乡村振兴大数据画像系统研究与实践

刘 瑾丁尚宇孟庆庄

（1. 中央民族大学经济学院 北京 100081；2. 中国宏观经济研究院经济所 北京 100032）

一、研究背景与研究意义

2017 年，党的十九大报告提出要实施乡村振兴战略，并提出“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”的总要求。2018 年，中共中央、国务院印发《乡村振兴战略规划（2018—2022 年）》，从加快农业现代化步伐、发展壮大乡村产业、建设生态宜居美丽乡村等角度对我国乡村振兴事业进行部署。2021 年1 月，中央一号文件《关于全面推进乡村振兴加快农业农村现代化的意见》印发，明确提出在新发展格局下，推进乡村振兴将成为“十四五”期间我国的重点工作之一。2021 年4 月，第十三届全国人大常委会第二十八次会议通过《中华人民共和国乡村振兴促进法》，将推进乡村振兴以法律的形式确定下来。在提出乡村振兴战略的五年时间中，中央出台了诸多政策和法律法规对实现乡村振兴进行顶层设计与规划，乡村振兴战略已成为实现我国农业农村现代化的巨大推动力。

在明确乡村振兴战略的地位后，如何实现乡村振兴成为政府部门面临的重大挑战。在实施乡村振兴战略的过程中，第一步就是要了解乡村发展全貌，掌握与农业农村发展相关的各类信息和数据。对于不同主体来说，了解乡村发展的现状都是实施下一步计划和采取实际行动的前提。对于政府部门来说，了解现状可以发现农业农村发展的短板，为因地制宜、因乡施策打好基础，同时也使通过借鉴其他地区的先进经验以实现跨越式发展成为可能。对于研究机构来说，了解现状是进行相关数据分析和提出政策建议的前提。对于经济组织来说，了解现状是制定企业发展战略和投资策略的关键。总之，了解乡村发展现状是实施乡村振兴战略需要解决的首要问题。

当前，了解乡村发展现状过程中主要存在两个问题。第一，从数据的共享角度来看，乡村数据的分散化严重影响各类机构了解乡村发展现状。在政府内部，与乡村发展相关的农业部门、人社部门、财政部门、环保部门等各自为政，各部门之间数据资源没有实现互联互通，存在“数据孤岛”“数据烟囱”的现象。在政府之外，银行、征信机构、农业企业等也掌握着大量与农民、农业、农村相关的数据资源，但这些数据资源没有实现共享，也没有同政府数据进行对接。第二，从数据的使用角度来看，即使各部门、各机构掌握的乡村数据实现了在同一平台的汇集，政府部门也很难对数据进行分析和有效利用。一方面，不同部门和机构掌握的数据内容、格式和类型存在巨大差异，例如，政府部门掌握的乡村数据更偏向于农业领域，且数据频率多为季度和年度，而银行掌握的数据更多是和农民个体或新型经营主体相关，数据的敏感度和频率更高。此外，不同机构的数据格式也不同，要实现不同类型、不同频率的数据拼接难度较大。另一方面，政府部门的技术水平有限，在使用大数据、人工智能等新技术方面的经验不足，很难对数据背后隐藏的信息进行充分挖掘。在此背景下，建设乡村振兴大数据画像系统势在必行，通过融合政府、研究机构和经济组织的数据源，借助研究机构和经济组织的技术优势，政府部门可以更好地了解乡村发展现状，助力乡村振兴。

二、乡村大数据画像相关研究现状

在乡村大数据画像系统的研究和实践过程中，乡村大数据源是研究和实践的基础，因此至关重要，同时，必须利用大数据画像技术对数据展开分析，才能最终形成乡村画像。因此，本文重点参考了和乡村大数据源以及大数据画像技术相关的两类研究文献。

（一） 乡村大数据源研究

已有学者对乡村大数据源进行了研究。王东杰等提到，2014 年我国已经搭建了国家农业数据中心和国家农业科技数据中心，同时，农业部、商务部、国家统计局、发改委等开始建立各种信息统计渠道，加强对农业生产、农产品价格等方面的监测[1]。赵瑞雪等对国内外农业科学数据的建设情况进行梳理，发现共计42 个数据源，如NCBI 数据库、国家农作物种质资源平台、中国生态农业信息数据库等；同时，文章还对各农业数据库包含的数据内容进行了对比分析[2]。姜侯等将农业大数据源的获取途径分为农业物联网数据、农业遥感数据、农业网络数据、科研及农户生产经营数据等四大类[3]。许哲平等将国内外农业大数据平台分为基础数据平台、作物数据平台、林业数据平台、渔业数据平台等类型[4]。刘瑾对政府数据开放平台上的农业农村数据源进行梳理，并以8 个平台为例对农业农村相关数据的开放数量和质量进行评估[5]。刘瑾和张仲对乡村自然地理条件数据源、统计年鉴数据源、农业普查数据源、政府部门公开数据源、政策称号数据源、农业企业数据源、农业专利数据源以及农村电子商务数据源等8 类乡村数据源进行了归纳总结[6]。

对已有文献进行分析可以发现，当前对乡村大数据源进行研究的主要关注点在农业大数据源上，这主要是由于相比农村和农民数据来说，农业数据的获取途径更多、数据总量更多。仅有少量文献涉及与农村和农民相关的大数据源，如姜侯等[3]提到的农户生产经营数据、刘瑾和张仲[6]提到的政策称号数据以及农村电子商务数据等。但对于乡村整体发展而言，农业、农村和农民三者都十分重要，农民更是乡村经济系统的核心，同时，数据源的多样和完整是进行后续分析的基本条件，因此，任何一方数据的短缺都会导致政府无法客观、综合地对乡村总体情况进行分析与评价。

当前，数字乡村战略的推进加速了乡村大数据的积累。早在2015 年，农业部印发的《关于推进农业农村大数据发展的实施意见》中就要求在2020 年底前实现各级农业主管部门数据集向全社会开放，实现数据采集的自动化和数据使用的智能化，同时，发展农业领域的物联网，加强对农业农村领域各项数据的实时监测。2019 年，中共中央办公厅、国务院办公厅印发《数字乡村发展战略纲要》，提出加快乡村信息基础设施建设、建设智慧绿色乡村、深化信息惠民服务等多项举措。2020 年，《数字农业农村发展规划（2019—2025 年）》印发，进一步指明了发展数字乡村的路径，包括构建基础数据资源体系、加快生产经营数字化改造、强化关键技术装备创新等。数字乡村战略的实施有助于进一步解放和发展数字生产力，构建层级更高、结构更优的现代化乡村经济体系，推动乡村振兴的实现。从构建乡村振兴大数据画像系统的角度来看，数字乡村战略有助于乡村大数据源的拓展，使各类数据充分融合，为后续画像技术的应用奠定数据基础。

（二） 大数据画像技术研究

大数据画像技术是构建乡村振兴大数据画像系统的核心技术。大数据画像的概念来自于用户画像，其英文名称为“User Persona”，最早由交互设计之父艾伦·库珀提出，他将用户画像定义为“基于用户真实数据的虚拟代表”[7]。用户画像是基于用户的基本属性、社会属性、行为习惯等信息来提取个性化标签，了解用户的过程[8]。大数据画像技术是用户画像在大数据背景下的创新发展，是基于静态数据和动态数据、结构化数据和非结构化数据、传统数据和非传统数据、宏观数据和微观数据，结合大数据、人工智能等新技术，来挖掘数据、提取特征、构建模型并进行可视化展示的一种新型画像技术。

从画像的研究对象来看，已有文献的研究对象以“用户”为主，如Semeraro 等[9]、单晓红等[10]、吴树芳等[11]和闫泓序等[12]，分别对数字图书馆用户、携程酒店用户、微博用户以及我国工业电力用户进行画像，利用画像技术分析不同行业的用户特征，为挖掘用户价值提供支撑。此外，还有部分文献以企业或者产品为对象进行研究[13-15]，但这类文献数量较少，且研究思路和使用技术与用户画像类似。本文在对知网进行检索后发现，国内仅有李望月等学者的一篇文献对乡村领域的画像技术应用进行了初步探索，但该文献尚未给出构建乡村领域大数据画像系统的方法[16]。而国外尚未有文献使用画像技术对乡村面貌进行刻画，仅有部分文献对大数据技术在农业领域的应用进行了研究[17-18]。

从画像的应用场景来看，在现实生活中，画像技术多用于金融领域和互联网领域，具体而言，主要用在相关内容推送、广告精准投放、客户征信、个性化服务等方面。以往，由于农业农村领域的数据存在量少、频率低、结构各异等问题，画像技术落地和应用的难度较大，在客观上阻碍了画像技术在乡村领域的使用和推广。

从画像的技术基础来看，特征提取是画像技术的关键。特征提取的方法可以分为两大类。一类是人工提取，即通过调研、走访、文献查阅、专家咨询等方法来提取用户的特征，构建用户画像，这类方法适用于数据结构清晰、数据内涵明确、数据量较小、前人经验丰富的场景[19]。另一类是数据挖掘，即使用大数据技术对数据进行深度分析，提取隐藏的特征，具体方法包括K 均值聚类、朴素贝叶斯、决策树、随机森林等，这类方法适用于数据量大、数据类型多样的场景[20-21]。

总体来看，当前对于大数据画像技术应用于乡村领域的研究极少，这一方面是由于相比工业和商业领域，农业领域的信息化推进较慢，信息技术在农业领域的应用也更少，另一方面是由于画像技术更多聚焦于个体人，关注“客户”能够创造的商业价值，研究主体尚未拓展到“乡村”。在乡村大数据源逐渐丰富的背景下，画像技术也有了在乡村应用的基础，同时，随着乡村经济系统的复杂化，传统的治理手段无法满足需求，将大数据技术应用于乡村治理是实现农业农村现代化的必然要求[22]。

三、乡村振兴大数据画像系统的功能和架构

（一） 乡村振兴大数据画像系统的定义、特征及功能

1. 定义

乡村振兴大数据画像系统是汇聚各类与农业、农村、农民相关的大数据源，使用大数据技术对乡村数据进行挖掘，提取多种数据特征，并使用可视化技术对乡村数据进行展示的画像系统。

2. 特征

乡村振兴大数据画像系统具有四个特征。

一是综合化。乡村振兴大数据画像系统将汇集涉及乡村发展的各类数据，多维度、多层次、多方面刻画乡村发展面貌，突破传统数据平台主要提供农业数据的限制。用户通过平台能够全面了解乡村发展的各个方面。

二是动态化。随着底层数据的更新，数据分析结果及可视化展示也会变动。未来，随着海量数据的汇聚和数据更新频率的提高，乡村振兴大数据画像系统将达到实时变动。平台动态化的特征将极大提高平台的使用效率，帮助政府等用户及时更新信息，进而做出决策。

三是智能化。不同于简单的数据库或数据平台，乡村振兴大数据画像系统在大数据、人工智能等技术的助力下，将实现对数据的深度分析，同时可根据不同主体的需求提供不同的数据分析方案。

四是可视化。可视化技术可以对大量复杂数据进行提取并分析，借助图形、表格、图标等直观的、便于理解的形式，将结果呈现出来，从而帮助系统使用主体在短时间内获取更多信息。3. 功能

乡村振兴大数据画像系统可以为政府部门、学术机构、经济组织等各类主体使用，为解决乡村领域的难点问题提供数据支撑。具体而言，乡村振兴大数据画像系统主要有三大功能。

一是了解全貌。传统的乡村发展评价一般采用年鉴数据、普查数据和调查数据等，这些数据存在时间滞后、更新频率低、农业数据多而农村和农民数据少等问题，同时，使用相似数据源进行分析可能会导致评价结果的趋同化。乡村振兴大数据画像系统涵盖了海量的乡村数据资源，能够极大地拓展分析维度，帮助系统使用主体全方位、立体化地了解乡村发展实际情况，进而有针对性地采取具体措施。

二是差异寻因。从政府角度而言，在了解乡村发展的现状后，需要更进一步地了解短板为何为短板，以及如何去突破短板。乡村振兴大数据画像系统可以帮助政府部门对比当地与位置邻近地区、经济结构相似地区、自然资源相似地区之间乡村发展的差异，从而发现该地区的优势和劣势，并提供其他地区的发展经验供其参考。

三是监测预警。乡村振兴大数据画像系统也可作为监测预警系统使用。一方面，系统可用于评估乡村振兴政策的实施情况，通过对多年数据进行对比，向政府部门清晰提示指标的变动情况尤其是下降指标的实际表现，帮助政府采取相关政策进行适当调整。另一方面，系统可用于对乡村发展情况进行实时监测并发出预警。例如，系统可以对农产品价格进行实时监测，当指标值出现异常波动或下降趋势时发出预警信号，帮助政府部门作出及时应对。

（二） 乡村振兴大数据画像系统的架构

如图1 所示，本文构建的乡村振兴大数据画像系统主要包括六大板块：数据采集、数据预处理、数据存储、特征工程、数据挖掘、乡村画像。用户画像的过程包括搜集用户数据、分析用户相关业务特色以及可视化分析等[23-24]，这六大板块的设计参考了用户画像的构建过程。设计同时参考了计算机领域搭建大数据类平台的相关流程，即从数据的获取，到数据简单处理和存储，再到对数据进行深层次挖掘和分析，最后形成关于一个主体的大数据画像，这是一个构建大数据平台通用的流程。流程核心是对粗糙的数据进行深度加工，将与主体相关的各类事物联系在一起，构建一个关于主体的信息网络，而画像的本质，就是信息的有效集合。

1. 数据采集

乡村数据源十分丰富，包括年鉴数据、普查数据、调研数据、征信数据、消费数据、支付数据、手机信令数据、物联网数据和互联网爬取数据等等。从数据结构来看，画像系统既包括结构化数据，又包括半结构化和非结构化数据。从数据层次来看，画像系统既包括省级层面、市级层面的宏观经济数据，又包括涉及农户个体的微观数据。从数据类型来看，画像系统既包括数值型数据，又包括文本型数据。本文在构建乡村振兴大数据画像系统时，对三类乡村大数据源进行了重点关注。

一是政府数据开放平台上的乡村数据。政府掌握着大量高价值的数据资源。据《中国地方政府数据开放报告（2021 年上半年）》统计，截至2021 年4 月底，我国已有174 个省级和城市的地方政府上线了数据开放平台，其中省级平台18 个（含省和自治区，不包括直辖市和港澳台），城市平台156 个（含直辖市、副省级与地级行政区）。这些平台汇聚了发改、民政、财政、住建、自然资源、生态环境、水利、文化和旅游、统计等多个政府部门的数据，从主题或领域来看，涉及乡村数据的主题包括农业农村、文旅休闲、气象服务、卫生健康等。政府促进乡村数据开放可以推动历史数据的数字化、电子化，这些数据不仅可以为政府部门所用，为其决策提供支撑，同时也可以为其他主体进行应用开发提供基础资源，进一步促进数据要素价值的释放。

二是物联网产生的乡村数据。例如，农村居民可以借助物联网传感器搭建精细化种养环境，在种养殖生产环节通过物联网设备采集环境信息。再如，农村地区还可以通过在垃圾监测点部署传感器设备，结合无人机定期拍摄、互联网群众监督等手段，获取农村人居环境数据。

三是与农户相关的微观数据。互联网金融的发展使得“长尾效应”得到充分发挥，农村居民也能以较低成本购买金融产品和服务，在此背景下，互联网金融平台将积攒大量关于居民个人的消费、支付、购买保险等行为的数据，这些数据与传统银行等金融机构的数据结合，可以进一步完善我国农村居民包括征信情况在内的各种信息。

未来，随着政府数据开放工作的推进、智慧农业的发展和数字金融的进一步推广，这三类乡村大数据源将获得极大拓展。同时，其他乡村数据源也将更加丰富，使乡村振兴大数据画像系统能够保持动态更新。

2. 数据预处理

由于不同来源的数据类型不一、频率不一、时间段不一，因此在使用之前需要对数据进行处理。一是数据清洗，如去除异常值、处理缺失值。二是数据转换，如将文本型数据转换为数值型数据，以及不同尺度数据的归一化处理等。三是数据规约。以属性规约为例，属性规约是通过合并属性来创建新的属性，或者通过删除不相关属性来减少数据维数，从而提高后续的数据挖掘效率，降低计算成本。四是数据集成，即把不同来源、不同格式的数据在逻辑上或者在物理上进行集中。

3. 数据存储

数据存储板块应充分考虑数据使用的规范性和便捷性。本文初步设想可以根据乡村数据的内涵对各个数据源的数据进行细分，然后集中到相应的数据库中，如自然环境数据库、乡村人口数据库、农业生产数据库、乡村治理数据库、乡村经济数据库等。此外，数据存储还应关注数据的安全性，防止数据篡改和泄露。

4. 特征工程

如前所述，特征提取是构建大数据画像系统最为关键的一步，人工提取和数据挖掘这两种特征提取方法既可以分开使用，也可以结合使用。提取出来的特征通过标签进行展示和存储，标签可以分为以下三类。

一是事实标签。这类标签是根据乡村的基本信息提取的，是对事实的描述，无需对原始信息进行太多处理，如“属于西部地区”“属于温带季风气候”等。

二是模型标签。这类标签是对乡村数据进行求和、求平均、求比率、求增速等得到的，是基于一定的画像模型产生的，如“本年度小麦产量比去年增加3%”“平均每村的医疗人员数量为4 人”等。

三是预测标签。这类标签是在对乡村未来发展情况进行预测时使用的，需要构建更加复杂的模型、进行更为复杂的运算才能得出，如“水稻产量可能出现下降”“人口有增加趋势”等。预测方法既可以使用传统经济学中的各种趋势预测法，也可以使用机器学习等统计方法。

在构建乡村振兴大数据画像系统时，要建立标签筛选机制。标签筛选指的是对事实标签、模型标签和预测标签等各类标签进行有选择性地呈现的过程。随着乡村大数据类型和数量的增加，标签的数量也将不断增加，如果不建立筛选机制，将所有标签直接可视化，就会导致大量标签集中于同一张图的情况，出现“信息过量”或“信息泛滥”的现象。未来可通过构建标签筛选机制，根据不同主体的实际需求来选择可视化的侧重点，有针对性地展示部分重要标签。

5. 数据挖掘

对特征工程环节提取到的特征和标签，我们继续使用数据挖掘技术对其进行具体而深入的分析。实际操作中有多种方法可供选择，以机器学习方法为例，既可以采用有监督的学习（如分类分析），也可以采用无监督的学习（如聚类分析），具体使用哪种方法需要根据数据情况和研究目的而定。在进行数据挖掘时，要特别关注数据的稀疏性问题。以“全国民主法治示范村”这一政策称号为例，到目前为止，该称号一共发布过7 个批次的名单，共计3035 个村落，对于我国六十多万个村来说，拥有“全国民主法治示范村”称号的村落数量是很少的，大量未获得称号的村落在该项数据表现上值为零，这就导致了数据稀疏性问题。通俗来说，数据稀疏是指数据相对于整体而言具有较低的覆盖度，传统方法很难获取有用信息从而生产有效的标签。因此，在构建乡村振兴大数据画像时，对这些数据进行合适的处理对于后续的计算至关重要。

6. 乡村画像

经过以上五个步骤，乡村振兴大数据画像形成，按照不同的用途和功能运用于多个领域。以政府部门为例，政府可以借助乡村振兴大数据画像系统开展农业普查；也可以利用系统的数据分析结果因乡施策，为乡村补全短板、发挥优势提供助力；还可以测度和评估政策效果，为下一步调整政策提供数据支持等。

四、乡村振兴大数据画像系统实践

依据乡村振兴大数据画像系统的架构和设计思路，本文对该系统进行了开发和实践，设计了四大类画像体系，分别为中长期画像、振兴指数画像、特征乡村画像和试点示范画像。

（一） 中长期画像

中长期画像体系的底层数据主要来自年鉴、农业普查资料等，重点在于对我国乡村发展5 至10 年内的情况进行宏观层面的分析，具体可以分为两部分。第一部分为农业普查数据分析。以北京市为例，本文利用大数据技术对上百个标签进行梳理，并使用词云图进行可视化展示，画像结果如图2（a）所示。从图中可以直观看出1996 年、2006 年和2016 年北京市乡村发展比较好的方面，并能够看出北京市乡村随时间的变化情况，如2016 年的“电子商务配送站点”标签可以充分体现农村电子商务行业的快速发展。图2（b）给出了三个时点排名前十位的具体指标。第二部分为五年规划时段分析，以年鉴数据为基础。以黑龙江省农林牧渔总产值指标为例，从图3 可以看出，“十一五”“十二五”“十三五”期间，黑龙江省农林牧渔业总产值在全国的排名分别上升2 位、上升4 位、下降1 位，“十二五”期间的增长速度最快。

（二） 乡村振兴指数画像

乡村振兴指数画像使用的是年鉴数据，通过构建指标体系来对我国31 个省（自治区、直辖市）的乡村振兴发展水平进行测度，如图4（a）所示，乡村振兴指数按照从高到低进行排序，拉动柱状图下方的横条，可以看到全部省份的乡村振兴指数情况。点击图上某个省份的柱状图，可以进入详情页，如图4（b）所示，以河北省为例，可以看到河北省2018 年乡村振兴指数值及其排名，并可以看到五个一级指标值。

（三） 特征乡村画像

特征乡村画像又分为集聚提升类乡村画像、城郊融合类乡村画像、特色保护类乡村画像和搬迁撤并类乡村画像，其中，第一类和第三类画像主要使用《中国县域统计年鉴（乡镇卷）》数据，第二类和第四类画像主要使用从民政部网站公告中爬取的数据。以集聚提升类乡村画像为例，千强乡镇是统计年鉴中提供的一种称号，其数量也是体现乡村集聚提升的重要信号，图5 给出了分地区的我国各省份千强乡镇数量情况。其余部分暂不做展示。

（四） 试点示范乡村画像

试点示范乡村画像的数据来自于互联网，本文对农业农村部、财政部、人社部等十余个国家级政府部门网站进行爬取，获得了与乡村有关的60 多个称号，这些称号通常被称为“试点”“示范”等，如“全国一村一品示范村镇”“全国乡村振兴示范村”“结合新型城镇化开展支持农民工等人员返乡创业试点”等。称号数据属于非传统、非结构化的文本型数据，需要使用文本分析工具对文字进行解析。本文共获得5 万多个行政村名称，图6 给出了这些称号的总体情况以及分区域的情况。此外，本研究还对各省份称号数据进行了分析，在此暂不做展示。

当前，本系统已经获取的数据可以分为三类。一是三次农业普查数据。二是与乡村有关的年鉴数据，包括《中国统计年鉴》《中国人口和就业统计年鉴》等综合类年鉴中的相关数据、《中国农村统计年鉴》《中国农垦统计年鉴》等乡村类年鉴的全部数据、《广东农村统计年鉴》等地方性乡村类年鉴数据。三是互联网爬取数据，主要是对各个政府部门网站进行爬取。本系统的数据后台已经按照行政主体、时间等关键指标对各个来源的数据进行拼接，并提供了数据查询、数据筛选等功能。由于征信数据、支付数据等数据的私密性较高，这部分数据目前尚未获取。未来，随着数据源的拓展，大数据系统的底层数据基础将更加坚实。从数据分析方法来看，本系统既使用了传统的统计方法，又使用了标签技术，并提供了大量的可视化图表，下一步，本系统将更多使用机器学习、深度学习等对底层数据进行挖掘。

五、总结

乡村振兴大数据画像系统是基于广泛的乡村大数据源，使用大数据技术和画像技术进行数据分析的可视化系统，具有综合化、动态化、智能化、可视化四大特征及了解全貌、差异寻因、监测预警三大功能。本文给出了乡村振兴大数据画像系统的具体架构，包括数据采集、数据预处理、数据存储、特征工程、数据挖掘、乡村画像六大板块。基于该架构，本文进行了具体实践，将系统分为中长期画像、振兴指数画像、特征乡村画像和试点示范画像四类画像，并对四类画像的主要内容进行了展示。

乡村振兴大数据画像系统是在乡村振兴和数字乡村两大战略实施的背景下进行设计和搭建的，数字乡村是乡村振兴大数据画像系统建设的基础，乡村振兴是系统建设的目标。数字乡村不仅是指数字技术在乡村领域的简单应用，还指根据数字经济的发展理念，依托于信息基础设施和大数据、人工智能、物联网等数字技术，驱动农业农村高质量发展，推动乡村智能化、绿色化、精准化。数字乡村的发展为乡村振兴大数据画像系统提供了基础数据，同时也积累了技术经验。反过来，乡村振兴大数据画像系统也为数字乡村和乡村振兴战略的推进提供了更加可靠的数据支持，为乡村发展指明了方向。未来，随着乡村数据资源的开放拓展和信息技术的进步，乡村振兴大数据画像系统的各项功能将更加完善，数据分析结果将更加准确，系统的应用范围也将进一步扩大。