李四輝，蔡伯根，上官偉*，郭科研，劉 宇

（1.北京交通大學(xué) 電子信息工程學(xué)院，北京100044；2.北京新媒體技師學(xué)院 電氣工程專業(yè)部，北京102600）

車(chē)路協(xié)同系統(tǒng)仿真信息多分辨率交互方法

李四輝1，蔡伯根1，上官偉*1，郭科研2，劉 宇2

（1.北京交通大學(xué) 電子信息工程學(xué)院，北京100044；2.北京新媒體技師學(xué)院 電氣工程專業(yè)部，北京102600）

車(chē)路協(xié)同系統(tǒng)仿真研究對(duì)于交通系統(tǒng)的發(fā)展具有重要的意義.為了研究車(chē)路協(xié)同系統(tǒng)的仿真關(guān)鍵技術(shù)并構(gòu)建車(chē)路協(xié)同系統(tǒng)仿真平臺(tái)，本文提出信息多分辨率交互方法解決基于HLA的系統(tǒng)仿真過(guò)程中的網(wǎng)絡(luò)擁塞問(wèn)題，建立了高分辨率車(chē)輛行駛狀態(tài)信息模型、中分辨率車(chē)隊(duì)狀態(tài)信息模型、低分辨率交通流信息模型，運(yùn)用聚合解聚法實(shí)現(xiàn)不同信息分辨率間的仿真過(guò)程，采用模糊預(yù)測(cè)發(fā)送緩沖區(qū)信息排隊(duì)長(zhǎng)度方法確定多分辨率模型間的聚合解聚時(shí)機(jī).通過(guò)仿真管理器聯(lián)邦成員的運(yùn)行結(jié)果分析表明，該方法能夠有效減少系統(tǒng)屬性吞吐量，從而較好控制網(wǎng)絡(luò)擁塞，降低系統(tǒng)屬性延時(shí)，提高仿真效率.

交通工程；車(chē)路協(xié)同系統(tǒng)；HLA；多分辨率

1 引 言

交通是國(guó)民經(jīng)濟(jì)流動(dòng)載體，近年來(lái)隨著機(jī)動(dòng)車(chē)輛總量的快速增加，城市交通狀況日漸惡化，交通擁擠問(wèn)題嚴(yán)重制約著城市經(jīng)濟(jì)的發(fā)展.車(chē)路協(xié)同技術(shù)已經(jīng)成為當(dāng)今國(guó)際智能交通領(lǐng)域的前沿技術(shù)，是解決道路交通安全、提高通行效率和減少交通污染的有效途徑.車(chē)路協(xié)同系統(tǒng)（Cooperation Vehicle-Infrastructure System，CVIS）是基于先進(jìn)的全時(shí)空動(dòng)態(tài)交通信息采集、融合技術(shù)，通過(guò)全方位實(shí)施車(chē)車(chē)、車(chē)路動(dòng)態(tài)實(shí)時(shí)信息交互進(jìn)行車(chē)輛主動(dòng)安全控制和道路協(xié)同管理，形成人車(chē)路有效協(xié)同的安全、高效和環(huán)保的道路交通系統(tǒng)[1-4].

車(chē)路協(xié)同的交通系統(tǒng)呈現(xiàn)出超于常規(guī)的復(fù)雜性，在基于HLA的車(chē)路協(xié)同系統(tǒng)仿真中，由于聯(lián)邦成員間信息交互過(guò)程存在數(shù)據(jù)量大、交互頻率高、交互過(guò)程復(fù)雜等特點(diǎn)，會(huì)產(chǎn)生網(wǎng)絡(luò)擁塞現(xiàn)象，極大降低了仿真效率，因此本文針對(duì)仿真管理器聯(lián)邦成員中信息交互過(guò)程研究信息多分辨率交互方法控制網(wǎng)絡(luò)擁塞，提高系統(tǒng)仿真效率.

2 基于HLA的車(chē)路協(xié)同仿真系統(tǒng)

高層體系結(jié)構(gòu)（High Level Architecture, HLA）實(shí)現(xiàn)了仿真節(jié)點(diǎn)間的點(diǎn)對(duì)點(diǎn)通信或組播通信，極大減少了網(wǎng)絡(luò)冗余數(shù)據(jù).RTI（Runtime Infrastructure)運(yùn)行支撐結(jié)構(gòu)是HLA中關(guān)鍵的底層通信支持系統(tǒng)，功能類(lèi)似分布式操作系統(tǒng)，通過(guò)將仿真行為和數(shù)據(jù)通訊分離，使用戶遠(yuǎn)離了繁瑣的底層通信細(xì)節(jié).

基于HLA聯(lián)邦的設(shè)計(jì)思想，采用RTI為核心的分布式體系結(jié)構(gòu)，將車(chē)路協(xié)同系統(tǒng)定義為聯(lián)邦，車(chē)路協(xié)同仿真系統(tǒng)的各個(gè)子系統(tǒng)作為聯(lián)邦成員，共同完成聯(lián)邦的仿真目標(biāo).CVIS仿真聯(lián)邦共由6個(gè)聯(lián)邦成員構(gòu)成，主要包括仿真管理器聯(lián)邦成員、典型應(yīng)用場(chǎng)景管理聯(lián)邦成員、交通管理控制聯(lián)邦成員、交通仿真聯(lián)邦成員、信息交互仿真聯(lián)邦成員、三維視景仿真聯(lián)邦成員.CVIS仿真聯(lián)邦內(nèi)的信息流如圖1所示.

圖1 CVIS仿真聯(lián)邦成員信息流Fig.1 Information flow among CVIS federate

圖2 網(wǎng)絡(luò)負(fù)載與吞吐量、延遲的關(guān)系Fig.2 The relationship of network load and throughput,delay

基于HLA的系統(tǒng)仿真中，信息發(fā)送聯(lián)邦成員將信息發(fā)送給RTI，RTI根據(jù)數(shù)據(jù)公布訂購(gòu)關(guān)系將信息遞送到信息接收聯(lián)邦成員，該聯(lián)邦成員接收相關(guān)信息.當(dāng)在RTI中存在過(guò)多的交互信息時(shí)，網(wǎng)絡(luò)的性能會(huì)下降，此時(shí)會(huì)出現(xiàn)網(wǎng)絡(luò)擁塞現(xiàn)象[5]，表現(xiàn)為屬性延時(shí)增加、丟棄率增大、上層應(yīng)用系統(tǒng)性能下降.如圖2所示，為了最大限度地利用資源，網(wǎng)絡(luò)工作在輕度擁塞狀態(tài)時(shí)應(yīng)該是較為理想的，因此需要擁塞控制機(jī)制來(lái)加以約束和限制，通過(guò)靈活高效的擁塞檢測(cè)、預(yù)防與控制機(jī)制，保證系統(tǒng)仿真效率.

多分辨率建模技術(shù)對(duì)于系統(tǒng)仿真計(jì)算中復(fù)雜細(xì)節(jié)的計(jì)算資源要求能較大程度上進(jìn)行限制，根據(jù)實(shí)際的仿真需求，結(jié)合現(xiàn)有的仿真資源，合理最大化地利用了仿真資源，較好地避免了復(fù)雜系統(tǒng)的計(jì)算復(fù)雜性，以及分布式仿真系統(tǒng)中的子系統(tǒng)間的巨額信息交互量消耗.針對(duì)車(chē)路協(xié)同系統(tǒng)信息層次化特征，本文通過(guò)研究信息多分辨率管理方法解決基于HLA系統(tǒng)仿真中的網(wǎng)絡(luò)擁塞問(wèn)題.

3 車(chē)路協(xié)同系統(tǒng)仿真信息多分辨率交互方法

車(chē)路協(xié)同系統(tǒng)仿真中仿真管理器聯(lián)邦成員監(jiān)控管理系統(tǒng)仿真過(guò)程和模塊結(jié)構(gòu)如圖3所示.

圖3 信息管理模塊結(jié)構(gòu)圖Fig.3 Structure diagram of information management module

信息接收模塊接收其他聯(lián)邦成員的交互信息；在公共信息池中，接收信息將按類(lèi)型存放在不同的存儲(chǔ)域中，并且維護(hù)有信息的更新?tīng)顟B(tài)位，用以標(biāo)記有新信息到達(dá)的存儲(chǔ)域.信息多分辨率管理模塊對(duì)公共信息池中的信息按照信息多分辨率交互方法進(jìn)行管理；信息發(fā)送模塊根據(jù)信息多分辨率管理模塊分配的信息幀，將信息發(fā)送到其他聯(lián)邦成員.

3.1 多分辨率信息模型

MR-DEVS[6]是針對(duì)多分辨率建模問(wèn)題的系統(tǒng)形式化描述方法.其中多分辨率實(shí)體（Multi-Resolution Entity,MRE）是指可以在不同分辨率等級(jí)上與其它對(duì)象進(jìn)行交互的概念實(shí)體.車(chē)輛實(shí)體信息模型可用MR-DEVS原子模型描述為

RV={rF,rC,rV}，為實(shí)體分辨率的集合，其中，rF為低分辨率交通流級(jí)，rC為中分辨率車(chē)車(chē)/車(chē)路協(xié)同級(jí)，rV為高分辨率單車(chē)級(jí).

（1）高分辨率車(chē)輛信息模型.

高分辨率下把每一輛車(chē)作為一個(gè)研究對(duì)象，對(duì)所有個(gè)體車(chē)輛都進(jìn)行標(biāo)識(shí)和定位.

（2）中分辨率車(chē)車(chē)/車(chē)路協(xié)同車(chē)隊(duì)信息模型.

中分辨率信息模型中根據(jù)仿真的需求，對(duì)基于車(chē)車(chē)/車(chē)路通信將若干輛車(chē)構(gòu)成車(chē)路協(xié)同車(chē)隊(duì)，以此為單位統(tǒng)一描述車(chē)隊(duì)在路段和節(jié)點(diǎn)的流入流出行為.

（3）低分辨率交通流信息模型.

低分辨率交通流仿真模型中，交通流被看作連續(xù)流，從統(tǒng)計(jì)意義上考慮車(chē)輛的運(yùn)動(dòng)，對(duì)交通系統(tǒng)的要求及行為的細(xì)節(jié)描述程度較低.

ψV={rF,rC,rV,(rF,rC),(rC,rV),(rF,rC,rV)}，為實(shí)體分辨率模式的集合.

Ci→j為不同分辨率模型的一致性映射函數(shù).

Zφ描述了同一實(shí)體在分辨率模式為φ時(shí)不同模塊間的耦合關(guān)系，其定義為且r∈R.

3.1.1 高分辨率模型MV的形式化描述

式中 XV，YV分別為模型的輸入、輸出集合，本文中為空集.

SV={Time，Information,ID,Type,Failure, Warning,Distance,Lane,Latitude,Longitude, Velocity, Acceleration, Pre_ID, Interval, Pre_acceleration}，各變量含義如表1所示.

表1 高分辨率車(chē)輛狀態(tài)信息Table 1 Vehicle status information under high resolution

ρrV→rC為分辨率轉(zhuǎn)換函數(shù)，當(dāng)車(chē)輛間建立車(chē)/車(chē)、車(chē)/路協(xié)同關(guān)系的時(shí)候?qū)嶓w分辨率由高分辨率轉(zhuǎn)換為中分辨率，這個(gè)過(guò)程中系統(tǒng)需要調(diào)用聚合函數(shù)AggrV→rC(SV)以實(shí)現(xiàn)聚合操作.

ρrV→rF為分辨率轉(zhuǎn)換函數(shù)，當(dāng)車(chē)輛間建立交通流關(guān)系的時(shí)候?qū)嶓w分辨率由高分辨率轉(zhuǎn)換為低分辨率，這個(gè)過(guò)程中系統(tǒng)需要調(diào)用聚合函數(shù)AggrV→rF(SV)以實(shí)現(xiàn)聚合操作.

λV→C，λV→F為變分辨率事件的通知接收函數(shù)，當(dāng)接收到聚合命令時(shí)，分別執(zhí)行由高分辨率聚合為中分辨率和高分辨率的操作.

3.1.2 車(chē)路協(xié)同分辨率信息模型MC的形式化描述

式中 XC,YC=?，分別為模型的輸入、輸出集合，本文中為空集.

SC={Time,Num,ID,Length,Lane,Latitude, Longitude,Velocity,Acceleration,Pre_ID,Interval, Pre_acceleration}，式中各變量含義如表2所示.

ρrC→rV為分辨率轉(zhuǎn)換函數(shù)，當(dāng)車(chē)輛間注銷(xiāo)車(chē)車(chē)/車(chē)路協(xié)同關(guān)系時(shí)觸發(fā)分辨率轉(zhuǎn)換，車(chē)輛實(shí)體的分辨率將由車(chē)路協(xié)同模式變?yōu)檐?chē)輛實(shí)體模式，此時(shí)，通過(guò)調(diào)用DesAggrC→rV(SC)函數(shù)，代表車(chē)輛的信息模型MV將會(huì)被創(chuàng)建且屬性會(huì)被初始化（根據(jù)低分辨率模型MC的屬性）.

表2 中分辨率車(chē)隊(duì)單元的行駛狀態(tài)信息Table 2 Vehicle operating status information under middle resolution

ρrC→rF為分辨率轉(zhuǎn)換函數(shù)，當(dāng)車(chē)路系統(tǒng)車(chē)隊(duì)間建立交通流關(guān)系的時(shí)候?qū)嶓w分辨率由中分辨率轉(zhuǎn)換為低分辨率，這個(gè)過(guò)程中系統(tǒng)需要調(diào)用聚合函數(shù)AggrC→rF(SV)以實(shí)現(xiàn)聚合操作.

λC→V，λC→F為變分辨率事件的通知接收函數(shù)，當(dāng)接收到聚合或解聚命令時(shí)，分別執(zhí)行由中分辨率聚合為低分辨率或由中分辨率解聚為高分辨率的操作.

3.1.3 車(chē)路協(xié)同分辨率模型MF的形式化描述

式中 XF,YF=?，分別為模型的輸入、輸出集合，本文中為空集.

SF={Time，Num，ID，Density，Velocity}，式中各變量含義如表3所示.

表3 低分辨率交通流信息Table 3 Traffic flow information under low resolution

ρrF→rV為分辨率轉(zhuǎn)換函數(shù)，當(dāng)車(chē)輛間注銷(xiāo)交通流關(guān)系且滿足單個(gè)車(chē)輛的關(guān)系時(shí)觸發(fā)分辨率轉(zhuǎn)換，分辨率將由交通流模式變?yōu)閱诬?chē)模式.此時(shí)，通過(guò)調(diào)用DesAggrF→rV(SF)函數(shù)，代表車(chē)輛的信息模型MV將會(huì)被創(chuàng)建且屬性會(huì)被初始化（根據(jù)低分辨率模型MF的屬性）.

λF→V為變分辨率事件的通知接收函數(shù)，當(dāng)接收到解聚命令時(shí)，分別執(zhí)行由低分辨率解聚為高分辨率的操作.

3.2 聚合解聚過(guò)程

車(chē)輛實(shí)體信息多分辨率模型，在仿真過(guò)程中的聚合解聚過(guò)程如圖4所示.

圖4 聚合解聚過(guò)程示意圖Fig.4 Process of aggregation-disaggregation

不同分辨率模型間的一致性映射函數(shù)描述如下：

圖5 車(chē)隊(duì)場(chǎng)景的聚合過(guò)程Fig.5 Aggregation process of fleet scenario

式中 Q為平均流量（輛/h）；V為區(qū)間平均車(chē)速（km/h）；K為平均密度（輛/km）.

根據(jù)交通流的特性：

式中 V為路段范圍內(nèi)所有車(chē)輛的平均車(chē)速（km/h），j為路段范圍內(nèi)的車(chē)輛總數(shù).

式中 K為平均密度（輛/km），l為路段的長(zhǎng)度.

式中 larg為平均車(chē)間距；lm為車(chē)隊(duì)長(zhǎng)度；lv為車(chē)輛長(zhǎng)度；n為車(chē)隊(duì)車(chē)輛數(shù).

解聚后的高分辨率車(chē)輛行駛狀態(tài)信息將按照車(chē)輛ID順序平均分布在車(chē)隊(duì)長(zhǎng)度內(nèi).

圖6 信息解聚示意圖Fig.6 The schematic diagram of information disaggregation

3.3 基于模糊預(yù)測(cè)的聚合解聚時(shí)機(jī)選擇

仿真管理器信息發(fā)送模塊中發(fā)送緩沖區(qū)中信息排隊(duì)示意圖如圖7所示.

圖7 信息排隊(duì)示意圖Fig.7 The diagram of message queue

發(fā)送緩沖區(qū)大小為Q，時(shí)間間隔為T(mén)，λi為T(mén)i時(shí)刻與Ti-1時(shí)刻之間的到達(dá)字節(jié)數(shù)，Δλi為字節(jié)數(shù)增加量，隊(duì)列的恒定發(fā)送速率為 μ（bits∕T），qi+1為T(mén)i+1時(shí)刻的隊(duì)列長(zhǎng)度，可得

當(dāng)max(qi+λi+1-S)＞Q時(shí)，緩沖區(qū)溢出，發(fā)生網(wǎng)絡(luò)擁塞.λi+1可由模糊預(yù)測(cè)模型得到，qi可以通過(guò)網(wǎng)絡(luò)管理信息獲得.λi+1的模糊預(yù)測(cè)推理過(guò)程如下.

（1）輸入輸出變量的隸屬度函數(shù).

輸入變量為λi和Δλi，經(jīng)過(guò)模糊變化后為λ′i和Δλ′i.

輸出為λ′i+1，反模糊化后的輸出為λi+1，其中λi+1為T(mén)i+1時(shí)刻與Ti時(shí)刻間的發(fā)送數(shù)據(jù)流.

將 λi'、λi+1'和Δλi'劃分為5個(gè)模糊子集：{NB，NS，ZO，PS，PB}.

（2）模糊規(guī)則.

根據(jù)經(jīng)驗(yàn)可得模糊預(yù)測(cè)模型的規(guī)則表，如表4所示.

表4 模糊規(guī)則Table 4 Fuzzy rules

（3）模糊預(yù)測(cè)量計(jì)算.

反模糊化后的輸出為信息多分辨率模型的聚合解聚操作λi+1.反模糊規(guī)則如表5所示.

表5 反模糊規(guī)則Table 5 Anti-fuzzy rules

二級(jí)聚合：由當(dāng)前信息模型分辨率級(jí)別聚合為最低分辨率.

一級(jí)聚合：由當(dāng)前信息模型分辨率級(jí)別聚合為較低一級(jí)分辨率.

不變：維持現(xiàn)有分辨率等級(jí).

一級(jí)解聚：由當(dāng)前信息模型分辨率級(jí)別解聚為較低一級(jí)分辨率等級(jí).

二級(jí)解聚：由當(dāng)前信息模型分辨率級(jí)別解聚最高分辨率.

模糊預(yù)測(cè)過(guò)程周期性執(zhí)行，預(yù)測(cè)周期為0.5 s（系統(tǒng)仿真周期），信息模型的聚合解聚過(guò)程如圖7所示.

圖8 信息模型的聚合解聚過(guò)程Fig.8 Aggregation and disaggregation process of information

4 運(yùn)行結(jié)果分析

基于信息多分辨率交互方法，本文針對(duì)信息多分辨率管理方法進(jìn)行了測(cè)試.

基于HLA開(kāi)發(fā)的車(chē)路協(xié)同系統(tǒng)仿真信息流如圖1所示.車(chē)路協(xié)同系統(tǒng)仿真平臺(tái)中詳細(xì)仿真交互信息如表6所示.

RTI的主要性能指標(biāo)包括屬性吞吐量、屬性延遲及丟包率等[7-8].本文參照文獻(xiàn)[9]中提到的RTI性能測(cè)試方法，結(jié)合對(duì)屬性吞吐量、屬性延時(shí)進(jìn)行了測(cè)試.

表6 仿真交互信息Table 6 Interactive information

圖9 采用信息多分辨率交互方法前后屬性吞吐量Fig.9 Attribute throughput comparison

圖10 采用信息多分辨率交互方法前屬性延時(shí)Fig.10 Attribute delay before

圖11 采用信息多分辨率交互方法后屬性延時(shí)Fig.11 Information multi-resolution exchange method attributes delay

測(cè)試結(jié)果如圖9-圖11所示，未采用信息多分辨率管理方法前屬性吞吐量較高，由于計(jì)算機(jī)性能無(wú)法滿足系統(tǒng)數(shù)據(jù)處理要求，平均屬性延時(shí)為0.993 ms.采用信息多分辨率管理方法后，由于通過(guò)模糊預(yù)測(cè)發(fā)送緩沖區(qū)信息排隊(duì)長(zhǎng)度進(jìn)行信息聚合，降低了屬性吞吐量，能有效減少信息量及信息發(fā)送頻率，平均屬性延時(shí)為0.258 ms，較好控制了網(wǎng)絡(luò)擁塞問(wèn)題，提高了系統(tǒng)仿真效率.

5 研究結(jié)論

本文提出了信息多分辨率交互方法，解決了解聚系統(tǒng)仿真過(guò)程中的網(wǎng)絡(luò)擁塞問(wèn)題.運(yùn)用聚合解聚法實(shí)現(xiàn)了信息多分辨率管理過(guò)程.采用模糊預(yù)測(cè)方法研究了聚合解聚時(shí)機(jī)選擇問(wèn)題.通過(guò)仿真管理器聯(lián)邦成員的實(shí)際運(yùn)行表明，該方法能夠有效減少交互信息，解決網(wǎng)絡(luò)擁塞問(wèn)題，提高仿真效率.目前，本文只是初步實(shí)現(xiàn)了信息多分辨率交互方法，對(duì)于信息聚合解聚過(guò)程中的一致性問(wèn)題，以及聚合解聚的方式是采用全部聚合解聚還是部分聚合解聚的問(wèn)題還有待研究.

[1] Hiroshi Makino. Smartway project cooperative vehicle highway systems[R].AHB30,2006 TRB annual meeting.

[2] InfoTechnology Center,Volkswagen of America ERL. VII California,A collaboration between the Metropolitan Transportation Commission(MTC)[R].2008 Concept of Operations,October,2006.

[3] Hiroshi Makino.Smartway project cooperative vehicle highway systems[R].AHB30,2006 TRB Annual Meeting.

[4] Lina Konstantinopoulou, Zwijnenberg Han,Susanne Fuchs,et al.Deployment challenges for cooperative systems[R].Coopers,SafeSpot,&CVIS,2010.

[5] 崔亮.基于主動(dòng)隊(duì)列管理的擁塞控制研究[D].湖南大學(xué)，2007.[CUI L.The research of congestion control on active queue management[D].Hunan university,2007.]

[6] Yuan Li,Bo Hu Li,Xiaofeng Hu,et al.Formalization of multi-resolution modeling based on dynamic structure DEVS[C].∕International Conference on Information Science and Technology,Nanjing,Chnia,2011:855-864.

[7] 黃曉冬，何友，姜本清.RTI實(shí)時(shí)性與信息吞吐量的研究與測(cè)試[J].系統(tǒng)仿真學(xué)報(bào),2003,15(4):516-518. [HUANG X D,HE Y,JIANG B Q.A test to the real time and throughput performance of RTI[J].Journal of System Simulation,2003,15(4):516-518.]

[8] 黃松,等.網(wǎng)絡(luò)延遲對(duì)基于高層體系結(jié)構(gòu)∕運(yùn)行時(shí)支撐構(gòu)件的分布交互仿真系統(tǒng)的影響[J].系統(tǒng)仿真學(xué)報(bào), 2002,14(1):75-77.[HUANG S,et al.Effect of network delay on distributed interactive systems based on high level architecture∕run time infrastructure[J].Journal of System Simulation,2002,14(1):75-77.]

[9] 孫世霞，黃柯棣.RTI性能測(cè)試分析[J].系統(tǒng)仿真學(xué)報(bào)，2005.4，17（4）：909-913.[SUN S X,HUANG K D.Testing and analysis of Run-Time Infrastructure performance[J].Journal of System Simulation,2005.4,17 (4):909-913.]

Multi-resolution Information Exchange Method in Cooperation Vehicle-Infrastructure System

LI Si-hui1,CAI Bai-gen1,SHANGGUAN Wei1,GUO Ke-yan2,LIU Yu2
(1.School of Electronics and Information Engineering,Beijing Jiaotong University,Beijing 100044,China；2.Faculty of Electrical Engineering,Beijing New Media Technical College,Beijing 102600,China)

Research of cooperation vehicle-infrastructure system(CVIS)is a great significance for the transportation system development.In order to study the CVIS simulation’s key technology and build up the simulation platform,multi-resolution information interaction method is presented to solve the network congestion problems based on HLA when simulation,a high-resolution information model of vehicle running state,a middle-resolution information model of fleet status and a-low resolution model of traffic flow are established.The simulation of multi-resolution information interaction is achieved by aggregation and disaggregation method,while the time of aggregation and disaggregation determined by queue length of buffer which transmitted from fuzzy prediction.The analysis shows that the method can effectively reduce the system properties throughput by the results of the simulation manager federate,so as to better control network congestion and decline the delay of system properties,it can also improve the CVIS simulation efficiency.

traffic engineering;CVIS;HLA;multi-resolution

2014-02-14

2014-07-16錄用日期：2014-07-28

國(guó)家自然科學(xué)基金“青年基金”（61104162）；國(guó)家自然科學(xué)基金面上項(xiàng)目（61273089）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目（2014YJS017）.

李四輝（1989-），男，湖北鄂州人，博士生. *

wshg@bjtu.edu.cn

1009-6744（2014）06-0050-08

U283.2

A