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
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。
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。
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
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。
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。
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。
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.