基于仿真模型的大数据交易智能化管控方法及其应用研究

张兴旺，肖佑林，李 洁，毕语馨（桂林理工大学旅游与风景园林学院）

1 引言

数据资源在全球经济运行中的重要性日趋凸显，世界各国均积极抢占数据竞争制高点，它正成为新型生产要素，对全球科技创新与经济社会发展产生着巨大影响。2019年10月，党的十九届四中全会首次将数据视为生产要素，与土地、资本等生产要素并列［1］；2020年4月，国务院明确提出要“加快培育数据要素市场”“加快推动数据共享交换”［2］。因此，破解数据自由交易、流通、共享与交换机制构建障碍［3］，构建科学可持续的大数据交易体系［4］，具有十分重要的学术价值与战略意义。

数据作为一种新型生产要素，无形性、自由流动性与可交易性是其重要特征。随着大数据、5G/6G、人工智能、区块链等信息技术的飞速发展，传统方法已难以满足数据要素市场的多元化数据交易共享需求，新一轮数据竞争与交易共享时代即将来临。

在已有研究中，学者们主要关注大数据交易模式、交易过程与交易应用研究等内容，研究重点主要集中在数据质量评估、数据定价、数据安全与隐私保护等方面，针对大数据交易管控过程的研究相对较少。鉴于此，本文提出一种基于仿真模型的大数据交易智能化管理模型，尝试解决大数据交易过程中的智能化管控、可信计算问题。

2 相关研究

数据资源的规模增长快、易复制、价值与权属难确定、价值密度低、渠道难管控等特征［5］，使其与土地、资本等传统生产要素具有实质上的差异，传统生产要素的交易与交换模式难以直接移植到大数据资源中。因此，构建大数据交易体系有助于推进数据要素市场的培育，破解数据资源自由流通的机制障碍［6］。

2.1 大数据交易模式研究

现有研究主要从理论层面对数据交易主客体、技术方法、内容与营利方式等进行阐述与分析。交易主客体主要涉及数据消费者（买家）、拥有者（卖家）与交易平台（第三方代理商）等［7］；准确可信的数据质量与价值评估［8］、数据定价与收益分配［9］、数据确权与安全保护［10］等是大数据交易生态体系健康、可持续发展的关键与难点问题；交易共享模型主要分为数据代理（DB）、P2P交易与虚实混合代理三种模式［11］；交易内容主要包括数据资源本身、数据访问接口与服务、数据分析结果与数据衍生物（如数据权属、权利许可、衍生商品化权等）四类［12］；交易营利模式主要分为平台（中介）、卖方、持有型、技术服务型四种模式［13］。

高效、可信的交易过程管控可为大数据交易共享提供重要支持。Liang J等认为，目前缺少针对数据交易市场三方模型的科学、系统、可信的保护机制［14］。茶洪旺等认为，大数据交易规则与标准缺乏、过程管理不规范等是当前中国大数据交易存在的几大问题［15］。何培育等认为，安全可信的过程管控是大数据交易与交换的重要保障［16］。

2.2 大数据交易过程研究

大数据交易过程主要分为交易前、交易中与交易后三个阶段，每个阶段都需要解决不同的技术问题。交易前需要解决数据采集、数据处理、数据存储、数据审计、数据质量评估、数据展示、数据定价（或议价）与数据估值等问题［17］。交易中需要解数据交易机制设计、交易合约设计、多方协作机制设计、权责协议设计、交易验证计算与交易权限管控等问题［18］。交易后需要解决数据溯源、数据确权与验证、数据收益分配、数据版权管理、信息反馈优化与数据推荐等问题［19］。

安全可信始终贯穿于大数据交易全生命周期管理过程，已有研究主要聚焦于大数据交易市场的安全保护机制研究。王卫等认为，数据交易与数据保护矛盾突出，以及过程管理缺乏是当前面临的几个主要问题［20］；Ahmed E等对DNA大数据交易中的数据伦理、安全隐私保护等问题进行了探讨［21］；Zhao Y Q等提出了一种基于机器学习的大数据交易隐私保护公平交易策略［22］；Oh H等针对物联网大数据交易市场中个人数据交易代理的安全保护问题进行了分析［23］；Qian JW等针对语音数据交易交换，提出了相应的隐私保护与可用性验证的数据交易方案［24］。

人工智能、区块链等技术被广泛应用于大数据交易过程管理中。Dai W Q等提出了一种基于区块链技术的数据交易生态系统，对其管控过程进行了分析［25］；Jiang Y N等提出了一种基于智能合约的工业物联网数据交易保护机制，将区块链技术融入数据安全与隐私保护机制中［26］。Tian L等利用契约理论设计了一种在线数据交易的最优化契约机制，对大数据交易合约设计进行了分析［27］；Cao X Y等提出了一种迭代拍卖机制对数据交易过程进行管理与分析［28］。

2.3 大数据交易应用研究

党的十八届五中全会提出“国家大数据战略”，大数据交易与数据要素市场培育是未来重要的发展领域。国内已有许多粗具规模的大数据交易平台与市场，如数据堂、京东万象、重庆、贵阳、东湖、上海与华中等大数据交易平台（所、中心或市场）等［29］。国外已有大型公司开展了大量大数据交易服务，如Infochimps、Fatual、Quadrant.io等通用型数据交易体系，Quandl、Benzinga等金融数据交易体系等。此外，基于人工智能、物联网与区块链等信息技术搭建的IOTA、Databroker、Terbine与Thinkspeak等物联感知数据交易体系也引起了政府、企业界与学术界的广泛关注。

综上所述，关于大数据交易的研究才刚刚展开，相关理论与技术问题研究还在不断探索中。现有研究主要集中在大数据交易的理论模型、交易与应用模式等方面，较多关注大数据交易的某个环节、技术或模式，较少全面考虑大数据交易的全过程管理，忽略了过程管控研究，尤其是智能化管控问题。

3 基于仿真模型的大数据交易智能化管控模型构建

构建大数据交易的计算机仿真模型能够实现数据交易过程与数字仿真模型之间的实时双向映射，获取交易过程中产生的历史与实时大数据，采用人工智能、模拟仿真方法提取过程大数据之间的高维关联特征，在安全可信、高效可靠的交易环境下，对整个交易过程、交易组织、交易数据、交易对象、交易状态与交易反馈等进行有效监测、预测与分析，使得整个大数据交易过程由被动式、机械化向预测式、智能化转变。

为实现大数据交易智能化管控目标，需在虚拟信息空间中构建一个与之完全对应的数字仿真模型，该模型需要实时双向映射交易过程的真实状况。为达到这一目标，需要解决以下3个问题：如何在虚拟信息空间中构建能实时映射大数据交易过程的数字仿真模型；如何实现仿真模型与交易过程之间的实时双向映射；如何利用历史与实时过程大数据实现大数据交易的自我决策、自我学习、智慧成长。

计算机仿真、深度学习、区块链技术能有效促进交易过程及仿真模型之间的深度融合与实时信息交互，是解决以上问题的有效方法，能为大数据交易智能化管控提供新的思路与方法。本研究基于计算机仿真、深度学习等技术，构建了大数据交易智能化管控模型（见图1），该模型主要由大数据交易实体、交易仿真模型、过程大数据与智能化管控体系4个部分组成。

图1 基于深度学习的大数据交易智能化管控模型

（1）大数据交易实体，主要包括大数据交易实体要素（含相关交易对象、平台、数据、服务、规则、业务、逻辑与过程等，以及人、机、物、辅助资源与交易环境等）与虚拟传感器（主要指交易要素间的智能物联传感体系）。其中，虚拟传感器主要用于实时、全面地采集大数据交易各个环节与各个阶段的交易行为、状态、交互与反馈数据。虚拟传感器采集到的交易实体关联数据和结果处理后的数据将通过数据交易映射机制（主要包括访问与服务接口）实时映射至数字仿真模型中。

（2）交易仿真模型，主要包括大数据交易对象、平台、数据、行为、业务、规则、逻辑、过程等实体要素，以及虚拟传感器的计算机数字仿真模型和多领域数据交易过程的参数数据模型。实体层中的交易实体要素通过交易映射机制传递至模型层中，生成大数据交易仿真模型与虚拟传感模型，该模型存在于整个大数据交易全生命周期管理过程中，可以实时、动态、完整地映射实体层中大数据交易过程的真实状况，并根据交易智能化管控体系对整个交易过程进行实时模拟仿真与预测分析。多领域数据交易过程的参数数据是交易执行的驱动力，也是进行过程管控的基础，它通过交易仿真模型进行数据融合，融合后的数据交易信息用于驱动交易过程的执行与管控。同时，它也是智能化管控体系中的人工神经网络训练的数据源，为智能化管控体系进行预测式管控、在线数据交易问题诊断、交易资源协调优化与交易过程协同驱动等提供数据支持。

（3）交易过程大数据，是大数据交易实体与交易仿真模型在交易过程中产生的数据资源的集合，主要包括交易要素、交易活动、交易行为与交易过程等历史与实时数据。具体来看，其主要包括用于支持大数据交易过程精准执行、全面监管与资源协调的实时数据，用于支持大数据交易过程管理服务、运行维护、决策分析与统计分析的历史数据，大数据交易的业务逻辑、运行机制、交易资源协调配置与交易过程信息交互的接口定义、交易协议与交易机制数据等。通过交易过程大数据的融合与继承，来打通全流程数据交易链，为大数据交易提供数据驱动力与数据基础。

（4）交易智能化管控体系。智能化管控层是大数据交易的“智慧大脑”，是大数据交易智能化管控模型实现自我学习、智慧成长、自我决策的重要依托，其关键技术是计算机模型仿真、深度学习与区块链等技术。在具体实现过程中，首先采用交易过程中产生的过程大数据进行人工神经网络训练，再利用虚拟传感器采集交易过程实时数据，使用已训练好的人工神经网络对实体层中的大数据交易行为、过程、状态、性能与效果等进行智能监测与预测分析，预测交易过程中可能出现的问题，从而为大数据交易全生命周期管理、智能化管控提供有力技术保障与平台支撑。

总体来说，基于仿真模型的大数据交易智能化管控模型以交易智能化管控体系为核心，实现整个数据交易实体、模型、过程、要素与规则的智能化管控。同时，通过向下拓展至交易主客体的虚拟传感器与智能物联传感体系，实现对整个交易过程、状况与行为数据的采集与管控；向上拓展至大数据交易“智慧大脑”，通过对实时数据、历史数据和服务数据等过程大数据的预测分析，支撑整个大数据交易体系的运行优化。

4 大数据交易智能化管控实现过程

如图1所示，大数据交易智能化管控模型采用“交易实体-仿真模型-智慧大脑”三层管控模式实现对大数据交易实体、交易仿真模型与交易平台的智能化管控。与传统大数据交易管控方式相比，本文在大数据交易实体基础上构建了交易仿真模型，借鉴计算机仿真、深度学习、区块链等理论体系与技术方法，构建大数据交易的“感知-仿真-分析-执行-决策-优化”交易全过程数据闭环，使得大数据交易过程管控更加智能化和公开化，实现相关交易资源的优化协调。

4.1 交易虚拟传感器的确定

为了实现大数据交易实体、交易仿真模型与交易过程大数据的深度融合，首先需要设置数据交易虚拟场，确定数据交易虚拟传感器的设置与功能，从而明确虚拟传感器需要采集的数据。大数据交易流程主要分为交易前、交易中与交易后等环节，交易过程虚拟场主要涉及数据交易的实体场、模型场、规则场、行为场、数据场、过程场等场域，这些虚拟场域彼此之间是深度融合、虚实交互、协同驱动与相互作用的，分别用于采集、获取、处理与分析不同交易对象、平台、数据、服务、规则、业务、逻辑与过程数据。

为了更好地体现大数据交易体系的真实状况，本研究设置虚拟传感器对整个交易流程进行智能化实时监测（见图2）。

图2 大数据交易所涉及的虚拟场及相关虚拟传感器设置

4.2 交易仿真模型的构建

大数据交易仿真模型应该实现交易实体、交易要素、交易行为、交易业务、交易逻辑、交易规则、交易过程等的实时双向映射。一方面，是大数据交易实体在虚拟信息空间中的全面映射；另一方面，可以根据预测结果对大数据交易实体、活动、过程等进行优化控制。

首先，构建大数据交易的计算机仿真模型，该仿真模型包括每笔数据交易每个阶段的要素、行为、业务、规则与逻辑等。其次，通过不同仿真模型融合由不同虚拟传感器采集到的交易过程大数据，将融合后的数据作为交易仿真模型的交易行为、活动等的主要驱动力，该行为主要包括大数据交易过程中针对数据交易需求分析、交易数据采集与处理、交易协议设计与执行、数据估值与定价、数据确权与溯源等业务行为的不同仿真反应。最后，由交易过程大数据驱动的交易仿真模型与交易要素、业务逻辑、约束规则、预测策略、决策规则等进行有效关联，共同形成大数据交易的数字仿真模型（见图3）。

图3 大数据交易仿真模型

4.3 交易智能化管控体系的构建

人工智能、区块链与计算机仿真等信息技术的理论与应用研究逐渐成为大数据交易领域的重要研究方向。人工智能技术能有效预测、评估、解决大数据交易过程中存在的各种问题，尤其是在交易过程的智能化管控方面，其中卷积、循环神经网络是使用较多的人工智能技术。通过这些技术可以实现对数据采集、数据处理、数据质量评估、数据估值、数据定价、数据确权、数据溯源、数据推荐等的实时预测分析、实时感知与决策优化，从而实现大数据交易管控从被动式、干预式管控模式向预测式、智能式管控模式的转变。

大数据交易智能化管控采用大数据交易过程中产生的交易历史大数据来训练人工神经网络，多领域大数据交易过程中的交易数据在训练过程中不断地交互融合与迭代优化（见图4）。通过大数据交易的虚拟传感器和交易仿真模型实时检测交易过程，获取交易过程大数据，实现对大数据交易行为、过程、规则与状态等的预测分析，产生决策优化策略，并根据决策信息对大数据交易实体进行评估、调整与优化，最终实现大数据交易过程的智能化管控。

图4 大数据交易智能化管控过程

4.4 交易智能化管控机制的分析

交易仿真模型将大数据交易模拟仿真的分析结果传递给“智慧大脑”，“智慧大脑”接收到结果后会对整个过程进行评估，并将迭代、优化与更新后的交易仿真管控策略下达至大数据交易实体层，实体层据此完成真实的大数据交易过程。由此得出基于仿真模型的大数据交易智能化管控体系的运行机制（见图5）。

图5 智能化管控运行机制

可见，要实现对大数据交易的智能化管控，需从交易要素、行为、业务、逻辑、规则、过程等多个维度构建与大数据交易实体完全一致的虚拟仿真模型。实体仿真模型包括整个交易智能化管控体系所涉及的交易主客体、环境、平台、数据、设备等交易资源的需求、特征、属性、关系等；机制仿真模型包括整个数据交易过程中所涉及的数据拍卖机制、交易合约设计、多方交易机制、可问责协议设计、可验证计算等交易机制的设计；资源仿真模型包括与之相关的人员（交易主客体）、数据、信息、平台、环境、体系与能力等交易资源；规则仿真模型指整个数据交易的运行规律，包括交易资源之间的相互关联关系、交易约束规则、交易业务逻辑与交易协同策略等。

虚拟传感器能够获取到各种交易数据和协同驱动信号，如交易实体、交易机制、交易资源、交易能力、交易模型与交易结果等，对大数据交易各个环节进行有效的协同驱动，并由基于交易实体的实时大数据对整个交易过程进行实时仿真模拟。根据仿真模拟结果，及时制定交易任务生成、资源协调、质量评估、预测分析与决策优化等策略，实时反馈至大数据交易实体层，实时优化其交易执行策略，智能化调整交易执行方案。同时，通过对交易历史大数据的处理分析支持交易质量评估、交易过程管控优化、数字版权管理、数据追溯与数据推荐等过程，为大数据交易的智能化管控与决策优化提供重要支持。

5 应用案例分析

数据交易是大数据产业链的重要组成部分［30］，目前，国内大数据交易理论与应用研究还处于起步阶段，大数据交易市场及其衍生服务研究还处于不断优化与探索中，尤其是关于交易管控模式的研究还不多见。

交易仿真模型策略可作为大数据交易智能化管控的有效方法。大数据交易在全周期管理过程中构建全要素、全业务、全流程的仿真模型，可极大地提升其智能化管理、服务与运行水平，实现交易过程管控决策的预测式、智能化与协作化，确保大数据交易体系安全、可信、高效运行。因此，为验证前文提出的大数据交易智能化管控模型，笔者在已有大数据交易市场的运行机制、技术方法与服务模式的基础上，融入计算机仿真、区块链等理论与技术，构建了一个基于仿真模型的大数据交易智能化管控平台的应用案例（见图6），主要包括大数据交易平台管控、交易仿真模型管控、交易过程管控三个方面。

图6 大数据交易智能化管控应用

（1）大数据交易平台管控。如图6（a）所示，在理论模型上，提出通过构建一个交易平台征信模型，为数据拥有者、数据消费者、大数据交易平台及其监管机构提供一个征信监管与查询体系；在技术实现上，全面整合大数据交易所需的计算、存储、数据资源等，构建大数据交易区块链体系，支持数据消费者、提供者、交易平台及监管机构的业务管理与服务应用，为底层交易合约协议的制定、中层交易标准规范的制定及高层交易过程的监管提供规则与平台支撑。在实现效果上，有助于推动大数据交易市场交易、监管与服务标准的制定，促进交易市场业务的标准化、规范化与智能化发展，为大数据交易市场构建安全可信、互联互通的数据交易环境。

（2）大数据交易仿真模型管控。如图6（b）所示，将区块链技术与大数据交易理论进行有机融合，构建大数据资产登记模型、交易合约设计模型、数据交易认证模型、数据质量评估与定价模型、数据确权与溯源区块链模型等，提供安全可信的大数据交易智能化管控环境。

（3）大数据交易过程管控。如图6（c）所示，将区块链与深度学习等技术融入交易过程管控，通过数据交易链、智能合约与智能化管控体系约束数据交易实体权限，全流程可验证、可监管、可审计，通过交易代理API、SDK点对点接入，同时放大数据资源端、数据消费者与提供者规模，实现数据交易点对点非对称数据加密交易，且数据经过确权与溯源上链，利用数据交易链的不可窜改性和溯源性，保障其安全可信，解决隐私保护问题。

6 总结

大数据战略已进入世界各国的国家发展战略层面，数据资源也已成为战略性资源。当前大数据交易理论与应用研究还处在初级阶段，将数据资源作为交易商品就意味着其符合市场经济学规律［31］。本文通过对大数据交易模式、交易过程与交易应用等研究现状进行分析，发现现有研究大多关注大数据交易的理论模式与交易技术方面，忽略了过程管控研究，尤其是针对其智能化管控方法研究相对较少。由此，提出一种基于仿真模型的大数据交易智能化管控方法，并对理论模型与技术方法进行了分析。研究发现，通过构建交易仿真模型，能实现对大数据交易全要素、全方位、全流程的实时双向映射，对整个交易过程进行实时模拟仿真与预测分析，并根据仿真结果，智能化调整交易执行策略，实时优化大数据交易执行过程，从而为大数据交易的智能化管控与决策优化提供一定支持。当然，关于大数据交易智能化管控方法研究还处于起步阶段，还有许多重要理论与技术问题亟待解决。