基于SIR的列車通信網絡故障傳播特性仿真分析研究

趙 強，馬志瑜，劉亞飛，李 鋒

(中車長春軌道客車股份有限公司，吉林 長春 130062)

列車通信網絡作為面向列車牽引、制動等安全相關系統執行數據采集、狀態監視、運行控制、故障診斷及信息傳輸的任務中樞神經，其分布式控制系統組成設備應用嵌入式軟件通過列車及車輛總線與各子系統緊密連接成交錯的復雜信息傳輸網。列車網絡節點之間相互關聯，邏輯關系復雜，任何一個節點局部的故障都可能導致在采集周期內的數據錯誤或者缺失，直接降低被采集數據的準確性，致使故障通過網絡進行傳播，從而影響整列車的安全可靠運營。

智能化和大數據帶來的技術變革使列車通信網絡的規模不斷擴大，數據傳輸任務不斷加重，系統設備性能隨服役時間逐步退化，網絡故障和失效的概率也逐漸增加。列車通信網絡在執行故障診斷與定位故障管理功能的同時，必須加強對網絡自身狀態的監視和健康評估，實時掌握通信網絡的運行狀況，及時預測網絡故障傳播狀態及其影響，捕捉對網絡故障有影響力節點的傳播信息，降低由于單點故障引起全網故障的風險，這對于提高列車運營的安全性和可靠性尤為重要。

1 故障傳播特性研究方法

網絡故障的傳播行為研究就是研究網絡中最初一個局部小的故障、小的擾動如何在網絡上傳播并如何最終影響整個網絡的行為[1]。

為研究確定適用于列車通信網絡的故障特性分析方法，本文對現有的故障傳播研究方法及其應用特點進行了對比分析。其中，基于圖論的方法是通過分析系統結構、功能及邏輯原理，結合一定的推理策略對復雜系統進行故障傳播分析，該方法能直觀描述故障傳播關系，但對于復雜系統建立模型工作量大且繁瑣；Petri分析法將研究對象輸出與實際輸出進行比較，通過分析產生的殘差，并結合實際系統特性研究故障傳播過程和定位，此方法能夠準確描述事件狀態關系，但當研究對象節點多、故障傳播狀態復雜時，建模復雜；數據驅動法采用數學方法對歷史數據進行處理，提煉數據中隱含的關鍵信息，構造近似實際系統新模型，通過模型的計算與真實的數據對比來進行故障診斷和分析，此方法過于依賴過程數據；基于復雜網絡的分析法能夠從網絡拓撲結構的角度研究故障傳播網絡的特性，描述節點故障產生的網絡級聯失效過程[2]。

本文在比較眾多故障傳播研究方法的基礎上，從復雜網絡故障傳播分析方法角度出發，以北京地鐵6號線列車通信網絡為研究分析實例，從網絡系統功能結構分析、多Agent軟件體系網絡架構構建、SIR模型應用轉化和NetLogo仿真分析等方面進行故障傳播影響特性分析。

2 基于SIR模型的列車通信網絡故障傳播影響分析

2.1 列車通信網絡系統功能結構

北京地鐵6號線列車網絡控制采用龐巴迪公司依據TRDP協議開發的MITRAC TCMS系統，列車通信網絡采用實時以太網與多功能列車現場總線網絡相結合的策略，網絡拓撲結構如圖1所示，人機接口通過MVB總線和以太網總線與中央控制單元接口，實時性要求高的控制指令、狀態數據通過MVB總線進行傳輸，其他狀態和診斷數據通過以太網進行傳輸。

ATC.列車自動控制系統；ACU.輔助控制單元；BCU.制動控制單元；CCU.中央控制單元；DCU.門控單元；ERM.列車數據記錄儀；EMD.電氣中距離；FAS.煙火報警系統；HMI.人機接口單元；HUB.集線器；HVAC.空調系統；PA.列車廣播系統；RPT.中繼器；RIOM.遠程輸入/輸出模塊；TCU.牽引控制單元。

通信網絡系統硬件主要由CCU、RPT、RIOM等構成，節點信息傳輸用軟件系統主要包括操作系統、應用、控制、監視軟件等。其中，RPT根據通信功能需求編寫的應用層軟件將網絡分為列車總線與車輛總線；RIOM主要用于實現網絡節點設備及車載信號系統數據的交互；HMI通過監視軟件顯示車輛和子系統的狀態及提供人機交互的接口；ERM應用診斷和維護軟件實現對列車主要設備的運行狀態、故障的自動信息采集并記錄；CCU作為網絡信息傳輸的核心設備，列車各關鍵系統狀態均由CCU進行邏輯判斷后發出控制指令，實現全列車的控制監控功能，由此即構建起基于CCU通信安全功能信息核心網。鑒于此，本文以CCU與列車各子系統控制監視信息傳輸構建的核心通信網為研究切入點，例證說明如何進行列車通信網絡故障傳播影響分析。

2.2 多Agent列車通信故障傳播網

多Agent網絡結構建模方法是基于復雜網絡中軟件體系結構概念進行系統建模的方法[3]，軟件體系結構作為軟件系統的高層抽象用以描述整個系統的結構和行為，主要由構件、連接件及其相關約束條件構成。將多Agent技術應用于列車通信故障傳播結構網分析，用節點表示構件，用數字等信息表示構件的名稱，把列車通信網絡牽引、制動等軟件子系統抽象成圖中的節點，把故障傳播關系(即子系統間信息傳輸邏輯關系)抽象為連接節點的有向邊，即將列車網絡通信信息傳輸模型轉化為故障傳播結構的圖形式展開故障傳播特性問題的研究。基于北京地鐵6號線列車通信網絡系統功能結構和多Agent應用技術分析建立的CCU通信網絡軟件系統故障傳播結構網如圖2所示。

圖2 CCU通信網絡軟件系統故障傳播結構圖

2.3 SIR模型向故障傳播研究應用轉化

SIR模型是一種用于描述抽象信息傳播的過程模型(圖3)，是在傳染病動力學中沿用Kermack與McKendrick用動力學方法建立的傳染病模型中最經典的模型[4]。

β.節點故障傳播概率；γ.節點故障移除概率。

SIR模型應用于列車通信網絡故障傳播的研究時可以理解為：列車通信網絡結構轉化為列車通信故障傳播結構網；初始狀態下，故障結構網絡中所有節點對應于故障易感狀態；網絡中節點發生故障后，即轉變為故障感染狀態；節點故障解決處理后且不再會導致其他節點故障的發生，即進入故障移除狀態。

由此，為了應用SIR模型進行列車通信網絡故障傳播分析，結合列車通信網絡結構功能及其信息傳輸固有特性進行分析，針對故障傳播路徑、故障傳播概率和故障傳播強度的研究要求，確定基于SIR 的列車通信網絡故障傳播模型應用前提條件假設：

(1) 通信網絡故障節點的個體通過它們之間的連邊感染與其相鄰的節點；

(2) 假設故障傳播的時間尺度遠遠小于各個節點的生命周期以及系統的運行周期，從而不考慮節點個體的故障產生率與死亡率，即網絡的節點總數保持不變；

(3) 均勻混合假設，即處于各個狀態的節點均勻混合，故障密度與故障節點的密度成正比。

與此同時，為建立SIR列車通信網絡故障傳播演化方程并分析求解，進行網絡故障傳播的狀態轉移過程假設：

假設t時刻通信網絡系統中的節點處于故障易感狀態、故障感染狀態和故障移除狀態的個體的密度分別為Φ(t)、ρ(t)和χ(t)。當t趨于無窮大時，故障易感個體、故障感染個體和故障移除個體的密度分別為Φ、ρ和χ。在每個時間步，如果網絡中故障易感個體至少和一個故障感染個體相連，則它被故障感染的概率為β；同時，故障感染個體被修復并具有容錯機制，變為故障移除個體的概率為γ。

由此將SIR模型轉化為列車通信網絡故障傳播分析的演化方程為：

(1)

(2)

(3)

λ——故障有效傳播率。

為簡便計算，假設γ= 1，即由故障感染狀態到故障移除狀態的概率為1，指對于存在故障的節點，不考慮時間尺度的影響，最后故障都會被移除，成為故障移除狀態。同時，對SIR模型進行穩定性分析，可得故障有效傳播率的臨界值為：

當λ>λc時，故障將在CCU軟件系統中傳播，并最終達到一個穩定的狀態，系統中所有個體處于故障移除狀態，而故障感染個體的數目為0。

2.4 列車通信網絡故障傳播影響模擬仿真分析

NetLogo仿真平臺適合對隨時間演化的復雜系統進行建模仿真[5]，同樣適用于列車通信網絡故障傳播影響仿真試驗分析。本文的研究思路是通過應用多Agent技術構建列車通信故障傳播結構網，結合SIR故障狀態轉移演化方程算法求解過程分析，利用 NetLogo仿真工具進行列車通信網絡CCU軟件系統的故障數值仿真，從而達到統計分析通信網絡各節點處于故障易感狀態、故障感染狀態和故障移除狀態的個體的密度以及分析整個網絡的故障傳播狀態的目的。

2.4.1 仿真參數定義

根據建立的CCU故障傳播結構圖進行仿真參數定義設置：

(2) 仿真輸出曲線圖中，定義藍色曲線為節點處于故障易感狀態個體密度Φ(t)，紅色曲線為故障感染狀態個體密度ρ(t)，灰色曲線為故障移除狀態個體密度χ(t)。

(3) 節點故障傳播概率β表示節點的故障傳播能力，β=100%為最大，是指具有100%的故障傳播能力；β=0 為最小，是指發生故障的節點不會將故障以任何形式傳播下去，即不會對其他節點產生影響。

(4) 節點故障移除概率γ表示故障的維修能力，γ=100%為最大，是指對于故障節點具有100%的修復好的能力；γ=0為最小，是指發生故障的節點無法修復好。

(5) 初始故障數目為n，表示通信網絡系統中開始的軟件故障節點數目。

(6) 修復時間為M(t)，表示對于故障的維修所需要的單位時間。

2.4.2 仿真數據輸出

對列車通信網絡不同條件下的故障傳播狀態進行數值仿真，得到不同條件下仿真列車通信網絡狀態輸出數值。

(1)β=100% ，γ=100% ，M(t)=2，n=1(單個故障)， 在CCU故障和CCU非故障情況下，模擬仿真列車通信網絡故障傳播狀態數值如圖4所示。

圖4 節點故障傳播概率和移除概率均較高條件下列車通信網絡故障傳播仿真數值圖

(2)γ=50% ，n=1，M(t)=2，在CCU故障和CCU非故障情況下，模擬仿真β=100%和β=80%條件下的列車通信網絡故障傳播狀態數值如圖5所示。

圖5 節點故障移除概率低條件下的列車通信網絡故障傳播仿真數值圖

(3)n=1，M(t)=2，在CCU非故障情況下，模擬仿真β=80%、γ=50% 和β=30%、γ=30%條件下的列車通信網絡故障傳播狀態數值如圖6所示。

(4)β=100%，γ=20%，n=4(多個初始故障)，M(t)=2，CCU非故障和2個CCU故障狀態下的列車通信網絡故障傳播狀態數值如圖7所示。

(5)β=100%，γ=20%，M(t)=16，在非CCU故障情況下，模擬仿真單故障(n=1)及多故障(n=4)情況下的列車通信網絡故障傳播狀態數值如圖8所示。

圖6 節點故障傳播概率和移除概率均較低條件下的列車通信網絡故障傳播仿真數值圖

圖7 多故障、節點故障移除概率低條件下的列車通信網絡故障傳播仿真數值圖

(6)β=100%，γ=20%，M(t)=16，n=4，且其中2個為CCU故障，模擬仿真列車通信網絡故障傳播狀態數值如圖9所示。

2.4.3 仿真結果分析

由上述多個仿真數值分析圖可以得出如下結論：

(1) 初始故障n=1時，不論CCU故障與否，其故障易感狀態節點密度、故障感染狀態節點密度和故障移除狀態節點密度的變化趨勢類似，但由于CCU軟件連接的其他軟件較多，因此其故障感染狀態節點密度較大。

圖8 節點故障移除概率較低、故障修復時間長條件下的列車通信網絡故障傳播仿真數值圖

圖9 多CCU故障、節點故障移除概率較低、故障修復時間長條件下的列車通信網絡故障傳播仿真數值圖

(2) 對故障節點的修復時間長短直接關系著網絡中故障的傳播程度。故障修復時間越短，對整個網絡的故障傳播影響越小；故障修復時間越長，對整個網絡的故障傳播影響越大。

(3) 故障節點移除概率的大小直接關系著3種密度的變化趨勢。隨著時間的增加，故障易感狀態節點密度先是逐漸減小，然后又逐漸增大，最后趨于穩定；故障感染狀態節點密度先是逐漸增大，然后逐步減小，最后趨于0；故障移除狀態節點密度逐漸增大，最后趨于穩定。

(4) 在初始故障數目和修復時間一定的條件下，節點故障傳播概率和節點故障移除概率的變化對3種密度的變化趨勢影響不大，即3種曲線的走勢類似。

(5) 初始故障數目較多時，故障感染狀態節點密度初始值較大，故障易感狀態節點密度初始值較小，但3種密度的變化趨勢與初始故障數目較少時的變化趨勢相類似。

(6) 在初始故障數目較多的情況下，CCU節點是否存在故障對3種密度的變化趨勢影響不大。

實例仿真分析表明，降低故障傳播概率、提高修復能力可以有效降低故障傳播的發生，同時降低關鍵節點的密度以及關鍵節點之間的連接數目，提高軟件系統的可靠性。

2.5 實際運營數據分析

根據北京地鐵6號線列車實際運營現場數據，針對列車通信網絡節點設備在10萬km內發生的主要故障的頻次分布及故障傳播影響情況統計如表1所示。從表1中可以看出：故障頻次和百分比最高的節點設備是RIOM，高達31.38%；故障百分比次之的是HAVC、ACU、PA，主要表現為在線檢測軟件故障居多；DCU、TCU、BCU、CCU由于其設計過程中考慮了安全性和可靠性，故障頻次較低，故障百分比在10%以內；HMI、ATC主要故障模式為觸摸屏不靈敏和黑屏，故障百分比為1.6%；FAS、ERM運營過程應用程度低，故其故障發生率最低。

表1 列車通信網絡節點設備運營期間故障數據統計

故障傳播影響范圍分為列車、車輛、系統、部件4個層次，從網絡結構設計上看，CCU、RPT和HUB都是影響列車級關鍵節點設備。而實際運營中，僅CCU和HMI分別造成1次列車級運營故障；RPT和HUB由于預先設置了冗余功能，有效防止了故障傳播，未發生影響列車運營的故障；TCU和BCU作為列車牽引和制動的主要動力源，故障傳播直接影響車輛級動力單元，由于安全性設計和日檢過程中重點專檢，未造成影響列車級運營的故障。DCU、HVAC、PA故障多為本地系統級故障，僅當系統多主機同時級聯故障時影響車輛級功能。

2.6 結論及建議

通過列車通信網絡故障傳播影響仿真并結合實際運營數據的研究分析，可以得到以下結論和建議：

(1) 列車通信網絡故障傳播影響列車級運營關鍵節點設備如CCU、RPT和HUB，這些關鍵節點故障傳播影響范圍最大，在考慮關鍵節點硬件冗余設計的同時，采用軟件邏輯控制及時隔離故障節點可以避免傳播影響擴大。

(2) 故障移除時間直接關系網絡中故障的傳播程度，提升通信網絡系統軟件可靠性和網絡故障診斷預警能力，逐步實現列車全方位故障的在線狀態評估、識別、診斷、定位是避免故障擴散的有效方式。

(3) 提高網絡維護的效率，實現維修模式轉變，由傳統時間驅動的維修方式(計劃檢修)和事件驅動的維修方式(計劃檢修)和事件驅動的維修方式(故障后檢修)向以可靠性為中心的動態維修方式轉變，建立列車通信網絡系統故障預測與健康管理體系是保證列車運營安全性、避免重大事故發生的有效途徑。

3 結束語

有效的故障管理方法是保證網絡可靠運行的基礎[6]，多角度、分層次、系統化地進行故障傳播特性研究是進行列車通信網絡故障預警、健康狀態綜合評估、全壽命周期可靠性分析和風險評估以及維修策略的決策與優化的必經之路。

本文應用復雜網絡、多Agent、信息論SIR模型、軟件可靠性分析、NetLogo仿真及數據對比驅動多種技術相結合的方式對列車通信網絡故障傳播特性進行了研究，提出了網絡設計及運營維護的整改措施和建議，這些有針對性的措施和建議對于加強檢修過程故障傳播關鍵節點維護、控制運營期間網絡故障傳播擴散、避免故障大密度感染造成連鎖反應、提高列車的運營安全性和可靠性水平具有切實的理論分析和實踐借鑒意義。