签到,获得积分10
6秒前
7秒前
meini发布了新的文献求助10
7秒前
白果完成签到,获得积分10
7秒前
7秒前
THL完成签到,获得积分10
7秒前
华仔应助LJJZZX采纳,获得10
7秒前
Fancy完成签到 ,获得积分10
8秒前
1233完成签到,获得积分10
8秒前
保安发布了新的文献求助10
8秒前
9秒前
9秒前
冷静妙之发布了新的文献求助10
9秒前
暴风城第一死骑完成签到,获得积分10
10秒前
打打应助ppannnn采纳,获得10
10秒前
LZ完成签到,获得积分10
11秒前
辛勤的丝关注了科研通微信公众号
13秒前
Mrwang完成签到,获得积分10
13秒前
NexusExplorer应助luca采纳,获得10
13秒前
weiwei发布了新的文献求助10
14秒前
迦佭发布了新的文献求助20
14秒前
kdh510发布了新的文献求助10
15秒前
16秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3124949
求助须知:如何正确求助?哪些是违规求助? 2775300
关于积分的说明 7726177
捐赠科研通 2430793
什么是DOI,文献DOI怎么找? 1291479
科研通“疑难数据库(出版商)”最低求助积分说明 622162
版权声明 600328