吳 昊 李達(dá)明 閆友為（北京全路通信信號(hào)研究設(shè)計(jì)院有限公司，北京 100073）

吳昊，男，碩士畢業(yè)于清華大學(xué)，工程師。主要研究方向?yàn)殍F路通信信號(hào)，曾參與“CTCS-3級(jí)列控系統(tǒng)綜合設(shè)計(jì)集成平臺(tái)”、“CTCS-3級(jí)列控系統(tǒng)研發(fā)試驗(yàn)—C3列控實(shí)驗(yàn)室研究與測(cè)試”、“C3綜合測(cè)評(píng)系統(tǒng)”、“列控系統(tǒng)優(yōu)化技術(shù)研究”等項(xiàng)目工作。

作為CBTC設(shè)計(jì)開發(fā)和集成實(shí)施的重要環(huán)節(jié)，測(cè)試能夠在系統(tǒng)設(shè)計(jì)、集成研究、工程實(shí)施以及運(yùn)營(yíng)維護(hù)等系統(tǒng)開發(fā)全生命周期中的各個(gè)階段提供對(duì)CBTC系統(tǒng)功能的驗(yàn)證支持。然而在測(cè)試過程中將產(chǎn)生大量繁雜多樣的數(shù)據(jù)，人工進(jìn)行測(cè)試分析需要耗費(fèi)大量的人力，占用不少的時(shí)間，直接影響了測(cè)試的效率，并且人工分析難免會(huì)出現(xiàn)失誤和不全面，對(duì)測(cè)試評(píng)價(jià)的準(zhǔn)確性和全面性有較大的影響，直接影響到對(duì)整個(gè)CBTC系統(tǒng)的評(píng)價(jià)。因此研究針對(duì)CBTC的綜合測(cè)評(píng)技術(shù)，利用計(jì)算機(jī)輔助的手段，將測(cè)試分析的方法、知識(shí)和經(jīng)驗(yàn)軟件化，輔助人工快速、準(zhǔn)確發(fā)現(xiàn)CBTC系統(tǒng)測(cè)試和運(yùn)行過程的問題，并對(duì)CBTC系統(tǒng)進(jìn)行綜合評(píng)價(jià)，是解決這一問題的有效途徑。

專家系統(tǒng)是人工智能技術(shù)與具體應(yīng)用學(xué)科相結(jié)合的產(chǎn)物。它能運(yùn)用知識(shí)進(jìn)行推理，在問題所在的領(lǐng)域內(nèi)推導(dǎo)出滿意的答案[1-2]。一個(gè)專家系統(tǒng)，一般應(yīng)該具備以下幾個(gè)功能。

1）知識(shí)的表示：[3-4]即尋找領(lǐng)域知識(shí)與計(jì)算機(jī)表達(dá)之間的映射方式和途徑。比較常用的知識(shí)表示方法有：謂詞邏輯表示法、產(chǎn)生式規(guī)則表示法、語(yǔ)義網(wǎng)絡(luò)表示法、框架表示法和基于本體的知識(shí)表示法[5]等。

2）知識(shí)的推理：即根據(jù)一定的原則（公理或規(guī)則）從已知的事實(shí)（或判斷）推出新的事實(shí)（或另外的判斷）的思維過程。專家系統(tǒng)的推理是建立在知識(shí)庫(kù)中存儲(chǔ)的大量領(lǐng)域知識(shí)的基礎(chǔ)之上的，即是基于知識(shí)的。使用專家系統(tǒng)的過程就是對(duì)知識(shí)庫(kù)中的知識(shí)進(jìn)行選擇和運(yùn)用的思維過程[2]。

3）輸入數(shù)據(jù)的預(yù)處理：即通過對(duì)輸入專家系統(tǒng)數(shù)據(jù)的處理，解決數(shù)據(jù)丟失、數(shù)據(jù)不完整、數(shù)據(jù)間不一致、數(shù)據(jù)錯(cuò)誤等問題，提高輸入數(shù)據(jù)的質(zhì)量，使推理過程更加有效和容易[2]。

針對(duì)CBTC的綜合測(cè)評(píng)技術(shù)既具有一般專家系統(tǒng)技術(shù)的特征，又具有與CBTC系統(tǒng)領(lǐng)域知識(shí)相關(guān)的特殊屬性。傳統(tǒng)的專家系統(tǒng)技術(shù)在應(yīng)用于CBTC系統(tǒng)時(shí)，存在以下問題。

傳統(tǒng)專家系統(tǒng)通常采用某一類方法對(duì)領(lǐng)域知識(shí)進(jìn)行描述。而CBTC系統(tǒng)結(jié)構(gòu)復(fù)雜，信息類別繁多，很難單獨(dú)用某一類知識(shí)表示方法對(duì)CBTC系統(tǒng)的所有領(lǐng)域知識(shí)進(jìn)行描述，必須針對(duì)不同類型的領(lǐng)域知識(shí)，采用不同的知識(shí)表示方法進(jìn)行描述。

2）推理機(jī)制的通用性要求低，專用性要求高。

傳統(tǒng)專家系統(tǒng)為了滿足在多領(lǐng)域中的通用性，對(duì)推理機(jī)的設(shè)計(jì)考慮了各種前提和可能發(fā)生的情況，采用了傳統(tǒng)的模式匹配算法如Rete算法等。這樣的設(shè)計(jì)使系統(tǒng)獲得了很大的通用性，但也帶來了推理效率不高等缺陷。CBTC綜合測(cè)評(píng)不存在對(duì)其他領(lǐng)域支持的需求。因此，需要以提高推理效率為目標(biāo)，對(duì)傳統(tǒng)推理機(jī)制進(jìn)行取舍和改進(jìn)，使其適用于CBTC系統(tǒng)。

3）數(shù)據(jù)量巨大，數(shù)據(jù)來源多樣，數(shù)據(jù)預(yù)處理需要有效提高輸入數(shù)據(jù)的質(zhì)量。

傳統(tǒng)專家系統(tǒng)獲取的輸入數(shù)據(jù)通常來源于同一個(gè)途徑，其數(shù)據(jù)量也相對(duì)不大。CBTC綜合測(cè)評(píng)面向的是CBTC系統(tǒng)的數(shù)據(jù)，這些數(shù)據(jù)來源于不同的監(jiān)測(cè)途徑，而且數(shù)據(jù)量巨大，周期性數(shù)據(jù)和非周期性數(shù)據(jù)共存。因此，在數(shù)據(jù)進(jìn)入推理機(jī)前，有必要對(duì)其進(jìn)行甄別和篩選，剔除冗余和無用的信息，保留有用信息，否則推理機(jī)的效率會(huì)受到極大影響。

鑒于傳統(tǒng)專家系統(tǒng)技術(shù)在應(yīng)用于CBTC綜合測(cè)評(píng)時(shí)存在以上所述的問題，本文基于傳統(tǒng)專家系統(tǒng)技術(shù)，并對(duì)其進(jìn)行改進(jìn)和創(chuàng)新，提出了一種針對(duì)CBTC的綜合測(cè)評(píng)技術(shù)，包括數(shù)據(jù)預(yù)處理技術(shù)、知識(shí)表示與規(guī)則提取技術(shù)、推理機(jī)技術(shù)，重點(diǎn)討論基于傳統(tǒng)專家系統(tǒng)實(shí)現(xiàn)的改進(jìn)和創(chuàng)新。

腫頭龍生活在距今7000萬(wàn)年至6600萬(wàn)年前的白堊紀(jì)晚期的北美洲。腫頭龍與許多恐龍生活在一起，其中就包括了霸王龍、三角龍、甲龍、埃德蒙頓龍、似鴕龍等。霸王龍是腫頭龍生存世界中的絕對(duì)王者，它能毫不費(fèi)力地獵殺腫頭龍。不過，生性機(jī)警、奔跑迅速的腫頭龍是很難被捕捉到的。

1 CBTC綜合測(cè)評(píng)技術(shù)

1.1 數(shù)據(jù)預(yù)處理技術(shù)

針對(duì)CBTC系統(tǒng)數(shù)據(jù)的特征，可以使用數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約等數(shù)據(jù)預(yù)處理技術(shù)，在推理之前對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)念A(yù)處理，以減少推理所需要的時(shí)間，提高綜合測(cè)評(píng)的總體質(zhì)量。

數(shù)據(jù)清理首先檢測(cè)數(shù)據(jù)的各種偏差，包括數(shù)據(jù)退化（如數(shù)據(jù)發(fā)送、接收方不明確）、數(shù)據(jù)表示及編碼不一致（如數(shù)據(jù)中時(shí)間戳格式不一致）、數(shù)據(jù)重復(fù)等，然后使用定義的一系列變換來糾正偏差，如將數(shù)據(jù)中時(shí)間戳變換成統(tǒng)一格式、根據(jù)數(shù)據(jù)的其他屬性內(nèi)容來填寫已經(jīng)退化的屬性值、過濾重復(fù)數(shù)據(jù)等。

數(shù)據(jù)集成是將來自于多個(gè)數(shù)據(jù)源的數(shù)據(jù)進(jìn)行合并。代表同一個(gè)概念的數(shù)據(jù)屬性在不同的數(shù)據(jù)中可能有不同的名字，這將導(dǎo)致不一致性和冗余。這種命名的不一致還可能出現(xiàn)在數(shù)據(jù)屬性的值中。數(shù)據(jù)大量冗余和不一致可能降低推理過程的性能或使之陷入混亂。因此需要定義關(guān)于各數(shù)據(jù)屬性性質(zhì)的知識(shí)，即數(shù)據(jù)屬性的元數(shù)據(jù)，來避免模式集成的錯(cuò)誤。每個(gè)數(shù)據(jù)屬性的元數(shù)據(jù)包括名稱、含義、數(shù)據(jù)類型、允許取值范圍、空值規(guī)則等。

數(shù)據(jù)變換將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于推理的形式。數(shù)據(jù)變換的主要內(nèi)容如下。

1）數(shù)據(jù)聚集：對(duì)數(shù)據(jù)進(jìn)行匯總或聚集。

2）數(shù)據(jù)泛化：使用概念分層，用高層概念替換低層或“原始”數(shù)據(jù)。分類的數(shù)據(jù)屬性，如數(shù)據(jù)中的邏輯區(qū)段鎖閉狀態(tài)、區(qū)域控制器(Zone Control, ZC）發(fā)送給聯(lián)鎖的邏輯區(qū)段狀態(tài)等類型的數(shù)據(jù)，其消息類型就可以映射到較高層概念，如邏輯區(qū)段；又如數(shù)據(jù)中聯(lián)鎖發(fā)送給ZC的進(jìn)路消息，道岔的狀態(tài)屬性以兩位原始數(shù)據(jù)00、01、10、11表示，也可以泛化為較高層的概念，以道岔定位、反位、故障來表示。通過這種數(shù)據(jù)泛化，盡管細(xì)節(jié)丟失了，但是泛化后的數(shù)據(jù)更有意義。

3）特征構(gòu)造：由給定的屬性構(gòu)造新的屬性并添加到數(shù)據(jù)的屬性集中，以幫助提高準(zhǔn)確率和對(duì)高維數(shù)據(jù)結(jié)構(gòu)的理解。

數(shù)據(jù)歸約通過聚集、刪除冗余特征等方法來減小數(shù)據(jù)規(guī)模。用于推理的數(shù)據(jù)集太大，會(huì)降低推理的速度。數(shù)據(jù)歸約技術(shù)可以用來得到數(shù)據(jù)集的歸約表示，它雖然小得多，但仍接近保持元數(shù)據(jù)的完整性。這樣，對(duì)歸約后的數(shù)據(jù)集進(jìn)行推理將更有效，并產(chǎn)生相同的測(cè)評(píng)結(jié)果。

此外，為了提高數(shù)據(jù)預(yù)處理的效率，可以對(duì)數(shù)據(jù)預(yù)處理過程進(jìn)行并行處理。對(duì)于接收到的數(shù)據(jù)，首先進(jìn)行統(tǒng)一的數(shù)據(jù)清理。這是因?yàn)閿?shù)據(jù)清理與輸入數(shù)據(jù)的類型無關(guān)，只是對(duì)數(shù)據(jù)錯(cuò)誤、數(shù)據(jù)屬性退化、數(shù)據(jù)表示不一致、數(shù)據(jù)重復(fù)等進(jìn)行處理；并且只有通過數(shù)據(jù)清理，才能正確地按照某種規(guī)則對(duì)數(shù)據(jù)進(jìn)行分發(fā)和并行處理。數(shù)據(jù)清理之后，根據(jù)數(shù)據(jù)的類型等屬性，將數(shù)據(jù)分發(fā)到不同的并行預(yù)處理單元。每個(gè)并行預(yù)處理單元都有一個(gè)待處理的數(shù)據(jù)隊(duì)列。并行預(yù)處理單元從隊(duì)列中依次取出數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)歸約。

1.2 知識(shí)表示技術(shù)

可以采用兩種知識(shí)表示方法對(duì)CBTC系統(tǒng)的領(lǐng)域知識(shí)進(jìn)行完整的描述：

1）產(chǎn)生式規(guī)則表示法；

2）面向?qū)ο蟊硎痉ā?/p>

產(chǎn)生式規(guī)則表示法是根據(jù)產(chǎn)生式規(guī)則來表述知識(shí)的方法，其基本形式為：“IF P THEN Q”，其中P為產(chǎn)生式的前提條件，描述了結(jié)果產(chǎn)生所依賴的條件，Q是當(dāng)前提條件成立時(shí)得出的結(jié)論。產(chǎn)生式規(guī)則能夠?qū)⒅R(shí)形式直觀、自然地表現(xiàn)出來，而且每條規(guī)則都具有相同的形式，方便知識(shí)的增加，刪除和修改，推理時(shí)哪一個(gè)條件不成立在推理時(shí)清晰可見，能及時(shí)反映當(dāng)時(shí)的情況。對(duì)于不具備時(shí)序性的領(lǐng)域知識(shí)，例如有源應(yīng)答器報(bào)文規(guī)則，始終可以根據(jù)系統(tǒng)當(dāng)前某些條件或條件的組合推導(dǎo)出固定的結(jié)論，這些結(jié)論并不依賴于系統(tǒng)的歷史狀態(tài)，因此使用產(chǎn)生式規(guī)則表示法可以很好地對(duì)CBTC系統(tǒng)中的這類知識(shí)進(jìn)行表示。

然而對(duì)于具備時(shí)序性的領(lǐng)域知識(shí)，系統(tǒng)輸出不僅依賴于系統(tǒng)的當(dāng)前狀態(tài)，還與系統(tǒng)的歷史狀態(tài)有關(guān)。這類領(lǐng)域知識(shí)的載體無法采用“IF-TH EN”的形式來實(shí)現(xiàn)，而需要載體里包含系統(tǒng)的某些歷史狀態(tài)。系統(tǒng)當(dāng)前的某些狀態(tài)數(shù)據(jù)與載體里歷史狀態(tài)數(shù)據(jù)進(jìn)行某些邏輯、算數(shù)運(yùn)算，進(jìn)而得到預(yù)期結(jié)論。這些載體里需要包含“數(shù)據(jù)”和“行為”，因此，適合采用面向?qū)ο蟊硎痉▽?duì)這類領(lǐng)域知識(shí)進(jìn)行描述。

1.3 推理機(jī)技術(shù)

針對(duì)CBTC的綜合測(cè)評(píng)，具有實(shí)時(shí)和大量推理需求的特點(diǎn)，傳統(tǒng)推理技術(shù)的推理效率會(huì)成為系統(tǒng)性能的一個(gè)瓶頸。為此，在CBTC的綜合測(cè)評(píng)中，采用以下3種方式提高推理效率：

1）迭代推理規(guī)避

傳統(tǒng)的推理機(jī)對(duì)于迭代推理的需求來源于當(dāng)前的推理“結(jié)果”可以作為“事實(shí)”進(jìn)入推理機(jī)進(jìn)行下一次推理，多用于各規(guī)則間存在因果關(guān)系的專家系統(tǒng)。而CBTC系統(tǒng)由于各領(lǐng)域知識(shí)相互獨(dú)立，且采用1.2節(jié)所描述的兩種知識(shí)表示技術(shù)使得各規(guī)則之間沒有直接聯(lián)系，因此，推理機(jī)不用將推理“結(jié)果”作為“事實(shí)”進(jìn)行迭代推理，有效降低了推理機(jī)設(shè)計(jì)的復(fù)雜程度，提高了推理效率。

2）模式匹配學(xué)習(xí)

對(duì)于采用產(chǎn)生式知識(shí)表示法描述的規(guī)則，假設(shè)一個(gè)包含n個(gè)條件和K條規(guī)則的規(guī)則集，通過對(duì)n個(gè)條件狀態(tài)的判斷在這K條規(guī)則中找到滿足條件的結(jié)果。如果不進(jìn)行模式匹配學(xué)習(xí)，則搜索的時(shí)間復(fù)雜度為O(n）。實(shí)際上對(duì)于CBTC的測(cè)評(píng)，前后兩次推理通常并非所有n個(gè)條件都發(fā)生改變，因此可以“學(xué)習(xí)”前次推理的模式匹配過程，即只對(duì)改變了的條件重新進(jìn)行搜索，這樣可以避免對(duì)不必要條件的搜索，減小時(shí)間復(fù)雜度。此外還可以通過“學(xué)習(xí)”各條件發(fā)生變化的概率，按照概率從小到大的順序排列條件，進(jìn)一步減小時(shí)間復(fù)雜度。

3）事件注冊(cè)機(jī)制

對(duì)于采用面向?qū)ο笾R(shí)表示法描述的規(guī)則，如果每次推理都對(duì)規(guī)則庫(kù)進(jìn)行遍歷，雖然可以保證所有滿足條件的規(guī)則都被觸發(fā)，但是會(huì)造成眾多不滿足條件的規(guī)則被再次遍歷，導(dǎo)致推理效率降低。采用該類知識(shí)表示法描述的規(guī)則，其觸發(fā)條件是輸入事件，只有當(dāng)新的輸入事件產(chǎn)生，才會(huì)進(jìn)行推理；而且，每類輸入事件通常只會(huì)觸發(fā)一小部分的規(guī)則，如果推理機(jī)僅對(duì)這一部分規(guī)則進(jìn)行遍歷，將大大縮短每次推理所用的時(shí)間。為此，對(duì)于每條規(guī)則，采用事件注冊(cè)機(jī)制，預(yù)先對(duì)每類輸入事件可能激活的規(guī)則進(jìn)行注冊(cè)。這樣，當(dāng)新的輸入事件產(chǎn)生時(shí)，推理機(jī)首先根據(jù)事件類型在注冊(cè)表里找到可能激活的規(guī)則，然后對(duì)這些規(guī)則逐一進(jìn)行模式匹配，匹配成功的規(guī)則將執(zhí)行。這樣的設(shè)計(jì)使得推理機(jī)不再遍歷不滿足觸發(fā)條件的規(guī)則，極大地提高推理效率。

另外，由于傳統(tǒng)推理技術(shù)通常只適用于由某一類規(guī)則組成的專家系統(tǒng)。而對(duì)于由多種類型規(guī)則混合組成的專家系統(tǒng)，現(xiàn)有技術(shù)的缺點(diǎn)在于推理機(jī)對(duì)外接口難以統(tǒng)一，輸入輸出數(shù)據(jù)的內(nèi)容、格式等與規(guī)則庫(kù)類型產(chǎn)生耦合。為了消除這一影響，有必要對(duì)推理機(jī)的結(jié)構(gòu)進(jìn)行重新設(shè)計(jì)，解除輸入輸出數(shù)據(jù)與內(nèi)部規(guī)則之間的耦合，保持推理機(jī)對(duì)外視圖的一致性。

采用產(chǎn)生式知識(shí)表示法或面向?qū)ο笾R(shí)表示法描述的規(guī)則進(jìn)行推理，其過程遵循以下步驟：“輸入事件→模式匹配→產(chǎn)生預(yù)期結(jié)果→驗(yàn)證結(jié)果→測(cè)評(píng)結(jié)論”，兩種知識(shí)表示方法唯一的不同在于模式匹配階段。因此，在設(shè)計(jì)推理機(jī)的結(jié)構(gòu)時(shí)，將變化的部分與不變的部分分離，最大程度地保持各設(shè)計(jì)模塊對(duì)于由兩種知識(shí)表示法描述的規(guī)則的通用性。

在圖1所示的推理機(jī)結(jié)構(gòu)中，推理機(jī)不斷掃描外部消息和內(nèi)部定時(shí)器，當(dāng)有外部新消息輸入或事實(shí)集里有定時(shí)事件產(chǎn)生時(shí)，便將其作為輸入事件，發(fā)送給對(duì)該類型事件注冊(cè)過的規(guī)則集。規(guī)則集根據(jù)規(guī)則的類型進(jìn)行推理，推理完成后，更新與規(guī)則相關(guān)的事實(shí)集部分。如果推理過程中模式匹配成功，則產(chǎn)生預(yù)期結(jié)果，放入預(yù)期結(jié)果存儲(chǔ)區(qū)。然后，推理機(jī)不斷掃描預(yù)期結(jié)果存儲(chǔ)區(qū)，對(duì)比預(yù)期結(jié)果和已有的監(jiān)測(cè)數(shù)據(jù)或?qū)⒁竭_(dá)的監(jiān)測(cè)數(shù)據(jù)，得出測(cè)評(píng)結(jié)論。從上述推理過程可以看出，圖1所示的推理機(jī)與外部系統(tǒng)的接口不依賴于規(guī)則庫(kù)的構(gòu)建方式，因而具備較強(qiáng)的適用性。

2 應(yīng)用討論

應(yīng)用CBTC綜合測(cè)評(píng)技術(shù)可以實(shí)現(xiàn)對(duì)CBTC系統(tǒng)測(cè)試和運(yùn)行過程的綜合評(píng)價(jià)，可以節(jié)省測(cè)試驗(yàn)證過程中的人力和時(shí)間，提高測(cè)試驗(yàn)證中各類問題的發(fā)現(xiàn)率，全面、準(zhǔn)確地對(duì)CBTC系統(tǒng)的功能進(jìn)行綜合評(píng)價(jià)。在未來，通過進(jìn)一步的研究和開發(fā)，CBTC綜合測(cè)評(píng)技術(shù)可以進(jìn)一步服務(wù)于CBTC系統(tǒng)的后期運(yùn)營(yíng)維護(hù)中，為CBTC系統(tǒng)的持續(xù)優(yōu)化提供扎實(shí)的技術(shù)支撐。

[1] 金聰. 人工智能教程[M]. 北京: 清華大學(xué)出版社, 2007.

[2] Giarratano，Joseph C,Riley, et al. Expert Systems Principles and Programming[M]. 北京: 機(jī)械工業(yè)出版社, 2006

[3] 徐寶祥, 葉培華. 知識(shí)表示的方法研究[J]. 情報(bào)科學(xué), 2007(05）：690-694.

[4] W.L. Xu, L. Kuhnert, K. Foster, et al, Object-oriented knowledge representation and discovery of human chewing behaviours[J].Engineering Applications of Artificial Intelligence, 2007(20):1000-1012.

[5] 鄧志鴻,唐世渭，張銘，等. Ontology 研究綜述[J].北京大學(xué)學(xué)報(bào):自然科學(xué)版, 2002, (5）:730-738.