面向網(wǎng)關(guān)的策略管理算法模型在智慧交通系統(tǒng)中的應(yīng)用

李楸桐，楊躍臣

面向網(wǎng)關(guān)的策略管理算法模型在智慧交通系統(tǒng)中的應(yīng)用

李楸桐，楊躍臣

（成都東軟學(xué)院，四川 成都 611830）

針對(duì)智慧交通系統(tǒng)對(duì)數(shù)據(jù)交互的需求，提出了一種面向網(wǎng)關(guān)的策略管理模型。該模型為應(yīng)用層、編制層、源接口層3層架構(gòu)，其中編制層為架構(gòu)的中心，架構(gòu)的穩(wěn)固性和所能提供的低時(shí)延特性都是由編制層來(lái)保證的。編制層的核心組件是策略管理，給出了策略及策略管理框架。該模型為智能轎車和各種實(shí)時(shí)業(yè)務(wù)之間的通信提供了穩(wěn)定、安全的數(shù)據(jù)平臺(tái)，保證了智能用戶應(yīng)用和云數(shù)據(jù)中心之間的低時(shí)延、不間斷通信。

智慧交通；策略管理；網(wǎng)關(guān)

物聯(lián)網(wǎng)技術(shù)發(fā)展迅速的重要原因是物聯(lián)網(wǎng)設(shè)備能夠接入因特網(wǎng)，且能夠通過(guò)實(shí)時(shí)業(yè)務(wù)共享數(shù)據(jù)，物聯(lián)網(wǎng)設(shè)備與大數(shù)據(jù)、云計(jì)算等相關(guān)技術(shù)也在一步步融合。

但是，對(duì)于眾多的設(shè)備，即使數(shù)據(jù)可以通過(guò)實(shí)時(shí)業(yè)務(wù)進(jìn)行共享，對(duì)于需要連接遠(yuǎn)程服務(wù)器或者需要從基于云計(jì)算的業(yè)務(wù)獲取數(shù)據(jù)的設(shè)備，很難保證其數(shù)據(jù)的實(shí)時(shí)性和一致性。

在分布式環(huán)境中，如果設(shè)備的密度過(guò)大，保證系統(tǒng)和用戶之間的通信管理安全便成為十分重要的問(wèn)題，特別是這種通信還涉及各種實(shí)時(shí)業(yè)務(wù)。支持物聯(lián)網(wǎng)協(xié)同工作的是一種基于網(wǎng)關(guān)的計(jì)算模型，該模型的復(fù)雜架構(gòu)源于它所處的位置，即網(wǎng)絡(luò)邊緣。GORE模型[1]包含多層設(shè)施，其中編制層是所有智能數(shù)據(jù)集合所在。正是由于在這種模式下移動(dòng)變量的高容量，所以只有非常細(xì)致的架構(gòu)管理策略模型，才能保證在實(shí)時(shí)業(yè)務(wù)中客戶端的數(shù)據(jù)聚集和業(yè)務(wù)配置的安全性。

1 相關(guān)研究

近幾年，一些研究機(jī)構(gòu)對(duì)物聯(lián)網(wǎng)和大數(shù)據(jù)的問(wèn)題做了領(lǐng)先研究，其中思科網(wǎng)絡(luò)和IBM在研究物聯(lián)網(wǎng)中的實(shí)時(shí)業(yè)務(wù)方面分別提出了霧計(jì)算和邊界計(jì)算[2]。

1.1 霧計(jì)算

思科公司提出了霧計(jì)算概念。霧計(jì)算主要利用邊界網(wǎng)絡(luò)中的設(shè)備，無(wú)論設(shè)備的計(jì)算能力是強(qiáng)還是弱，霧計(jì)算關(guān)注的是節(jié)點(diǎn)的數(shù)量而非計(jì)算能力，是半虛擬化的服務(wù)計(jì)算架構(gòu)模型。由于霧計(jì)算集中使用邊界化網(wǎng)絡(luò)設(shè)備，數(shù)據(jù)具有極低的時(shí)延并能夠支持設(shè)備的移動(dòng)性。霧計(jì)算架構(gòu)包含了3個(gè)典型的層次[3]：

第一層是IoT垂直層，涵蓋使用霧計(jì)算架構(gòu)的眾多應(yīng)用程序；

第二層是API編制層，是霧計(jì)算的核心，所有的分析、計(jì)劃以及相關(guān)數(shù)據(jù)的生成都在這一層實(shí)現(xiàn)；

第三層是API抽象層，主要用于隱藏霧架構(gòu)的異構(gòu)性，并提供統(tǒng)一的程序接口。

1.2 邊界計(jì)算

IBM公司于2003年提出邊界計(jì)算的概念。邊界計(jì)算模型最初是讓用戶利用網(wǎng)絡(luò)邊緣的服務(wù)器運(yùn)行IBM的WebSphere應(yīng)用。邊界計(jì)算包含2個(gè)基礎(chǔ)平臺(tái)——WebSphere軟件平臺(tái)和邊界計(jì)算平臺(tái)[4]。平臺(tái)主要使用面向數(shù)據(jù)的方法，專注于應(yīng)用程序和系統(tǒng)、終端用戶的交互以及在網(wǎng)絡(luò)邊緣的數(shù)據(jù)接入，幾乎沒(méi)有提出任何接入控制需求和準(zhǔn)入規(guī)定。如果沒(méi)有對(duì)數(shù)據(jù)分布和用戶準(zhǔn)入的控制，邊界計(jì)算仍然和云架構(gòu)沒(méi)有區(qū)別，只是一個(gè)集中化的數(shù)據(jù)處理存儲(chǔ)中心。

2 面向網(wǎng)關(guān)的計(jì)算架構(gòu)

雖然霧框架嘗試解決通信的魯棒性和實(shí)時(shí)性，但是霧計(jì)算的框架設(shè)計(jì)還不夠成熟，對(duì)于在霧框架中流動(dòng)的數(shù)據(jù)還需要一種更為靈活和細(xì)致的安全模型。這個(gè)安全模型應(yīng)該更關(guān)注霧架構(gòu)中的策略管理，以更好地支持智能設(shè)備和相關(guān)應(yīng)用間的安全聚合[5-7]。

由此，本文提出面向網(wǎng)關(guān)的策略管理模型。該模型旨在為邊界設(shè)備接入云設(shè)施提供動(dòng)態(tài)、穩(wěn)定和安全的基礎(chǔ)架構(gòu)。該模型并非一個(gè)取代云計(jì)算的模型，而是為支持智能設(shè)備和云服務(wù)之間的交互提供更穩(wěn)定、更安全的通信方式。

該模型的架構(gòu)如圖1所示。架構(gòu)分為3層，編制層為提供計(jì)算服務(wù)的核心層。該模型的核心功能是為物聯(lián)網(wǎng)設(shè)備提供策略驅(qū)動(dòng)服務(wù)。

（1）應(yīng)用層：應(yīng)用層是一個(gè)多用戶主導(dǎo)的環(huán)境，面向網(wǎng)關(guān)計(jì)算模型的用戶可在此層定制應(yīng)用程序。在眾多應(yīng)用程序池中，一小部分應(yīng)用程序的需求主導(dǎo)了整個(gè)分布式系統(tǒng)。存在于邊界層的應(yīng)用程序既可能根據(jù)用戶需求傳輸實(shí)時(shí)數(shù)據(jù)，也可能與該模型的編制層進(jìn)行交互，從而確定系統(tǒng)和服務(wù)使用的相關(guān)數(shù)據(jù)。

（2）編制層：該層是整個(gè)架構(gòu)中最為活躍的一層，包含很多動(dòng)態(tài)和多樣的組件，同時(shí)該層負(fù)責(zé)根據(jù)用戶的需求分析和規(guī)整相關(guān)業(yè)務(wù)。編制層的核心組件是策略管理框架組件。其余組件包括：①分布式消息服務(wù)，用于編制層和其指定接受者之間的信息傳輸；②數(shù)據(jù)聚集組件，聚集所有從物聯(lián)網(wǎng)設(shè)備和云端獲取的數(shù)據(jù)，這些數(shù)據(jù)用于為策略管理模塊提供智能數(shù)據(jù)分析；③數(shù)據(jù)API面向用戶程序的組件，用于收發(fā)物聯(lián)網(wǎng)設(shè)備和編制層組件的可識(shí)別格式的數(shù)據(jù)。

圖1 面向網(wǎng)關(guān)的計(jì)算架構(gòu)

（3）源接口層：此接口允許多用戶開(kāi)發(fā)特定的服務(wù)以支持應(yīng)用層的應(yīng)用程序。該層保證了一個(gè)安全通信網(wǎng)關(guān)是建立在應(yīng)用程序和編制層之間，以支持最優(yōu)的資源和服務(wù)的利用。這將允許一般的APIs開(kāi)發(fā)基于應(yīng)用程序和多用戶的需求。

在3層架構(gòu)中，編制層是整個(gè)架構(gòu)的中心，架構(gòu)的穩(wěn)固性和所能提供的低時(shí)延特性都是由編制層來(lái)保證的，而編制層核心組件是策略管理。

3 策略管理模塊

面向網(wǎng)關(guān)的計(jì)算架構(gòu)和其后續(xù)的策略管理框架提供了細(xì)致化的編排策略，并就產(chǎn)生策略請(qǐng)求及相關(guān)準(zhǔn)則進(jìn)行了概述定義，這些請(qǐng)求和準(zhǔn)則實(shí)現(xiàn)了穩(wěn)健和安全的通信平臺(tái)，該平臺(tái)能夠保證在網(wǎng)關(guān)計(jì)算模型環(huán)境下數(shù)據(jù)和應(yīng)用的安全獲取。

在面向網(wǎng)關(guān)的算法架構(gòu)中，為了用戶和服務(wù)的安全交互，策略定義、數(shù)據(jù)聚集、沖突的檢測(cè)和解決構(gòu)成了其關(guān)鍵組件[8]。所以策略管理組件被設(shè)計(jì)在使用GN（GatewayNode）或者GI（GatewayInstance）的編制層。

3.1 策略定義

策略是在衡量了客戶提出請(qǐng)求之后所制定的一系列規(guī)則的集合。策略規(guī)則包括：

Rule id：規(guī)則ID，規(guī)則的唯一標(biāo)識(shí)；

Subject：主體，通過(guò)目標(biāo)請(qǐng)求源數(shù)據(jù)的實(shí)體，如請(qǐng)求接入架構(gòu)的物聯(lián)網(wǎng)設(shè)備、GI或者云數(shù)據(jù)中心；

Target：目標(biāo)，運(yùn)行應(yīng)用程序的實(shí)體，可接收主體提交的請(qǐng)求；

Attributes：屬性，與設(shè)備和用戶相關(guān)的可唯一標(biāo)識(shí)的實(shí)體，在使用面向網(wǎng)關(guān)架構(gòu)的智能交通系統(tǒng)中，關(guān)鍵的屬性有組件ID、組件類別、組件位置、組件目的地、當(dāng)前時(shí)間和認(rèn)證證書；

Action：動(dòng)作，當(dāng)源數(shù)據(jù)被請(qǐng)求時(shí)所作出的動(dòng)作，可以接入、更新、遷移和刪除；

Effect：結(jié)果，通過(guò)策略規(guī)則導(dǎo)出的最終結(jié)果，包括允許和拒絕。

3.2 策略分類和策略管理架構(gòu)

任何連接的智能設(shè)備都可能通過(guò)可獲取的證書產(chǎn)生策略請(qǐng)求，并將請(qǐng)求提交給GN。每個(gè)GN均定義了一套包含若干準(zhǔn)則的策略，用以允許設(shè)備的連接請(qǐng)求和信息聚合。這些策略大致可以分為以下幾類：

（1）網(wǎng)絡(luò)管理策略：該策略側(cè)重于網(wǎng)絡(luò)的性能，如通信信道、流量均衡和QoS等；

（2）運(yùn)行管理策略：該策略管理系統(tǒng)和設(shè)備的功能性，包括它們之間的交互限制；

（3）安全管理策略：該策略專注分布式GI和GN間對(duì)數(shù)據(jù)聚集和運(yùn)行的安全管理。

圖2為建議的策略管理框架。該框架目前包含7個(gè)獨(dú)立組件，每個(gè)組件都承擔(dān)了單獨(dú)的功能，并且每個(gè)組件都可以和其他組件相關(guān)聯(lián)。該框架同附著在獨(dú)立GI上的組件呈自然分布，允許網(wǎng)關(guān)計(jì)算模型在今后擴(kuò)展時(shí)，可以隨時(shí)加入增強(qiáng)框架的新組件。

3.3 策略分析

策略分析用于支持實(shí)時(shí)用戶的請(qǐng)求響應(yīng)和服務(wù)供應(yīng)。本節(jié)還將討論策略沖突檢測(cè)和沖突解決技術(shù)的相關(guān)規(guī)則，策略分析均建立在XACML框架上[9-11]。為了闡明策略分析，采用兩個(gè)用例場(chǎng)景，用例場(chǎng)景建立在STS智能交通系統(tǒng)上。STS是智能自適應(yīng)系統(tǒng)，能提供動(dòng)態(tài)的交通路況信息，并考慮了潛在的事故和安全因素。該系統(tǒng)包含多個(gè)可交換數(shù)據(jù)的組件，包含智能交通燈（STL）、轎車（CV）、緊急車種（ECV）。

圖2 策略管理框架

場(chǎng)景一：小李每天早上7:30離家上班，并且在 8:00之前必須到達(dá)辦公室。辦公室地址儲(chǔ)存在SV(smart vehicle)的GPS系統(tǒng)中。當(dāng)SV抵達(dá)第一個(gè)STL（smart traffic lights），SV同STL進(jìn)行通信并收到已預(yù)估了到達(dá)時(shí)間的最優(yōu)路線。當(dāng)他抵達(dá)第二個(gè)STL時(shí)，系統(tǒng)會(huì)根據(jù)當(dāng)前交通條件和他的到達(dá)時(shí)間更新GPS，從而保持或者更改路線。

場(chǎng)景二：當(dāng)小李在上班的路上，一輛消防車ESV(emergency smart vehicle)根據(jù)所收到的緊急情況和小李選擇了同樣的路線。這個(gè)ESV將會(huì)給最近的STL提供其目的地，那么這個(gè)STL將會(huì)更新小李的GPS以通知小李ECV的緊急情況，以便他能選擇繼續(xù)前行還是自主選擇另外的道路來(lái)避開(kāi)ECV。

從策略分析的角度看，2個(gè)用例場(chǎng)景中均包含網(wǎng)絡(luò)管理、運(yùn)行管理、安全管理等3種策略。在與運(yùn)行和安全相關(guān)的策略方面，管理員創(chuàng)建的一個(gè)小的規(guī)則集合來(lái)管理交通。用例場(chǎng)景集合如表1所示。

表1 用例場(chǎng)景集合

在這些規(guī)則中，定義的源數(shù)據(jù)是運(yùn)行在網(wǎng)關(guān)計(jì)算架構(gòu)中的應(yīng)用程序，屬性、動(dòng)作、結(jié)果和主體是這些規(guī)則中的關(guān)鍵實(shí)體。可以看到，表1中有一些規(guī)則是互斥的。例如Rule1和Rule2，屬性中的時(shí)間是重疊的，但是結(jié)果卻相反。另外Rule1和Rule2的主體也是重疊的，增加了另外的沖突。Rule3、Rule4、Rule5在時(shí)間上存在重疊，結(jié)果卻相同，也屬于策略的沖突。所以在策略管理體系中，必須引入檢測(cè)策略沖突和解決策略沖突的方法。

根據(jù)表1中不同規(guī)則所對(duì)應(yīng)的場(chǎng)景，可以通過(guò)分析提取出儲(chǔ)存在主體、目標(biāo)、源數(shù)據(jù)、動(dòng)作和影響中的關(guān)鍵信息。這些關(guān)鍵信息包含可以讓策略引擎做出決斷的屬性。一旦這些屬性被確認(rèn)，XACML規(guī)則就可以轉(zhuǎn)換成布爾表達(dá)式。根據(jù)表1中已確認(rèn)的屬性值，可以很容易地推導(dǎo)出原始的布爾表達(dá)式。

令S1=SV，S2=ESV，A1=access，A2=update，R1= MEITUAN，R2=MAPS，Attr1=“川大路二段1號(hào)”，Attr2=“機(jī)場(chǎng)路四段2號(hào)”，Attr3=“2:00—8:00”，Attr4=“8:00—17:00”，Attr5=“17:00—22:00”。

Rule1的布爾表達(dá)式可以表示為：

(S1∨S2)∧(R1)∧(Attr1∧Attr4)

Rule2的布爾表達(dá)式可以表示為：

(S2)∧(R1)∧(Attr3∨Attr4)

圖3為規(guī)則Rule1和Rule2的BDD結(jié)構(gòu)圖，展示了Rule1、Rule2的運(yùn)行功能集合。

圖3 規(guī)則1和規(guī)則2的BDD結(jié)構(gòu)圖

利用布爾表達(dá)式和BDD結(jié)構(gòu)圖，可以制定出一種避免策略沖突的成熟的策略管理方法，不再贅述。

4 實(shí)驗(yàn)結(jié)果

本文實(shí)驗(yàn)數(shù)據(jù)來(lái)源包括移動(dòng)網(wǎng)絡(luò)、智能設(shè)備、城市數(shù)據(jù)分析、社交網(wǎng)絡(luò)等。實(shí)驗(yàn)環(huán)境包含多種交通組件，如機(jī)動(dòng)車、交通燈、軌道信號(hào)燈等。假設(shè)所有組件均能連接互聯(lián)網(wǎng)并上傳和分享數(shù)據(jù)。

表2表明，隨著每項(xiàng)評(píng)估的增加，規(guī)則的復(fù)雜性也增加。規(guī)則的復(fù)雜性表現(xiàn)在冗余、影響結(jié)果、屬性和主體的沖突。總體程序響應(yīng)時(shí)間隨著規(guī)則的增加而增加，但是，最大的響應(yīng)時(shí)間為127 ms，仍然在可以接受的范圍之內(nèi)。

表2 規(guī)則數(shù)-策略沖突檢測(cè)解決時(shí)間

表3表明了在智能交通系統(tǒng)中，平均的策略執(zhí)行時(shí)間、總策略執(zhí)行時(shí)間與接入系統(tǒng)的機(jī)動(dòng)車數(shù)量之間的關(guān)系。測(cè)試結(jié)果說(shuō)明，雖然機(jī)動(dòng)車數(shù)量的增加對(duì)平均策略執(zhí)行時(shí)間有影響，但是對(duì)策略引擎的性能影響不大。可以觀察到，當(dāng)連接單個(gè)STL的機(jī)動(dòng)車數(shù)量從3增加到最大4的時(shí)，策略執(zhí)行時(shí)間只增加20%。

表3 策略執(zhí)行時(shí)間-Subject數(shù)量

完整的平臺(tái)測(cè)試涵蓋了多種設(shè)施和系統(tǒng)，最終綜合考慮眾多組件得出最后的的測(cè)試結(jié)果。平臺(tái)測(cè)試從管理者向策略管理組件上傳一個(gè)策略集開(kāi)始，然后對(duì)此平臺(tái)建立一個(gè)完整的工作流。

一旦對(duì)某個(gè)應(yīng)用的策略上傳，它們將被存儲(chǔ)在一個(gè)策略庫(kù)里。策略庫(kù)包含管理員創(chuàng)建和上傳的多個(gè)策略。當(dāng)用戶連接了STL時(shí)，用戶的智能設(shè)備會(huì)在XACML內(nèi)產(chǎn)生一個(gè)請(qǐng)求，并將其發(fā)送給STL。在本測(cè)試中，STL是一個(gè)host策略決定組件的GN。與預(yù)想的相同，當(dāng)機(jī)動(dòng)車數(shù)量增加時(shí)，總策略執(zhí)行時(shí)間也相應(yīng)增加。因?yàn)闄C(jī)動(dòng)車數(shù)量增加，發(fā)送給單點(diǎn)STL的請(qǐng)求也增加。但是，最終測(cè)試顯示，當(dāng)機(jī)動(dòng)車由3增加到4時(shí)，總策略執(zhí)行時(shí)間增加了20%，這并不會(huì)對(duì)性能產(chǎn)生大的影響。可以看到，總策略執(zhí)行時(shí)間為4 s左右，這說(shuō)明平臺(tái)已經(jīng)接近智能交通燈和已連接機(jī)動(dòng)車之間的實(shí)時(shí)通信，但和實(shí)時(shí)工作流還是有些差距。

圖4和圖5為系統(tǒng)和用戶數(shù)據(jù)與系統(tǒng)性能之間的關(guān)系。

圖4 策略平均執(zhí)行時(shí)間-Subject數(shù)量曲線

圖5 策略管理總時(shí)間-Subject數(shù)量曲線

從應(yīng)用平臺(tái)測(cè)試結(jié)果可以看出，本文提出的基于網(wǎng)關(guān)的算法模型可以對(duì)物聯(lián)網(wǎng)設(shè)備和應(yīng)用之間的數(shù)據(jù)聚集和交互的安全性提供一個(gè)穩(wěn)定、高效的平臺(tái)。該策略管理模型可以保證用戶隱私永遠(yuǎn)高于用戶請(qǐng)求，從而保持網(wǎng)關(guān)算法模型的最優(yōu)穩(wěn)定性和高效性。

[1] SKANDHAKUMARN, REIDJ, SALIM F, et al. A Policy Model for Access Control using Building Information Models [J]. International Journal of Critical Infrastructure Protection. 2018(23): 1–10.

[2] ZHONG Ruofei, WEI Jiangxia, SU Wei, et al. A method for extracting trees from vehicle-borne laser scanning data[J].Mathematical and Computer Modelling. 2013, 58(3/4): 733– 742.

[3] HUHX, AHNG-J, KULKARNIK. Detecting and resolving ?rewall policy anomalies[J]. IEEE Transactionson Dependable and Secure Computing, 2012, 9(3): 318–331. DOI:10.1109/ TDSC.2012.20.

[4] 郜帥，王洪超，王凱，等. 智慧網(wǎng)絡(luò)組件協(xié)同機(jī)制研究[J]. 電子學(xué)報(bào)，2013(7): 1261–1267.

[5] 習(xí)寧，馬建峰，孫聰，等. 基于模型檢測(cè)的服務(wù)鏈信息流安全可組合驗(yàn)證方法[J]. 通信學(xué)報(bào)，2014(11): 23–31.

[6] 程亮，張陽(yáng). 基于UML和模型檢測(cè)的安全模型驗(yàn)證方法[J]. 計(jì)算機(jī)學(xué)報(bào)，2009, 32(4): 699–708.

[7] HU Baoxin, LIJili, JING Linhai, et al. Improving the efficiency and accuracy of individual tree crown delineation from high-density LiDAR data[J]. International Journal of Applied Earth Observations and Geoinformation, 2014, 26: 145–155.

[8] 李唯冠，趙逢禹. 帶屬性策略的RBAC權(quán)限訪問(wèn)控制模型[J]. 小型微型計(jì)算機(jī)系統(tǒng). 2013(2): 328–331.

[9] 李冬輝，張斌，費(fèi)曉飛，等. 基于多值屬性分量的XACML策略匹配算法[J]. 計(jì)算機(jī)科學(xué)，2014, 41(6): 104–107.

[10] 戚湧，陳俊，李千目. 基于冗余消除和屬性數(shù)值化的XACML策略優(yōu)化方法[J]. 計(jì)算機(jī)科學(xué)，2016(2): 163–168.

[11] 王雅哲，馮登國(guó). 一種XACML規(guī)則沖突及冗余分析方法[J]. 計(jì)算機(jī)學(xué)報(bào). 2009(3): 516–530.

Application of gateway-oriented strategic management algorithm model in intelligent transportation system

LI Qiutong, YANG Yuechen

(Chengdu Neusoft University, Chengdu 611830, China)

A gateway-oriented strategic management model is proposed to meet the requirement of intelligent transportation system for data interaction. The model is composed of three layers such as the application layer, programming layer and source interface layer. The programming layer is the center of the architecture, andthe stability of the architecture and the low latency provided by the compilation layer are guaranteed by the compilation layer.The core component of programming layer is policy management, andthe framework of policy and policy management is presented.The model provides a stable and secure data platform for communication between intelligent cars and various real-time services, and ensures low delay and uninterrupted communication between intelligent user applications and cloud data centers.

intelligent trapportation; strategicmanagement; gateway

U495

A

1002-4956(2019)09-0132-05

2019-03-26

教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目（201802118014）；全國(guó)高等院校計(jì)算機(jī)基礎(chǔ)教育研究會(huì)項(xiàng)目（2018-AFCEC- 186）

李楸桐（1987—），女，四川都江堰，碩士，講師，主要研究方向?yàn)榫W(wǎng)絡(luò)安全、智慧交通。

E-mail: liqiutong@nsu.edu.cn

10.16791/j.cnki.sjg.2019.09.033