环境用例识别首先要确定系统环境边界,找出系统的参与者.重点是选取受环境变化影响较大的功能和参数作为参与者之一进行调查,通过了解环境需求希望系统所提供的功能,并由此确定用例.定义非用户的需求,关系到将系统正常运行的底层软硬件需求作为环境需求,例如,接口数据长度增减的需求、系统数据库数据表类别数量增减的需求等.环境作为参与者时,要注意必须真实反映环境的状态和变化.深圳跨境电子商务检验检疫监管系统^[19-20](简称跨境电商CIQ系统)环境用例如图4,限于篇幅仅展示最简略的用例图,显示系统实现最基本功能所需的几种接口,且主要选取出入境检验检疫综合业务管理系统(简称CIQ2000系统)接口作为范例展示.

由图4可见,业务用例包括备案、查验和管理3项接口业务,企业开展跨境电商业务之前,必须在CIQ系统中对企业信息及货物信息进行备案,并随时接受检验检疫局的查验,而检验检疫局则对企业与货物的备案信息进行核查,开展日常的查验和管理工作; 环境用例有备案、查验、溯源监管及管理4项接口环境,其中,企业和检验检疫局的接口环境与业务用例中的接口业务一一对应.不同之处在于环境用例还要综合考虑CIQ2000接口环境和南方电子口岸接口环境.CIQ2000接口环境包括备案、查验和溯源监管; 南方电子口岸接口环境则包括备案和查验.需要说明的是,CIQ2000系统为深圳出入境检验检疫局现有一般贸易货物报验系统,该系统开发于2000年,现已不适于跨境电子商务业务,但部分进出口报检业务审批功能仍必不可少.

图4 业务用例与环境用例对比
Fig.4 Comparison of business and environment use cases

对环境用例要识别直接观测对象和间接观测对象.总体来说,在用例规划阶段首先要对环境需求进行拆分,将各种环境需求从总体环境需求中拆分出来单独分析.在获取环境用例后,组织用例将得到的用例按优先级划分,对应环境确定开发目标,判断环境用例是否需要补充后对环境用例进行汇总.完成组织用例后,要对用例进行详细描述.

表1列举了一个简单的例子用以展示环境用例描述.环境用例描述需要包含环境用例的各种基本环境要素.环境用例描述的关键在于需要将功能的指标进行量化处理.

在对环境用例进行详细描述后,分析人员需要根据用例的复杂程度决定是否需要将部分功能进行数据量化处理,对已有数据的功能描述可以直接使用.如果数据数量级较大可以进行一定处理,使其变为数量级较小的数据,处理数据的方法根据实际情况具体而定.对数据处理的目的是便于进行预测.

表1 用例描述基本格式
Table 1 Basic format of use case

环境用例的预测是指在本次建模过程中提前预测下一版本的需求,并在重构建模之前的空闲阶段研究出预计实施方案.例如,检验检疫业务类型发生变化需要构建下一版本软件的情况下,如果建模人员提前获悉需求并利用空余时间提前做出准备,可以大大提高下一版本建模效率.

跨境电商CIQ系统需要处理大量的数据,而且检验检疫业务需要根据国内外疫情疫病及商品质量情况进行业务调整,例如,在发生检验检疫重大风险或危害的情况下,需要加大监管力度,增加抽检业务类型,增加企业需要申报或备案的资料数量.

由于抽检指标项目的增多导致接口中传输查验数据的规模会增大,数据长度、类型及存储空间大小都会发生变化.若提前预留大量的接口和资源会延长开发周期,增加开发成本,造成开发资源的浪费.而检验检疫关乎国门安全以及产品质量安全,在业务变化情况下,对下一版本系统的升级要求极其迫切,短期内进行大规模升级又会增加开发成本.所以根据商品质量情况和风险水平以及进出口量对接口传输数据的规模进行预测十分迫切.

为实现敏捷开发,本研究选用BP神经网络实现对环境需求预测.通过构建3层BP神经网络实现对各指标进行预测,详见表2(2010—2016年).由于进口货物种类繁杂,不同货物指标数量不同,且针对不同货物有专门查验标准,因此,本研究仅选取某商品的总查验指标数量和总进口批次、风险指数及企业数量作为范例.表2中数值需要进行量化处理使其数值均处于0～0.9.选取1～10月的数据作为训练集,将11和12月各指标数值作为期望值用于训练神经网络.

表2 提取的某商品环境用例功能指标数值表
Table 2 Function index of extracted some commodity environment use case

范例选取2010—2016年总共70个月数值进行分析,如图5.该神经网络输入层有7个节点.实际中为提高准确度可以选较少数据进行分析得到下一年度预测数值.可以确定的是神经网络输出节点只有1个.根据经验公式

i=(n+m)^1/2+a

其中, i为隐含层神经元个数; n和m分别为输入、输出层节点个数. a为调节常数,取经验值4,可得i=12. 实际工程应用中,节点个数还要通过多次训练进行调整,需要尝试利用同一训练集训练不同节点数目的神经网络,从中选择误差最小的神经网络节点数作为最终结果.

图5 神经网络结构
Fig.5 Neural network structure

本研究构建的3层BP神经网络其传输函数分别选用logsig(单极性S函数)、tansig(双极性S函数)和purelin(线性函数).具体训练时,训练函数选择 traingdx,并设定训练次数为5 000次、学习率为0.15.该设定决定了寻解过程中的步长,步长太大,就会搜索不仔细,可能跨过优解,而步长太小,寻解过程则较慢.本研究学习率为计算机多次尝试所得结果,为便于建模方法的应用直接设定为0.15.

根据环境用例预测结果可得总查验指标数量、总进口批次、总风险指数和优秀企业数量4个指标,本研究将风险指数作为首要参考数值.当风险指数大于0.6时,说明存在较大风险,执法时会针对该问题作出判断,并增加查验指标数量,从而加大监管力度.当风险指数连续大于0.6超过4个月,则需要将接口中的查验指标数量提高2倍以上以备不时之需.同时,当预测进口批次相比上一年度增长一倍,也应做好对相应接口中的指标数量做出调整的准备.

用例构建完成后,需要对环境用例是否适用于此环境进行判断.由于软件基本功能已经明确,所以对环境适应性判断的前提必须保证基本功能在不同环境下的可用性.首先要判断在预设的环境下软件基本功能是否可用,然后检查在环境发生变迁的时候功能是否也可用.为保证软件良好的环境适应性时,需要检查软件可能运行的全部环境和全部功能.在发生异常时,可采取改变某个基本参数值、松弛某个目标以实现优先级更高的目标及完成不同的任务以替换出现异常的任务.