車-地通信場景的一種混合建模方法研究

胡曉輝，王振強，陳 永

HU Xiaohui,WANG Zhenqiang,CHEN Yong

蘭州交通大學 電子與信息工程學院，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（Chinese Train Control System，CTCS）的建模與分析是鐵路智能運輸系統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絡和列車分布式實時監控系統的必要性和迫切性也越來越突出。MAS（Multi-Agent System）[2]技術作為人工智能非常重要的一個研究領域，已成為研究列車運行調度的重要手段之一。國內已有眾多學者對其進行研究，研究結果充分說明MAS 技術在列控系統應用中的可行性[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 列車等級轉換場景

本文運用Agent 理論和層次著色Petri 網混合建模方式，對車-地通信場景進行研究。抽象出車-地通信場景的MAS 模型，分析了場景內車-地主體的推理過程，并使用CPN Tools 工具采用層次化結構方法建立了HCPN（Hierarchical Colored Petri Net）[5]模型，使車-地通信細節和車-地主體內部推理流程等可視化，以便于發現其他抽象研究過程中所不能發現的問題。最后通過模型狀態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級鐵路列控系統是基于無線通信網絡GSM-R（GSM for Railway）的列車運行控制系統，采用準移動閉塞方式，無線閉塞中心RBC（Radio Blocking Center）是CTCS-3 級列控系統的關鍵設備，RBC 通過GSM-R 網絡與列控車載設備進行連續雙向的信息交互，有效提高了列車的運營效率。圖1 為CTCS-3 列控系統列車等級轉換場景[6]示意圖，地面設備通過GSM-R 網絡與列車進行信息交互并引導列車完成從CTCS-2 級到CTCS-3 級控車系統的轉換。

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系統主要由三部分組成：列車Agent、道旁設備Agent 和其通信環境GSM-R 網絡。道旁設備Agent通過GSM-R 網絡接收到列車Agent發出的信號，對信號數據進行分析、決策和推理，生成列車運行圖，然后將移動授權MA（Movement Authority）發送給列車Agent，實現列車群的統一控制和管理。列車Agent 收到道旁設備Agent 發送的移動授權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術界廣泛研究的一種智能Agent 結構。在BDI 結構基礎上，定義一種擴展性的、具有處理復雜事件能力的Agent，使其滿足解決當前問題的需求。

定義：Agent：：={Aid，B，D，I，K，Sensor，Effector，see，exe，Update，Filter，Event，Act}。

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

B（信念）：列車當前運行速度、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）：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，都屬于列車的目標狀態。

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

車-地主體Agent內部推理過程：

（1）列車Agent 通過感知器Sensor 和感知函數see從外部環境GSM-R 獲得道旁設備Agent 發送過來的信息，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 函數對當前信念集中列車MA 信息進行更新，并調整當前目標，如提速或降速等。

（4）通過規則推理分析當前運行狀態是否滿足提速或降速條件。

（5）通過過濾函數Filter 將滿足實現條件的目標轉化為意圖。

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

（7）通過Event函數把當前子目標轉化為新事件，并根據知識庫所存儲知識更新信念集和當前目標，轉（4）。

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

（9）效應器Effector通過執行函數exe將當前速度信息發送到外部環境GSM-R 中。

4 HCPN 建模仿真

為了保證模型的實際應用，需要對車-地通信場景的MAS 模型進行足夠詳細的設計。場景中車-地主體Agent 內部推理關系非常復雜，為了清楚地表示車-地主體內部推理規則，同時能夠降低整個車-地通信場景模型建立的復雜性，需要采取一些相關技術。

降低系統模型復雜性的一個重要方法是，對系統采用自上而下的分層模型化技術[10-11]。高層模型表示整個系統的復雜功能，這些復雜功能與變遷相關聯，每個低層模型詳細表示其上層模型的一個具體的復雜功能，這種自上而下的分層模型化能持續下去直到足夠簡單的功能級。這種建模方式易于理解，能降低復雜工程系統的認識復雜度，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 層次結構設計如圖3 所示。

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

圖3 車-地通信場景層次性MAS 結構

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 通過無線通信網絡GSM-R 進行交互通信，在此，Train、RBC 和GSM-R 網絡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 網絡經常會產生突發降質、越區切換和鏈路中斷三種故障，導致通信失敗[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內部設計

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 交互模型結構，車-地主體Agent 通過感知庫所TB 從通信網絡GSM-R 中獲取到信息，經由信息識別變遷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，生成新的目標和信念狀態，通過庫所UpdateB 和UpdateG 對當前的信念集TBel和目標集TGoal進行更新，并生成新的愿望和信念狀態。Agent 在規則庫TRule1 中判斷當前信念狀態是否滿足當前愿望的執行，如果滿足則產生實現當前愿望的計劃Plan 并在意圖集TIntention 中生成相應的意圖。如果當前意圖是向外部環境執行動作的話，通過Effector 執行相應的動作；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 結構中，車-地主體Agent 的BDI 底層詳細設計模型子頁TBel、TKnowlege、TGoal和TIntention 如圖6、圖7、圖8 和圖9 所示。

5 模型狀態空間仿真分析

圖7 TKnowlege 子頁

Petri網以研究模型系統的組織結構和動態行為為目標，著眼于系統中可能發生的各種狀態變化以及變化之間的關系，易于表示系統變化發生的條件及變化發生后的系統狀態，狀態之間的變化稱為狀態空間[13]。車-地通信場景HCPN 模型狀態空間分析報告[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志狀態，即無論之前發生了什么情況，通信場景狀態總能夠從某些前驅狀態到達；車-地通信場景模型不會出現任何無使能變遷存在的狀態，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生次數都是有限的，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、事件觸發設計合理的機制。

列車等級轉換場景中列車與RBC 連接時車載設備從開始呼叫到與RBC 建立連接的時間應<8.5 s（95%），=10 s（100%）；時間>10 s 應被認為建立連接失敗[15]。列車所發送的請求與RBC 建立連接的消息為非周期性消息，數據的傳輸時間0 ＜ttransfer＜0.5 s，數據在傳輸過程中受到的干擾時間0 ＜tdisturb＜1 s[16]。在車-地無線通信過程中，GSM-R 經常會產生突發降質、越區切換和鏈路中斷三種故障，導致通信中斷，數據包丟失。在此，對不同丟包率情況下，非周期消息發送間隔與連接成功率之間的關系進行研究。

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 操作系統中進行仿真分析。為消除單次實驗出現的誤差，對所建立的車-地通信場景模型進行10 次獨立的仿真實驗，每次發送10 000 組數據包，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%）和不同重發時間間隔對數據包傳輸成功數量的影響，實驗仿真結果如圖11和圖12 所示。

圖11 8.5 s內不同條件下數據包傳輸成功數量對比圖

圖12 10 s內不同條件下數據包傳輸成功數量對比圖

通過仿真實驗發現，在規定時間內，丟包率越小，能夠成功建立連接的數據包數量越大，且在四種丟包率情況下，數據包能夠最大數量地建立連接均發生在3～3.5 s之間。因此，為了保證無線傳輸實時性能，把重發時間間隔設置在3～3.5 s之間較為合理。

6 結論

在鐵路信號的高速發展趨勢和我國鐵路提速的背景下，實現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Agent理論將車-地通信場景抽象為MAS，并使用具有層次建模結構的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。根據模型狀態空間報告對車-地通信場景模型進行了分析，分析結果表明模型是一個無死鎖、事件觸發設計合理的機制，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時間間隔對車-地通信實時性能的影響。仿真結果表明，基于Agent 和HCPN 的混合建模研究方法是鐵路智能運輸系統建模仿真中具有高可行性的一種研究方法，研究結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網的CTCS-3 級列控系統RBC切換的建模與形式化分析[J].鐵道學報，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 的列車運行調整方法[J].中國鐵道科學，2006，27（1）：115-119.

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

[5] 劉波，羅軍舟，宋愛波.基于顏色Petri 網的多agent 動態調度建模與分析[J].系統仿真學報，2007，19（1）：193-198.

[6] 呂書麗，郝長軍.CTCS-3 級列控系統等級轉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 網運算在主體BDI 內部結構建模中的應用[J].計算機工程與設計，2009，30（19）：4398-4446.

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

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

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

[13] 袁崇義.Petri 網原理與應用[M].北京：電子工業出版社，2005.

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

[15] 張曙光.CTCS-3 級列控系統總體技術方案[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RBC 交接協議的形式化分析[J].鐵道學報，2009，31（4）：52-58.