一帶一路地理空間輔助決策框架研究

鞏保勝，劉夢川，穆春迪

（1.61243部隊，新疆 烏魯木齊830006；2.61618部隊，北京100000）

一帶一路地理空間輔助決策框架研究

鞏保勝1，劉夢川1，穆春迪2

（1.61243部隊，新疆 烏魯木齊830006；2.61618部隊，北京100000）

“一帶一路”是中國與周邊國家合作、發展的理念和倡議，是聯系歐亞各經濟體的紐帶，已經成為我國的國家發展戰略。提出以地理空間信息、統計和分析數據為基礎，通過神經網絡模型計算分析，構建“一帶一路”沿線國家及地區的地理空間輔助決策框架，為“一帶一路”的發展建設提供科學的認知和決策分析服務。

一帶一路；地理空間框架；神經網絡模型；決策分析

“一帶一路”是“絲綢之路經濟帶”和“21世紀海上絲綢之路”的簡稱，2013年9月和10月由中國國家主席習近平提出建設。它不是一個實體和機制，而是合作發展的理念和倡議，是依靠中國與有關國家既有的雙多邊機制，借助既有的、行之有效的區域合作平臺，主動地發展與沿線國家的經濟合作伙伴關系，是我國重大的國家發展戰略［1］。

現有的“一帶一路”研究主要集中在人文角度的描述、統計和分析，缺少科學的、形象的空間思維手段對戰略全局的整體把控［2-4］。因此，本研究提出“一帶一路”地理空間輔助決策框架。在地理空間信息的基礎上，加載相應國家和地區的基本情況、政治狀況、經濟形勢、投資狀況、雙邊關系等專題信息，通過計算機計算分析，形成框架模型，為“一帶一路”建設提供快速、科學、準確服務保障。

1　框架構建

“一帶一路”是我國確立的跨國境區域經濟發展戰略，空間跨度大、涉及領域廣，對其的地理空間認知不可能完全采用實地考察或定性分析的方式進行，必須要根據相關的數據、信息、知識以及空間推理來完成量化、準確的把握。按照前人對地理空間規律的認知，“一帶一路”戰略的認知框架是一個從概念空間、數據空間到信息空間、知識空間，最終形成決策智慧空間的知識化過程［5］。

“一帶一路”的建設目標是在政策溝通、道路聯通、貿易暢通、貨幣流通、民心相通基礎上，實現經濟帶相關國家在能源、經貿、金融、基礎設施等全方的區域經濟合作。圍繞這一任務，對地理概念、數據獲取、服務平臺、地理分析等方面的需求分析，結合地理空間信息技術的發展現狀，重點從任務需求、地理數據、專家認知和政策法規4個方面對其進行認知研究，構建地理空間輔助決策框架，如圖1所示。

圖1　地理空間輔助決策框架

1.1基礎數據庫

基礎數據庫是決策框架的靈魂，基礎數據不完整、不準確，就失去了分析決策的基礎［6］。本框架中基礎數據庫主要包含空間信息、專題產品和統計分析數據三大類。其中，基礎空間信息包含地理元數據、時空基準、地圖數據、地理實體數據、影像數據、地名地址數據等，主要作為用戶提供目標區域的地理空間信息，作為地理空間描述的背景資料。專題產品包含公共交通數據、道路導航產品、環境專題產品、經濟專題產品、人口專題產品、公共安全專題產品等，可為用戶提供針對性強的多樣化服務。統計分析數據主要是各類人文角度的描述、分析統計等研究成果，是分析決策的重要依據。

1.2智能決策

“一帶一路”作為經濟發展戰略，其決策功也主要用于經濟活動的分析評估。在一般的經濟活動中，所依據的大量信息都帶有模糊性，再加上經濟活動本身的復雜性，難以建立精確的數學模型。同時，在客觀實際中，由于經濟活動往往與多個因素有關，且對事物的評價往往采用的是模糊性的語言［7］，因此，本研究采用神經網絡模型進行決策分析［8］。

神經網絡模型是由大量結構和功能十分簡單的處理單元即神經元廣泛互連而成的高度復雜的非線性動力學系統。它是對人腦神經網絡系統的某種簡化、抽象和模擬，可以反映人腦功能的許多基本特征。神經網絡可以通過學習逐步實現其計算過程，在神經網絡的學習過程中，神經元之間的連接強度將根據環境信息發生緩慢的變化，把環境信息逐步地存儲于神經網絡之中，形成長期記憶。將專家認知和政策法規作為已知的學習樣本，對神經網絡的連接強度進行系統調整，在不斷相互作用中達到自組織，因此而積累知識和經驗，通過這種自組織，系統可以不斷地修正自己的知識，修正神經網絡中的知識編碼，進而計算輸出［9-14］。其三層神經網絡模型如圖2所示。

圖2　三層神經網絡模型

設x1，x2，…xn是網絡輸入值，u1，u2，…un是網絡隱含層輸出值，網絡輸出值為y1，y2，…ym，輸入神經元i到隱含層神經元j的權值為Wij，隱含層神經元j到輸出神經元k的權值為Vjk，θj和hj氣分別表示隱含層和輸出層的偏置值。則，3層BP網絡的數學模型，隱含層各單元的輸入為：

輸出層單元輸出為：

其中f（）采用sigmoid函數：

3BP算法是一種有教師的學習算法，設輸入學習樣本有P個，為X1，X2…，Xp，已知與其對應的教師為T1，T2…，Tp，學習算法是以實際的出Y1，Y2…，Yp與T1，T2…，Tp的誤差來修改其連接的閥值和權值，使輸出的Y與要求的T盡可能接近。用平方型誤差函數，對于P個樣本，其學習誤差為：

其中yil表示第l個樣本的第i個實際輸出值，til表示對應的教師。對于給定的精度ε，如果E＜ε，則計算停止。整個網絡的學習過程分為兩個階段，第一階段是從網絡的底部向上進行計算，如果網絡的結構和權值已設定，輸入已知的學習樣本，可按（1）式、（2）式計算每一層的神經元輸出；第二個階段是對權值和偏置值的修改，這是從最高層向下進行計算和修改，從已知最高層的誤差修改來調整最高層相聯的權值，然后修改各層的權值和偏置值，兩個過程反復交替，直到收斂為止。

2　驗證實驗

為驗證決策框架模型的有效性，本研究以現有的“一帶一路”專家研究成果為依據，對“一帶一路”沿線一些國家的政局現狀、經濟狀況、投資情況、地緣價值以及與我國的雙邊關系情況進行量化，然后經神經網絡模型計算分析，得到其投資的風險情況，與其現實投資情況對比，進行驗證。

2.1已知樣本的學習訓練

選取“一帶一路”沿線5個研究較為成熟的國家，將專家的研究成果進行量化，對其投資風險評估樣本集進行神經網絡學習訓練，給定其學習誤差精度為0.1，其學習情況見表1。

2.2投資風險評估

選取阿富汗、馬其頓、土耳其、烏克蘭、波蘭5國評估目標，對其政局現狀、經濟狀況、投資情況、雙邊關系情況進行量化，經神經網絡模型計算分析得到其投資風險評估，得出富汗、馬其頓、土耳其、烏克蘭、波蘭5國的投資風險分別為77%、56%、44%、71%、61%（見表2）。

3　結果分析

利用“一帶一路”沿線國家的現有研究成果及相關統計數據，對5個國家的投資風險進行評估，得出阿富汗、烏克蘭投資風險較大、馬其頓、土耳其、投資風險一般、土耳其投資風險較小，基本符合實際情況。同時經對比分析，可得出政局狀況、雙邊關系是投資風險的最大影響因子。

存在不足：（1）影響投資風險因素有很多，試驗中僅從政局現狀、經濟狀況、投資情況、地緣價值以及雙邊關系5個影響因子較大方面對投資風險進行評估，評估的全面性不足；（2）政局現狀、投資情況、地緣價值、雙邊關系4個因素主要是人文角度的描述，對其進行量化的過程存在較大的主觀因素，導致評估結果的科學性不夠高。

驗證表明：本框架模型在“一帶一路”建設過程中可實現一定的輔助決策功能。

表1　俄羅斯、伊朗、印度、巴基斯坦、緬甸5國投資風險評估樣本集

表2　阿富汗、馬其頓、土耳其、烏克蘭、波蘭5國投資風險評估情況

4　結束語

本研究基于地理空間信息技術與神經網絡分析模型，構建了“一帶一路”地理空間輔助決策框架。并以“一帶一路”沿線隨機抽取的5個國家現有的研究成果為基礎，對其進行投資風險評估，對框架的可行性進行了驗證。本研究的創新點在于將模糊地“一帶一路”人文研究成果進行量化，再通過分析計算，得出結論，從而對“一帶一路”的建設提供科學、可靠的依據。“一帶一路”地理空間輔助決策框架對于“一帶一路”的認知研究和建設發展具有十分重要的意義。

［1］ 劉衛東.“一帶一路”戰略的科學內涵與科學問題［J］.地理科學進展，2015，34（5）：538-544.

［2］ 杜德斌，馬亞華.“一帶一路”：中華民族復興的地緣大戰略［J］.地理研究，2015，34（6）：1005-1014.

［3］ 鄭蕾，劉志高.中國對“一帶一路”沿線直接投資空間格局［J］.地理科學進展，2015，34（5）：563-567.

［4］ 韓永輝，羅曉斐，鄒建華.中國與西亞地區貿易合作的競爭性和互補性研究——以“一帶一路”戰略為背景［J］.世界經濟研究，2015（3）：89-98.

［5］ 馬照亭，李成名，印潔.絲綢之路經濟帶的地理空間認知框架研究［J］.測繪科學，2015，40（10）：48-53.

［6］ 田博，覃正.非平衡數據集的支持向量域分類預測模型研究［J］.運籌與管理，2009，18（1）：138-145.

［7］ KULKARNI A D，CAVANAUGH C D.Fuzzy Neural Network Models for Classification［J］.Applied Intelligence，2000，12（3）：207-215.

［8］ 朱大奇，史慧，編著.人工神經網絡原理及應用［M］.北京：科學出版社，2006.

［9］ 許俊奎，武芳，魏慧峰.人工神經網絡在居民地面狀匹配中的應用［J］.測繪科學技術學報，2013，30（3）：78-83.

［10］謝立春.BP神經網絡算法的改進及收斂性分析［J］.計算技術與自動化，2007，26（3）：52-56.

［11］胡守仁，編著.神經網絡導論［M］.長沙：國防科技大學出版社，1993.

［12］ZHANG L，ZHANGL Y，WANGJ，MAFT.Prediction of Rolling Loadin Hot Strip Mill by Innovations Feedback Neural Networks［J］.Journal of Iron and Steel Research（International），2007，14（2）：42-45，51.

［13］覃強.平面問題的一種新型神經網絡算法［D］.西安：西安電子科技大學，2006.

［14］Too E G，Weaver P.The Management of Project Management：A Conceptual Framework for Project Governance［J］.Interna tional Journal of Project Management，2013，32（8）：1382-1394.

P231.4