基于仿真模型的大數據交易智能化管控方法及其應用研究

張興旺，肖佑林，李 潔，畢語馨（桂林理工大學旅游與風景園林學院）

1 引言

數據資源在全球經濟運行中的重要性日趨凸顯，世界各國均積極搶占數據競爭制高點，它正成為新型生產要素，對全球科技創新與經濟社會發展產生著巨大影響。2019年10月，黨的十九屆四中全會首次將數據視為生產要素，與土地、資本等生產要素并列［1］；2020年4月，國務院明確提出要“加快培育數據要素市場”“加快推動數據共享交換”［2］。因此，破解數據自由交易、流通、共享與交換機制構建障礙［3］，構建科學可持續的大數據交易體系［4］，具有十分重要的學術價值與戰略意義。

數據作為一種新型生產要素，無形性、自由流動性與可交易性是其重要特征。隨著大數據、5G/6G、人工智能、區塊鏈等信息技術的飛速發展，傳統方法已難以滿足數據要素市場的多元化數據交易共享需求，新一輪數據競爭與交易共享時代即將來臨。

在已有研究中，學者們主要關注大數據交易模式、交易過程與交易應用研究等內容，研究重點主要集中在數據質量評估、數據定價、數據安全與隱私保護等方面，針對大數據交易管控過程的研究相對較少。鑒于此，本文提出一種基于仿真模型的大數據交易智能化管理模型，嘗試解決大數據交易過程中的智能化管控、可信計算問題。

2 相關研究

數據資源的規模增長快、易復制、價值與權屬難確定、價值密度低、渠道難管控等特征［5］，使其與土地、資本等傳統生產要素具有實質上的差異，傳統生產要素的交易與交換模式難以直接移植到大數據資源中。因此，構建大數據交易體系有助于推進數據要素市場的培育，破解數據資源自由流通的機制障礙［6］。

2.1 大數據交易模式研究

現有研究主要從理論層面對數據交易主客體、技術方法、內容與營利方式等進行闡述與分析。交易主客體主要涉及數據消費者（買家）、擁有者（賣家）與交易平臺（第三方代理商）等［7］；準確可信的數據質量與價值評估［8］、數據定價與收益分配［9］、數據確權與安全保護［10］等是大數據交易生態體系健康、可持續發展的關鍵與難點問題；交易共享模型主要分為數據代理（DB）、P2P交易與虛實混合代理三種模式［11］；交易內容主要包括數據資源本身、數據訪問接口與服務、數據分析結果與數據衍生物（如數據權屬、權利許可、衍生商品化權等）四類［12］；交易營利模式主要分為平臺（中介）、賣方、持有型、技術服務型四種模式［13］。

高效、可信的交易過程管控可為大數據交易共享提供重要支持。Liang J等認為，目前缺少針對數據交易市場三方模型的科學、系統、可信的保護機制［14］。茶洪旺等認為，大數據交易規則與標準缺乏、過程管理不規范等是當前中國大數據交易存在的幾大問題［15］。何培育等認為，安全可信的過程管控是大數據交易與交換的重要保障［16］。

2.2 大數據交易過程研究

大數據交易過程主要分為交易前、交易中與交易后三個階段，每個階段都需要解決不同的技術問題。交易前需要解決數據采集、數據處理、數據存儲、數據審計、數據質量評估、數據展示、數據定價（或議價）與數據估值等問題［17］。交易中需要解數據交易機制設計、交易合約設計、多方協作機制設計、權責協議設計、交易驗證計算與交易權限管控等問題［18］。交易后需要解決數據溯源、數據確權與驗證、數據收益分配、數據版權管理、信息反饋優化與數據推薦等問題［19］。

安全可信始終貫穿于大數據交易全生命周期管理過程，已有研究主要聚焦于大數據交易市場的安全保護機制研究。王衛等認為，數據交易與數據保護矛盾突出，以及過程管理缺乏是當前面臨的幾個主要問題［20］；Ahmed E等對DNA大數據交易中的數據倫理、安全隱私保護等問題進行了探討［21］；Zhao Y Q等提出了一種基于機器學習的大數據交易隱私保護公平交易策略［22］；Oh H等針對物聯網大數據交易市場中個人數據交易代理的安全保護問題進行了分析［23］；Qian JW等針對語音數據交易交換，提出了相應的隱私保護與可用性驗證的數據交易方案［24］。

人工智能、區塊鏈等技術被廣泛應用于大數據交易過程管理中。Dai W Q等提出了一種基于區塊鏈技術的數據交易生態系統，對其管控過程進行了分析［25］；Jiang Y N等提出了一種基于智能合約的工業物聯網數據交易保護機制，將區塊鏈技術融入數據安全與隱私保護機制中［26］。Tian L等利用契約理論設計了一種在線數據交易的最優化契約機制，對大數據交易合約設計進行了分析［27］；Cao X Y等提出了一種迭代拍賣機制對數據交易過程進行管理與分析［28］。

2.3 大數據交易應用研究

黨的十八屆五中全會提出“國家大數據戰略”，大數據交易與數據要素市場培育是未來重要的發展領域。國內已有許多粗具規模的大數據交易平臺與市場，如數據堂、京東萬象、重慶、貴陽、東湖、上海與華中等大數據交易平臺（所、中心或市場）等［29］。國外已有大型公司開展了大量大數據交易服務，如Infochimps、Fatual、Quadrant.io等通用型數據交易體系，Quandl、Benzinga等金融數據交易體系等。此外，基于人工智能、物聯網與區塊鏈等信息技術搭建的IOTA、Databroker、Terbine與Thinkspeak等物聯感知數據交易體系也引起了政府、企業界與學術界的廣泛關注。

綜上所述，關于大數據交易的研究才剛剛展開，相關理論與技術問題研究還在不斷探索中。現有研究主要集中在大數據交易的理論模型、交易與應用模式等方面，較多關注大數據交易的某個環節、技術或模式，較少全面考慮大數據交易的全過程管理，忽略了過程管控研究，尤其是智能化管控問題。

3 基于仿真模型的大數據交易智能化管控模型構建

構建大數據交易的計算機仿真模型能夠實現數據交易過程與數字仿真模型之間的實時雙向映射，獲取交易過程中產生的歷史與實時大數據，采用人工智能、模擬仿真方法提取過程大數據之間的高維關聯特征，在安全可信、高效可靠的交易環境下，對整個交易過程、交易組織、交易數據、交易對象、交易狀態與交易反饋等進行有效監測、預測與分析，使得整個大數據交易過程由被動式、機械化向預測式、智能化轉變。

為實現大數據交易智能化管控目標，需在虛擬信息空間中構建一個與之完全對應的數字仿真模型，該模型需要實時雙向映射交易過程的真實狀況。為達到這一目標，需要解決以下3個問題：如何在虛擬信息空間中構建能實時映射大數據交易過程的數字仿真模型；如何實現仿真模型與交易過程之間的實時雙向映射；如何利用歷史與實時過程大數據實現大數據交易的自我決策、自我學習、智慧成長。

計算機仿真、深度學習、區塊鏈技術能有效促進交易過程及仿真模型之間的深度融合與實時信息交互，是解決以上問題的有效方法，能為大數據交易智能化管控提供新的思路與方法。本研究基于計算機仿真、深度學習等技術，構建了大數據交易智能化管控模型（見圖1），該模型主要由大數據交易實體、交易仿真模型、過程大數據與智能化管控體系4個部分組成。

圖1 基于深度學習的大數據交易智能化管控模型

（1）大數據交易實體，主要包括大數據交易實體要素（含相關交易對象、平臺、數據、服務、規則、業務、邏輯與過程等，以及人、機、物、輔助資源與交易環境等）與虛擬傳感器（主要指交易要素間的智能物聯傳感體系）。其中，虛擬傳感器主要用于實時、全面地采集大數據交易各個環節與各個階段的交易行為、狀態、交互與反饋數據。虛擬傳感器采集到的交易實體關聯數據和結果處理后的數據將通過數據交易映射機制（主要包括訪問與服務接口）實時映射至數字仿真模型中。

（2）交易仿真模型，主要包括大數據交易對象、平臺、數據、行為、業務、規則、邏輯、過程等實體要素，以及虛擬傳感器的計算機數字仿真模型和多領域數據交易過程的參數數據模型。實體層中的交易實體要素通過交易映射機制傳遞至模型層中，生成大數據交易仿真模型與虛擬傳感模型，該模型存在于整個大數據交易全生命周期管理過程中，可以實時、動態、完整地映射實體層中大數據交易過程的真實狀況，并根據交易智能化管控體系對整個交易過程進行實時模擬仿真與預測分析。多領域數據交易過程的參數數據是交易執行的驅動力，也是進行過程管控的基礎，它通過交易仿真模型進行數據融合，融合后的數據交易信息用于驅動交易過程的執行與管控。同時，它也是智能化管控體系中的人工神經網絡訓練的數據源，為智能化管控體系進行預測式管控、在線數據交易問題診斷、交易資源協調優化與交易過程協同驅動等提供數據支持。

（3）交易過程大數據，是大數據交易實體與交易仿真模型在交易過程中產生的數據資源的集合，主要包括交易要素、交易活動、交易行為與交易過程等歷史與實時數據。具體來看，其主要包括用于支持大數據交易過程精準執行、全面監管與資源協調的實時數據，用于支持大數據交易過程管理服務、運行維護、決策分析與統計分析的歷史數據，大數據交易的業務邏輯、運行機制、交易資源協調配置與交易過程信息交互的接口定義、交易協議與交易機制數據等。通過交易過程大數據的融合與繼承，來打通全流程數據交易鏈，為大數據交易提供數據驅動力與數據基礎。

（4）交易智能化管控體系。智能化管控層是大數據交易的“智慧大腦”，是大數據交易智能化管控模型實現自我學習、智慧成長、自我決策的重要依托，其關鍵技術是計算機模型仿真、深度學習與區塊鏈等技術。在具體實現過程中，首先采用交易過程中產生的過程大數據進行人工神經網絡訓練，再利用虛擬傳感器采集交易過程實時數據，使用已訓練好的人工神經網絡對實體層中的大數據交易行為、過程、狀態、性能與效果等進行智能監測與預測分析，預測交易過程中可能出現的問題，從而為大數據交易全生命周期管理、智能化管控提供有力技術保障與平臺支撐。

總體來說，基于仿真模型的大數據交易智能化管控模型以交易智能化管控體系為核心，實現整個數據交易實體、模型、過程、要素與規則的智能化管控。同時，通過向下拓展至交易主客體的虛擬傳感器與智能物聯傳感體系，實現對整個交易過程、狀況與行為數據的采集與管控；向上拓展至大數據交易“智慧大腦”，通過對實時數據、歷史數據和服務數據等過程大數據的預測分析，支撐整個大數據交易體系的運行優化。

4 大數據交易智能化管控實現過程

如圖1所示，大數據交易智能化管控模型采用“交易實體-仿真模型-智慧大腦”三層管控模式實現對大數據交易實體、交易仿真模型與交易平臺的智能化管控。與傳統大數據交易管控方式相比，本文在大數據交易實體基礎上構建了交易仿真模型，借鑒計算機仿真、深度學習、區塊鏈等理論體系與技術方法，構建大數據交易的“感知-仿真-分析-執行-決策-優化”交易全過程數據閉環，使得大數據交易過程管控更加智能化和公開化，實現相關交易資源的優化協調。

4.1 交易虛擬傳感器的確定

為了實現大數據交易實體、交易仿真模型與交易過程大數據的深度融合，首先需要設置數據交易虛擬場，確定數據交易虛擬傳感器的設置與功能，從而明確虛擬傳感器需要采集的數據。大數據交易流程主要分為交易前、交易中與交易后等環節，交易過程虛擬場主要涉及數據交易的實體場、模型場、規則場、行為場、數據場、過程場等場域，這些虛擬場域彼此之間是深度融合、虛實交互、協同驅動與相互作用的，分別用于采集、獲取、處理與分析不同交易對象、平臺、數據、服務、規則、業務、邏輯與過程數據。

為了更好地體現大數據交易體系的真實狀況，本研究設置虛擬傳感器對整個交易流程進行智能化實時監測（見圖2）。

圖2 大數據交易所涉及的虛擬場及相關虛擬傳感器設置

4.2 交易仿真模型的構建

大數據交易仿真模型應該實現交易實體、交易要素、交易行為、交易業務、交易邏輯、交易規則、交易過程等的實時雙向映射。一方面，是大數據交易實體在虛擬信息空間中的全面映射；另一方面，可以根據預測結果對大數據交易實體、活動、過程等進行優化控制。

首先，構建大數據交易的計算機仿真模型，該仿真模型包括每筆數據交易每個階段的要素、行為、業務、規則與邏輯等。其次，通過不同仿真模型融合由不同虛擬傳感器采集到的交易過程大數據，將融合后的數據作為交易仿真模型的交易行為、活動等的主要驅動力，該行為主要包括大數據交易過程中針對數據交易需求分析、交易數據采集與處理、交易協議設計與執行、數據估值與定價、數據確權與溯源等業務行為的不同仿真反應。最后，由交易過程大數據驅動的交易仿真模型與交易要素、業務邏輯、約束規則、預測策略、決策規則等進行有效關聯，共同形成大數據交易的數字仿真模型（見圖3）。

圖3 大數據交易仿真模型

4.3 交易智能化管控體系的構建

人工智能、區塊鏈與計算機仿真等信息技術的理論與應用研究逐漸成為大數據交易領域的重要研究方向。人工智能技術能有效預測、評估、解決大數據交易過程中存在的各種問題，尤其是在交易過程的智能化管控方面，其中卷積、循環神經網絡是使用較多的人工智能技術。通過這些技術可以實現對數據采集、數據處理、數據質量評估、數據估值、數據定價、數據確權、數據溯源、數據推薦等的實時預測分析、實時感知與決策優化，從而實現大數據交易管控從被動式、干預式管控模式向預測式、智能式管控模式的轉變。

大數據交易智能化管控采用大數據交易過程中產生的交易歷史大數據來訓練人工神經網絡，多領域大數據交易過程中的交易數據在訓練過程中不斷地交互融合與迭代優化（見圖4）。通過大數據交易的虛擬傳感器和交易仿真模型實時檢測交易過程，獲取交易過程大數據，實現對大數據交易行為、過程、規則與狀態等的預測分析，產生決策優化策略，并根據決策信息對大數據交易實體進行評估、調整與優化，最終實現大數據交易過程的智能化管控。

圖4 大數據交易智能化管控過程

4.4 交易智能化管控機制的分析

交易仿真模型將大數據交易模擬仿真的分析結果傳遞給“智慧大腦”，“智慧大腦”接收到結果后會對整個過程進行評估，并將迭代、優化與更新后的交易仿真管控策略下達至大數據交易實體層，實體層據此完成真實的大數據交易過程。由此得出基于仿真模型的大數據交易智能化管控體系的運行機制（見圖5）。

圖5 智能化管控運行機制

可見，要實現對大數據交易的智能化管控，需從交易要素、行為、業務、邏輯、規則、過程等多個維度構建與大數據交易實體完全一致的虛擬仿真模型。實體仿真模型包括整個交易智能化管控體系所涉及的交易主客體、環境、平臺、數據、設備等交易資源的需求、特征、屬性、關系等；機制仿真模型包括整個數據交易過程中所涉及的數據拍賣機制、交易合約設計、多方交易機制、可問責協議設計、可驗證計算等交易機制的設計；資源仿真模型包括與之相關的人員（交易主客體）、數據、信息、平臺、環境、體系與能力等交易資源；規則仿真模型指整個數據交易的運行規律，包括交易資源之間的相互關聯關系、交易約束規則、交易業務邏輯與交易協同策略等。

虛擬傳感器能夠獲取到各種交易數據和協同驅動信號，如交易實體、交易機制、交易資源、交易能力、交易模型與交易結果等，對大數據交易各個環節進行有效的協同驅動，并由基于交易實體的實時大數據對整個交易過程進行實時仿真模擬。根據仿真模擬結果，及時制定交易任務生成、資源協調、質量評估、預測分析與決策優化等策略，實時反饋至大數據交易實體層，實時優化其交易執行策略，智能化調整交易執行方案。同時，通過對交易歷史大數據的處理分析支持交易質量評估、交易過程管控優化、數字版權管理、數據追溯與數據推薦等過程，為大數據交易的智能化管控與決策優化提供重要支持。

5 應用案例分析

數據交易是大數據產業鏈的重要組成部分［30］，目前，國內大數據交易理論與應用研究還處于起步階段，大數據交易市場及其衍生服務研究還處于不斷優化與探索中，尤其是關于交易管控模式的研究還不多見。

交易仿真模型策略可作為大數據交易智能化管控的有效方法。大數據交易在全周期管理過程中構建全要素、全業務、全流程的仿真模型，可極大地提升其智能化管理、服務與運行水平，實現交易過程管控決策的預測式、智能化與協作化，確保大數據交易體系安全、可信、高效運行。因此，為驗證前文提出的大數據交易智能化管控模型，筆者在已有大數據交易市場的運行機制、技術方法與服務模式的基礎上，融入計算機仿真、區塊鏈等理論與技術，構建了一個基于仿真模型的大數據交易智能化管控平臺的應用案例（見圖6），主要包括大數據交易平臺管控、交易仿真模型管控、交易過程管控三個方面。

圖6 大數據交易智能化管控應用

（1）大數據交易平臺管控。如圖6（a）所示，在理論模型上，提出通過構建一個交易平臺征信模型，為數據擁有者、數據消費者、大數據交易平臺及其監管機構提供一個征信監管與查詢體系；在技術實現上，全面整合大數據交易所需的計算、存儲、數據資源等，構建大數據交易區塊鏈體系，支持數據消費者、提供者、交易平臺及監管機構的業務管理與服務應用，為底層交易合約協議的制定、中層交易標準規范的制定及高層交易過程的監管提供規則與平臺支撐。在實現效果上，有助于推動大數據交易市場交易、監管與服務標準的制定，促進交易市場業務的標準化、規范化與智能化發展，為大數據交易市場構建安全可信、互聯互通的數據交易環境。

（2）大數據交易仿真模型管控。如圖6（b）所示，將區塊鏈技術與大數據交易理論進行有機融合，構建大數據資產登記模型、交易合約設計模型、數據交易認證模型、數據質量評估與定價模型、數據確權與溯源區塊鏈模型等，提供安全可信的大數據交易智能化管控環境。

（3）大數據交易過程管控。如圖6（c）所示，將區塊鏈與深度學習等技術融入交易過程管控，通過數據交易鏈、智能合約與智能化管控體系約束數據交易實體權限，全流程可驗證、可監管、可審計，通過交易代理API、SDK點對點接入，同時放大數據資源端、數據消費者與提供者規模，實現數據交易點對點非對稱數據加密交易，且數據經過確權與溯源上鏈，利用數據交易鏈的不可竄改性和溯源性，保障其安全可信，解決隱私保護問題。

6 總結

大數據戰略已進入世界各國的國家發展戰略層面，數據資源也已成為戰略性資源。當前大數據交易理論與應用研究還處在初級階段，將數據資源作為交易商品就意味著其符合市場經濟學規律［31］。本文通過對大數據交易模式、交易過程與交易應用等研究現狀進行分析，發現現有研究大多關注大數據交易的理論模式與交易技術方面，忽略了過程管控研究，尤其是針對其智能化管控方法研究相對較少。由此，提出一種基于仿真模型的大數據交易智能化管控方法，并對理論模型與技術方法進行了分析。研究發現，通過構建交易仿真模型，能實現對大數據交易全要素、全方位、全流程的實時雙向映射，對整個交易過程進行實時模擬仿真與預測分析，并根據仿真結果，智能化調整交易執行策略，實時優化大數據交易執行過程，從而為大數據交易的智能化管控與決策優化提供一定支持。當然，關于大數據交易智能化管控方法研究還處于起步階段，還有許多重要理論與技術問題亟待解決。