CC BY
96
УДК 338.28 ГРНТИ 82.33.15
И.В. Гурлев, В.В. Цыганов
ФГБУН Институт проблем транспорта им. Н.С. Соломенко РАН
КОГНИТИВНОЕ ПРОГНОЗИРОВАНИЕ ИНФОРМАЦИОННО-ТЕЛЕКОММУНИКАЦИОННОЙ ИНФРАСТРУКТУРЫ КРУПНОМАСШТАБНОГО РЕГИОНА
Рассматривается когнитивный подход к прогнозированию развития информационно-телекоммуникационной инфраструктуры Сибири, Дальнего Востока и Арктической зоны России, во взаимосвязи с развитием транспортной и энергетической инфраструктуры этого макрорегиона.
Ключевые слова: регион, инфраструктура, информация, телекоммуникации, когнитивное планирование, SWOT- анализ, PEST-анализ, метод Дельфи.
COGNITIVE FORECASTING OF INFORMATION AND TELECOMMUNICATION INFRASTRUCTURE IN THE LARGE-SCALE REGION
The application of the cognitive approach for predicting the development of information and telecommunications infrastructure in Siberia, the Far East and the Arctic zone of Russia is considered, in conjunction with the development of transport and energy infrastructure of this large-scale region. Keywords: region, infrastructure, information, telecommunications, cognitive planning, SWOT analysis, PEST analysis, Delphi method
Когнитивное прогнозирование, на основе получения достоверной информации и её анализа, является основой управления развитием инфраструктуры сложного в климатическом и географическом отношении макрорегиона, включающего в свой состав Сибирь, Дальний Восток и Арктическую зону России (кратко - Макрорегион) [1, с.31, 33-35; 2, с. 358-370; 3, с. 411-428]. Такой подход особенно актуален в сфере транспорта, энергетики и инфотелекоммуникаций, где объект управления и внешняя среда представляют собой сложный комплекс взаимосвязанных факторов, влияющих друг на дру-
Информационно-телекоммуникационная инфраструктура Макрорегиона (кратко -ИИ) состоит из радиорелейных, спутниковых и волоконно-оптических линий связи (ВОЛС). При разработке поэтапного прогноза развития ИИ до 2050 года необходимо учитывать сложность ИИ, транспортной и энергетической инфраструктуры, взаимозависимости их элементов, а также отношений между элементами и окружением [2, с.
Когнитивный подход направлен на разработку моделей и методов, поддерживающих интеллектуальные методы анализа данных при прогнозировании развития ИИ. Проблемы целостной реакции ИИ на воздействия разных факторов могут быть решены методами когнитивного моделирования [6, с. 71-74].
Для определения факторов, влияющих на создание ИИ, использовалось несколько методов. При когнитивном планировании (составлении когнитивной карты) широко применяется SWOT-анализ - метод стратегического планирования, заключающийся в выявлении факторов внутренней и внешней среды организации. Объектом исследования SWOT-анализа могут быть не только организации и отрасли экономики, но и крупные социально-экономические или территориальные образования, такие как Макрорегион.
SWOT-анализ проводился для выявления факторов, влияющих на эволюцию ИИ. Задача состояла в структурированном описании ситуации, относительно которой нужно принять положительное управляющее решение для уменьшения внешнего или внутреннего отрицательного влияния. Выявленные факторы на данном этапе носили констатирующий, описательный характер, без рекомендаций и расстановки приоритетов (Таблица 1) [7, с. 165-166].
I.V. Gurlev, V.V. Tsyganov
Solomenko Institute of Transport Problems of the RAS
га [4, с. 15-19; 5, с. 47-52].
374; 3, с. 434].
Таблица 1
Положительное влияние (возможности) Отрицательное влияние (угрозы)
Внутренняя среда (сильные стороны) Strengths (свойства проекта или коллектива, дающие преимущества перед другими в отрасли) Weaknesses (свойства, ослабляющие проект)
Внешняя среда (слабые стороны) Opportunities (внешние вероятные факторы, дающие дополнительные возможности по достижению цели) Threats (внешние вероятные факторы, которые могут осложнить достижение цели)
Поскольку SWOT-анализ в общем виде не содержит экономических категорий, то он применялся к территориальным единицам Макрорегиона для построения стратегий в разных территориальных единицах в области создания ИИ.
PEST-анализ. Одновременно со SWOT-анализом для выявления факторов, влияющих на развитие ИИ, проводился PEST-анализ (иногда обозначаемый, как STEP), направленный на выявление существенных социальных (Social), технологических (Technological) экономических (Economic) и политических (Political) факторов. Анализ политических и экономических факторов, выявленных при PEST-анализе, определяет картину распределения ресурсов на уровне государства, федеральных округов, краев, областей и крупных компаний, заинтересованных в развитии Макрорегиона.
Потребительские предпочтения определяются с помощью социального компонента PEST-анализа. Важен и технологический компонент. Целью его исследования является выявление тенденций в технологическом развитии, которые зачастую являются причинами появления новых технологий и, соответственно, к изменениям в развитии Макрорегиона. Результаты проведенного PEST-анализа позволили оценить внешнеэкономическую ситуацию, складывающуюся в этой сфере.
Разновидности PEST-анализа. Использовались несколько разновидностей PEST-анализа. PESTLE-анализ является версией PEST-анализа, дополненной двумя факторами (Legal и Environmental). Иногда применялись и другие разновидности, например, SLEPT-анализ (плюс Правовой фактор) или STEEPLE-анализ. Для создания когнитивных карт Макрорегиона особенно удобен STEEPLE-анализ, который учитывал социально-демографические, политические, экономические, правовые, технологические, природные, климатические, географические и этнические факторы территориальных единиц, входящих в Макрорегион.
Метод Дельфи был разработан в США для исследования военно-стратегических и военно-технических направлений и прогнозирования влияния будущих научных разработок на методы ведения войны. Этот метод и сегодня используется в США в области долгосрочных прогнозов в сфере науки и технологии. Идея метода такова: если грамотно обобщить и обработать индивидуальные оценки квалифицированных экспертов, то можно получить коллективное мнение, обладающее достаточной степенью достоверности и надежности.
Специфика работы над прогнозом развития ИИ до 2050 года требовала постоянного присутствия ученых и экспертов разных направлений для определения и анализа факторов, их связей и взаимовлияния, а также составления когнитивных карт. Однако постоянно такое присутствие сложно было обеспечить. Чтобы работать дистанционно, использовался заочный метод Дельфи. Его применение позволило привлечь и учесть мнения большего количества специалистов из разных регионов России, активизировать новые идеи, избежать давления мнений авторитетных специалистов. Проводилось независимое анкетирование разных групп специалистов (экспертов). Определялось, какой вид связи будут анализироваться; какие эксперты будут в этом участвовать и каким образом получаемая информация будет использоваться. Если большого разброса в мне-
ниях не ожидалось, то привлекалось до 10-15 человек. Если же ожидалось существенное расхождение, то круг опрашиваемых расширялся.
В соответствии с методом Дельфи, эксперты самостоятельно отвечали на предложенные вопросы. Аналитическая группа занималась разработкой опросников, обеспечением экспертов необходимой информацией, и обработкой получаемых ответов. Метод предоставлял возможность аналитической группе, а также экспертам корректировать свои суждения.
Затем аналитическая группа обрабатывала промежуточную информацию, полученную от экспертов, отбрасывала крайние точки зрения и формировала объективное усредненное мнение. Усредненная оценка экспертной комиссии, включая мнение тех, кто выразил «крайние» точки зрения, опять передавалась экспертам. После получения дополнительной информации эксперты, как правило, имели возможность корректировать свои оценки. Обновленная информация снова поступала в аналитическую группу. Количество итераций определялось по ходу экспертных оценок, в зависимости от количества оцениваемых факторов. От этапа к этапу уменьшалась полярность мнений, уточнялся перечень факторов, повышалась объективность и достоверность оценки факторов.
Такое применение заочного метода Дельфи позволило существенно сократить затраты на разработку прогноза развития ИИ до 2050 года, т.к. не предусматривало выезды участников (членов фокус-групп, специалистов, экспертов), аренду помещений, питание и т.п. Одно из преимуществ данного метода было связано с использованием электронной почты. Общий алгоритм определения перечня влияющих факторов представлен на рис. 1.
Были проведены STEEPLE-анализы по каждому федеральному округу - Дальневосточному, Сибирскому, Уральскому, Северо-Западному, по входящим в них краям и областям. Методом Дельфи определены и оценены факторы, влияющие на развитие того или иного вида связи, входящего в ИИ. После определения влияющих факторов они были структурированы с помощью конвергентного подхода.
По каждой территориальной единице и по каждому виду связи было рассмотрено до 60-90 факторов. Из них методом иерархий были выделены факторы, влияющие на главные задачи и подзадачи. Факторы, которые носили эмоциональные или качественные оценки («хуже/лучше», «тепло/холодно», «много/мало» и др.) также оценивались баллами. Поскольку 80-90 факторов трудно воспринимаются и обрабатываются, экспертным путем было выделено 12 наиболее важных факторов.
С использованием выделенных наиболее важных факторов была построена когнитивная карта, где вершины графа факторы, а ребра (дуги) это веса взаимовлияний факторов. При определении весов, как функций, ориентированный граф превращался в функциональный [8, с. 45-49].
Рис. 2 иллюстрирует факторы когнитивной карты. Сначала выделяются управляющие факторы, величины которых можно менять в процессе решения задачи прогнозирования. Определяется их влияние на промежуточные факторы. Затем оценивается влияние промежуточных факторов на целевые факторы, определенного уровня которых необходимо достичь.
Затем составляется матрица факторов 12*12. По 12 столбцам и 12 строкам матрицы указываются выделенные факторы (А, Б, В, Г, Д и т.д.), а в ячейках - оценки их влияния друг на друга в баллах (от - 0,7 до + 0,7). Там, где не было взаимовлияния факторов, ставился 0. Таким образом, в матрице [12*12] содержатся 144 балльные оценки.
Например, к управляющим факторам при когнитивном прогнозировании ВОЛС относятся: бюджет, протяженность, качество волокна, технического и энергетического обеспечения; к промежуточным факторам - технология прокладки линии, защита от механических воздействий, электро-магнитного, температурного влияния, качества
сборки и источника лазерного излучения; к целевым факторам - качество принимаемого сигнала и сроки введения линии.
Утверждение перечня факторов
Рис. 1. Схема метода Дельфи Рис. 2. Факторы когнитивной карты
Задачи анализа на основе когнитивных карт делятся на два типа: статистические и динамические. Динамический анализ лежит в основе развития ситуации во времени. В линейной динамической модели, основу которой составляет когнитивная карта, фактор изменяется как переменная, принимающая значения из заданной ранее числовой шкалы. Изменение значений факторов во времени задается формулой [9, с. 6]:
где i=1, ..., Ы; х( + 1) и х() - значения ьго фактора в моменты времени t + 1 и t соответственно; х() - х( - 1) = Ах() - приращение фактора х; в момент времени t, характеризующее темп изменения фактора х; ар - вес влияния фактора х; на фактор х, I - множество номеров факторов, непосредственно влияющих на фактор х.
Решалась прямая задача. Если она не давала приемлемого результата, то ставилась и решалась обратная задача, когда от требуемого конечного результата необходимо было найти нужное сочетание начальных значений факторов. Процесс решения повторялся достаточное раз, с измененными значениями факторов, пока не достигался приемлемый результат.
Когнитивное моделирование способствовало пониманию проблемной ситуации, выявлению противоречий и качественному анализу и прогнозированию развития ИИ. Формировались и уточнялись гипотезы об эволюции ИИ, рассматриваемой как сложная подсистема инфраструктуры Макрорегиона. Построенные когнитивные карты позволяли лицу, принимающему решения, воспринимать в целом функционирование сложной системы ИИ во всем ее многообразии [10, с. 30-31].
Следует отметить, что развитие ИИ на основе, например, ВОЛС зависит от расположения транспортных магистралей, терминально-логистических хабов, электростанций, линий энергоснабжения и электропередач (ЛЭП). В связи с этим, разработка долгосрочного прогноза развития ИИ облегчалась тем, что одновременно теми же методами разрабатывались прогнозы развития транспортной и энергетической инфраструктуры Макрорегиона до 2050 года. Ввиду того, что ВОЛС прокладываются, как правило, вдоль наземных транспортных магистралей либо в грунте, либо по столбам или мачтам ЛЭП, это несколько упростило решение задачи разработки долгосрочного прогноза развития ИИ.
Выводы. Впервые на основе когнитивного подхода рассмотрена задача прогнозирования ИИ до 2050 года, во взаимосвязи с прогнозом развития транспортной и энергетической инфраструктуры Макрорегиона. Для её решения были использованы SWOT- и PEST-анализ, STEEPLE-анализ и метод Дельфи.
Литература
1. Транспортная стратегия РФ на период до 2035г. - М.: Министерство транспорта РФ. 2020. 59 с.
2. Комплексное освоение территории Российской Федерации на основе транспортных пространственно-логистических коридоров. Актуальные проблемы реализации мегапроекта «Единая Евразия: ТЕПР - ИЕТС» / Отв. ред. академик РАН В.В. Козлов, чл.-корр. РАН А.А. Макоско. - М.: Наука, 2019. 463 с.
3. Инфраструктура Сибири, Дальнего Востока и Арктики. Состояние и 3 этапа развития до 2050 года / Коллективная монография под ред. А.А. Макоско. - М.: ИПТ РАН, 2019. 465 с.
4. Гурлев И.В., Бородин В.А., Цыганов В.В. Управление развитием информационно-телекоммуникационной инфраструктуры Сибири, Дальнего Востока и Арктики // ИТНОУ. № 2. 2019. С. 15-19.
5. Розенберг И.Н. Когнитивное управление транспортом // Государственный советник. № 2. 2015. С. 47-52.
6. Сиптиц С.О. Когнитивное моделирование и его место в методологии стратегического планирования развития агропродовольственных систем регионов с учетом климатического фактора // Международный сельскохозяйственный журнал. № 6 (372). 2019. С. 71-74.
7. Брылина И.В. Потенциал SWOT-анализа в формировании моделей знаниевых стратегий // Идеи и идеалы. Т. 11. Ч. 1. 2019. С. 162-174.
8. Болбаков Р.Г. Основы когнитивного управления // Государственный советник, № 1. 2015. С. 45-49.
9. Авдеева З.К., Коврига С.В., Макаренко Д.И., Максимов В.И. Когнитивный подход в управлении // Проблемы управления. № 3. 2007. С. 2-8.
10. Соловьев И.В., Цветков В.Я. Принципы когнитивного управления сложной организационно-технической системой // Государственный советник. № 1, 2016. С. 27-32.
Сведения об авторах
Игорь Валентинович Гурлев
д-р техн. наук, ст. науч. сотр., вед. науч. сотр. ФГБУН Институт проблем транспорта им. Н.С. Соломенко РАН Санкт-Петербург, Россия Эл. почта: [email protected]
Владимир Викторович Цыганов
д-р техн. наук, проф., зав. отд.
ФГБУН Институт проблем транспорта им. Н.С.
Соломенко РАН
Санкт-Петербург, Россия
Эл. почта: [email protected]
Information about authors
Igor Valentinovich Gurlev
doctor of technical Sciences, senior researcher, leading researcher
Solomenko Institute of Transport Problems of the RAS St. Petersburg, RF E-mail: [email protected]
Vladimir Victorovich Tsyganov
Doctor of Science (Tech.), Prof., head of division Solomenko Institute of Transport Problems of the RASciences
St. Petersburg, Russian Federation E-mail: [email protected]
