Дли М.И., д.т.н., проф., заведующий кафедрой менеджмента и информационных технологий в экономике, филиал ГОУ ВПО «МЭИ (ТУ)»,

Гимаров В.В., к.э.н., доц. кафедры менеджмента и информационных технологий в экономике, филиал ГОУ ВПО «МЭИ (ТУ)»,

Иванова И.В., ассистент кафедры менеджмента и информационных технологий в экономике, филиал ГОУ ВПО «МЭИ (ТУ)»

В статье показана роль информационно-коммуникационной отрасли как одной из наиболее высокотехнологичных и значимых с точки зрения обеспечения стабильного экономического роста страны. Проанализированы возможности прогнозирования тенденций развития региональных рынков, а также выделены классы изменений, которые влияют на состав и структуру модели рынка.

Ключевые слова. Информационно-коммуникационная отрасль, прогнозирование тенденций, экономико-математические методы, мультиагентное моделирование.

 

DYNAMIC MULTI-AGENT MODEL OF REGIONAL TELECOMMUNICATIONS MARKET

Dli M., doctor of technical sciences, professor, head of management and information technology in the economy chair,GOU VPO MEI (TU) branch,

Gimarov V., Ph.D., docent, management and information technology in the economy chair,GOU VPO MEI (TU) branch,

Ivenova I., assistant, management and information technology in the economy chair,GOU VPO MEI (TU) branch

The article shows the role of information and communications industry as one of the most high and significant in terms of sustained economic growth. The possibilities of predicting trends in the development of regional markets, as well as the classes of changes that affect the composition and structure of the market model are proposed.

Keywords. Information and communications industry, forecasting trends, economic and mathematical methods, multi-agent simulation.

 

В настоящее время актуальность вопросов развития информационно-коммуникационных процессов в России не вызывает сомнения. В первую очередь, этот факт подтверждается их ролью в обеспечении экономического, технологического, социально-культурного роста различных стран за счет возможности накопления информации и знаний, повышения производительности труда и оптимизации деятельности предприятий, а также глобализации на рынках производства и капитала.

В последние годы спрос на информационно-коммуникационные услуги значительно возрос, а вклад отрасли в ВВП ведущих стран мира позволил говорить о её выходе на лидирующие позиции в обеспечении устойчивого развития мировой экономики. Объем рынка отрасли информационно-коммуникационных технологий (ИКТ) в 2009 г. составил 3,7 трлн. долл., что эквивалентно 6,4% мирового ВВП. Кроме того, информационно-коммуникационные технологии занимают одно из ведущих мест в структуре международной торговли, их доля за последние десятилетия стремительно выросла и в настоящее время превышает объемы международной торговли вооружением и военной техникой.

В Российской Федерации наиболее высоко развитым сегментом ИКТ является сектор телекоммуникационных услуг, отличающийся высокими темпами роста, рентабельностью, следовательно, инвестиционной привлекательностью. Его доля в общем выпуске отрасли с 2003 года увеличилась на 5%. В 2009 году доля доходов от телекоммуникационных услуг в общем обороте отрасли составила 72%. В целом, можно сказать, что к настоящему моменту в России сформирована гибкая структура рынка телекоммуникационных услуг, обеспечивающая создание и внедрение услуг связи, освоение новых рыночных сегментов и внедрение инновационных технологий.

При управлении телекоммуникационным предприятием необходимо принимать во внимание специфику отрасли, обусловленную её высокой динамикой, более коротким жизненным циклом предлагаемых товаров и услуг, расширением ассортимента, ужесточением конкурентной борьбы, конвергенцией и межотраслевой интеграцией. В данном случае, в первую очередь, речь идет о построении эффективной системы принятия управленческих решений и прогнозирования состояния рынка с учетом взаимоотношений между всеми заинтересованными субъектами на основе моделирования процессов функционирования телекоммуникационных предприятий, что позволит повысить эффективность его деятельности.

Одной из важнейших задач управления телекоммуникационными предприятиями национального масштаба является обеспечение устойчивого развития региональных филиалов за счет оптимизации ассортиментных групп и разработки перспективных инновационных направлений, что предполагает необходимость проведения комплексного анализа маркетинговой среды и прогнозирования динамики её изменения. Необходимость прогнозирования состояния регионального рынка обусловлена высокой дифференциацией уровня развития субъектов РФ. В тоже время накопление большого объема статистической информации, отражающей тенденции развития филиалов компаний на региональных рынках, позволяет говорить о возможности применения различных экономико-математических методов. Прогнозирование основных тенденций развития ситуации на региональных рынках (объемов продаж, числа пробных и повторных покупок товаров и услуг) без использования специализированных математических методов и инструментов с требуемой степенью достоверности и точности не возможно.

Таким образом, процесс принятия решений для управления телекоммуникационным предприятием предполагает необходимость построения прогнозов развития рынка, а также моделирования реакции основных субъектов на функционирование предприятий и осуществляется на основании реализации следующих основных шагов, которые представлены на рисунке 1.

 

 

Рис.1. Процесс принятия решений по управлению телекоммуникационным предприятием

 

Анализ состояния регионального рынка предполагает изучение траектории, отображающей начальный этап развития ситуации. В данном случае происходит сбор и обработка статистической информации в различных разрезах, как например значения объемов продаж некоторого товара или услуги на новом региональном рынке.

Классическая постановка задачи прогнозирования показателей

рыночной конъюнктуры имеет следующий вид.

Пусть y(t) - случайный процесс, характеризующий изменение какого-либо показателя рыночной конъюнктуры и наблюдавшийся некоторое время до момента t_N.

Пусть y(t ) -  случайный процесс, характеризующий изменение какого-либо показателя рыночной

конъюнктуры и наблюдавшийся некоторое время до момента t_N.

После момента t_N сведений о значениях процесса нет.

Требуется предсказать (найти оценку) ŷ(t_N + t)  – значение процесса в момент t_N+τ через время τ,

где τ – время упреждения.

На основе имеющейся информации, характеризующей текущую ситуацию на рынке, необходимо определить наиболее близкий из представленных вариантов. В данной постановке задачу экономико-математического моделирования быстро изменяющихся рынков можно отнести к задачам динамической классификации (рассматриваются классы возможных сценариев) [5].

Наличие неопределенностей исходной информации создает предпосылки использования для решения задачи прогнозирования методов, относящихся к интеллектуальному анализу данных (например, методов нечеткой логики, нейросетевых и т.п.), поскольку традиционные статистические и аналитические методы не позволяют в рассматриваемых условиях получать модели требуемого качества.

Таким образом, прогнозирование развития регионального рынка будет осуществляться на основе решения задачи классификации траекторий с использованием нечетких и продукционно-логических методов. При этом особое внимание необходимо уделить следующим аспектам:

1.Выделение ассортиментных групп товаров. Ассортимент услуг телекоммуникационного предприятия достаточно разнообразен: широкополосный доступ в Интернет (на базе различных технологий), беспроводной доступ в сеть, IP-телефония, IP-телевидение, услуги по полному или частичному размещению оборудования и бизнес-приложений на базе центра обработки данных и другие. При этом поддержание комплексной эффективности предприятия предполагает необходимость оптимизации ассортиментной группы, то есть поддержание её структуры с точки зрения получения максимальной прибыли. Данная задача решаема на основании построения прогнозов спроса и будущих продаж и определения стадии жизненного цикла товара.

2.Прогнозирование тенденций развития рынка на основании нечетких и продукционно-логических моделей. В данном случае эти модели позволяют классифицировать текущую начальную тенденцию деятельности предприятия на региональном рынке по классам, описывающим варианты развития ситуаций, имевших место ранее в других субъектах РФ.

На основании опыта работы предприятия имеется N известных вариантов тенденций изменения платежеспособного спроса, описываемых набором значений

 n-мерного вектора X_j(t) = [x_j1(t),x_j2(t),…,x_jn(t)]^T, где j- номер варианта, Т – символ транспонирования. Элементами данного вектора являются показатели, характеризующие рыночную ситуацию (платежеспособный спрос) в моменты времени t=[t₁,t₂…t_p]. На начальном этапе выхода на новый

рынок получен ряд значений вектора Х_с, характеризующего платежеспособный спрос на товары или услуги. Тогда по имеющимся статистическим данным X_с и на основе информации о вариантах развития ситуации необходимо спрогнозировать изменения спроса. При этом для прогнозирования характера изменения необходимо учитывать не только меру близости абсолютных значений двух трендов траекторий, но и характерные признаки траектории (первые и вторые производные).

В работе [1] описана детерминированная продукционная экономико-математическая модель региональных телекоммуникационных рынков, основанная на определении меры схожести прогнозируемого тренда изменения платежеспособного спроса на товары или услуги с траекториями аналогичных трендов отрезков по другим регионам. В качестве метода построения указанных детерминированных продукционных правил типа ЕСЛИ (…), ТО (…) было предложено использовать дополнительные преобразования матрицы первичных признаков тренда Х_j в матрицу меньшей размерности Z_j,

элементами которой являются некоторые структурные характеристики тренда. Анализ существующих мер схожести трендов показал целесообразность применения при построении указанной модели для товаров и услуг, находящихся на стадии роста – меры близости кривизны траекторий, а на стадии насыщения – меры близости значений трендов в аналогичные моменты времени от начала выходы товара или услуги на региональный рынок. В первом случае тренды следует считать подобными, если они имеют близкую кривизну отрезка траектории ЖЦТ, оцениваемую с помощью евклидовой нормы вектора, элементами которого являются вторые производные элементов вектора xj(t):

Для определения меры близости кривизны трендов жизненных циклов товаров (ЖТЦ) предложено использовать выражение:

Тогда прогнозирование тенденций развития ситуации на региональном рынке сотовой связи, находящемся на стадии роста, проводится на основе продукционного правила вида

где у – вариант развития ситуации (вариант тренда, характеризующего изменение во времени платежеспособного спроса на товар или услугу сотовой связи).

Во втором случае, две траектории считаются сходными, если они характеризуются близкими элементами матриц коэффициентов трендов. В этом случае предполагается, что сравниваемые тренды описываются полиномиальными трендовыми моделями заданного порядка m. Коэффициенты данных полиноминальных моделей могут быть определены при помощи метода наименьших квадратов, т.е.

где F –матрица Фишера.

Для данного варианта прогнозирование тенденций будет осуществляться на основе таких же детерминированных продукционных правил, как и в предыдущем случае. При этом могут возникнуть проблемы с разномасштабностью первичных признаков, что приведет, к разному вкладу различных элементов вектора коэффициентов C_j полиноминальной модели отрезка тренда ЖЦТ при расчете меры близости траекторий и вызовет необходимость предварительной нормировки базисных функций трендовой модели, например, с применением временных полиномов Чебышева.

Также в работе [1] описана нечетко-логическая экономико-математическая модель региональных рынков товаров и услуг, основанная на представлении экспертной информации в виде нечетких импликаций и использующая нечеткие меры близости при анализе трендов, характеризующих изменение во времени платежеспособного спроса. В данном случае степень близости двух траекторий оценивается с помощью построения нечетких множеств трех типов “очень близкие траектории”, “достаточно близкие траектории”, “удаленные траектории”, задаваемых стандартными функциями принадлежности S («Небольшой»), М («Средний»), L («Большой») типов соответственно. В качестве меры близости рассматривается

 

степень принадлежности μ∈[0,1] разности двух трендов данным нечетким множествам. Решение о выборе наиболее близкого сценария развития ситуации (варианта тренда, характеризующего изменение во времени платежеспособного спроса на товар или услугу сотовой связи) принимается на основе нечетких импликаций вида:

Если «||X _i – X _c|| есть μ_S », то «сценарий С очень вероятен»,

Если «||X _i – X _c|| есть μ_M », то «сценарий С возможен»,

Если «||X _i – X _c|| есть μ_L », то «сценарий С практически невозможен».

Существуют различные варианты определения величины μ, основанные на использовании операторов агрегирования. В процессе нечеткого логического вывода на этапе композиции усеченных заключений правил предложено использовать нечеткую импликацию в форме Мамдани.

Для построения нечетко-логической экономико-математической модели региональных телекоммуникационных рынков предлагается использовать обобщенный алгоритм определения поточечного сходства многомерных трендов, который включает следующие этапы.

 

1.Задаются многомерные функции принадлежности ј_S(u), ј_M(u), ј_L(u),

вектора u = [u₁₁,u₁₂,…,u_1P,u₂₁,u₂₂,…,u_2P,…,u_n1,u_n2,…,u_np]^T ,

описанным n-мерным нечетким множествам.

2. Для каждого момента времени t_k и для каждой r-й компоненты матриц X_i , X_j

находятся разности u_rk = x_ir (t_k) – x_jr (t _k)

3. Находятся степени принадлежности ј_S(u),ј_M(u),ј_L(u).

4. C использованием приведенных нечетко-логических продукционных правил определяются наиболее вероятные сценарии (тренды) развития ситуации.

Если найдено несколько наиболее вероятных сценариев, то для дальнейшего анализа прилагается использовать процедуру определения нечеткой близости трендов, выражаемых через их структурные признаки, рассмотренные выше.

Результаты вычислительных экспериментов показали, что минимальную ошибку прогнозирования трендов, характеризующих изменение во времени платежеспособного спроса на товар или услугу при выходе на новые региональные рынки обеспечивает продукционная экономико-математическая модель, а при выводе на существующий региональный рынок новой услуги – нечетко-логическая модель региональных рынков телекоммуникационных услуг.

Таким образом, на основании заданных моделей можно спрогнозировать тенденции развития показателей (прежде всего, платежеспособного спроса) на основные предлагаемые предприятием товары и услуги на региональном телекоммуникационном рынке [2]. В тоже время полученный прогноз позволит моделировать ситуацию на рынке с учетом сосуществования различных взаимодействующих субъектов, преследующих конкурирующие цели.

В качестве метода моделирования был выбран многоагентный подход. Агент — лицо или организация, наделенное юридическими полномочиями представлять другое лицо или организацию 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 её на основе собственных ресурсов, взаимодействовать с другими агентами и действовать на среду в течение некоторого времени, преследуя свои собственные цели [3].

Существование у агента свойства целенаправленности деятельности обосновывает качественно другой уровень автономности. Это означает, что он не обязан выполнять распоряжения другого пользователя или агента, а просто зависит от условий среды, включая цели и намерения других агентов. В отличие от понятия «объект» в объектно-ориентированном подходе агент может реализовывать определенные обязательства или, наоборот, отказаться от их выполнения, объясняя это отсутствием компетентности, занятостью другой задачей.

Агентная модель представляет собой реальный мир в виде многих отдельно специализируемых агентов. Каждый агент обычно имеет контроль над некоторыми элементами окружающей среды, поэтому они разрабатываются и реализуются как набор взаимодействующих между собой отдельных агентов, каждый из которых образует внешнюю среду, и в процессе функционирования может изменить как её, так и свое поведение. Вообще, агенты автономны и гетерогенны, то есть отсутствует единая точка управления. Коммуникации между агентами могут быть синхронными и асинхронными, направленными, общими или групповыми [4].

Традиционно при моделировании рыночных процессов выделяются следующие виды агентов: потребители, предприятия-конкуренты (малые, средние и крупные), региональные власти. При построении модели регионального рынка телекоммуникационных услуг предполагается, что особую значимость имеет каждый абонент, который обладает некоторым множеством характеристик, таких как возраст, профессия, доход, семейное положение и другими, предопределяющими его выбор конкретного оператора и тарифные предпочтения.

В тоже время структура мультиагентной модели регионального телекоммуникационного рынка в каждый момент времени неодинакова. Это связано с тем, что в зависимости от изменения экономической конъюнктуры на рынке изменяется количество и модель поведения его субъектов. Классификация изменений динамики тенденций развития рынка, которые оказывают различные влияния на поведение субъектов, можно показать на следующем примере. На рисунке 3 показан пример прогноза тенденций изменения спроса на сотовую связь. В рамках данного прогноза можно выделить 4 основных этапа.

1 этап связан с быстрым ростом рынка и может быть охарактеризован появлением на нем на ряду с крупными и средними малых предприятий. Региональные власти оказывают значительную поддержку с целью развития благоприятной рыночной инфраструктуры и конкурентной среды за счет предоставления различных грантов, дотаций, налоговых льгот. Таким образом, основные агенты этапа: малые, средние и крупные предприятия, преследующие цели максимального наращивания абонентской базы из числа новых абонентов, региональные власти, стремящиеся к увеличению рынка, следовательно, стабилизации налоговых поступлений, потребители.

2 этап. Ужесточается конкурентная борьба, с рынка уходят наиболее слабые компании, происходит укрупнение бизнеса за счет сделок по слияниям и поглощениям. На данном этапе региональные власти не оказывают никакого влияния на рынок. Таким образом, структура мультиагентной модели включает малые, средние и крупные предприятия, стремящие к увеличению своего бизнеса за счет ужесточения конкурентной борьбы, а также потребителей.

3 этап. Наблюдается падение спроса и начало кризисных явлений. На этом фоне происходит резкое сокращение количества предприятий, в большей степени за счет малых. Крупный и средний бизнес начинает делать упор на инновационные продукты и услуги, вывод на рынок новых и усовершенствованных товаров и услуг, способствующих повышению спроса. Структура мультиагентной модели также включает средние и крупные предприятия, а также потребителей.

4 этап. Наблюдается подъем рынка за счет увеличения спроса на продукцию, поддержка региональных властей, направленная на стабилизацию рынка, появление новых малых предприятий. В процесс моделирования учитывается сосуществование всех субъектов рынка и анализ возможных отношений между ними: малые, средние и крупные предприятия, региональные власти и потребители.

Таким образом, необходимо заметить, что на основании прогнозирования и учета влияния разнообразных изменений динамики тенденций развития региональных рынков можно осуществлять построение оптимальной динамической мультиагентной модели, анализ которой позволит повысить эффективность и оперативность принимаемых на телекоммуникационном предприятии решений.

 

                                        Рис. 3. Прогноз динамики спроса на услуги сотовой связи

 

Литература:

1.        Гимаров В.В. Адаптивные системы нечеткого вывода // Девятая Национальная конференция по искусственному интеллекту с межд. участием: Тр. конф. в 3-х т. Т.1. -М.: Физматлит, 2004, С.89-92

2.        Angstenberger L. Dynamic Fuzzy Pattern Recognition with Applications to Finance and Engineering. Boston: Kluwer Academic Publishers, 2001.

3.        Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология информатика. - М.: ЭдиториалУРСС, 2002.

4.        Бауман Е.В. Методы классификации в задачах обработки медицинских данных. Proceedings of 1-st Intern, conference «Modeling and Control of Biomedical Systems». Varna: CLBI of Bulgarian AS, 1990. pp. 75-77

Вернуться к разделу

Транспортное дело России №12 (2010)