基于Repast平台的BI模型的分析与实现

申请免费试用、咨询电话：400-8352-114

随着社会的发展，市场竞争愈演愈烈，面对日益复杂的社会经济环境，客观、科学地进行商业行为的决策成为人们日益关注的焦点。为了智能地进行商业决策，区位模型理论得到迅猛发展。经济行为是行为主体在特定时间和空间中的决策行动，因此将空间因素纳入商业行为的决策，也越来越受到经济学家和地理学家的重视。企业在做出某些重大决策时，结合GIS空间分析的方法，考虑空间信息对决策结果的影响，能够为管理者和决策者提供较好的决策支持。

1 基于Agent建模平台——Repast

近年来，基于Agent建模（ABM）的方法在社会科学研究中逐渐受到重视，基于Agent的计算经济学、人工社会等方面的研究得到长足发展。Repast应用大致可以分成以下四类：理论研究、社会系统仿真、经济系统仿真、综合应用。Repast目前的版本具有GIS接口，可以直接构建具有实际空间属性的主体。

Repast仿真平台采用面向对象的程序设计与编程方法，实现过程中大量采用模板方法、抽象工厂等程序设计方法来提高软件编程框架的通用性，提高了仿真程序模块化的程度。一个完整的Repast仿真程序构成包含以下必选模块：

Model类： 该类是仿真程序的核心部分，该类的主要方法及每个方法的作用见表1。

Agent类：该类定义Agent的属性与行为，一个仿真程序内可能出现多种类型的Agent类，例如GisAgent、OpenMapAgent等，或者是由Agent派生的各种Agent类。

Action类：行为类是仿真调度器与Agent类之间的解耦，它主要描述Agent类的行为及行为所造成的影响。

数据源类：在仿真程序运行时，数据源对象记录、收集Agent对象所产生的数据并提供给分析、显示对象使用。即数据源类在仿真程序的分析、显示类与Agent类之间也起解耦作用。

本文实验所涉及到Agent类为OpenMapAgent类，数据源类为OpenMapData，可视化类为OpenMapDisplay类。

2 区位模型建立

本文尝试对霍特林战略区位模型进行拓展，将消费者选择偏好、收入水平及受教育程度这些因素纳入模型体系，根据消费者的素质水平进行商业网点的模拟选址。对模型进行必要的抽象和拓展。该模型涉及三类模拟对象：SiteAgent主体类、CustAgent主体类，环境要素层。

2.1 模拟对象的建立

SiteAgent主体类具有表2所示属性：

CustAgent主体类作为有主观能动的消费者具有如表3所示的属性：

CustAgent主体类的行为是在个体追求效用最大化的假设前提下进行定义的。CustAgent个体选择他要光顾的银行网点时该个体认为他的本次选择是最优的，采用动态随机效用模型进行定义。

环境要素层指各类主体赖以存在的自然环境和社会环境，包括土地利用类型层、土地价格层和交通通达度层等。本文主要考虑商业网点和消费者所处区域内的交通通达度。交通通达度体现了交通的方便程度，包括道路通达度、公交便捷度和对外交通通达度。模型中采用指数距离衰减函数表达位置的空间吸引力。

2.2 模拟机制

模型模拟运行流程如图1所示。

图1 模型运行机制

3 模型的实现

3.1 模型简化

模拟数据采用广州市某区银行网点分布图、道路交通图和人口调查分布数据。对这些数据的分析基础上模拟新增加银行网点的选址分布情况，便于实现有必要对模型进行简化。

简化方法是在进行原有银行网点（SiteAgent主体类）生成之前将网点进行聚合，并相应增加聚合后网点的影响因子以便其提高生命力值。利用聚合后的网点生成扩展Voronoi图，将生成的多边形与广州市某区人口分布图进行叠加分析，为每个区域进行人口属性赋值确定每个多边形内的CustAgent规模和收入层次。

根据对模型的分析和建模策略，本文采用Repast平台作为模型实现工具，采用Java语言开发。模型初始化后新增网点随机分布在研究区域内如图2（a）所示。当程序运行终止后新网点选址确定后结果如图2（b）所示。

（a）模型运行初始状态（b）模型运行结果状态

图2 模型模拟输出

3.2 结果分析

由模型运行结果可以看出原有银行网点多分布在商业发达和交通发达区域，因为在商业发达和交通发达区域客流量大，验证了商业网点的“扎堆”效应，如图2（a）所示。新网点（白色表示）模拟运行后多选择在交通通达度高的区域，如图2（b）中方框所示区域。有少量网点响应“扎堆”效应选择在网点密集区域，如图2（b）圆圈所示。还有少量网点选择在原有网点稀少区域如图2（b）左上角所示，在此区域无网点分布，新网点选址于此可以吸引此区域内更多的客户。

当模拟终止后各项指标如图3所示。

（a）新网点生命力值（b）所有网点生命力值

图3 网点生命力值

值得说明的是：本模型对确定数量的新网点选址的结果的每次输出不完全相同，图2（b）所示结果是多次运行结果的体现。当模型终止后，考察新网点的生命力值如图3（a）所示，不是每个新网点都能达到最大生命力值但是其生命力值超出给定阈值。考察图3（b），在模型开始运行时网点总生命力值有较大的抖动，说明在运行中有较多新网点死亡和重生，运行结束后网点总生命力值趋于稳定，当模拟终止时新生网点对网点总生命力值的贡献不是最大的，但是保证每个新网点都可以生存下来。

4 结 语

本文模型的实现结果定性地验证了商业网点选址的某些规律，也初步体现了空间地理信息在商业网点选址中的重要性。但是模型实现的结果不是最优的，寻求网点选址的最优结果是今后研究的重要方向。

为此后续的工作要做好以下几个方面：

1）寻找更合理的空间分析方法，确定更科学的商业网点吸引力模型。

2）结合经济理论对市场进一步细分，寻找影响消费者选择商业网点的因素，构建更加合理的网点生命力模型。

3）建立更加精准的模型，具有更强动态决策、预测的能力，提高模拟水平为商业选址提供优良的决策服务。（万方数据）