基于AUML的列控系統(tǒng)運營場景多智能體建模仿真研究

李 亞,張亞東,郭 進,周 慧

(西南交通大學信息科學與技術學院,成都 611756)

列控系統(tǒng)是保證列車運行安全的分布式實時控制系統(tǒng)[1]。采用建模仿真的方法對其進行研究分析能夠減少列控系統(tǒng)現(xiàn)場測試成本，提高測試效率，對不斷完善列控系統(tǒng)具有重要意義[2-3]。同時通過仿真系統(tǒng)能夠驗證現(xiàn)場不易測試的情況，對列控系統(tǒng)安全性的研究具有重要的應用價值。隨著列控系統(tǒng)的不斷發(fā)展，列控系統(tǒng)具有了交互性、混合性、反應性和并發(fā)性的復雜特性[4-5]。研究一種有效并滿足列控系統(tǒng)復雜特性的建模仿真方法，能夠為列控系統(tǒng)的研究提供高效全面的仿真環(huán)境支撐，為列控系統(tǒng)的研究奠定重要基礎。

基于Agent的多智能體方法是研究分布式復雜系統(tǒng)的前沿技術，為實現(xiàn)分布式復雜系統(tǒng)提供了一種有效的途徑[6-7]。目前列控系統(tǒng)已應用了多智能體仿真，如文獻[8]對CTCS-4級列控系統(tǒng)進行多智能體仿真，文獻[9]對RBC切換場景進行多智能體仿真，文獻[10]對列控系統(tǒng)中列車追蹤運行進行多智能體仿真，文獻[11]對列控監(jiān)控系統(tǒng)進行多智能體仿真，文獻[12]建立多智能體調(diào)度員訓練模擬器。但文獻[8-9]采用的是面向?qū)ο蟮慕７绞剑墨I[10-12]只是使用了多智能體理論，未使用基于Agent的多智能體建模方法進行模型構建。

多智能體的建模方法是基于Agent對系統(tǒng)進行模型構建，能夠簡化建模過程[13]。目前已發(fā)展出多種建模方式[14]，其中以UML2.0擴展的基于Agent的AUML統(tǒng)一規(guī)范建模語言[15-16]，因UML的廣泛應用具有很大的優(yōu)勢，利用該優(yōu)勢，使得在應用AUML構建多智能體模型時，有著很好的基礎。

因此，本文研究基于AUML對列控系統(tǒng)運營場景構建多智能體模型的方法，最后以RBC切換場景為例，展示該方法的應用過程，并結合模型和多智能體仿真平臺進行仿真。

1 多智能體和AUML

1.1 多智能體建模理論

多智能體因其具有的自主性、靈活性、可擴展性和交互協(xié)作等特性，使其成為一種能夠很好體現(xiàn)復雜系統(tǒng)特性的建模仿真方式[17-18]。它通過一種自低向上的建模仿真方式對系統(tǒng)進行分析設計[19]。其建模過程分為如下步驟。

(1)系統(tǒng)的界定和描述：在對一個系統(tǒng)進行分析設計時，首先應明確該系統(tǒng)的功能目標，界定系統(tǒng)的邊界。

(2)個體Agent的劃分：采用面向Agent的方法，從系統(tǒng)的物理實體或者系統(tǒng)的功能出發(fā)，抽象出系統(tǒng)的Agent。

(3)個體Agent的建模：抽象出個體Agent模型后，便是對系統(tǒng)的每個Agent進行詳細的內(nèi)部結構設計。

(4)建立宏觀模型：根據(jù)已有的Agent模型，建立Agent之間的交互，確定系統(tǒng)的宏觀模型。

1.2 AUML建模技術

AUML與UML均采用圖形的建模方式，目前在UML的基礎上擴展研究了AUML的交互圖和類圖。AUML的交互圖通過如圖1所示的3種交互協(xié)議連接符來增加Agent交互間的并發(fā)機制。同時，通過在交互圖中添加嵌套或交叉協(xié)議來促進模型的可重用性。嵌套協(xié)議經(jīng)常被用來定義一個循環(huán)。

圖1 AUML交互協(xié)議連接符

圖中“與”表示消息并行發(fā)送，“或”表示不發(fā)送或發(fā)送其中幾條消息，“異或”則表示只發(fā)送其中一條消息。

AUML的類圖在UML類圖的基礎上發(fā)展成如圖2所示的Agent類圖。

圖2 Agent類圖

本文使用的Agent類圖只包含Agent名稱、狀態(tài)描述、行為和方法。Agent名稱定義Agent的名，區(qū)分模型中的各個Agent。狀態(tài)描述與UML類圖的屬性類似，用于Agent的邏輯描述。行為是指被Agent本身觸發(fā)或接收了其他Agent發(fā)送的消息被觸發(fā)時產(chǎn)生的行為。方法是實現(xiàn)Agent行為的操作。

2 列控系統(tǒng)運營場景多智能體建模方法

結合多智能體構建模型的方法和列控系統(tǒng)相關技術規(guī)范，在對列控系統(tǒng)運營場景采用AUML進行多智能體模型構建時，分為4個步驟如圖3所示。

圖3 列控系統(tǒng)運營場景構建模型結構

2.1 系統(tǒng)功能需求用例圖建模

系統(tǒng)功能需求即是明確系統(tǒng)的目標。確定系統(tǒng)實現(xiàn)哪些功能，各種功能之間存在的關系，構建系統(tǒng)用例圖來表示系統(tǒng)的功能目標。從高鐵列控系統(tǒng)相關技術規(guī)范中對列控系統(tǒng)運營場景過程的描述，可以明確系統(tǒng)在實現(xiàn)某個運營場景時系統(tǒng)所需功能，如車載的通信功能、RBC的切換功能、列控中心的軌道占用檢查功能等。

2.2 抽象Agent定義類圖建模

明確系統(tǒng)功能需求后，從系統(tǒng)的物理實體出發(fā)，通過系統(tǒng)的功能需求描述來抽象出Agent，從而確定每個Agent所處的狀態(tài)、行為及實現(xiàn)方法，以此來建立個體Agent的類圖。列控系統(tǒng)中的物理實體即是列控系統(tǒng)的組成部分，如應答器、RBC和CTC等。仿真時會通過列車的運行來驗證列控系統(tǒng)的運營場景，因此建模時的物理實體應考慮車載和列車。

2.3 Agent信息交互圖建模

建立個體Agent的類圖后，明確了個體Agent間的關系及其包含的狀態(tài)、行為，則需通過AUML交互圖來定義系統(tǒng)中各Agent間的信息交互順序。AUML交互圖中的對象即是抽象出的個體Agent，并通過時間序列來表示參與交互的Agent間的信息交互順序。

2.4 Agent內(nèi)部設計狀態(tài)圖建模

為了更清晰地描述Agent內(nèi)部的行為狀態(tài)，通過Agent的定義和Agent的交互構建每個Agent內(nèi)部的結構模型。Agent定義給出了Agent的狀態(tài)、行為和方法，而Agent的交互則給出了Agent時間上的邏輯順序，通過將兩者結合構建出Agent在被某個消息事件觸發(fā)后處于的行為狀態(tài)圖模型。

3 RBC切換場景多智能體模型構建

3.1 RBC切換場景

RBC切換場景是CTCS-3級列控系統(tǒng)的典型運營場景之一，本文選取該場景進行案例分析。RBC切換場景描述的是列車在兩個RBC邊界處，其行車許可控制從一個RBC安全切換到另一個RBC的過程[20]。在雙電臺情況下，RBC切換過程如圖4所示。

圖4 RBC切換示意

(1)RBC切換開始：列車通過RBC預告應答器后，車載發(fā)送位置報告給移交RBC，移交RBC在接收到位置報告后，發(fā)送RBC切換命令給車載，并將接管列車預告和進路請求發(fā)送給接收RBC。接收RBC接到進路請求后，向移交RBC發(fā)送進路信息，移交RBC根據(jù)進路信息延伸MA。

(2)建立通信：車載接收到RBC切換命令后，開始呼叫接收RBC，接收RBC則返回系統(tǒng)版本，車載向接收RBC發(fā)送通信建立信息。

(3)列車通過執(zhí)行應答器：列車最大前端通過執(zhí)行應答器后，車載發(fā)送位置報告給移交RBC和接收RBC，兩個RBC在接收到位置報告后，移交RBC將該報告信息轉(zhuǎn)發(fā)給接收RBC，接收RBC則發(fā)送接管列車的信息給移交RBC。

(4)RBC切換結束：列車尾部通過執(zhí)行應答器后，車載發(fā)送位置報告給兩個RBC，移交RBC接收到位置報告后，開始與車載切斷通信，車載保持與接收RBC的通信，并按接收RBC發(fā)送的MA監(jiān)控列車運行，RBC切換結束。

3.2 多智能體模型構建

根據(jù)技術規(guī)范中RBC切換場景的過程，應用列控系統(tǒng)運營場景AUML建模方法，構建RBC切換場景的多智能體模型。

(1)RBC切換系統(tǒng)功能需求

RBC切換過程中涉及的系統(tǒng)功能主要有RBC的切換功能(RBC Switch)、車載的速度監(jiān)控(Speed monitor)、車載的通信(Communication)和列車定位(Train position)。移交RBC和接收RBC在切換過程中的切換功能又包含不同的子功能。移交RBC的切換子功能包含RBC切換命令發(fā)送(RBC Switch command)、行車許可計算(RBC Generate MA)、移交列車預告(Take over train forenotice)、進路請求(Request route)。接收RBC的切換子功能包含行車許可計算、進路信息(Route message)和接管列車信息(Take over message)。車載速度監(jiān)控依賴于靜態(tài)速度曲線計算(Static velocity curve calculation)和動態(tài)速度曲線的計算(Dynamic velocity curve calculation)。車載的通信包含呼叫RBC(Call RBC)、建立通信(Build communication)和切斷通信(Cut off communication)。列車定位包含接收應答器信息(Balise message)和列車運行位置(Train running)。根據(jù)各功能間的包含、依賴和關聯(lián)關系，建立如圖5所示的系統(tǒng)功能需求用例圖模型。

圖5 RBC切換場景系統(tǒng)功能需求用例

(2)RBC切換抽象Agent定義

完成RBC切換過程主要參與的物理實體有兩個RBC、車載、應答器和列車，因此抽象出車載(OBE)、移交RBC(HandRBC)、接收RBC(ReciveRBC)、應答器(Balise)和列車(Train)5個Agent。再根據(jù)系統(tǒng)功能需求用例圖確定各Agent類圖中的狀態(tài)、行為和方法，設計出如圖6所示的Agent類圖模型。

圖6 RBC切換場景Agent類圖

RBC切換場景的Agent類圖給出了各Agent間的關系。應答器與車載之間的直接關聯(lián)關系，表示應答器信息發(fā)送給車載。列車與車載之間的依賴關系，表示列車的運行依賴與車載的控制。兩個RBC之間的關聯(lián)關系，表示兩個RBC之間存在一定的關聯(lián)關系，如移交RBC需要發(fā)送進路請求給接收RBC，接收RBC需要發(fā)送進路信息給移交RBC。

列控系統(tǒng)中Agent的狀態(tài)描述即是抽象出的Agent的屬性變量，如列車的位置和速度、車載的控制策略等。Agent的行為表示系統(tǒng)中Agent的可能操作行為，如列車的運行和停車、車載的控車等。Agent的實現(xiàn)方法表示Agent實現(xiàn)操作的具體方法，如實現(xiàn)列車運行和停車需根據(jù)接收車載發(fā)送的信息和牽引計算更新列車的位置和速度。

(3)RBC切換Agent信息交互

Agent類圖抽象出的Balise、HandRBC、OBE、ReciveRBC和Train 5個Agent作為交互圖中的對象，按照實現(xiàn)場景的時間邏輯順序建立如圖7所示的RBC切換場景Agent交互圖。

圖7 RBC切換場景Agent交互

Train和OBE兩個Agent之間在RBC切換的整個過程中的信息交互是一直循環(huán)存在的，因此使用嵌套協(xié)議的方式將其定義在RBC切換場景交互圖中。

(4)RBC切換Agent內(nèi)部設計

RBC切換過程定義了5個Agent，這里以RBC切換過程中移交RBCAgent的狀態(tài)圖模型進行說明，如圖8所示。移交RBC的初始狀態(tài)是ControlOBE，即根據(jù)線路情況計算行車許可CountMA()，發(fā)送給車載控制列車運行的狀態(tài)。當列車位置報告Train pass LTA時觸發(fā)移交RBC的切換狀態(tài)，該狀態(tài)下，移交RBC的SendMessage()包括RBC切換命令給車載，移交列車預告信息和進路請求信息給接收RBC。如果移交RBC接收到RouteMessage，則更新發(fā)送給車載的MA。當列車位置報告Train head pass RN，移交RBC的SendMessage()為轉(zhuǎn)發(fā)的位置報告。當列車位置報告Train tail pass RN，移交RBC執(zhí)行Stop communication command的命令，當切斷通信后，RBC切換結束。

圖8 移交RBCAgent狀態(tài)模型

3.3 RBC切換場景多智能體仿真實現(xiàn)

根據(jù)模型，使用MASON多智能體仿真平臺，以武廣線武漢高速場到龍泉東的線路數(shù)據(jù)構建仿真的線路環(huán)境，進行RBC切換場景多智能體仿真。模型映射到仿真平臺時繼承的類、接口或使用的方法如表1所示。

表1 模型映射到MASON仿真平臺

通過如圖9和圖10所示的模型監(jiān)控器與列車運行示意圖可以監(jiān)控RBC切換過程。仿真開始前設置仿真步長StepTime為0.01 s，仿真動態(tài)顯示與實際長度的比例LengthScale為0.25像素/m。最終通過obe1State實時監(jiān)控車載與RBC通信情況，HRBCcontrolTrain和RRBCcontrolTrain分別監(jiān)控移交RBC與接收RBC接管列車情況。圖10中的speed與position實時動態(tài)顯示列車的實際速度與位置。

圖9 模型監(jiān)控器

圖 10 列車運行示意

圖11所示的系統(tǒng)各Agent運行監(jiān)控反映了系統(tǒng)每運行一個step時，各Agent是隨機順序執(zhí)行，以此符合系統(tǒng)的并發(fā)性。同時系統(tǒng)通過Network網(wǎng)絡的Edge在各個Agent間進行通信，圖11反映了Agent接收信息的情況，通過該仿真數(shù)據(jù)可以得出系統(tǒng)滿足RBC切換過程的功能和信息交互，符合系統(tǒng)的交互性。

圖11 系統(tǒng)各Agent運行監(jiān)控

圖12反映了系統(tǒng)實時計算連續(xù)速度監(jiān)控曲線的特性，同時能夠根據(jù)速度監(jiān)控曲線采取離散的牽引制動，符合系統(tǒng)的混合性。速度監(jiān)控曲線的計算是車載根據(jù)地面設備的行車許可和自身的速度位置計算，并利用該曲線對列車的速度進行監(jiān)控，符合系統(tǒng)的反應性。

圖12 速度監(jiān)控曲線

4 結語

結合研究分布式復雜系統(tǒng)的多智能體建模理論和AUML建模語言，提出一種基于AUML構建列控系統(tǒng)運營場景多智能體模型的方法。并以RBC切換場景為例,詳細描述了應用該方法的建模過程，根據(jù)模型設計得到RBC切換場景的多智能體仿真。分析仿真結果，該方法滿足了列控系統(tǒng)的并發(fā)性、交互性、混合性和反應性，證明了該方法的可行性，為支撐列控系統(tǒng)研究的建模仿真提供了一種更符合其復雜特性的方法。