CC BY
70
Мультиагентный подход к прогнозированию динамики рынка
телекоммуникационных услуг
В.В. Гимаров
Рассматриваются теоретические и практические проблемы, связанные с прогнозированием рынка телекоммуникационных услуг - одного из наиболее динамичных и важных для инновационного развития российской экономики. Описаны математические модели и инструментальные средства, используемые для разработки соответствующих прогнозов (тенденций развития глобальных и локальных рынков, жизненных циклов товаров и услуг и т.д.), предлагается интеграция анализа точечной и структурной схожести траекторий развития для повышения достоверности получаемых результатов. Дана классификация этапов развития региональных рынков телекоммуникационных услуг в рамках мультиагентной модели, позволяющая повысить эффективность и оперативность принимаемых решений.
Ключевые слова: информационно-коммуникационные технологии, рынок телекоммуникационных услуг, системы поддержки принятия решений, прогнозирование, классификационный анализ, нечеткая логика, траектории развития, точечное сходство, структурное сходство, мультиагентная модель, этапы развития рынка.
Современные условия ведения бизнеса отличаются высоким уровнем конкуренции, динамичностью внутренней и внешней среды. В этих условиях основополагающим фактором экономического роста и повышения качества жизни является инновационное развитие, массовое использование новых технологий, продуктов и услуг.
Российская экономика в целом пока остается ориентированной на сырьевой экспорт. В последние годы необходимость перехода на инновационный путь развития неоднократно подчеркивалась политическим руководством страны. В числе основных факторов, сдерживающих данный процесс, назывались слабость инновационной инфраструктуры, нехватка экономической мотивации и недостаток финансирования для доведения инноваций до стадии производства. В этих условиях особенно важно сконцентрировать усилия государства и бизнеса на развитие высокотехнологичных сегментов, к числу которых относится отрасль информационно-коммуникационных технологий (ИКТ). Она имеет стратегическое значение для развития инновационной инфраструктуры, в том числе для удовлетворения потребностей субъектов рынка в информационных продуктах.
За последние годы Россия существенно укрепила свои позиции в мировых рейтингах ИКТ. Так, в публикуемом ежегодно Мировым союзом связи индексе развития данной отрасли Россия заняла в 2009 г. 50-е место из 156 стран. При этом отмечается высокий уровень распространения мобильной связи (23-е место) и проводной телефонии (41-е); гораздо ниже показатели по
широкополосному доступу в Интернет (74-е) и количеству домашних компьютеров (79-е место).
Современные средства передачи и обработки информации позволяют резко увеличить численность каналов связи и интенсивность их использования, а на этой основе - эффективность деятельности во всех отраслях экономики и в системе образования. В последние годы большинство предприятий рассматривают информационно-коммуникационные технологии как базу для новых методов ведения бизнеса, позволяющих увеличить производительность труда, сократить транспортные и другие расходы.
В общей структуре отрасли ИКТ в России наиболее высокие темпы роста характерны для сегмента телекоммуникаций: доходы от услуг связи в первой половине 2010 г. выросли на 4,9% и составили 649,5 млрд руб., число пользователей сети Интернет достигло 59,7 млн чел. Кроме того, доля данного сегмента в общем выпуске отрасли ИКТ увеличилась с 2003 по 2009 г. на 5 процентных пунктов.
Вместе с тем этот показатель все еще в 3 раза ниже среднемирового уровня. Один из главных сдерживающих факторов - неравномерность развития региональных рынков интернет-услуг в России. Так, коэффициент проникновения широкополосного доступа в Интернет в Москве составляет 61%, в Санкт-Петербурге - 53%, а в среднем по стране - только 24,5% [1]. Доля рынков Москвы и Петербурга в общей совокупности пользователей указанной услуги в I квартале 2009 г. составляла не менее 40% [2]. В настоящее время телекоммуникационные рынки в каждом регионе имеют свою специфику, которую необходимо учитывать при ведении бизнеса.
Из сказанного с очевидностью следует, что в ближайшие годы одной из основных тенденций в деятельности операторов интернет-услуг будет использование стратегии регионального расширения, увеличения сферы своего влияния в регионах. Особую актуальность получают вопросы, связанные с эффективностью их деятельности на региональных рынках в условиях высоких рисков, связанных с изменчивостью внешней среды.
Один из способов решения данной задачи - разработка систем поддержки принятия решений (СППР) и прогнозирования состояния рынка с учетом взаимоотношений между всеми заинтересованными сторонами на основе моделирования деятельности телекоммуникационного предприятия. В качестве примера на рисунке представлена схема построения СППР с использованием мультиагентных технологий.
репиональ
Выбор тс
Рис. Система поддержки принятия решений
Стационарная Монотонная
Как видн° из ртвд ]Прогаозёрованае1состояния рынкальодйа1из(й1и:ная
более важных задач, определяющих в дальнейшем структуру моделируемои системы. В настоящее времЯЯдлД ©рйгнозирования жизненных МклЦСтШа-ров и услуг, а также тенденций развития глобальных и локальных рынков используют различные экономико-математические методы и инструментальные средства. Один из классов соответствующих математических моделей основан на теории классификационного анализа медленно меняющихся (стационарных) данных и различных траекторий трендов; ее основы и^ож^ны ГПЭГПЫ в ряде отечественных и зарубежных публикаций [3, 4, 5].
В работе [3] для сравнемяУраекторий предлагается критерий средней
близости точек. Для вдртшмшшге данныГ, ^^юшж^ойргмарке'
мени, использование подобных алгоритмов классификации невозможно, по- * скольку получаемые результаты Ейссопоставимы. В связи с этим рассматривается возможность реализации динамического классификационного анализа на основе критерия качества классификации в виде обобщенного среднего [4].
В работе [5] предлагается методика сопоставления, основанная на использовании аппарата нечеткой логики, причем учитываются два типа схожести между траекториями - структурное и точечное. ^
Структурное сходство исследуется путем сопоставлениРразМичн^ых^ас-'^^^ пектов траекторий - их формы, динамики, размера, ориентации и др. В зависимости от выбранного аспекта для описания сходства могут быть использованы такие параметры, как наклон и кривизна линии, положение и значения экстремальных точек, гладкость и монотонность. Структурное сравнение
прежде всего подходит для ситуаций, когда необходимо осуществить классификацию фрагмента траектории с высокой точностью.
Точечное сходство характеризуется близостью траекторий в пространстве; в этом случае их поведение не является первостепенным фактором, и некоторые различия по форме кривых допускаются, пока траектории достаточно близки. При анализе не требуется определять какие-либо характеристики траекторий, поскольку учитываются лишь их непосредственные значения.
Траектории одного класса, очевидно, должны быть достаточно близкими и при этом обладать похожими характеристиками. Поэтому необходимо проводить агрегирование нескольких измерений в единое целое, чтобы учесть как точечное, так и структурное сходство.
Пусть, например, некоторое предприятие работает на рынке в течение периода [?0, ?п\ и характеризуется спросом х(?). Необходимо дать прогноз спроса на услуги компании на период [?п+1, ?т\ на основе анализа данных о ее развитии на других региональных рынках с использованием методов классификации.
Для решения поставленной задачи в первую очередь осуществляется оценка точечного сходства траекторий. Для этого для каждой пары траекторий х(?) и у(?) (известный тренд развития региональных рынков) рассчитывают величину/(?) = х(?) - у(?) = [Д^),...,/(?р)\. Их точечная близость определяется как последовательность ¿(х, у) = ¿(х - у, 0) = ¿(/, 0) [2\. Введение нечеткости для определения того, насколько полученное расстояние между точками является допустимым, позволит устранить однозначность интерпретации результата без учета специфики каждого конкретного случая. Итоговая степень сходства траекторий определяется на основании перехода от полученной последовательности принадлежностей м(/(?)) = [¿ь..., ¿р\ к конкретному числу за счет использования операторов ?-нормы, ?-конормы, усреднения, компенсации (максимум, минимум, средняя арифметическая, медиана, а-квантиль и др.) [2\.
Структурное сходство траекторий определяется на основании таких характеристик, как степень гладкости, диапазон значений, максимальное значение и время его появления, максимальная длина интервала с нулевой производной и др. Для их расчета и оценки структурного сходства по кривизне траекторий (1) и их гладкости (2) используют формулы:
где к - номер нулевого значения в векторе вторых производных И, полученный по правилу:
/?, = +1, если < > 0;
(1)
= ^ = ^ Оч + А£+1) : = &
(2)
И, = -1, если х' <0;
И, = 0, если Х1 = 0.
Для каждой описанной характеристики К определяется разность АК = |К (х) - К (у)| и определяется степень принадлежности полученного значения к нечеткому множеству допустимых отклонений. Как и в случае точечного сравнения, полученный вектор £ = и (АК) = [£1,..., £/,] переводится в число s(х, у), выражающее сходство траекторий на основании операций взятия минимума, максимума, интегрирования [2].
В результате получают различные статистические показатели точечной и структурной схожести траекторий (максимум, минимум, средняя арифметическая, мода, медиана, а-квантили). Поскольку их нельзя использовать в чистом виде для оценки принадлежности траектории к конкретному классу, нужно обратиться к алгоритмам нечеткой логики. В частности, можно ввести набор нечетких продукционных правил следующего вида, задаваемых с учетом весовых коэффициентов:
если шт ц(/(хг- - у)) очень низок, то степень сходства низкая (0,05);
если значение 0,25-квантиля ц(/(хг- - уг)) высоко, то степень сходства высокая (0,25);
если ц(/(бш(х) - Бш(у))) очень мала, то степень сходства низкая (0,25);
Сопоставляя исходную динамику развития рынка со всеми известными траекториями, определяют наиболее близкую к исходной, после чего прогнозирование осуществляется путем переноса тенденций этой траектории развития на рассматриваемый рынок. Одно из главных достоинств данного подхода - простота его программной реализации в среде Ма1;ЬаЬ.
Опираясь на описанные модели, можно спрогнозировать тенденции наиболее важных показателей регионального телекоммуникационного рынка (прежде всего платежеспособного спроса на основные товары и услуги предприятия). Полученный прогноз можно затем использовать, чтобы моделировать ситуацию на рынке с учетом присутствия на нем различных взаимодействующих субъектов.
Для решения данной задачи больше всего подходит мультиагентный метод. Агент - это организация или физическое лицо, наделенное полномочиями представлять другие лица и вести их дела. Каждый агент является открытой системой, расположенной в некоторой внешней среде, которая имеет собственное поведение и удовлетворяет определенным экстремальным принципам. В соответствии с этим агент способен воспринимать от внешней среды информацию с ограниченным разрешением, обрабатывать ее на основе собственных ресурсов, взаимодействовать с другими агентами и действовать на среду в течение некоторого времени, преследуя свои собственные цели
Традиционно при моделировании рыночных процессов выделяют следующие виды агентов: потребители; предприятия-конкуренты (малые, средние и крупные); региональные власти. При построении модели регионального рынка телекоммуникационных услуг предполагается, что значимым является каждый абонент, который характеризуется некоторым множеством характеристик (возраст, профессия, доход, семейное положение и т.д.), предопределяющих выбор конкретного оператора и тарифного плана.
Система моделирования развития телекоммуникационного предприятия включает следующие основные виды агентов:
А {Аабош Aконк, Aрын, -А-управ^
где Аабон - множество потребителей регионального рынка; Аконк - множество организаций-конкурентов; Арын - агенты регионального рынка (прежде всего, региональные власти); Ауправ - множество агентов системы управления телекоммуникационной организацией различных уровней иерархии.
Структура мультиагентной модели меняется с течением времени, поскольку в зависимости от экономической конъюнктуры (прогноз которой уже построен) будут меняться количество субъектов на рынке и стратегии их поведения. Таким образом, прогнозируемый период подразделяется на этапы, в пределах которых комплексное состояние внешней и внутренней среды является стабильным и описывается набором агентов, преследующих свои цели.
Можно выделить четыре основных вида мультиагентных моделей в зависимости от этапа развития рынка.
1-й этап связан с быстрым ростом рынка; на нем появляются, наряду с крупными и средними, малые предприятия. Региональные власти оказывают значительную поддержку отрасли путем предоставления различных грантов, дотаций, налоговых льгот с целью развития благоприятной рыночной инфраструктуры и конкурентной среды. Таким образом, основные агенты данного этапа - малые, средние и крупные предприятия, преследующие цель максимального наращивания абонентской базы из числа новых абонентов; региональные власти, стремящиеся к увеличению рынка (а следовательно, и к стабилизации налоговых поступлений); потребители. Такая мультиагентная модель называется монотонной.
2-й этап. Ужесточается конкурентная борьба, с рынка уходят наиболее слабые компании, их средний размер увеличивается за счет слияний и поглощений. На данном этапе региональные власти не оказывают никакого воздействия на рынок. Возникает стационарная мультиагентная модель, включающая малые, средние и крупные предприятия, стремящиеся к расширению своего бизнеса за счет вытеснения конкурентов, а также увеличения числа потребителей.
3-й этап. Спрос сокращается, на рынке начинается кризис. Резко сокращается число фирм, особенно малых. Крупный и средний бизнес делает упор
на инновационные продукты и услуги, вывод на рынок новых и усовершенствованных товаров и услуг, способствующих повышению спроса. Данный этап описывает вариационная мультиагентная модель, включающая средние и крупные предприятия, а также потребителей; она отражает изменение целей деятельности фирмы в зависимости от экономической ситуации.
4-й этап. На рынке наблюдается подъем, растет спрос, региональные власти принимают меры, направленные на стабилизацию отрасли, появляются новые малые предприятия. Модель данного этапа - динамическая; в ней учитываются все субъекты рынка (малые, средние и крупные предприятия, региональные власти и потребители), а также возможные отношения между ними.
Таким образом, с учетом результатов прогнозирования и тенденций развития региональных телекоммуникационных рынков можно построить оптимальную мультиагентную модель, позволяющую повысить оперативность и эффективность решений, принимаемых на фирмах данной отрасли.
Литература
1. Бауман Е.В. Методы классификации в задачах обработки медицинских данных. Proceedings of 1-st Intern. conference «Modeling and Control of Biomédical Systems». - Varna: CLBI of Bulgarian AS, 1990. - Р. 75-77.
2. Бауман Е.В., Дорофеюк А. А. Классификационный анализ данных // Труды Международной конференции по проблемам управления / Т. 1. - М.: СИНТЕГ, 1999. - С. 62-77.
3. Михалев А.Ф., Дли М.И., Иванова И.В. Особенности инновационной деятельности операторов интернет-услуг на региональных рынках // Вестник Российской академии естественных наук (серия экономическая). - 2010. -№ 4. - С. 29-34.
4. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: ЭдиториалУРСС, 2002.
5. Angstenberger L. Dynamic Fuzzy Pattern Recognition with Applications to Finance and Engineering. - Boston: Kluwer Academic Publishers, 2001.
