胡曉輝，王振強，陳 永

HU Xiaohui,WANG Zhenqiang,CHEN Yong

蘭州交通大學(xué) 電子與信息工程學(xué)院，蘭州730070

School of Electronic&Information Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China

1 引言

中國列車運行控制系統(tǒng)（Chinese Train Control System，CTCS）的建模與分析是鐵路智能運輸系統(tǒng)研究的核心問題之一[1]。隨著列車運行等級的不斷提升和列車運行速度的不斷提高，建立高可信的無線通信網(wǎng)絡(luò)和列車分布式實時監(jiān)控系統(tǒng)的必要性和迫切性也越來越突出。MAS（Multi-Agent System）[2]技術(shù)作為人工智能非常重要的一個研究領(lǐng)域，已成為研究列車運行調(diào)度的重要手段之一。國內(nèi)已有眾多學(xué)者對其進行研究，研究結(jié)果充分說明MAS 技術(shù)在列控系統(tǒng)應(yīng)用中的可行性[3-4]。但其均是采用Agent 理論來進行抽象描述，并沒有給出具體的建模研究方式。

圖1 列車等級轉(zhuǎn)換場景

本文運用Agent 理論和層次著色Petri 網(wǎng)混合建模方式，對車-地通信場景進行研究。抽象出車-地通信場景的MAS 模型，分析了場景內(nèi)車-地主體的推理過程，并使用CPN Tools 工具采用層次化結(jié)構(gòu)方法建立了HCPN（Hierarchical Colored Petri Net）[5]模型，使車-地通信細節(jié)和車-地主體內(nèi)部推理流程等可視化，以便于發(fā)現(xiàn)其他抽象研究過程中所不能發(fā)現(xiàn)的問題。最后通過模型狀態(tài)空間報告對場景模型的性能進行了分析，并通過對場景模型進行多次模擬仿真分析了車-地通信場景中在不同故障率和重發(fā)間隔情況下，非周期消息對控車實時性能的影響。

2 車-地通信場景

CTCS-3級鐵路列控系統(tǒng)是基于無線通信網(wǎng)絡(luò)GSM-R（GSM for Railway）的列車運行控制系統(tǒng)，采用準(zhǔn)移動閉塞方式，無線閉塞中心RBC（Radio Blocking Center）是CTCS-3 級列控系統(tǒng)的關(guān)鍵設(shè)備，RBC 通過GSM-R 網(wǎng)絡(luò)與列控車載設(shè)備進行連續(xù)雙向的信息交互，有效提高了列車的運營效率。圖1 為CTCS-3 列控系統(tǒng)列車等級轉(zhuǎn)換場景[6]示意圖，地面設(shè)備通過GSM-R 網(wǎng)絡(luò)與列車進行信息交互并引導(dǎo)列車完成從CTCS-2 級到CTCS-3 級控車系統(tǒng)的轉(zhuǎn)換。

3 車-地通信場景的MAS 抽象模型

3.1 MAS 抽象模型

基于車-地通信場景的MAS系統(tǒng)主要由三部分組成：列車Agent、道旁設(shè)備Agent 和其通信環(huán)境GSM-R 網(wǎng)絡(luò)。道旁設(shè)備Agent通過GSM-R 網(wǎng)絡(luò)接收到列車Agent發(fā)出的信號，對信號數(shù)據(jù)進行分析、決策和推理，生成列車運行圖，然后將移動授權(quán)MA（Movement Authority）發(fā)送給列車Agent，實現(xiàn)列車群的統(tǒng)一控制和管理。列車Agent 收到道旁設(shè)備Agent 發(fā)送的移動授權(quán)MA 信息后控制其以合理的速度運行。這樣可以保障列車間的安全距離間隔，提高鐵路線路的運輸能力。

圖2 車-地通信場景的MAS 模型

3.2 車-地主體Agent設(shè)計

Agent的信念-愿望-意圖（Beliefs-Desires-Intentions，BDI）[7-9]范例是近年來計算機學(xué)術(shù)界廣泛研究的一種智能Agent 結(jié)構(gòu)。在BDI 結(jié)構(gòu)基礎(chǔ)上，定義一種擴展性的、具有處理復(fù)雜事件能力的Agent，使其滿足解決當(dāng)前問題的需求。

定義：Agent：：={Aid，B，D，I，K，Sensor，Effector，see，exe，Update，F(xiàn)ilter，Event，Act}。

Aid 是車-地主體Agent 的唯一標(biāo)識，每輛列車或每個RBC 都有其唯一標(biāo)識。Sensor 表示感知器，Effector表示效應(yīng)器，see 表示感知消息的過程，exe 表示對環(huán)境發(fā)生作用的過程，Update、Filter、Event 和Act 分別表示車-地主體Agent 的信念目標(biāo)更新函數(shù)、意圖過濾函數(shù)、子事件生成函數(shù)和行為動作函數(shù)。

B（信念）：列車當(dāng)前運行速度、運行等級、所處路段以及正在與其通信的RBC 信息等，都可視為列車Agent的信念。

D（目標(biāo)）：如列車Agent 希望與RBC Agent 進行通信會晤，或列車Agent 希望從RBC Agent 得到列車行車許可MA 等，都屬于列車的目標(biāo)狀態(tài)。

I（意圖）：如果一輛列車希望從CTCS-2 提升為CTCS-3，它首先根據(jù)自身的信念狀態(tài)判斷當(dāng)前環(huán)境是否滿足等級轉(zhuǎn)換的條件，如果條件滿足，列車會產(chǎn)生等級轉(zhuǎn)換的意圖，通過一系列的推理來產(chǎn)生一組動作序列，并通過逐步執(zhí)行所產(chǎn)生的動作序列來實現(xiàn)此意圖。

車-地主體Agent內(nèi)部推理過程：

（1）列車Agent 通過感知器Sensor 和感知函數(shù)see從外部環(huán)境GSM-R 獲得道旁設(shè)備Agent 發(fā)送過來的信息，如MA。

（2）知識庫對獲取到的MA 信息進行識別和分析。

（3）通過Update 函數(shù)對當(dāng)前信念集中列車MA 信息進行更新，并調(diào)整當(dāng)前目標(biāo)，如提速或降速等。

（4）通過規(guī)則推理分析當(dāng)前運行狀態(tài)是否滿足提速或降速條件。

（5）通過過濾函數(shù)Filter 將滿足實現(xiàn)條件的目標(biāo)轉(zhuǎn)化為意圖。

（6）若當(dāng)前處理事件包含子目標(biāo)需要經(jīng)列車做進一步處理，轉(zhuǎn)（7）；否則，轉(zhuǎn)（8）。

（7）通過Event函數(shù)把當(dāng)前子目標(biāo)轉(zhuǎn)化為新事件，并根據(jù)知識庫所存儲知識更新信念集和當(dāng)前目標(biāo)，轉(zhuǎn)（4）。

（8）通過Act 函數(shù)將當(dāng)前提速或降速意圖傳遞給效應(yīng)器Effector，并進行變速操作。

（9）效應(yīng)器Effector通過執(zhí)行函數(shù)exe將當(dāng)前速度信息發(fā)送到外部環(huán)境GSM-R 中。

4 HCPN 建模仿真

為了保證模型的實際應(yīng)用，需要對車-地通信場景的MAS 模型進行足夠詳細的設(shè)計。場景中車-地主體Agent 內(nèi)部推理關(guān)系非常復(fù)雜，為了清楚地表示車-地主體內(nèi)部推理規(guī)則，同時能夠降低整個車-地通信場景模型建立的復(fù)雜性，需要采取一些相關(guān)技術(shù)。

降低系統(tǒng)模型復(fù)雜性的一個重要方法是，對系統(tǒng)采用自上而下的分層模型化技術(shù)[10-11]。高層模型表示整個系統(tǒng)的復(fù)雜功能，這些復(fù)雜功能與變遷相關(guān)聯(lián)，每個低層模型詳細表示其上層模型的一個具體的復(fù)雜功能，這種自上而下的分層模型化能持續(xù)下去直到足夠簡單的功能級。這種建模方式易于理解，能降低復(fù)雜工程系統(tǒng)的認(rèn)識復(fù)雜度，并由于對下層的修改不影響上層的模型，有較好的可重用性和可修改性。車-地通信場景MAS 層次結(jié)構(gòu)設(shè)計如圖3 所示。

層次著色Petri 網(wǎng)（HCPN）是一種具有層次性結(jié)構(gòu)的高級Petri網(wǎng)，高層次的網(wǎng)可以從廣義上定義正在建模的系統(tǒng)的全貌，然后利用高層網(wǎng)中的置換變遷，將其關(guān)聯(lián)到更為詳細的頁面（子頁）中去，從而可以逐步地、越來越細化地建立整個系統(tǒng)的模型。

圖3 車-地通信場景層次性MAS 結(jié)構(gòu)

圖4 車-地通信頂層模型

圖4 為車-地通信場景層次性MAS 中頂層通信模型，Train Agent 和RBC Agent 通過無線通信網(wǎng)絡(luò)GSM-R 進行交互通信，在此，Train、RBC 和GSM-R 網(wǎng)絡(luò)均采用具有擴展子頁功能的置換變遷表示。在無線通信過程中，GSM-R 網(wǎng)絡(luò)經(jīng)常會產(chǎn)生突發(fā)降質(zhì)、越區(qū)切換和鏈路中斷三種故障，導(dǎo)致通信失敗[12]，此時置換變遷GSM-R 會將托肯值傳送至Up 或Down 庫所。

圖5 車-地主體Agent內(nèi)部設(shè)計

圖6 TBel子頁

圖5 為車-地通信場景層次性MAS 中車-地主體Agent 中層BDI 交互模型結(jié)構(gòu)，車-地主體Agent 通過感知庫所TB 從通信網(wǎng)絡(luò)GSM-R 中獲取到信息，經(jīng)由信息識別變遷GetMsg 挑選出對自己有用的信息，放入事件庫所Event形成待處理事件，Agent每次從事件庫所中挑選出一個事件送入知識庫TKnowlege 進行進一步處理，在知識庫TKnowlege中首先把事件送入案例庫TStrategy1中進行比對，挑選出適合此事件的處理方案，生成新的目標(biāo)和信念狀態(tài)，通過庫所UpdateB 和UpdateG 對當(dāng)前的信念集TBel和目標(biāo)集TGoal進行更新，并生成新的愿望和信念狀態(tài)。Agent 在規(guī)則庫TRule1 中判斷當(dāng)前信念狀態(tài)是否滿足當(dāng)前愿望的執(zhí)行，如果滿足則產(chǎn)生實現(xiàn)當(dāng)前愿望的計劃Plan 并在意圖集TIntention 中生成相應(yīng)的意圖。如果當(dāng)前意圖是向外部環(huán)境執(zhí)行動作的話，通過Effector 執(zhí)行相應(yīng)的動作；如果是子事件的話，則把它放到事件庫所Event中等待進一步處理。

車-地通信場景層次性MAS 結(jié)構(gòu)中，車-地主體Agent 的BDI 底層詳細設(shè)計模型子頁TBel、TKnowlege、TGoal和TIntention 如圖6、圖7、圖8 和圖9 所示。

5 模型狀態(tài)空間仿真分析

圖7 TKnowlege 子頁

Petri網(wǎng)以研究模型系統(tǒng)的組織結(jié)構(gòu)和動態(tài)行為為目標(biāo)，著眼于系統(tǒng)中可能發(fā)生的各種狀態(tài)變化以及變化之間的關(guān)系，易于表示系統(tǒng)變化發(fā)生的條件及變化發(fā)生后的系統(tǒng)狀態(tài)，狀態(tài)之間的變化稱為狀態(tài)空間[13]。車-地通信場景HCPN 模型狀態(tài)空間分析報告[14]如圖10 所示，從圖中可以得到車-地通信場景模型的回歸性（Home）、活性（Liveness）以及公平性（Fairness）。

圖8 TGoal子頁

圖9 TIntention 子頁

圖10 車-地通信場景的HCPN 模型狀態(tài)空間報告

通過分析報告可知：車-地通信場景模型中不存在回歸性標(biāo)志狀態(tài)，即無論之前發(fā)生了什么情況，通信場景狀態(tài)總能夠從某些前驅(qū)狀態(tài)到達；車-地通信場景模型不會出現(xiàn)任何無使能變遷存在的狀態(tài)，即此場景模型是永遠具有活性的；車-地通信場景模型不存在無限事件序列，也不存在能夠達成無限次觸發(fā)的變遷，也就是說，任何車-地主體在做出一個動作之前，場景中其他動作的發(fā)生次數(shù)都是有限的，也即這個場景是公平的。由此可知基于MAS 的車-地通信場景模型是一個無死鎖、事件觸發(fā)設(shè)計合理的機制。

列車等級轉(zhuǎn)換場景中列車與RBC 連接時車載設(shè)備從開始呼叫到與RBC 建立連接的時間應(yīng)<8.5 s（95%），=10 s（100%）；時間>10 s 應(yīng)被認(rèn)為建立連接失敗[15]。列車所發(fā)送的請求與RBC 建立連接的消息為非周期性消息，數(shù)據(jù)的傳輸時間0 ＜ttransfer＜0.5 s，數(shù)據(jù)在傳輸過程中受到的干擾時間0 ＜tdisturb＜1 s[16]。在車-地?zé)o線通信過程中，GSM-R 經(jīng)常會產(chǎn)生突發(fā)降質(zhì)、越區(qū)切換和鏈路中斷三種故障，導(dǎo)致通信中斷，數(shù)據(jù)包丟失。在此，對不同丟包率情況下，非周期消息發(fā)送間隔與連接成功率之間的關(guān)系進行研究。

車-地通信場景HCPN 模型的驗證采用CPN Tool工具3.4.0 版本在Window7 操作系統(tǒng)中進行仿真分析。為消除單次實驗出現(xiàn)的誤差，對所建立的車-地通信場景模型進行10 次獨立的仿真實驗，每次發(fā)送10 000 組數(shù)據(jù)包，觀察在8.5 s 和10 s 兩種時間限定條件下，四種不同丟包率（1%，3%，5%和10%）和不同重發(fā)時間間隔對數(shù)據(jù)包傳輸成功數(shù)量的影響，實驗仿真結(jié)果如圖11和圖12 所示。

圖11 8.5 s內(nèi)不同條件下數(shù)據(jù)包傳輸成功數(shù)量對比圖

圖12 10 s內(nèi)不同條件下數(shù)據(jù)包傳輸成功數(shù)量對比圖

通過仿真實驗發(fā)現(xiàn)，在規(guī)定時間內(nèi)，丟包率越小，能夠成功建立連接的數(shù)據(jù)包數(shù)量越大，且在四種丟包率情況下，數(shù)據(jù)包能夠最大數(shù)量地建立連接均發(fā)生在3～3.5 s之間。因此，為了保證無線傳輸實時性能，把重發(fā)時間間隔設(shè)置在3～3.5 s之間較為合理。

6 結(jié)論

在鐵路信號的高速發(fā)展趨勢和我國鐵路提速的背景下，實現(xiàn)對列車運營場景的性能分析和研究具有十分重要的意義。本文以CTCS-3 級列控系統(tǒng)車-地通信場景為研究對象，采用Agent 和HCPN 混合建模方法進行研究分析，克服了單純抽象Agent 理論研究與實踐分離的問題。根據(jù)Agent理論將車-地通信場景抽象為MAS，并使用具有層次建模結(jié)構(gòu)的HCPN 對MAS 整體行為、車-地主體Agent 推理流程和車-地通信過程建立了可視化模型。根據(jù)模型狀態(tài)空間報告對車-地通信場景模型進行了分析，分析結(jié)果表明模型是一個無死鎖、事件觸發(fā)設(shè)計合理的機制，最后對車-地通信場景中的非周期消息傳輸性能進行了仿真分析，得到不同故障率和不同重發(fā)時間間隔對車-地通信實時性能的影響。仿真結(jié)果表明，基于Agent 和HCPN 的混合建模研究方法是鐵路智能運輸系統(tǒng)建模仿真中具有高可行性的一種研究方法，研究結(jié)果對提高列車運行效率和保障列車運行安全有一定的影響。

[1] 張有兵，唐濤.基于有色Petri網(wǎng)的CTCS-3 級列控系統(tǒng)RBC切換的建模與形式化分析[J].鐵道學(xué)報，2012，34（7）：49-55.

[2] Pereverzeva I，Troubitsyna E，Laibinis L.Formal development of critical multi-agent systems：A refineme approach[C]//2012 Ninth European Dependable Computing Conference，2012：156-161.

[3] 李先進，楊肇夏，杜鵬.基于MAS 的列車運行調(diào)整方法[J].中國鐵道科學(xué)，2006，27（1）：115-119.

[4] 鄭延斌，郭凌云，劉晶晶.多智能體系統(tǒng)分散式通信決策研究[J].計算機應(yīng)用，2012，32（10）：2875-2878.

[5] 劉波，羅軍舟，宋愛波.基于顏色Petri 網(wǎng)的多agent 動態(tài)調(diào)度建模與分析[J].系統(tǒng)仿真學(xué)報，2007，19（1）：193-198.

[6] 呂書麗，郝長軍.CTCS-3 級列控系統(tǒng)等級轉(zhuǎn)換運營場景分析與研究[J].鐵道通信信號，2010，46（6）：1-4.

[7] da Silva M R，Borges A P，Dordal O B，et al.An architecture of BDI agent for autonomous locomotives controller[C]//Proceedings of the 2012 IEEE 16th International Conference on Computer Supported Cooperative Work in Design，2012：22-29.

[8] Meng Jianliang，LI Taihua.The research of dynamic BDI model[C]//2009 Second International Conference on Information and Computing Science，2009：220-223.

[9] 方歡.保性的Petri 網(wǎng)運算在主體BDI 內(nèi)部結(jié)構(gòu)建模中的應(yīng)用[J].計算機工程與設(shè)計，2009，30（19）：4398-4446.

[10] 裘杭萍，管留，潘曉東，等.基于分層Agent的戰(zhàn)術(shù)行動仿真決策機制研究[J].計算機應(yīng)用研究，2011，28（7）：2455-2461.

[11] 張楚賢，李世其.復(fù)雜工程的建模仿真方法[J].系統(tǒng)工程，2005，23（5）：98-102.

[12] 石竹，李開成.基于賦時著色Petri 網(wǎng)的RBC 控車實時性能分析[J].現(xiàn)代電子技術(shù)，2012，35（3）：170-173.

[13] 袁崇義.Petri 網(wǎng)原理與應(yīng)用[M].北京：電子工業(yè)出版社，2005.

[14] 史建偉，蔡遠文，蘇明.基于CPN 的在軌服務(wù)概念建模[J].系統(tǒng)仿真學(xué)報，2011，23（1）：262-265.

[15] 張曙光.CTCS-3 級列控系統(tǒng)總體技術(shù)方案[M].北京：中國鐵道出版社，2008.

[16] 牛儒，曹源，唐濤.ETCS-2 級列控系統(tǒng)RBC 交接協(xié)議的形式化分析[J].鐵道學(xué)報，2009，31（4）：52-58.