基于人工神經網絡的京津冀區域智能服務匹配系統框架設計

王欣然 米新新 王艷 李赫

摘? 要：隨著京津冀協同發展規劃的逐步深化，京津冀三地在整體規劃中戰略地位愈發突出，服務職能愈發清晰。面對京津冀協同發展中新興的服務內容，將人工智能神經網絡理論應用于區域智能服務內容中，通過收集和分析企業數據，建立動態神經網絡，生成行業動態和發展預測數據，從而形成協調京津冀三省市的整體服務匹配系統。隨著大數據技術和機器學習算法的成熟，基于人工神經網絡的京津冀區域智能服務匹配系統框架設計逐步實現，為京津冀區域政府和企業的協調發展奠定基礎。

關鍵詞：智能服務? 人工神經網絡? 京津冀協同發展

Abstract： With the gradual progress of Beijing-Tianjin-Hebei coordinated development planning， the strategic position of Beijing-Tianjin-Hebei in the overall planning has become more prominent and the service functions have become clearer. Faced with the service content of the new and emerging service in the coordinated development of Beijing-Tianjin-Hebei， the theory of artificial intelligence neural network is applied to the regional intelligent service content， which using collecting and analyzing enterprise data， establishing dynamic neural network， generating industry dynamic and developing forecast datas，so as to form an integrated service matching system to coordinate the three provinces and cities in Beijing-Tianjin-Hebei.With the maturity of big data technology and machine learning algorithm， the framework design of Beijing Tianjin Hebei regional intelligent service matching system based on artificial neural network is gradually realized， which lays the foundation for the coordinated development of Beijing Tianjin Hebei regional government and enterprises.

Key Words： Intelligent services; Artificial neural network; The coordinated development of Beijing-Tianjin-Hebei

2014年3月5日，國務院總理李克強同志作政府工作報告時提出了京津冀一體化方案，其目的是為了加強環渤海地區及京津冀地區的經濟協作能力。2014年2月26日，總書記習近平同志在聽取京津冀協同發展工作匯報時強調，實現京津冀協同發展是一個重大國家戰略，要做到優勢互補、互利共贏、扎實推進，加快走出一條科學持續的協同發展路子。

2015年4月30日，中共中央政治局召開會議，審議通過了《京津冀協同發展規劃綱要》。在京津冀一體化的進程中有著諸多的資源與服務的協調和整合工作，而如何合理高效的完成這些整合工作，就成為擺在我們面前的一個重要課題。

1? 亟待解決的問題

在三地下一階段的產業發展方向中，如何進行合理的產業分工和融合，是三地協同發展的重要研究方向，京津冀地區21.6萬平方公里的土地面積，1.2億消費人口，如果沒有合理的產業資源結構和高效的配套服務體系作為支撐，想要達到協同發展的目標將困難重重[1]。

產業的合理分工和融合是梳理京津冀地區產業資源結構的首要之舉，京津冀三地擁有各自的產業資源優勢，同時劣勢也相當明顯[2]。北京作為我國的政治經濟文化中心，有地位高、體量大、實力強、變化快、素質高等特點，但也存在著人口過多、交通擁堵、生態環境等問題[3]。天津作為我國北方重要的港口城市，具有現代制造、科技教育等優勢，但重工業比重大，本地民營企業、中小型企業不活躍等問題也使其未來發展缺少后勁[4]。河北其空間優勢在三地毋庸置疑，其港口優勢并不亞于天津而且還具備豐富的生態和旅游資源，但經濟水平較低、傳統重化工業比重過大，工業污染與生態環境矛盾加劇、城鎮化水平不高也限制了河北的快速發展[5]。

在京津冀協同發展整體規劃中，最受矚目無疑是京津冀三地的功能定位，這一點在2015年4月30日頒布的《京津冀協同發展規劃綱要》中有明確的指出[6]。將北京打造為全國政治中心、文化中心、國際交往中心、科技創新中心。將天津打造為全國先進制造研發基地、北方國際航運核心區、金融創新運營示范區、改革開放先行區。將河北打造為全國現代商貿物流重要基地、產業轉型升級試驗區、新型城鎮化與城鄉統籌示范區、京津冀生態環境支撐區。

結合京津冀三地的定位來看，京津冀三地在未來都有很多的需要協調整合的資源與服務內容，在不造成資源浪費的前提下，合理高效的完成這些協調整合工作，依托于大數據的人工智能服務匹配系統就成為這項工作中必不可少的信息支撐平臺。

2? 智能服務匹配系統

現在的人們對于服務的需求越來越多也越來越細化，就交通出行而言目前市場上提供的服務種類就分有公交巴士、出租車、網約車、共享單車等，人們可在需要出行時選擇自己需要的服務類型，但對于服務提供者來說則需要不間斷的提供服務才能滿足被服務者的出行需求，這在一定程度上造成了資源浪費。

而智能服務匹配系統旨在通過人工神經網絡節點處理和大數據匯集，從而建立事物之間的關聯，產生協同數據，再經由迭代反饋算法[7]對協同數據進行處理，再將處理結果反饋給服務提供者，這樣可以避免同類型服務分配不合理所造成的資源浪費。

要解決這個看似矛盾的問題，智能服務匹配系統首先要做的是匯總各運營企業的需求數據、使用數據和調度數據，在將歷史數據和實時數據綜合起來分析，動態產生最優的調整方法，然后將調整方法生成為新的調度計劃數據反饋給各運營商，最終由各運營商通過自己的服務系統進行單車的調度，這樣就可以通過同類型服務產生相同的數據模型，并對該模型所產生的數據進行匹配，從而提高用戶體驗，同時也可以在一定程度上避免了由于服務冗余而衍生出的其他問題。

微軟公司的實時數據質量監控平臺就是非常典型的“模型匹配”[8]系統。該平臺的數據端配備了人工智能的機器學習算法，通過對歷史數據和實時數據的分析，所產生的數據與微軟創建的風險模型進行動態匹配，可以監控數據質量并發出預警信息。結合目前已經明確的京津冀三地的定位，下一步就要是通過智能匹配的方式解決其中所蘊含的資源和服務的協調與整合問題。

3? 整體設計

要建立整個京津冀地區的智能服務匹配系統可以使用服務匹配的架構方法，以三地的功能定位為核心需求，首先以三地中各企業的經營范圍、注冊資本、所提供的服務內容和運營情況為基礎建立各企業的歷史數據檔案，形成基于歷史數據獨立神經元的基礎模型，并依托于這些企業的信息化平臺抽取其中的實時運營服務數據，同時以實時數據對基礎神經元模型進行訓練，形成獨立的動態神經元[9]

其次在動態神經元的基礎上將服務內容、經營范圍、產業規模相同或近似的企業進行梳理，形成行業大數據信息。并根據大數據的存儲和分析技術對動態神經元所產生的實時數據進行處理。再由機器學習算法實時進行分析，生成本行業的動態行業數據

最后將各行業數據進行定期統計，統計周期可根據需要自行定義，并將統計結果以可視化數據圖表的形式進行展現，以便于監管部門可以人為監控各行業發展狀況。也可由京津冀三地規劃各行業的業模型，將統計結果與各行業的產業模型進行動態匹配，以比較各行業發展預測情況與規劃中的產業模型是否產生偏差，形成行業發展大數據。也可設立各行業預警機制，將統計結果與預警機制進行實時匹配，形成行業發展預警系統，從而實現對各行業實時發展動態進行自動監控，以起到避免行業資源浪費或產能過剩的效果。

4? 系統設計重點

本系統旨在通過企業數據的統計和分析形成規范化的神經元數據，經由機器學習算法對神經元數據進行自動化分析，從而形成行業動態數據和發展預測數據，再與產業模型和預警機制進行匹配，從而達到預測行業發展和預警行業風險的效果。經過對各行業數據不斷的采集和積累，最終實現給予管理者整體行業發展狀況和預測全行業發展趨勢的預測目的。

5? 系統功能描述

第一部分：建立企業動態神經元

通過對同類型企業的歷史數據進行提煉，生成企業檔案，并結合對企業運營數據的采集形成實時企業數據，再經由企業神經元模型進行數據匹配，使其更準確更有效率，從而得到企業動態神經元數據。

（1）建立企業數據檔案

根據企業的基礎信息建立數據檔案，基礎信息內容主要由工商注冊信息和過往年度的運營數據兩部分構成。

（2）搭建數據采集模塊

數據采集系統是整個智能服務匹配系統中數據價值的保障[10]，智能高效的采集系統可以大幅度降低企業運營數據的更新成本。

（3）更新企業實時運營數據

通過數據的自動化采集，實現企業運營數據的實時（定期）匯總。

（4）建立同類型企業神經元模型

根據同類型企業共通的運營指標，建立該類型企業的數據神經元模型，用于對采集到的數據進行智能過濾。

（5）生成企業動態神經元

用過濾后的數據生成企業動態神經元，企業神經元包含兩部分內容，企業歷史數據和企業實時數據。

第二部分：生成行業動態和發展預測數據

通過將同類型企業的神經元數據進行動態匯總，形成精準的動態行業大數據，再將行業數據用于機器學習算法的訓練，強化對行業動態數據分析能力，進而得到行業發展預測數據。

（1）建立數據控制節點

數據控制節點的功能是將企業動態神經元中的數據進行智能梳理，以經營范圍為基礎，以企業的規模和成本管控能力為坐標對企業進行分類[11]。

（2）企業大數據的存儲

將經過分類的企業數據進行合理的存儲[12]，確保數據全生命周期的真實性有效性，并在確保歷史數據響應速度的前提下，提高實時數據的存儲速度[13]。

（3）生成行業動態數據

以同行業企業的實時數據為依據，將該類數據進行匯總整合形成本行業實時動態數據。

（4）搭建數據分析模型

以同行業企業的數據為基礎，抽取其中重要的指標和參數（交易成本、收支情況等），搭建該行業的數據模型。

（5）建立機器學習算法

以并行算法、想進算法為基礎解決大數據分類、聚類和關聯問題[14]。

（6）生成行業發展預測數據

將搭載了行業數據模型的機器學習算法應用于該行業的真實數據中，進而生成行業發展預測數據。

第三部分：行業動態數據應用

通過對行業動態數據的統計生成即時的可視化行業動態報告，并通過行業發展預測數據與產業模型和預警機制進行匹配，形成行業發展大數據和行業發展預警系統。

（1）生成行業動態大數據統計

通過將各類動態行業數據進行匯總，以行業總產量（值）、銷售情況和時間等維度生成行業大數據統計。

（2）生成行業可視化數據統計

將統計結果以可視化圖表的形式展現，根據不同的需要生成不同形式的統計專題圖[15]。

（3）行業發展預測數據統計

通過將各行業發展預測數據進行統計，以預計產量（值）、預計銷售情況和時間等維度生成行業發展大數據。

（4）設置行業數據預警機制

通過過往行業歷史數據設置風險預警機制，通過風險辨識、預警模型兩個方面在風險為發生前加以辨識，以達到預警的效果。

（5）生成行業發展預警系統

在風險出現時快速的進行預警評估、生成評估報告，并給出決策列表幫助決策者進行決策選擇，以此設立全流程風險預警機制[16]。

6? 系統可行性

企業角度：當今社會，信息化技術不斷進步，企業信息資源逐步向數字化、云端化改進，但信息資源共享尚在起步階段。如果只對企業進行分析，雖然可以知道某個企業的經營和財務狀況，但不能知道其他同類企業的狀況，無法通過比較知道該企業在同行業中的位置，更無法得知該行業在地區經濟發展中的位置。而這在充滿著高度競爭的現代經濟中是至關重要的。另外，行業所處生命周期的位置制約著或決定著企業的生存和發展。所以應用本系統加強企業信息利用率，推動本系統的運行可以助力企業運營信息數據化云端化發展。

技術角度：本系統通過采集企業歷史數據和實時節點數據建立神經元模型，在利用機器學習算法對神經元數據進行自動化分析，從而預測企業生產數據?；诖髷祿夹g的京津冀政府治理能力建設的研究和應用早就出現過[17]。作為最近三十年新興起的科研學科，機器學習已經在現代信息生活尤其是互聯網生活中實現了較為廣泛的應用[18]。本系統的技術支持相對成熟，難點在于數據庫的建設與信息收集。

政府角度：本系統主要為京津冀三地政府和企業提供服務，同時以企業的基本信息為基礎，動態經營數據為依托，經由大數據技術和機器學習算法，在實現行業數據統計的同時，還可以大大降低政府經濟的測算和規劃成本，直接緩解甚至解決產能過剩情況的發生，有效的推動地區經濟進步，最終通過經濟發展預測和風險預警，直接助力政府做下一階段的經濟決策。

7? 結語

行業數據的預測一直是經濟發展中的一項難題，以往的行業預測大多依托于數據上報和人為測算，數據收集及時性低且測算周期長，導致測算結果與經濟發展情況存在一定偏差，但隨著大數據技術和機器學習算法的成熟，解決了數據收集和測算周期的問題，從而使測算結果更為精準，對整體的經濟發展預測起到了良好的輔助作用。京津冀協同發展規劃不僅僅是自身的發展，其建設關系到如何帶動我國北方經濟與社會的全面發展，是歷史賦予的機遇，為實現中華民族的偉大復興，就要抓住機遇。用發展的眼光來看，基于大數據和機器學習算法的智能服務匹配系統，可以有效解決京津冀一體化資源整合和系統配置時出現的以下問題。

（1）極大程度解決了京津冀三地政府和企業等數據收集及時性和準確性低的問題。

（2）極大程度解決了京津冀三地政府和企業等測算周期長和測算內容與現實情況脫節問題。

（3）有效解決了京津冀三地政府和企業等行業發展數據預測困難的問題。

（4）有助于解決京津冀三地政府和企業等資源配置困難和產能過剩的問題。

參考文獻

[1] 趙彥蘭.京津冀一體化戰略背景下的產業發展協調機制研究[D].天津師范大學，2015.

[2] 周畢文，陳慶平.京津冀一體化中的產業轉移[J].經濟與管理，30，250（3）：9-12.

[3] 林曉娟，房世峰，杜加強，等.基于綜合承載力的北京市適度人口研究[J].地球信息科學學報，2017，19（11）：1495-1503.

[4] 《天津經濟》課題組.京津冀一體化的綜述與借鑒[J].天津經濟，2014（4）.

[5] 張丹，朱鳳戰，黃坤明.京津冀一體化進程中河北發展戰略研究綜述[J].滄州師范學院學報，2015，31（1）：105-107.

[6] 國土資源局，京津冀協同發展規劃綱要，2015.

[7] 顧軍華，任超，譚慶.基于正反饋機制的遺傳算法[J].計算機工程與應用，2007，43（14）：73-74.

[8] 姚明臣.機器學習和神經網絡學習中的若干問題研究[D].2016.

[9] 方幼林，楊冬青，唐世渭，等.數據倉庫中數據質量控制研究[J].計算機工程與應用，2003，39（13）：1-4.

[10] 張繼棟，許鵬.大數據采集系統的設計與應用[J].大觀：東京文學，2017.

[11] 黃志奮.我國工業企業成本管理的現狀和對策[J].會計師，2009，100（1）：80-81.

[12] 周愛武，李孫長，ZHOUAi-wu，etal.基于Web服務數據集成框架的設計與應用[J].計算機技術與發展，2010，20（11）：246-249.

[13] 歐陽靜，李蘭友.面向經營分析系統的數據倉庫架構設計與存儲研究[J].計算機與現代化，2011，2011（12）：103-105.

[14] 紀思捷，胡豪杰.基于機器學習算法的大數據處理[J].電子技術與軟件工程，2015（23）：202-202.

[15] 馬洪波，陳志泊，陸守一.數據庫可視化技術在統計數據管理領域中的應用[J].河北林果研究，2004（2）.

[16] 李慧，黎明梅，LiHui，等.全面風險管理視角下的企業風險預警機制研究[J].區域金融研究，2013（12）：63-66.

[17] 馬林藝，劉暢.大數據驅動下的政府治理能力建設研究——以京津冀協同發展為例[J].產業與科技論壇，2018，17（9）：234-235.

[18] 余殷博.基于人工智能下的機器學習歷史及展望[J].電子技術與軟件工程，2017（4）：129-129.