网络分析范文

导语：如何才能写好一篇网络分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

【关键词】社会网络；房地产企业；网络中心性

中国经济多年的持续稳定增长，使得我国综合国力不断强大，房地产行业也持续发展。我国的地产大户主要有万科、恒大地产、保利地产等等，这些地产公司之间也存在着相互竞争、制约和相互促进等错综复杂的关系。社会网络分析可以实现对企业之间的关系结构以及由此结构衍生出来的属性进行分析。社会网络分析方法一起可视化的形式而备受青睐，以网络结构图的形式分析数据、发现隐含在抽象数据背后的规律，从而辅助决策[1]。本文利用网络关键词的搜索，构建位于财富500强企业中的28家房地产企业之间的社会网络关系，分析企业之间的竞争格局。

1样本选择和数据采集

在样本选择方面，根据“财富”网站上的“2015年财富中国500强排行榜”，本文对中国500强企业中房地产及其相关行业的企业进行了整理，找出其中28家房地产及其相关企业作为研究样本。在数据采集中，本文以百度引擎为媒介采集一家企业在其网站中提及另一家企业的网页数量，作为该企业与其他企业是否有联系的重要指标。由于本文选取的研究对象都为国内企业，百度搜索引擎对中文搜索支持的很强大，对语言的适配能力强，因此选用百度中的数据进行采集。提及频次数据的采集时间为2016年6月20日。

2数据预处理

数据收集结果是使28×28的一个二维非对称阵，其中每一个数值代表该行企业网站提及该列企业网站的网页数量，即频次。为了能够使用Gephi软件绘制出28家房地产企业的社会网络图，本文将每个企业的提及频数做归一化处理，如万科的网站中，保利地产、华润置地、金地集团、招商地产、远洋地产和绿城中国的提及频数分别为2、3、1、2、2和2，归一化处理后每个企业的值分别为0.167、0.25、0.082、0.167、0.167和0.167。

3社会网络构建

在网络链接分析中，通常用入链和出链作为社会网络构建的重要指标，入链指该企业网站被链接的综述，出链指该企业网站链接其他企业网站分别的数量。但是在实际问题中，入链和出链很难过去，所以本文近似的选择某企业网站中提及另一家企业网站名称的数量来代表两家企业之间的关联性，即在上文中收集到的二维矩阵中的数值[2]。企业提及频次是企业之间业务往来，相互关注以及合作、竞争关系的抽象代表。本文利用社会网络分析软件Gephi对房地产企业的相互关注程度进行分析，如图1所示。

4房地产社会网络分析

在该社会网络中网络中心度排名前3的企业是保利地产、金地集团和碧桂园，排名倒数前3的是首创置业、杭州滨江房产以及时代地产。通过房地产企业社会网络以及中心度度量可以发现，保利地产处于网络的中心地位，与其他企业的链接最多，接下来是金地集团和碧桂园。网络中心度越高，代表其网站与其他网站交流程度越高，交流越多可以反映出两家企业之间具有密切的关系，至于关系是竞争还是合作并不好判断。而首创置业、杭州滨江房地产和时代地产，几乎与其他房地产企业之间没有网站链接，说明交流较少，开放性不强。

参考文献

[1]赵蓉英，王静.社会网络分析（SNA）研究热点与前沿的可视化分析[J].图书情报知识，2011，01：88~94.

篇2

分析方法：

1、节点电压法：以网络中每个节点对某一参考节点间的电压作待求量；

2、回路电流法：以每个独立回路中流动的假想电流为待求量；

3、端口分析法：把该网络作为多端网络来处理，最常见的是双口网络；

4、定导纳矩阵法：以网络外接端子对网络外部某参考点的电压为待求量；

5、拓扑分析法：一类是把电网络中各电流电压等物理量之间的关系用线图表示出来，再按线图的简化规则或公式求出网络函数，另一类是根据电网络的线图和网络中元件参数，通过计算其各种树的树支导纳乘积来求得网络函数；

篇3

【关键词】新手班主任;座位安排;社会网络分析

【中图分类号】G420【文献标识码】A 【论文编号】1009―8097(2010)04―0028―05

一 序言

班主任工作是一项需要爱心、慧心和恒心的工作,更是一项需要科学指导的工作。一名优秀的班主任,应具备迅速、准确且全面了解学生的能力。面对活蹦乱跳而又淘气可人的学生,新手教师在有序管理班级、营造良好的学习环境、开展教学活动上该如何着手呢?彭兴奎[1]在《优秀班主任的九个好习惯》一文中提到“取长补短,互相协调”(一群相互依赖、互有渴求的学生组合在一起去完成具体目标时,工作效率最高)和“学会倾听,勤于观察”(班主任要能倾听学生家长和同事的意见,切实把握学生的思想脉搏)。

座位是每位学生和家长特别关心的事。对于班主任而言,安排座位是件费心的事,更是项智慧的实践,对新手班主任而言更是项挑战,是新手班主任的必修课。根据一些专家班主任的多年实践经验总结,安排好学生的座位,需三个步骤:第一,安排座位前,要详细调查、了解班内各种情况。第二,座位安排时,要全面、慎重考虑各种因素。第三,座位安排后,要根据随时出现的特殊情况及时调换座位[2]。本文从社会网络的角度探索班级学生间的整体网络结构,通过个案研究展开对班级学生间的调查了解,为班级学生的座位安排做好第一步,也是首要步骤。

二 社会网络分析方法

社会网络分析方法是一种研究社会结构、组织系统、人际关系、团体互动的概念与方法,能够用于测量行动者个体及他们所处社会网络成员之间的错综复杂的关系和连结[3],对群组成员之间的通讯模式等进行可视化建模[4]。通过对行动者间的情况分析,得出行动者之间的社会网络信息,了解行动者的社会网络特征。社会网络分析方法的有效性在于:能够带领我们“透视”社会网络中行动者之间的互动――能够定义并清晰地说明它们,看到它们创建的相互连接的图式,以及达到理解这些图式的意义[5]。社会网络分析被视为研究社会结构的最简单明朗、最具有说服力的研究视角之一[6]。

三 研究设计与实施

本案例研究的目的是让新手班主任详细调查和了解班内学生的各种情况。研究聚焦于新手班主任在安排学生座位问题时,对班级学生间的人际交往、知识交流与共享、信息流通、学习协作等的了解。本研究运用社会网络分析法测量班级成员个体及他们所处的班级网络关系和连结,可视化的交流模式,得出班级成员间的班级网络信息。研究对象为江苏省无锡市某高中201班的40名学生。由于该班级是高一直升高二的,所以班级成员不变,只是换了一名新的班主任。

对于整体网络结构而言,节点代表的分析单位不同,其间的连带也不相同,而且这些连带不是一维的,班级成员之间的连接可以是多维的,比如同学A是同学B的孪生兄弟,那么A和B间的连接可以是同学关系、也可以是兄弟关系、更可以是学习上的竞争关系。魁克哈特[7]将个人在组织中间的社会网络分为以下四种:情感网络、信任网络、咨询网络和情报网络。以魁克哈特的四种网络为指导,结合本文的研究对象和研究目的,笔者预先设计好了一份问卷,作为帮助新手班主任详细调查和了解班内各种情况的依据,以使座位安排符合学生的实际需要。在本文的解释案例中,问卷题目如表1所示:

首先,新手班主任在新学期接手该班级时,让班上部分同学先做此问卷,然后根据调查结果适当的修改问卷,接着在第一次班会活动课上让所有学生填写问卷。调查问卷中除了学生的个人信息状况,例如姓名、性别等以外,主要是4道与学生间的班级网络信息相关的问题。所有学生均返回了有效问卷,该问卷得到的数据作为本研究分析的根据。

表1 了解班内成员间关系的问卷

(1)如果功课遇到困难,你经常跟班上哪些同学讨论(咨询关系)

(2)你通常会与班上哪些人分享班级八卦消息(情报关系)

(3)你有班上哪些同学的电话(包括家里的)(信任关系)

(4)如果你有烦心事,你会向谁吐露苦水(情感关系)

然后,将原始记录表导入社会网络分析软件Ucinet6.1得出数据矩阵表。

四 数据分析与处理

社会网络分析是一种通过收集社会网络数据,描绘班级内学生间的信息沟通、知识传播、学习交流以及情感情报的关系网络。

在网络分析中,如果分析的节点较多,人们一般会利用矩阵的方法来表示社会关系网络,其中最常见的矩阵是邻接矩阵。邻接矩阵中的各元素可以表示两个节点间是否连接以及相互间联系的强度,其中行代表某种关系的发送者,列代表某种关系的接收者。出于对保护个人隐私的考虑,我们用数字1、2、3......40表示不同的学生。咨询关系是学生间在知识交流与共享中最重要的关系,因此我们选取咨询网络所形成的矩阵如表2所示,相应的社群图见图1。

对于表2所形成的矩阵,X12=l表示成员1对成员2进行过学习讨论(1是横坐标,2是纵坐标),在图1中则表示,节点1连接一根有向线至节点2;X13=0表示成员1没有对成员3进行过学习讨论,那么在图1中可看出节点1与节点3之间则没有连接。从图1亦可看出,学生5、30、22、23、36的点入度极高,即班上很多同学愿意咨询他们学习或生活上的问题,由此可看出这5位同学知识丰富,也比较乐于帮助其它同学。而学生9和17的点入度和点出度都极低,说明这两位同学处于班级的边缘地带,他们俩既不是很主动请教别人问题,同时也很少有同学向他们请教。新手班主任通过对该矩阵图和社群图的分析,能够清晰的看清每位学生的请教对象和被哪些同学请教,从而采取一定的措施。我们依据安排座位时的优差组合法[8],将学习积极性较弱的同学座位尽量安排在学习主动性较好的同学的附近,将容易传播、共享知识的同学与一些处于边缘的学生尽量安排在一起。同上述方法所述,新手班主任可将获得情感、情报和信任网络的矩阵和社群图作为学生座位安排的一个参考量。

1 网络整体结构分析

通过对整体网络结构的分析,可以了解其整体特性结构是否适合知识的共享及传播。而看一个整体网络结构如何,应该从网络的密度入手,密度是一个图中各个节点之间连接的紧密程度,即每个个体间的联系的紧密程度。通过对网络密度的分析,可以了解其组织结构的知识共享或情感交流情况。固定规模组织的成员之间联系越多,网络的密度就越大。一般来说,关系紧密的团体合作行为较多,信息流通较易,情感支持也会较好;而关系十分疏远的团体,则常有信息不通、情感支持太少、学习满意度低等问题[9]。

所以密度是一项重要变量,密度计算公式是=2L/g(g-1)(L=图中线的数目;g=图中节点的数目),计算得出该班级的四个矩阵密度,结果如表3所示:

由表3可知四个矩阵密度均在0.15以上,参考其它的一些研究[10],可以认为该班级学生间的互动较多,该班级比较团结。咨询网络和信任网络形成矩阵的平均密度均在为0.2以上,说明该班学生间的信任度很高,沟通与互动也较多,只有少数几个边缘型学生,没有产生独立的小团体。而情报网络与情感网络形成矩阵的密度相对较低,分别为0.1642和0.1604,说明学生间的情报消息和情感互动相对较少,同学们还不愿把心里的秘密或者认为最重要的事情与他人分享。人们普遍认为信任网络是另一种情感关系,但也有特殊性即咨询网络和信任网络重叠的情况更严重,该班级就是一个很好的范例。依据安排座位时的性格组合法及开小灶的方法[11],新手班主任将学习上积极的和平时关系较好的同学的座位拉近点,更利于这类同学的交流,促进学习进步。将那些喜欢传播班级小道消息的同学分散开来,以使这些与学习无关的消息不易传播开来,从而给全班同学营造良好的学习环境。

2 中心性分析

中心性是社会网络分析的重点之一,评价一个人重要与否,衡量一个人的地位优越性或特权性,以及在群体中的社会声望等常用这个指标[12]。其中网络中心性中的程度中心性和中介性使用最广泛。程度中心性常用来衡量谁在一个团体中成为最主要的中心人物。中介性测量的是行动者对资源控制的程度,表示一个点在多大程度上位于网络中其他点的“中间”,占据这样的位置越多,就越代表他具有很高的中介性,越多的人联络时就必须要透过他而与他人联系。

上述四个矩阵都可进行中心性分析,从情感交流方面看,情感网络所形成的矩阵最能反映交流过程中谁处于核心地位。为此,我们对情感矩阵进行程度中心性分析,结果如图2所示。

由于情感网络形成的矩阵是一个非对称矩阵,程度中心性和标准化的程度中心性都有两个值,内向程度中心性表示连入值,即有多少其他学生愿意向该同学吐露心声;外向程度中心性表示连出值,即该学生愿意向其它哪些同学吐露心声。例如:学生23愿意向其他17个同学谈心事,有十二个同学愿意与他谈心事,标准化的内向程度中心性为30.769,标准化的外向程度中心性为43.590。学生4、22、33、36和38具有较高的内向程度中心性和外向程度中心性。这些学生在班级中既愿意向他人谈心事,他人也愿意向他们敞开心扉。而学生3、5、8、9、14、18等学生具有较高的内向程度中心性,但是外向程度中心性则相对较小。说明他人常向这些同学吐露心事,而这些同学很少主动对其他同学谈心事。还有一类学生如10、13、29、36具有较高的外向程度中心性,而内向程度中心性较低,表示这类学生愿意与班级中其他同学进行情感交流,但其他同学却较少与他们进行情感交流。最后一类内向程度中心性和外向程度中心性均较低,虽然该类学生属于学习团体的人物,但在该班级中却占了大多数。群体的程度中心性指标同样也有两个,群体外向程度中心性为28.271%,群体内向程度中心性为25.641%。虽然这两个值反映出该班级比较团结,但其中还存在着一些问题,如班级中缺少一些与许多学生都联系紧密的核心成员,另一方面有许多同学跟其他同学的情感交流极少。新手班主任不仅要关注学生的学习,还要关心同学们的心理健康,应鼓励学生们多多进行情感方面的交流,加强学生间的友谊。在安排座位时,班主任就要考虑这样一个问题:是不是将不喜欢与他人交流的学生与班级活跃分子座位靠近点,这样既能够带动内向学生的情感交流,同时又避免了活跃分子与活跃分子座位挨着一起的“超活跃”现象。

本文的案例中,该班级打破人们普遍认为的信任网络是另外一种情感网络的关系,展示了咨询网络和信任网络重叠的情况。说明某同学只有在信任另外一个同学的基础上,才会向这个同学咨询问题,或者他向这个同学咨询问题,说明他对这个同学更加信任。虽然咨询网络能反映网络中的信息传播途径,但是情报网络更适合进行中介性分析。整个网络的中介性是12.6%,某些学生处于信息的中介位置,控制着信息的流动。节点11、7、18、8、33、38、6、30、32、22、4、6、5、24、35、16、23、1、17等标准化中介性值均在1以上,其中11的标准化中介值最高为15.499。由图3可见,学生11、7、8和18在班级中扮演信息传播中介者的角色。与此相反的是,一共有7位学生的中介性为零,表示其所处位置无法快速有效的得到班级最新消息。

通过情报矩阵各节点的中介值的测量,让新手班主任更加清晰明了的看到了班级同学中,哪些是消息的中心人物,在班级中传播信息,为班主任以后的班级管理提供了参考。同时从另一个侧面看到了班级同学的各自特点,并且清晰地洞察了班级的整体概况。

五 总结

本研究是将社会网络分析应用于班级管理的探索性尝试,其研究结果只适用于与本案例相近的环境(如班主任为新手,同学间有一定的熟悉以及年级等因素),更多的推论将会失之于大胆。但是,我们利用社会网络分析也清晰地描绘了该班级学生的网络结构和班级的整体情况。而且,通过社会网络分析得到的一些数据,为新手班主任在学生座位的安排上提供了一定的参考依据,更好地管理班级。虽然利用社会网络分析研究班级管理的技术不是很成熟,但是本研究还是试图对上述数据作了一定的解释。本文的研究过程也存在着一些不足,除了班级中的咨询网络、信任网络、情感网络和情报网络可以给新手班主任提供参考外,新手班主任在管理班级中的座位安排时还应该考虑其他的因素,如学生的高矮个头、近视等等情况。

参考文献

[1] 彭兴奎.优秀班主任的九个好习惯[J].课程教材教学研究(教育研究版),2008,(4):3.

[2][8][11] 王科雄,张巧红.座位安排三步曲[J].辅导员,2006,(7-8):83.

[3] Wellman, B.Structural analysis: From method and metaphor to theory and substance[A]. B. Wellman&S. D. Berkowitz. Social Structures: A Network Approach[C]. Greenwich, CT:JAI Press,1997:19-61.

[4] Monge, P.R., & Contractor, N.S. . Emergence of communication networks[A]. F.M. Jablin & L.L. Putnam.New Handbook of Organizational Communication [C]. Newbury Park, CA: Sage,2001:440-502.

[5] Haythornthwaite, C.. Social Network Methods and Measures for Examining E-learning[DB/OL].

[6] 张存刚,李明,陆得梅.社会网络分析―一种重要的社会学研究方法[J].甘肃社会科学,2004,(2):109-111.

篇4

自1983年Bateman和Organ正式提出组织公民行为（OrganizationalCitizenshipBehavior，OCB）概念以来，许多中外学者对其进行了多方面研究：如，从组织公民行为的因子方面，有二维结构、三维结构、四维结构、五维结构、七维结构、九维结构、十维结构等；从组织公民行为的前因变量来看，影响组织公民行为的因素主要有工作满意感、公平知觉、组织承诺感等态度变量和动机等心理变量、领导行为变量和组织特征变量等；从结果变量来看，主要集中在组织公民行为对组织绩效的影响及对管理绩效评价的影响。而最近几年来，对组织公民行为的研究又出现了很多新的发展趋势，比较突出地是突破传统的个体属性变量研究，扩展到结构变量研究，即从社会资本和社会网络分析等观点和方法来实证分析和检验组织公民行为的前因变量和结果变量。从社会资本和社会网络角度分析组织公民行为主要关注的是人际公民行为（InterpersonalCitizen-shipBehavior，ICB），主要考察社会网络位置（如网络中心性、中介性、网络规模等）对组织公民行为的影响。这个视角的发展得益于社会资本和社会网络的跨学科研究。社会资本和社会网络本来是社会学和人类学学者提出的概念，因其研究方法的独特性，越来越受到除社会学以外的经济学、心理学、管理学、组织行为学等学者的青睐。社会资本是关于结构与行动的理论，可以为组织及其成员带来各种优势。社会资本植根于社会网络之中。在企业组织中，主要有三种网络：一种是友谊网络，一种是信息网络，一种是咨询网络。另外，还有一种是信任关系。按照抽样方式不同，对社会网络的分析方法主要有自我中心社会网络和整体社会网络。自我中心社会网络可以采用随机抽样，整体社会网络必须采取一个封闭的整体，这个整体可以是一个组织，也可以是一个组织中的几个部门，主要特点是其所分析的最小单位是整体，必须整体中的所有成员都参与进来。

二、研究假设与研究方法

1.研究假设。目前已有一些学者采用社会网络分析方法对组织公民行为进行了实证分析。Bowler和Brass（2006）发现社会网络关系对组织公民行为的行为者和接受者的影响。Settoon和Mossholder（2002）发现友谊网络中心性对组织内人际公民行为有正向影响。朱庆忠（2003）在其硕士论文中发现，组织内部经常在工作上被他人请或求助的员工，以及在私人情感方面经常被他人依赖的员工，会展现出较多的组织公民行为。Lai，Liu和Shaffer（2003）在中国香港、台湾、上海样本中研究了社会网络特征以及社会网络中的关系规范对人际公民行为的影响。同时，Bolino和Turnley（2002）分析了组织公民行为的指标、社会资本的维度以及组织绩效的关系，提出组织公民行为有可能在结构因子、关系因子和认知因子上增加组织的社会资本。社会网络学者认为个体可通过网络关系获得及运用各种资源，而这些资源即所谓的社会资本，其镶嵌于社会网络之中，并由员工的社会网络位置决定。个人的网络中心性愈高，所建立的关系连带愈多，其所拥有的社会资本也愈多。多数的研究发现，位于网络中心者或连结许多强连带者，通常能获取较丰富的信息与资源，对他人有较强的影响力与控制力、较能提升他人对自己的依赖。个人拥有的社会资本愈多，则所获得的相关信息、资源、情感支持、情绪支持、协助和帮助也愈多。行动者投资越多的个体资源，则拥有的社会资本也愈多。据此，本研究提出命题（1）：个体社会资本（IndividualSocialCapital，ISC）在个体网络中心性（IndividualNetworksCentrality，INC）和组织公民行为（OCB）之间具中介作用（INC-ISC-OCB）。本研究的另一个基本假设是个体心理变量对组织公民行为具有显著的预测作用，在这个基础上试图发现独立于个体动机之外的其他类型的预测变量(如结构)对组织公民行为的预测作用和中介作用，从而探讨社会情境互动中的组织公民行为成因模式。据此，本研究提出命题（2）：个体社会资本（ISC）对个体动机（IndividualMotives，IMs）和组织公民行为（OCB）具有中介效应（IMs-ISC-OC）。2.研究方法。本研究主要以个体社会资本为中介变量，采用整体社会网络分析法建立组织公民行为的结构方程中介模型。社会网络分析是社会科学中的一种独特视角，包括自我中心社会网络和整体社会网络两类。二者分析的重点不同，关注的的关系也不同。自我中心社会网络关注的是个体行动者的一些关系特征，如关系的密度、同质性等，而不是作为一个整体的网络。这种研究可以随机抽样。而整体社会网络是分析具有整体意义的关系的各种特征，如互惠性、关系的传递性等。这种研究必须整群抽样。本研究采用的是整体社会网络。根据测量关系的层次和分析单位的不同，整体社会网络因分析分析单位的不同，又可以分为个体层次分析、网络层次分析、对偶层次分析和三方关系分析等。本研究采用的是个体层次分析。个体层次是对“点”的属性数据分析，其分析单位是“点”，即行动者个体，其数据为属性数据，及由关系数据转换而成的属性数据。本研究的变量主要有：个体社会资本、个体网络中心性、个体动机、组织公民行为。其量表来源为：个体社会资本量表是由Seibert等（2001）所编制，其中文部分是由方钰如（2001）所翻译修改而成，共有11个项目（原13个项目），每个项目使用利克特7点计分法来显示被试者的符合程度，其得分越高，表示员工所获得的个体社会资本越多。组织公民行为的量表采用Farh等（2004）的组织公民行为量表，原量表共26个项目（原32个项目），分个人层面、群体层面、组织层面，每个项目使用利克特7点计分法来显示被试者的符合程度。个体动机量表采用Rioux和Penner（2001）开发的15个项目的组织公民行为动机量表（原30个项目）。每个项目使用利克特7点计分法来显示被试者的符合程度。组织内部网络问卷题目参考Krack-hardt和Hanson（1993）研究组织内部友谊网络、咨询网络的题目，采用提名生成法编写而成。本研究通过多阶段整群抽样，在1667家企业中获得16家企业，其中有4家企业不愿配合，实际参与调查的共12家企业，发放问卷620份，回收14家企业共485份问卷，回收率78.2%。鉴于整体社会网络研究问卷的特殊性，若一个企业的问卷回收率或有效率低于80%，则确定为整体无效问卷。在所调查的12家企业中，最后确定整体有效问卷11家企业，其他1家企业属整体无效。有效问卷为470份，有效率75.8%。

三、中介效应分析与检验

本研究采用SPSS15.0统计软件、AMOS7.0结构方程模型软件、UCINET6.3社会网络分析软件进行数据分析。1.INC-ISC-OCB中介效应分析。在AMOS7.0上运行结果显示：个体网络中心性对个体社会资本的影响在p<0.05水平上达到显著，相关系数为-0.122；个体社会资本对组织公民行为的影响在p<0.001水平上达到显著，相关系数为0.50；个体网络中心性对组织公民行为的影响在p<0.001水平上达到显著，相关系数为0.23。卡方与自由度之比为3.158，符合Wheaton等（1977）提出的“小于或等于5”的标准。RMSEA值为0.068，在0.05-0.1之间，表示模型具有好的拟合度。NFI、IFI、NNFI、CFI分别为0.935、0.955、0.930、0.954，符合“大于或等于0.9”的普遍可接受标准。个体社会资本对个体网络中心性和组织公民行为三者之间的关系路径如图1所示。由于依次检验各条路径都是显著的，所以个体社会资本的中介效应显著。又由于个体网络中心性对组织公民行为的影响显著，所以是部分中介效应，中介效应ab=-0.16×0.42=-0.03，直接效应c'=0.26，中介效应占直接效应的比例ab/c'=-0.03/0.26=11.5%。INC-ISC-OCB中介变量的模型分析结果表明：一方面，个体网络中心性（INC）对组织公民行为（OCB）有直接正效应，即个体网络中心性越高越容易表现组织公民行为。但另一方面，处于较高网络位置的员工对个体社会资本有负面影响，说明个体社会资本对个体网络中心性和组织公民行为的相关具有缓冲的作用。2.IMs-ISC-OCB中介效应分析。在AMOS7.0上运行结果显示：个体动机对个体社会资本的影响在p<0.001水平上达到显著，相关系数为1.131；个体社会资本对组织公民行为的影响在p<0.001水平上达到显著，相关系数为0.50；个体动机对组织公民行为的影响在p<0.05水平上不显著。卡方与自由度之比为5.74，大于Wheatonetal.（1977）提出的“小于或等于5”的标准。RMSEA值为1.01，大于0.1，表示模型拟合度很差。NFI、IFI、NNFI、CFI分别为0.863、0.884、0.849、0.883，低于“大于或等于0.9”的普遍可接受标准。个体社会资本对个体动机和组织公民行为三者之间的关系路径如图2所示。在IMs-ISC-OCB中介作用中，由于个体社会资本对组织公民行为的影响不显著，而且各项拟合指标均不符合可接受标准，所以个体社会资本对个体动机和组织公民行为的中介效应不显著。也就是说，个体社会资本在个体动机和组织公民行为之间不具有中介作用。3.中介效应检验。根据以上提出的中介效应分析与检验程序，以上分析中的个体社会资本对个体动机和组织公民行为的中介效应需要做Sobel检验。为了保证本研究的严肃性，本研究对以上两个中介效应分析除了做Sobel检验外，又采取了GoodmanI检验和GoodmanII检验。这三种检验也是中介效应检验通常所采用的，其所用的统检验结果如表1所示。中介效应检验结果表明：个体社会资本对个体网络中心性与组织公民行为的中介效应显著、个体社会资本对个体动机与组织公民行为的中介效应不显著。

篇5

关键词：社会网络分析 班级 同学 消息传播 Cytoscape

中图分类号：G434 文献标识码：A 文章编号：1674-098X（2014）10（b）-0239-02

1 研究目的

该文借鉴文献[1]中的方法，尝试用社会网络分析方法分析班级同学间的关系，并对班级内的消息传播机制进行初步分析，找出规律，并应用于解决一些实际问题。

2 数据收集

采用问卷的方式。每名学生在问卷上填写自己的姓名、性别、喜欢的三个同学姓名和不喜欢的三个同学。调查者事先向学生们保证调查结果的保密性，以此确保学生填写信息的真实性。

将收集得到的数据进行整理。按照竖列的顺序在相应的横排标注该学生喜欢和不喜欢的学生学号，喜欢标注+，不喜欢标注-，在自己的一栏填入■代表不适用。A班41位同学的关系如表1所示。

3 网络分析及结果验证

3.1 网络参数计算

利用软件Cytoscape[2]进行数据分析，下载并安装插件（plugins） Hubba[3]，用于计算各种网络参数。表2是其中的4个参数，取B班Degree得分最高的前7位同学列于表中。

Degree，顶点的度，指与该顶点相关联的边的条数。B班度最大的是5号同学，其次是12号和30号，这表明他们是相对最受欢迎的同学。经班主任证实，这些同学确实是班级中人缘最好的。

EcCentricity，点与所有其他点的最大距离，通俗来说就是某个对象的古怪程度。B班这个值最大的是20号同学，没有多少人喜欢，也没有多少人不喜欢。经班主任证实，该同学的确是最古怪不合群的。

Closeness，顶点的紧密度，度量考虑的是中心的概念，由到图中各顶点之间的距离衡量。顶点的紧密度越大，表明顶点越居于网络的中心，它在网络中就越重要。B班这个数值最大的是10号同学。

Betweenness，介数中心性，用于刻画网络中的节点对于信息传播的影响力，衡量了一个人作为媒介的能力。B班这个数值最大的是5号同学。

3.2 男女同学之间的关系分析

利用软件Cytoscape，按照节点的性别，对B班的数据进行分析，得到图1。

图1中，圆形节点代表女生，矩形节点代表男生。图的左、右两边分别展示了女生之间、男生之间的喜欢关系网络，中间的连线展示了女生与男生之间的关系。

文献[4]在研究中发现：同伴网络结构存在性别差异，女生比男生更多地加入到学校的社会网络结构中，女生双向选择朋友的次数多于男生。许多学者也倾向于这一观点。在B班26个男生中，与异往的只有6个，占比约23%，涉及异性人数（不含重复）仅有7人；然而在B班17个女生中，与异往的有10个，占比高达59%，涉及异性人数（不含重复）有7人。显然，女生比男生更倾向于与异往。

另外，班级中也存在最受异性欢迎的学生。例如，在B班，被男生喜欢次数最多的女生是12号，被女生喜欢次数最多的男生是7号，提名率远高于其他同学。

3.3 男女同学之间消息传播机制

根据图1男女同学关系，与图中另一个圆圈（即异性同学）连接最紧密的结点就是消息传播到异际圈中的缺口。例如，在B班，男生的消息最可能从7号和10号男生处传递给女生，因为他们的三名喜欢对象都是女生，并且最可能得到消息的女生是12号，因为喜欢她的男生最多。而女生的消息最有可能从8号和34号女生处传递给男生，因为他们的三名喜欢对象中两名都是男生，并且最可能得到消息的男生是7号，因为喜欢他的女生最多。

4 应用

班主任对班级学生关系的整体观察与本研究的分析结果大部分相吻合。从理论层面上了解学生之间的人际关系有助于班主任对学生的影响、调控和管理。利用消息传播机制可以进行班级内部的舆论调控，利用社团的概念可以使内部成员互相积极地影响，利用最受欢迎和最不受欢迎的特征可以了解学生的社交状况并有效地心理辅导。这些根据社会学网络知识得出的结论能够使班主任的工作更加高效。

通过实验分析的结果发现，A班29号、B班33号同学都是极为不合群、不受群体关注的（喜欢与不喜欢该学生的人数最少），应该注意多与这两位学生沟通，了解他们的心理状况，鼓励他们多与同龄人交往。在B班，早恋问题应该重点关注7号男生和12号女生，因为他们是最受异性欢迎的。B班度最大的是5号同学，其次是12号和30号，这几位同学人缘较好，可以安排他们号召同学参与活动的任务，或者安排他们与古怪的同学坐在一起，带动这些人参与同学交往。

致谢

袁源女士对于该文的研究，给予了大力支持，作者在此表示感谢！

参考文献

[1] Graph Theory and Complex Networks：An Introduction. Maarten van Steen.2010.

[2] http：///.

篇6

社会网络分析高等教育定量分析我国市场化程度进一步加深，使制度改革从经济领域延伸到社会生产生活的各个方面。这些因素的影响使高等教育的发展不得不调整结构、理念以及资源配置以适应现代社会的变迁。近年来，我国对于高等教育投入了大量的技术和资金，为高等教育的改革创造了良好的环境。但是受到传统理念、基础设施、管理模式和制度建设等方面的制约，我国的高等教育水平整体来看并不理想。因此，运用科学的分析方法探寻我国高等教育的发展趋势、研究热点对于改变我国高等教育理论研究过于单一化的现状有重要意义。

一、社会网络分析概述

社会网络分析（Social Network Analysis）主要是用来分析事物相互之间的关系和这些关系构成的集合方法，所谓社会网络实则就是有多个点之间的连线所构建的集合体。长期以来在社会学领域一致存在着研究对象和研究方法是否具有客观性和科学性的问题，这些思想成为阻碍社会科学发展的重要因素。定量分析方法的提出和应用能够在极大程度上对这些质疑作出回应。社会网络分析方法是根据数学方法和图论基础发展出来的一种定量分析方法，这种分析方法的建立重构了人们对社会科学研究对象的理解，使研究对象从传统的“个体”变成了“社会结构”，通过运用网络关系分析，实现了个体之间关系以及微观网络和宏观社会结构相结合。

二、社会网络分析视角下的高等教育研究

目前我国对于高等教育的理论研究大多集中于定性研究领域，并且将研究视角局限在了政策提示下的约束性分析，在内容上过分注重于运用系统理论研究高校教学实践和教育服务质量的改善。这些研究有一个共同的缺陷，就是不能从宏观上把握我国高等教育的发展趋势、实时动态和研究热点。

1.研究方案设计

（1）分析对象

本次研究的分析对象来源于中国知网学术期刊网络出版总库，将“高等教育”作为搜索关键词，设定搜索时间为2000年1月1日至2013年6月1日，匹配模式均为“精确”，共检索到文献206478个，将这些文献作为研究对象。

（2）分析方法

以社会网络分析方法为基础，并运用UCINET分析软件以及文献分析系统BICOMB对按条件检索到的文献进行变化规律、发展方向、研究热点方面的分析，进而得出目前我国高等教育理论研究领域的现状以及特点。

2.研究结果

（1）关键词的社会网络分析

在对检索结果进行分析的基础上运用UCINET软件的Netdraw功能可以将关键词的社会网络分析结果运用共现知识网络图的形式予以直观的展示（见图1）。通过共现知识网络图可以明显观察到目前高等教育理论研究中研究主题与关键词的联系程度以及紧密关系。通过对分析数据和共现图进行研究可以看出高等教育管理、中国高等教育、体制改革、高教管理、高等教育系统、高等教育发展、高等教育评估和高等职业教育等关键词的出现频率极高。对相关论文进行统计分析可以得出结论，目前学界对于高等教育的研究主要着眼与以下方面：第一是高等教育的管理问题；第二是高等教育的基础理论建设问题；第三是与高等教育相关的制度问题；第四是高校教学改革问题；第五是高等教育的招生就业问题；第六是高等教育的评价机制等。分析结果在一定程度上反映了社会大众对高等教育发展的态度和期盼，例如目前社会上呼吁从基础教育到高等教育的全方位改革、加强高校就业指导以及与社会用人单位的沟通协调、建立和完善高校运行的监管体制等一些列关于高等教育的社会热点话题。（2）中心性分析

中心性分析主要包含三个方面的内容，即点度中心度、中间中心度以及接近中心度。其中点度中心性反映的是一个要素同其他要素的直接关系，如果该要素的点度中心度较大，则表明带点在网络中占据重要的位置，或者掌握着相当大的权力。在本次研究中点度中心度最大的关键词是宏观管理体制改革，而宏观这个词语在整个网络中处于绝对的核心位置，其标准化中心度达到了72.681%，成为高等教育研究领域的主要内容。

中间中心度是指社会网络中一个要素如果处于其他要素交往网络的路径上，则认为该要素具有重要意义，究其原因是因为该要素控制了其他要素的交往路径资源，通过对信息进行操作将会对整个群体产生影响。在评价中间中心度时，如果一个要素处于众多要素的最短路径上，则高要素的中心度越高。研究结果显示，在高等教育研究领域，中间中心度最高的两个要素是宏观管理体制改革研究和客户层与教学合作研究，表明这两个要素占据着多数的资源，其他的关键词多数是通过这两个要素实现与网络的沟通。

接近中心度的测度可以不受其他因素的控制，如果一个要素的接近中心度较高，则该要素必然与其他所有要素的距离最短。经分析得出高校内部管理改革研究的接近中心度高于其他关键词，表明该关键词与其他关键词的距离最短，是最有可能与其他关键词共现的因素。

三、结论

整体来说，学界对于教育体制以及相关制度的研究热情最高，而对于微观层面和实际的教学实践有所忽视。这种状况导致了理论研究资源的不均衡，使高等教育发展进程中以人为本的理念难以得到落实。因此，对于学生主体性的思考以及其创造力和主观能动性在高等教育中的作用等细节问题应纳入到高更教育研究中来。

参考文献：

＼[1＼]牛奉高，王菲菲，邱均平.中国高等教育评价研究的主题及其演变分析＼[J＼].重庆大学学报，2013，（1）.

＼[2＼]胡媛.高校教学团队的演进与发展策略――基于社会网络理论的视角＼[J＼].出国与就业，2011，（12）.

＼[3＼]王超，许玉贵，蒋萍.社会网络分析视角下的高等教育研究＼[J＼].云南农业大学学报，2013，（2）.

篇7

Statistical and Machine

Learning Approaches for

Network Analysis

2012，344p

Hardcover

ISBN9783527331833

M·德默等编

图形结构被用于计算机可以识别的结构信息时，对图形信息进行统计分析就成为可能。生物信息学、分子与系统生物学、理论物理、计算机科学、化学、工程等多个领域都在利用这一特点充分发挥计算机在分析和统计方面的优势。本书的一个重要特点就是将诸如图论、机器学习及统计数据分析之类的理论相互结合，形成一个新领域，以交叉学科的方式探索复杂网络。基因组、蛋白质，信号以及代谢组学数据的大规模生成使得复杂网络的构建成为可能，它为理解生理学以及病理学状态的分子基础提供了一个崭新的框架。网络和基于网络的方法用于生物学中以便表征基因组、遗传机理以及蛋白质信号。疾病被看作关键细胞网络的异常干扰。如今，在对诸如癌症、糖尿病等的复杂疾病的干预中，就使用网络理论来分析。

本书共有11章：1.重构及划分生物网络计算方法概论； 2.复杂网络入门：度量、统计性质及模型； 3.进化中的生物网络建模； 4.内含动力学的生物网络的模块性配置； 5.统计概算机对管理网络大规模因果推理的影响； 6.加权频谱分布：网络结构分析的度量； 7.进化中的随机二部图的结构； 8.图形内核； 9.用于早老性痴呆病的基于网络的信息协同分析； 10.结构化数据中基于密度的集合枚举； 11.采用加权图形内核的下位词析取。

本书第1主编是奥地利健康与生命大学生物信息学和转化研究所所长，他在生物信息学、系统生物学和应用离散数学领域130篇。他是Wiley出版的《复杂疾病医学生物统计学》《复杂网络分析》和《微阵列数据分析》等书的合作编者。

本书可用作应用离散数学、生物信息学、模式识别、计算机科学专业跨学科研究生课程的补充读物，对于这些领域的研究人员和专业人员，也是一本有价值的参考书。

胡光华，退休高工

（原中国科学院物理学研究所）

篇8

关键词：矢量分析仪；馈线维护；运用

中图分类号：TM935 文献标识码：A 文章编号：1672-3791（2016）06（a）-0000-00

矢量网络分析仪是一种先进的网络分析仪器，可以对各种通信网络进行有效的调试测试和验收测试，如：雷达、通讯、广播、电视等。尤其是测试各种馈线系统，对其阻抗、反射系数的参数，可以做出准确精准的分析，判断馈线系统是否处于正常的使用状态，如发现问题要进行及时有效的维护，保证其运用质量。

1网络分析仪的意义

目前，网络市场上各种各样的射频器件基本都运用在广播电台的网络系统中。其网络端口分为单口和双口两种。前者通常都连接在仪器的最后一个接口，有着对终端负载的作用。如：短路器、负载器等。后者则是用来连接仪器的馈线或射频电缆等，还可以连接匹配网络的射频元件。而 网络分析仪就是用来测量这些网络端口参数的，其包含两种不同特性的仪器，即标量分析仪、矢量分析仪。不同特性的仪器所具有的测量功能也是不一样的，标量分析仪只对特性的幅值网络参数有效果，使用性能特别局限性。而矢量分析仪的功能就较标量分析仪先进很多，既能测量网络参数的幅值，又能测量相位。其在广播电台的使用率也是最高的，因为通过矢量分析仪可以测量馈线系统中的各种参数，并对其进行精准的分析，通过分析的结果，可以帮助维护人员发现馈线的故障成因，尽早做出有效的维护，保证馈线系统的正常使用。

2矢量分析仪在馈线维护中的运用

2.1馈线系统特性测试及网络匹配的调整

在馈线系统维护中，需要注意的就是夏季和冬季的维护工作。受不同季节的影响，馈线所呈现的物理特性也不尽相同。处在严冷的冬季时，由于外界气温较低，馈线遇到强冷空气，半径就会自动缩小，其阻抗特征就会增大，影响正常的信号传输。而处在炎热的夏季时，馈线就会自动膨胀，使半径面积加大，阻抗特性减小。充分体现了馈线遇冷减缩、预热胀大的特性。针对这种特性，维修人员在冬夏季时，就要对馈线的松紧及垂直力度进行适当的调整，，保证系统的正常使用，避免馈线在受力时致使绝缘子拉断，造成内外层导线短路，影响正常的工作进度，尽量保持馈线在冬季时放松一些，夏季则拉紧一些。同时，还要派出专业的维护人员做好馈线的定期检查工作，尤其是冬夏两季，不仅要检查还要对其进行测试，把馈线与机器连接，观察反射功率表值和天线零点表值，保证无误后方可使用，否则就要对发射机或天线调配室的网络进行有效的匹配、调整。

2.2时域故障定位法

在馈线维护中，如果发现故障问题时，机器的电压驻波比就会发生波动，形成自动保护系统，机器就会自动关机。传统维修中工作人员要想找到故障成因，都是沿着馈线长度查找，有的馈线高达1000米，而且所处的地理位置也十分复杂，增加了很大的作业难度，工作人员在具体实施中，进行的十分困难，格外加重了工程负担。面对这种情况，工程师们研制出了时域故障定位法，这种定位方法既减轻了工作人员的业务负担，又提高了馈线维护的工作质量。其具体操作方法如下，首先，将矢量分析仪与馈线系统连接好，然后进行仪器的校准和设置，最后进入时域测量。进入测量前，先要将电桥测试端口与馈线输入端连接上，当仪器显示屏右上角出现变动的数字时，则证明仪器已经进入测量状态中，数字消失则说明测量结束。其次，对仪器进行时域计算。在计算过程中，显示屏会出现一个圆形光点，根据测量结果，光点会按照从左至右的顺序对每一个数据进行详细的分析，最后依据定测试距离中从内到外的反射强度的大小，将光标移至到峰点附近，按照显示屏方格顶部出现的数字，来计算光标所在点的反射率、电长度、反射角及延时度，如果开路性质在零度左右，短路性质在一百八十度左右时，这就说明馈线系统发生了短路现象。维修人员可用传输线将终端接口开路或短路，测出电长度和机械长度，按照测量公式将机械长度除以电长度，就会得出电波比数据，根据电波比就会计算出馈线的具置，通过这一些列的计算方式，工作人员可以迅速的找到故障原因和位置，有效的对其进行维护，为网络通信提供了简单、快捷的通讯途径。

2.3馈线的性能测试及调整方法

为了加强分析仪器在馈线系统维护中的较高优势，还要对调配室进行全面的改造。在改造过程中维修人员依然会面对各种网络难题，必须采取相应的技术方法。例如：电波比指数偏大的问题。首先，将矢量分析仪器与馈线连接好，断开馈线终端。然后进行仪器的校准和测试。这些工作全部完成后，再进行驻波比测试。根据相关测试表明，当仪器终端只接标阻不接天线的情况下，电波比的指数是在1.5的数值。相反，让其在工作频率较大的情况下。电波比指数则是在1.34的数值。尽管两种条件下相差的数值不是很大，但是还是说明了馈线存在一定的安全隐患，必须对其进行全新的调整，等到调整完毕数值平稳后，再进行天线的接入，必要时，也可以调整一下网络匹配，让其更好的恢复到正常工作中。其次，对于馈线测试中出现的电波比指数差异的问题，也要究其原因，仔细的进行分析和评判。可以利用时域故障定位法找出故障节点。其中节点可分为两种坐标，即纵坐标、横坐标。前者为反射系数，后者为电长度，根据实际的电长度所形成的反射系数，看其最高峰值在哪个点上，根据找到的点判断故障地点，这要刨除机械对距离判断的误差，分析出详细的位置。并对故障因素进行有效的处理。可以参照馈线特性阻抗计算公式，让维修人员了解具体的馈线参数。属于参数规定范围内的内层导线半径称作r1、内层导线数称作n1、外层导线半径称作r2、外层导线称作n2。然后根据这些参数进行相应的调整，让特性阻抗值达到需要的标准，降低馈线杆或绝缘棒引起的反射效果。最后，进行测试后的后续工作，连接发射机，观察仪器屏幕上的反射功率表值和天线零点表值，使其接近0，如差异较大，就要对馈线两端的匹配网络内的发射元件进行轻微的调整，直到数值均衡为止，这样才能完成测试的总体工作。

3结束语

综上所述，通过本文阐述的矢量分析仪的使用状况，可以充分掌握馈线的各项技术信息，有效的提高了馈线维护的工作效率，使其在保质保量的情况下，为网络通信系统打下良好的基础。而在采用的维护方法中，时域故障定位法是实用性和准确性都比较强的技术手段，不仅适用于馈线维护的工作中，对于短波、有线电视等各种传输线的故障原因也起到很大的辅助效果，准确判断出故障原因。由此可见，通过矢量分析仪在馈线维护中的运用，充分体现了科学技术的进步，对各种网络通信设备都有着巨大的影响，值得相关技术部门的广泛运用，在未来的时展中，还要不断的提升科技水平，研制更为有效的分析仪器。

参考文献：

[1]郝富年。矢量网络分析仪在移动通信网络建设和维护中的应用[J]工程实践。2014（12）87-90

篇9

【关键词】高速铁路 CDL话单 用户行为

中图分类号：TN929.5 文献标识码：A 文章编号：1006-1010（2014）-22-0003-05

Analysis on High-Speed Rail Wireless Network Based on CDL Bill

YE Guan-wu

（China Youke Communication Technology Co.， Ltd.， Fuzhou 350007， China）

[Abstract]

According to the characteristics of the high-speed rail calls， all CDL （Call Detail Log） bills in high-speed rail station are extracted. The filtering rules of high-speed rail are discussed to filter the bills of high-speed rail. By analyzing bills， the comprehensive and precise high-speed rail users’ behaviors and network data can be derived to optimize high-speed rail wireless network.

[Key words]high-speed rail CDL bill single user behavior

1 引言

高铁无线网络一般采取针对高铁线路覆盖的专门站点和大网站点相互结合的覆盖方式，但这并无法避免专门站点覆盖到高铁周边的其他区域，无法通过后台提取的站点KPI指标得到准确的高铁网络运营状况，因此需要进行大量的测试。由于较高的车速导致高铁无线网络复杂多变，随机异常事件频发，上车测试得到的采样数据有限，所以通过测试得到的网络整体状况不够准确，同时又需要耗费大量的人力物力。

通过系统提取CDL（Call Detail Log）话单，可以得到大量的通话记录，从中筛选出用户在高铁上的通话记录，从而得到海量的高铁通话数据，再对这些数据进行分析，得到更为准确的高铁用户行为和网络状况，以便进行市场分析，同时也为上车测试提供新的方向，缓解了高铁优化工作对上车测试的需求。

2 基于CDL话单的高铁无线网络分析

2.1 话单提取

通过网优平台或基站设备厂家网优工具，提取足够数量的话单样本以作分析。

2.2 话单筛选

针对提取的样本话单，根据高速动车上通话的特点拟定一定的原则进行筛选，再根据不同线路高铁动车的不同情况，拟定相应的筛选规则。以下筛选条件适用于大多的高铁通话，可作为日常应用参考。

各条件存在先后顺序，需要删除的话单标记为0，待保留的标记为1：

（1）S1：保留起呼小区和释放小区均为高铁覆盖小区的话单，删除其余话单。

（2）删除确定非高铁通话的话单：

D1：删除非高铁运营时间内的话单。若列车趟次较少，可精确至每趟列车通过时间;若趟次较多（如下例中的福厦线），先删除运营时间外（通常为夜间至凌晨）的话单。

D2：删除大网IMSI的话单。如同一时段在同一小区多次起呼的IMSI可以判定为大网IMSI。

D3：删除起呼小区相同但呼叫时长大于通过该小区覆盖范围所用时间的话单。

D4：其他。根据各地高铁网络现状自定义筛选原则。

（3）保留确定和不确定是高铁通话的话单：

A1：短话单。以单个小区平均覆盖1km计算，若高铁以200km/h的时速通过该小区大约需要18s，建议以18s作为短话单判定标准，保留200km/h时速下运营的动车线路上的通话短话单。

A2：释放小区为相邻地市小区的话单。以中兴设备为例，其跨地市的话单会被分为两条，存在于相邻地市的两个BSC上，不易判断，暂作保留，而本地市的跨BSC话单仍为一条话单。

A3：高铁站点小区话单。只覆盖高铁而吸收不到高铁周边话务的小区的话单，如无人山区或无外引信号的隧道洞室等。

A4：其他。根据各地高铁网络现状确定符合各自情况的原则进行筛选。

（4）对可能是高铁上通话的话单参考高铁通话的特点用相关条件进行筛选，删除不符合条件的话单：

F1：根据起止距离（起呼位置到终止位置的距离，部分网优平台可提取，也可根据话单字段得到，若粗略估计可以用起止小区经纬度代替）和理论通过距离（通话时长乘以动车行驶速度）进行比较，预留一定裕量，删除两者差别较大的话单。

F2：其他。根据各地高铁网络现状确定符合各自情况的原则进行筛选。

综合上述各项原则及其之间的优先级，得到如下筛选公式：

K=S1*product（D1，D2，D3，D4…）*[sum（A1，A2，A3，A4…）+

product（F1，F2…）] （1）

若K值等于0，则删除该话单;若K值不为0，则保留该话单，判定其为高铁上通话话单。

2.3 话单分析方法

根据上述筛选出的话单可以进行由宏观到微观、由整体到细节的分析，从大量话单中找出高铁网络的整体规律、话务模型，为高铁网络建设、运营、优化找出方向，并提供依据，再从单个小区话单、单个用户话单的细节分析为高铁优化提供帮助。

（1）对提取的大量样本话单进行统计，根据话单相关字段的统计对用户行为进行分析，得到用户在高铁上的一些行为，如长话比例、通话时长等，用以帮助市场分析。

（2）对话单通话情况进行统计得到高铁网络的话务模型，如高铁网络话务忙时、闲时等。

（3）通过分析得到高铁上通话的整体指标情况，如高铁上通话的接通率、掉话率等，该结果相比较上车DT测试所得由于其采样数据量大，更能客观反映整体指标。另外，部分高铁站点需要同时兼顾大网，故这些高铁站点的KPI指标包含对大网通话情况的统计，无法得到其在高铁上的网络情况，通过对这些高铁站点话单的筛选可以得到它们对高铁的覆盖情况。因此，高铁话单分析出的结果相对网管KPI指标更能准确反映高铁网络质量，找到高铁网络的真正短板。

（4）通过上述对话单统计得到高铁整体网络情况之后，针对网络短板，对相应的话单进行更加有针对性的分析。如上述统计得到高铁掉话严重的小区，可以针对该小区的掉话话单逐条分析掉话相关字段，得到该小区内掉话的情况，再结合路测数据或网管信令跟踪情况进行优化。

3 某高铁话单分析优化示例

3.1 某高铁用户规模预估

每个基站设备厂家话单字段有所不同，本次优化选取某高铁沿线连续3个同厂家的本地网（依次为A/B/C这3个地市）路段作为分析对象进行分析优化。

优化路段全程约200多公里，高速铁路车程约70分钟，沿线高铁扇区近200个。该段高铁运营时间为每日首班车06：30出发，末班车由C地市出发到达A地市的时间为23：05左右。根据高铁客运情况和运营商市场占有率情况，对该段高铁的CDMA用户规模进行预估，用以判断筛选结果的合理性，并结合话单分析市场用户行为。预估情况如表1所示：

表1 高铁优化路段用户规模预估

全程公里数/km 273

平均每列乘客/人 700

每日往返列车数/对 45

上座率/% 90

合计乘客/人 56 700

手机普及率/% 95

市场占有率/% 25

每日动车CDMA用户数/人 13 466.25

每趟动车平均CDMA用户数/人 149.625

根据上述估计，每日约有1.3万个CDMA用户经过该段高铁，而平均每列动车上约有150个CDMA用户。

3.2 话单筛选

网优平台提取高铁沿线地市A到地市C基站一周的数据，起呼和释放小区均为该段高铁沿线覆盖小区的话单，累计90多万条，作为采样样本进行筛选。

参考上述筛选原则，并结合福厦线高铁的情况，根据下列条件对样本话单进行筛选：

（1）D1：删除大网IMSI话单1。同一时段在同一小区起呼次数3次及以上的IMSI判定为大网IMSI，删除该IMSI在该时段的话单;同一天在同一小区有3个时间段有起呼记录的IMSI判定为大网IMSI，删除该IMSI在当天所有话单。

（2）D3：删除起止小区相同但呼叫时长大于动车通过该小区覆盖范围所用时间的话单。以每小区通过时间为18s计算，即呼叫时长大于（18s*该小区同PN小区数），车站A和车站B各停靠2分钟，因此比较时加上停靠时间。

（3）A1：保留18s内的短话单。

（4）A2：保留终止小区为边界小区的话单。

（5）F1：呼叫起止距离与理论通过距离比较，删除理论距离大于起止距离2倍以上的话单（为防止起止距离误差，预留一定裕量），删除理论距离小于起止距离较多的话单，此处差值以（起止小区的同PN小区数之和/2*1km）为判定标准。

筛选公式如下：

K=D1*D2*（A1+A2+F1） （2）

若K值为0则保留，判定为高铁话单作为下文分析之用。

由该筛选方法从90多万条话单中得到83 627条话单。

3.3 用户行为分析

对筛选出的83 637条话单进行统计，结果如表2所示：

表2 高铁话单筛选结果

累计话单数 83 637

累计话务量/Erl 651.28

累计通话IMSI数量 54 586

日均话单 11 948.14

日均话务量/Erl 93.04

日均通话IMSI数量 7 798.00

每IMSI产生话单数 1.53

平均每趟列车通话IMSI数 86.64

平均每趟列车产生话单 132.76

平均每话单通话时长/s 28.03

主叫话单比例/% 51.24

被叫话单比例/% 47.26

已知IMSI归属地话单 59 388

各本地用户 28 416

漫游话单比例/% 52.15

各本地用户主叫话单 13 354

各本地用户主叫长途比例/% 10.84

从表2可知，根据话单结果该段高铁动车上日均产生11 948条语音话单，日均话务量约为93.04Erl。由上述预估每趟列车有天翼用户数150人，其中地市A至地市C约有86人产生语音通话话单，平均每2人拨打3次电话，每次通话时间约为28s，主叫和被叫比例约为1：1。

由于平台数据库无法得到所有IMSI的归属地，从采样结果中仅得到59 388条话单的IMSI归属地，对此进行的统计结果看到，本地用户仅占不到一半，漫游话单比例达52.15%，而本地IMSI的主叫话单中，长途主叫的比例有10.84%，比例较高。

筛选出的话单按照时间段统计，由于仅提取一周数据，每日全天话务走势不具有代表性，仅统计每天各时段话务分布，结果如图1所示：

图1 该段高铁小区每日各时段话务情况

由图1可以看到，每日各时段的分布中，09：00―10：00和17：00―19：00最多，最忙时为17：00，这与传统的语音晚忙时19：00明显不同，因此后续对该高铁的优化建议多参考沿线站点17：00时段指标。继续深入分析每个高铁扇区的忙时，能更准确地对每个高铁小区话务模型进行分析优化。

3.4 掉话情况分析

采样结果的83 637条话单中有642次掉话话单，语音掉话率达0.77%。由于呼叫时长小于18s的短话单无法很好的区分是否是在高铁上起呼，而大于18s的话单可以通过其他条件筛选，得到更贴近高铁通话的话单，因此将话单区分为18s内的短话单和18s以上的长话单，分别统计掉话率，得到结果如表3所示：

表3 该段高铁掉话情况

呼叫时长/s 掉话次数 掉话率/% 占比/%

≤18 160 0.35 24.92

>18 482 1.29 75.08

由表3可以看到，该段高铁上大于18s的通话掉话率达1.29%，掉话率较高。可以对掉话率高的小区进行TOPN进一步分析。分析结果与各小区网管掉话率指标相比更具指导意义，也可与上车DT测试结果进行比较分析，根据基站厂家的话单字段含义得到掉话原因值如表4所示：

表4 该段高铁掉话原因

失败原因值 掉话次数

SDM_Link_Fail_RevTooManyBadFrm 550

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState 71

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvRegInSessionState_Others 18

由表4得到主要的掉话原因：“SDM_Link_Fail_RevTooManyBadFrm”，该原因的掉话次数有550次。引起该失败值掉话的原因有很多，主要是无线环境恶化导致BSC侧在一段时间内收到大量坏帧，从而引起掉话。另外掉话较多的失败原因是失败71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根据这些掉话原因，进一步对掉话的话单进行详细分析。

3.5 其他情况分析

根据以上的分析方法，还可以对高铁上CDMA用户的接入情况、切换情况等指标进行分析，进一步了解高铁沿线基站的覆盖质量、用户的使用行为。

4 结束语

本文针对高铁的特点，设定一定的规则对话单进行筛选，得到较为符合高铁列车上的通话话单。文中所列的筛选条件仅作参考，不同地市或不同的高铁线路应根据各自的特点采用不同的条件进行更精确的筛选，如根据动车的运营时间、通过每个站点的时间，根据该时间筛选话单可得到更精确的结果。

本文仅对CDMA语音话单中的一些主要字段进行分析，得到该段高铁CDMA语音网络的部分用户行为及网络情况。CDL其他字段也可供优化人员进行分析，以获得更多高铁网络信息，再根据整体分析得到问题点，对问题话单的相关字段进行更深入的分析。不同基站设备厂家有其各不相同的话单字段，为优化人员提供了通话过程的各种信息，通过对海量高铁话单的分析，得到更准确的高铁用户行为和无线网络状况，帮助市场分析和网络优化。

随着经济的发展，我国将建设更多的高速铁路，越来越多的用户将通过高铁出行，高铁网络的优化工作也变得更加重要。本文通过CDL话单定位分析高铁无线网络状况，为今后的高铁优化工作提供了一个较为便捷有效的优化手段。

参考文献：

[1] 张传福，李梦迪，王刚. 高速移动环境下组网方案[J]. 电信工程技术与标准化， 2009（4）： 75-78.

[2] 张敏，李毅，舒培炼. 高速铁路列车车厢穿透损耗应用探析[J]. 移动通信， 2011（2）： 21-25.

[3] 中兴通讯股份有限公司. 系统呼叫失败原因和掉话解释（1X业务分册）[Z]. 2009.

篇10

关键词：复杂网路；投入产出；度分布

一、引言

系统是由相互作用和依赖的若干组成部分结合的具有特定功能的有机整体[1]。而网络是由节点以及节点之间的连线组成的，将真实系统中的元素看成网络中的节点，元素之间的数量关系看成网络中的边，用这种方式构建的网络可以用来描述各类真实系统。近年来，复杂网络作为大量真实复杂系统的高度抽象[2]，成为学者们研究的热点，很多国际一流的期刊都陆续刊发了许多有关复杂网络的论文，研究范围包括：电力网络、病毒传播网络、神经网络、演员合作网络、交通网络等，而对产业结构进行研究的论文还较少。

经济的发展与其产业结构有重要的关联。产业结构转型是地区经济快速增长的核心驱动力[3]。而优化高效的产业网络是经济社会全面发展的必要条件[4]。本文以我国产业结构为研究对象，将其抽象为由产业和产业关联所组成的复杂网络，产业作为网络中的节点，产业间的联系视为网络中的边，以此建立起产业结构的网络模型，计算网络的统计特征，研究网络的复杂性，希望能为中国产业结构的优化发展提供决策依据。

二、方法和数据来源

中国的产业结构网络由42个产业（即节点）组成，数据来自中国2012年的投入产出表。对数据说明如下：

第一，不考虑本产业之间的中间投入，这样可以避免建立一个自环的网络。

第二，引入消耗系数并作无向化处理。计算过程如下：

第一步：计算直接消耗系数。

aij=xij/xj（i，j=1，2，……n）（2-1）

其中，aij为j产业生产时所消耗i产业投入的系数，xij为i产业对j产业的中间投入，xj为j产业的产出。

第二步：无向化处理。

rij=aij+aji2（2-2）

在本文中设a为消耗系数的临界值，然后对所有的rij取均值即得到a。如果rij≥a则认为这两个部门之间有联系，即两点之间有边。本文计算出的a值为4.324×10-3，即当rij≥4.324×10-3时，i和j之间有边存在，经计算网络中的边数为1936条。

三、网络相关统计指标

（一）平均最短距离

平均最短距离描述了网络中各个节点的分离称度。在产业结构网络中，两个产业之间最少的边数即为两节点之间的最短距离。因此，网络的平均最短距离可定义为所有节点最短距离的平均数。计算如下：

L=2N（N-1）∑i>jdij（3-1）

其中，N=42是网络的节点数，dij为节点i与节点j之间的最短距离，计算的中国产业结构网络的平均最短距离为1.372。

（二）平均簇系数

簇系数是用来衡量网络节点聚类称度的参数，节点i的簇系数计算如下：

Ci=1Ki（Ki-1）∑Nj，k=1bijbjkbki（3-2）

其中ki为节点i的度，bij为邻接矩阵元，当节点i，j相邻时其值为1，否则为0。

因此，整个网络的簇系数为：

C=1N∑Ni=1Ci（3-3）

计算可得中国产业结构网络的簇系数为0.533，具有一定的聚集性。

（三）度及其分布

与节点连接的边的数量称为节点的度，而网络的度是网络中所有节点的度的平均值。节点的度越大代表节点的影响力越大，在网络中的地位越重要，反之亦然。度分布用分布函数P（k）表示，可定义为在网络选择一个节点其度值为k的概率，也等于网络中度值为k的节点的个数与网络节点总数比值。根据数据可以算的中国产业结构网络的平均度为23.4，即每个产业平均与23个产业相连。

（四）度-度相关性

度-度相关性指的是节点之间相互选择的偏好，节点i的所有邻近节点的平均度可记为：

Knn，i=1Ki∑kij=1Kij（3-4）

其中，Kij是i的Ki个邻近节点的度，j=1，2，……，ki。度为k的所有节点的邻近点的平均度，公式如下：

Km（k）=1Nk∑iki=1Km，vi（3-5）

其中，度为k的节点表示为v1，v2，……，vi，Nk是指网络中度为k的所有节点的个数。

通过计算我们就可以知道网络的相关性，当Km（k）随着k的增加而增加，随着k的减小而减小，即可判断网络是正相关的，反之如果Km（k）随着k的增加而减小，随着k的减小而增加，即可判断网络是负相关的。运用Newman给出的计算方法可计算出网络节点度的Pearson相关系数r[5]。公式如下：

r（g）=M-1∑ijiki-[M-1∑i12（ji+ki）]2M-1∑i12（ji+ki）-[M-1∑i12（ji+ki）]2（3-6）

式中，M为观察到的网络中的连线的数目，jk，ik是第i条连线两端的节点度数且i=1，2，……，M，-1≤r≤1。

根据公式计算出的中国产业结构网络的相关系数r=0.628，度度之间表现为正相关性，说明度小的节点优先连接度大的节点。

（五）介数中心性

介数中心性是以经过某个节点的最短路径的个数来刻画节点重要性的，简称介数（BC），具体地，节点i的介数可定义为：

BCi=∑s≠i≠tnistgst（3-7）

其中，gst为从节点s到节点t的最短路径的数目，nist为从节点s到节点t的gst条最短路径中经过节点i的最短路径的数目。计算可得，中国产业结构网络中各节点的点介数分布前十的产业如下：

表节点介数排名前十的产业

序号产业节点介数

1化学工业0.24836

2金属冶炼及压延加工业0.14637

3电力及蒸汽、热水生产和供应业0.11293

4农业0.08534

5商业0.07246

6货运邮电业0.06582

7石油和天热气开采业0.06191

8机械工业0.04237

9电子及通信设备制造业0.03183

10食品制造业0.03012

节点介数的大小反映了该产业在网络中的影响力，因此如果将表中的某个或某几个产业乃至全部的产业从网络中去除将会极大的影响网络的运行。

四、结论

本文借助复杂网络理论对中国产业结构网络性质做了初步的研究，得出中国产业结构网络是一个小世界网络，具有小的平均最短路径和较大的聚集系数，度-度表现出正的相关性，说明度小的节点倾向于与大的节点连接。对于复杂网络所涉及到的更为复杂的研究方面包括：边的方向及边权、点权对网络性质的影响等在本文中没有做深入的研究。（作者单位：兰州交通大学经济管理学院）

参考文献：

[1]钱学森，许国志，王涛云.论系统工程[M].长沙：湖南科学技术出版社，1988：7-12.

[2]周涛，柏文洁，汪秉宏等.复杂网络研究概述[J]，物理，2005，34（1）：31-36.

[3]Sachsa J D，Woob W T.Understanding China’s economic performance[J].The Journal of Policy Reform.2001，4（1）：1-50.