智能虚拟环境（共7篇）
智能虚拟环境 篇1
1. 引言
虚拟环境 (VE) , 指人处在一个由计算机模拟产生的3D环境中, 获得如同在相同的真实世界里的感觉, 通过对人类的感觉器官产生人为的如听、视、触觉等刺激信号, 使人获得在相似真实世界中才能取得的真实感受。就现在的VE系统而言, 大多数都采用静态的三维场景, 场景中的物体是静态的、被动的、无生命的。为了更逼真地模仿世界, 使得参加的用户具有沉浸感, 迫切需要在虚拟世界中加入有生命的对象, 包括虚拟人或动物, 此时用户用一个代表他的用户化身 (avatar) 来表示。场景中有生命的对象和用户化身的活动都应具有一定的智能性, 从而形成为一个智能虚拟环境 (IVE) 。
智能虚拟环境是人工智能和虚拟现实相结合的产物[1]。在IVE中, 有生命的对象用Agent表示, 代表用户的化身也用智能Agent表示。对智能Agent的定义, 研究人员根据不同的应用和角度, 在自己的理解上做出了不同的说明。Stan和Art考察大量的Agent概念, 给出:智能Agent系统是环境的一部分, 只在特定的环境中感知环境并作用于环境, 从而实现自身的日程, 影响将来的感知[2]。智能Agent总是与其对应的环境相结合, 离开了所处的环境, Agent就失去了存在的意义。它通过感应器和效应器与环境相互作用, 具有目的, 有意图的行为, 使环境将来的状态符合日程。
智能Agent技术是继面向对象的建模方法后, 出现的又一功能强大的建模方法[3]。智能Agent具有自主性、反应性、社会性及推理能力等特点, 已成为人工智能领域描述行为模型的通用技术框架, 能够用来解决传统的人工智能所不能解决的环境适应性、信息部完全性及实时性等问题[4]。由于多Agent系统 (Multi-Agent Systems, MAS) 具有可扩展性、自治性、主动性、可重构性和敏捷性等特点[5], 已成为目前最感兴趣的AI技术之一。
在MAS领域, 以往的研究大都集中于Agent和Agent组织之间的交互协作。而本文通过对智能虚拟环境体系结构的需求分析, 提出一种IVE中基于MAS的智能Agent体系结构, 着重于智能Agent内部机制的研究与设计, 通过Agent的内部机制来提升系统的整体性能。
2. 智能虚拟环境体系结构需满足的要求
2.1 智能化与可视化分离
为创建具有良好扩展性和通用性的体系结构, 虚拟现实 (VR) 和MAS这两个系统必须独立工作。这样用于计算推理的智能化部分才能从用来展示推理结果的可视化部分明确地分离出来[8]。图1给出了独立分配可视化和智能化的抽象层次结构, 帮助扩展IVE应用。这种方案使用特定的图形工作站来专门处理渲染, 用其它的计算机处理AI计算, 用专用的CPU周期渲染。
2.2 分配AI计算任务
智能虚拟环境提供的沉浸感和环境中个体的可靠行为都由AI技术来实现。但这些技术可能需要很高的计算代价。另外, 要使环境中的智能Agent以灵活的方式自主交互, 采用MAS方法更合适。MAS中, 为一个应用程序中的每个不同Agent分配一台计算机, 独立地专用于应用程序的可视化部分。这些Agent只知道VE的一部分, 并且知道怎样才能达到它们的设计目标。
2.3 面向任务的行为
每个Agent被设置了一组预先设定的可在虚拟环境里执行的基本动作, 比如看和移动。这些基本动作被自动执行。此外, Agent还能执行专门的动作, 这些动作不是直接的, 因为这些动作需要依赖于上下文。因此Agent以任务这一高于动作的抽象方式运行。任务的意思是:包含了上下文的动作。一个上下文就是一组定义一个动作的属性。
3. Agent体系结构
为满足以上要求, 本文提出了智能虚拟环境中基于MAS的智能Agent体系结构, 如图2所示。该体系结构共有三层。
物理层建立每个Agent和虚拟环境之间的逻辑联系。传感器从仿真控制器 (Simulation Controller, SC) 中捕获虚拟环境中的事件, 将其传送到认知层以执行必要的操作。一旦某个Agent要执行一个动作, 效应器就把它传送给仿真控制器。
仿真控制器 (SC) 是MAS子系统中的一个特殊Agent (在仿真过程中的唯一正在运行的Agent) , 它为虚拟世界解释所有的Agent动作, 保证仿真过程中任意时刻虚拟世界的一致性。SC对虚拟世界的状态做有效的表达, 为图形观测仪提供所有需要的信息。由于SC发送和接收的数据量很大, 它的体系结构必须对虚拟世界中的任何刺激作出快速的反应。
仿真层包含了仿真逻辑管理模块, 用来管理仿真的生命周期。该模块负责执行管理仿真的虚拟社会的关系规则, 保证该过程的同步。整个虚拟世界的状态, 都存储在世界知识库中, 其中包含展示和管理虚拟世界的所有必须的数据。
反应层是虚拟世界与环境的边界。它由两个模块组成。感觉应答模块从环境中捕获事件。它执行虚拟世界中Agent的动作, 计算这些动作对虚拟世界造成的物理后果, 并解释世界知识库的新变化。从而, 感觉应答模块将这些发生的影响和变化发送到其他相关的代理。另外, 该层控制与观察仪的交互。在仿真过程中, 同一时刻可能有多个观察仪运行在不同的计算机上。为保持理想的帧速率, 必要的信息都必须在每一帧发送到观察仪。
社会层通过有效使用FIPA ACL合作协议来管理Agent间的交互。
Agent的认知层由三个模块组成:知识库模块, 决策模块和执行模块。每个Agent都具有虚拟环境存储在知识库中的部分知识, 作为它的记忆。决策模块具有两个干预层。反应层使用快速解决方案, 而协商层使用知识库模块来获取更好的解决方案。协商层可以有个计划器, 通过对VW的独立观建立面向任务的计划。决策模块同时被社会层和执行模块使用, 以解决两个关键问题:重新分配任务列表中各任务的优先级和抢占当前活动的任务。执行模块包括一个任务列表, 一个调度器和一个调度程序。任务列表保存了一个Agent要做的所有任务。调度器使用认知层的决策模块来重新分配任务列表中各任务的优先级, 并选择优先级最高的任务。调度程序从任务列表中选择优先级最高任务并执行。另外, 调度程序还可以通过决策模块挂起当前正在执行的任务。
社会层管理Agent之间的交互, 以让各Agent相互合作, 协调一致, 达到它们各自的和全局的目标。
4. 总结
本文提出了提出一种IVE中基于MAS的智能Agent体系结构, 着重于智能Agent内部机制的研究与设计, 通过Agent的内部机制来提升系统的整体性能。该方法应用MAS, 将可视化和智能化模块分开处理, 使得可扩展性在图形层 (增加设备数量) 和MAS层 (增加与VE交互的Agent数量) 都能实现。
摘要：智能虚拟环境是人工智能和虚拟现实相结合的产物。由于多Agent系统具有可扩展性、自治性、主动性、可重构性和敏捷性等特点, 已成为目前最感兴趣的AI技术之一。本文提出一种IVE中基于多Agent系统的智能Agent体系结构, 着重于智能Agent内部机制的研究与设计, 通过Agent的内部机制来提升系统的整体性能。
关键词：智能虚拟环境,MAS,Agent
参考文献
[1]潘志庚, 张明敏, 许威威.智能虚拟环境[J].系统仿真学报, 2001, 13 (增刊) :152-155.
[2]史忠植.智能主体及其应用[M].北京:科学出版社, 2000.
[3]刘箴.浙江大学博士后研究工作报告, 2004.
[4]M.Wooldridge and N.R.Jennings.Intelligent agents:Theory and practice.The Knowledge Engineering Review, 10 (2) :115-152, 1995.
[5]范辉, 华臻, 李晋江等.智能虚拟环境的研究[J].微电子学与计算机, 2004, 21 (6) :100-103.
智能电网中云环境下的虚拟化技术 篇2
云计算在智能电网中的应用越来越广泛、普遍,渐成主流、前景广阔。智能电网引进计算机网络技术,应用各种方法建立起高效安全而又经济的电网。其中云计算作为一种基于互联网的使用、交付和服务的计算模式,将各个节点作为计算单元接入,实现了云主体拥有更加完善的安全性与可靠性,保持了系统拥有超强的计算处理能力,保障了整个网络资源之间的交互通畅、完成了系统资源有效配置及其通信。
1 云计算技术及虚拟化
1.1 云计算
云计算技术是在并行处理技术(Parallel Computing)、分布式处理技术(Distributed Computing)与网格计算(GridComputing)三种技术的基础上产生和推广的。它突破了传统的任务处理方式而开创以互联网计算系统为核心处理各种网络中的应用,形成了一种全新的处理服务方式。划分云计算的技术层次的根本是依据系统设计的需求与其特有的性质来展开的,其具体形象的表明了云计算中不同的软件和硬件的对应的不同功能。整个云计算我们可以分成包括系统管理、虚拟化资源、物力资源以及服务接口在内的4个模块,其中核心技术主要有海量数据分布存储技术、虚拟化技术等。
1.2 虚拟化
虚拟化是指计算元件的虚拟化,通过虚拟化可以整合或者划分物理计算资源,优化软件执行过程和增大系统硬件的存储量。我们应用虚拟化技术就可以在一台物理机上实现多个操作系统的虚拟机操作,而且每一个虚拟机都可以看成是一个拥有全套软硬件系统的真实的物理机。从而虚拟化技术实现了优化管理,提高系统资源利用率的目的。虚拟化关键特征如下:(1)隔离性,即系统中即使在相同的服务期内不同的虚拟机也相互分开无交叉。(2)独立性,服务器中的虚拟机都可以在其他服务器中正常运行而不经过修改,保持相对独立性。(3)兼容性,对于各种标准的操作系统甚至其中的应用虚拟机都是可以兼容的。(4)封装性,它可以将其完整的系统封装在一个文件中。
2 云环境下的虚拟化技术
2.1 服务器虚拟化
对于服务器虚拟化的定义尽管不同的机构给出了不同的答案,但是它们的中心思想都是利用分辨优先级进而可以根据系统需求实时的分配系统资源,提高管理效率和降低运行成本。将系统服务器中各个硬件和软件资源集中管理,有效配置,优化调度。图1给出了服务器虚拟化技术在云计算中的应用过程。它表明系统中将分离的物理硬件和操作系统等软件封装到一个文件中,统一协调调度管理,增强各个设备之间的关联协同性。
2.2 存储虚拟化
通过抽象化存储器将几个不同的服务和其他功能进行整合,为系统提供综合全面的存储服务。存储虚拟化过程如图2所示,主机层与存储层之间利用存储区域网络(SAN)进行数据传输,它和传统的存储有所不同,其将存储的资源的物理存储地址和资源对应逻辑映射分离,相当于将存储资源虚拟成一个资源库,用户无须担心具体的存储设备,优化系统存储能力。
2.3 网络虚拟化
其对于不同的用户需求在逻辑上保持着分离保护他们之间的独立性而不受身处相同物理网络的影响。网络虚拟化保证了互联网的使用安全可靠,在单独的物理硬件设备上设置多个用户组来保障全网络的安全性、便于扩展性与易于管理性。网络虚拟化安全、弹性、易管理和自适应的基础网络特征,具有充分满足服务器、存储设备等云计算所需其他虚拟化技术对现有网络带来的挑战。
3 云环境下的虚拟化技术在智能电网中的应用
(1)实现电网内部资源共享,网络虚拟化可以分为虚拟机网络交换与核心层、接入层虚拟化等三个部分,通过互操作的信息平台,可满足电力资源共享的要求,可以有效保障电网的存储数据的安全性和可靠性,从而保证电网服务的安全有效;(2)改善电网信息数据存储能力,利用虚拟化云存储技术可以大幅提高软、硬件利用效率还可以优化系统中资源配置提高动态分配、减少对于数据的无效访问,保障了电网数据的隔离性和安全性;(3)提高电力系统计算分析能力,通过服务器虚拟化技术能够完成对于电网系统计算中心虚拟机的配置操作,此外,利用将虚拟机资源进行动态调整以保证软、硬件系统的正常工作,充分发挥软件系统的伸缩性,应对突发事故,有效地改善了系统的安全性与稳定性。
4 结语
智能电网是未来电网的发展趋势,本文提出的虚拟化云计算技术在电力系统的信息计算、存储与通信等方面产生深远影响。虚拟化云计算在完全不改变现有系统内网和设备的情下,最大限度挖掘系统现有计算和储存资源能力,提高当前系统的整体性能。极大的提高了电网在智能云下的可扩展性,有效地支持了我国的智能电网建设。
摘要：云计算与虚拟化技术有机的结合,可以提高整个系统的计算储存能力。本文阐述了云计算技术及云环境下不同层次的虚拟化技术,给出了服务器虚拟化模型和存储虚拟化模型,举例说明了智能电网中运用虚拟化云计算技术的优越性。
智能虚拟环境 篇3
专家系统由于能在一定程度上解决不确定性, 能有效地模拟人类专家的各种判断能力并能学习新规则、新知识等特点而越来越被广泛应用。本文在此基础上对虚拟机部署机制进行改进, 提出利用专家系统的方法, 对虚拟机的部署和迁移进行一体化调度, 智能地选择合适的主机和时机对虚拟机进行部署和迁移, 探索了基于专家系统的云环境下虚拟机智能部署和迁移机制和方法, 详述了专家系统的设计原理。
一、改进的基于均衡负载的虚拟机部署机制
1. 虚拟机部署机制
云计算域内的调度中心接受用户的部署请求, 选择虚拟机模板, 根据其业务特征计算出负载量, 并向域内的宿主机发出资源请求广播, 宿主机对自身的当前和下一时刻负载进行检测, 判断是否达到部署要求, 并反馈给调度中心。
不同的用户业务对虚拟机的各类资源的使用频度不同, 例如, 需要进行科学计算的业务对虚拟机的CPU资源需求较大;需要进行文件备份存储的业务对虚拟机的磁盘空间和吞吐率需求较大。因此在本专家系统中需要定义这类业务相关的资源需求指标, 将CPU、内存、磁盘空间、磁盘吞吐率、网络带宽五类负载加权求和示意如下:
各权值W用户或管理员定义后存在事实库中。
2. 负载预测算法
虚拟机的负载情况具有一定的一贯性, 过去的负载情况会影响未来的负载值 (占用率) 。相关文献对虚拟机的负载预测机制进行了一些探索, 较为多见的是采用时间序列模型对负载进行预测。
本文采用时间序列平滑预测法中的霍尔特双参数线性指数平滑法预测下一时刻的虚拟机负载量。霍尔特双参数线性指数平滑法属于线性二次指数平滑法, 该方法的优点是可以用不同的平滑参数对负载值序列的两种因素进行平滑, 具有很大的灵活性。宿主机负载的预测值为:
α、γ为平滑参数, Ft为实际测得负载值, m为预测时刻数, (2) (3) 式是平滑公式, (2) 式利用前一期的趋势值bt-1直接修正平滑值St; (3) 式是用来修正趋势项bt, 趋势值用相邻两次平滑值之差来表示, 可以利用平滑系数γ对两次相邻平滑值之差进行修正。
由系统管理员根据经验在专家系统中设置α、γ的值。根据本算法可求出某台宿主机的负载预测值, 再组成UDP报文反馈给调度中心。
3. 宿主机选择策略
根据用户业务特点灵活计算虚拟机的资源需求, 再由负载预测算法求出该宿主机各类资源的未来负载预测值, 经UDP报文反馈给调度中心后, 由本专家系统进行匹配。
根据相关文献的思想, 首先利用预定义的资源需求权值W, 求出各宿主机的资源可用率Hn:
Cn、Mn、DRn、DTn、Bn分别是CPU、内存、磁盘空间、磁盘吞吐率、网络带宽负载预测值。
调度中心的专家系统将所有参数读入事实库, 匹配规则已定义好并存在知识库内, 利用内置的推理机进行匹配, 调整和优化, 选择最合适的宿主机, 最后将虚拟机快速拷贝到选定宿主机上。用户或管理员可以根据业务需要和管理效率自行设置知识库, 随着云计算业务规模的扩大, 可以制定复杂的匹配规则。一个简单的示例匹配规则如下:
(1) 同一虚拟机业务的W (cpu) 、W (mem) 相差超过阀值, 则重定义之, 再计算H值;
(2) 同一虚拟机业务的W (d Throughput) 、W (bandwidth) 相差超过阀值, 或W (d Throughput) >W (bandwidth) 则重定义之, 再计算H值;
(3) 同一虚拟机业务的W (bandwidth) 、W (mem) 相差超过阀值, 则重定义之, 再计算H值;
(4) 两个H值接近的宿主机, 优先匹配网络带宽的F值较大者, 即提高该主机的H值;
(5) 同一宿主机, 某资源的W值最大, 而对应的F值高于警戒阀值, 则该机H值置为0。
二、改进的快速预拷贝机制
1. 快速预拷贝机制
有学者提出了一种较新的虚拟机快速预拷贝方法, 通过记录内存页面的改动情况, 用概率预测的思想筛选出改动频繁的脏页面, 将它们安排在快速拷贝的最后一轮迭代中传输, 避免了无谓的重复传输, 从而节省带宽, 加快迁移速度。
这种新的与拷贝方法将修改频繁的页归入工作集 (Writable Working Set, WWS) 内, 根据内存页面的访问情况, 用概率预测原理预测页面变脏的概率, 较高的脏页再次被修改的概率也高, 概率较高的页面被归入工作集内, 暂不传输。
2. 脏页筛选预测策略
预测脏页的概率一般比较复杂, 但在专家系统中, 可以定义很多预测脏页的规则, 形成知识库供专家系统推理, 一个简单的示例预测规则如下:
(1) 相邻地址的页面属于工作集, 则该页面设为高脏页率 (>50%) ;
(2) 监控到连续两次被修改的页面归入工作集;
(3) 前一时刻刚修改过的页面设为高脏页率 (>50%) ;
(4) 阀值时间段T1内的发生过3次修改的页面归入工作集;
(5) 阀值时间段T2内一直没有修改过的页面设定脏页率 (>40%) ;
(6) 阀值时间段T2外, 每一时刻没有修改过的页面, 脏页率累加5%;
(7) 脏页率>60%的页面归入工作集。
该套规则库的策略比较保守, 工作集会比较大, 但能有效减少页面的重复传送率, 在虚拟机拷贝的末期, 传输量会很大。专家系统的知识库对用户限定权限开放, 系统管理员无需专业的程序设计技能, 就可以根据云计算业务情况自行定义和修改规则, 存入知识库, 大大方便了云计算系统的管理。
本文中的专家系统采用CLIPS为主设计语言。CLIPS即“C语言集成产生式系统”, 是一种基于规则的、多范例的专家系统编程语言, 可移植性高。
先经过充分的系统需求分析论证, 接着与行业专家 (云平台管理、网络、软件、用户业务) 广泛接触, 获取虚拟机部署和迁移的要求和规则描述, 以及各类元素的知识表达, 开始构建事实库和知识库。部分事实库代码如下:
自定义模板描述虚拟机
设置待部署虚拟机出事状态为开
通过侦测器模块侦测实时负载和脏页率
三、实验与分析
CLIPS本身用C语言编写, 因此很容易嵌入到其他高级语言中, 特别是VC++平台。为了方便进行技术验证实验, 采用直接嵌入方式, 把CLIPS的源代码嵌入到C++程序中, 经过修改, 可以在VC++平台内重新编译链接。
模拟试验环境建立在4台计算机构成的局域网上, 每台主机都运行安装了Xen4.1.2的Fedora 16, 其中一台主机模拟为调度中心, 并安装了CLIPS平台和专家系统的原型。另3台作为模拟为待部署的宿主机, 其上运行各类常见应用程序。所有主机通过一台千兆交换机相连, 处于同一个云计算域内。
实验中对3个虚拟机模板进行不同组合, 同时进行部署和迁移。做9次部署和迁移, 每台虚拟机模板各取平均值, 在式 (2) (3) 中设α=0.37、γ=0.38。宿主机选择策略中的权值相差阀值选为0.4, 负载预测值的警戒阀值选为85%, 设脏页率监控时间段T1=5, T2=10。
本文系统的虚拟机部署时间比传统方法发生首次迁移时间明显缩短, 而迁移时间比传统方法略有降低, 说明本系统中一定程度上是有效的。
四、结论
利用专家系统技术建立的基于负责预测的虚拟机部署和基于脏页预测的虚拟机迁移方法提高了资源分配的灵活性和管理的便利性, 缓解了计算资源分配的不合理问题。专家系统中的知识库和一些参数对系统管理员和用户有限开放, 可以根据实际情况进行调整, 在很大程度上提高了云计算调度中心的管理效率。
参考文献
[1]马飞, 刘峰, 李竹伊.云计算环境下虚拟机快速实时迁移方法[J].北京邮电大学学报, 2012 (01) .
浅析智能电网中虚拟化云计算安全 篇4
一、智能电网中云计算存在的信息安全风险
1、云网络安全。
用户可通过云环境中云平台自动提供的虚拟网络创建的虚拟路由器来模拟现实网络, 获得所需资源。云平台须有机结合具有交换机、防火墙等功能的虚拟网络和设备来实现其功能, 保障其安全。大量用户数据处于共享状态, 即使被加密, 万无一失也难以保证。由于环境的虚拟性, 相连的独立设备信息安全等级存在差异性, 导致现实中可能是同一台设备, 所以设计架构时安全问题不容忽视。
2、云存储安全。
云存储安全是整体安全的核心, 为此可使用MAC技术即强制访问控制技术。强制访问控制机制可与安全操作系统紧密结合, 打安全标签对数据资源的安全类别和级别进行标示, 满足了与模型相符的条件才能被读取。存储管理具有风险, 由于存储具有云计算服务商这一媒介, 便不能排除泄露的危险。存储关系着整个系统的安全, 需要尤其特别的注意!
3、云监控安全。
此部分负责整体统一监控各种硬件运行情况的工作, 具有高准确性的特征。一旦有构件出现故障, 它就会发出警戒并且做出分析。但美中不足的是它会出现空置负载、过量负载的问题, 因此需要频繁的维护。
4、云边界安全。
如果我们把云平台看作一个整体, 它同普通网络一样具有边界, 同样需要一个非边界的安全控制手段来完成边界安全的维护。相关的技术手段有身份鉴别、访问授权、与物理环境协调的综合防护与安全审计。由于智能电路的信息系统集成度高, 交互性强, 不好划分安全界限, 用户的隐私信息安全保护难以界定。为了避免数据被入侵, 被破坏, 被修改, 必须加强保护。
二、智能电网中云计算风险的安全防护措施
2.1 保证应用服务层的安全
坚持分区分域、划分级别、多层保障的原则。将云计算进行区域划分, 针对不同特点要求进行相应级别防护, 一部分的短暂故障不致影响其它区域的正常工作与运行。访问使用数据时要进行身份鉴别, 范围限制, 安全监控。严格按照手册进行配置, 及时更新硬件补丁, 重视安全应用的设计, 进行全方位的纵深防御。
2.2确保基础服务层的安全
可通过建立数据的副本增强信息的可靠性, 将安全性与实时性相结合。即使发生难以预料的情况, 也能及时移转数据至备份源。根据客户的不同要求, 设计不同级别的完整性、安全性系统, 提高利用率与可用性。确保传输过程的安全, 使用防火墙, 病毒监控, 访问检测, 相结合达到共享平台的独立与安全。在重视服务器安全的同时, 也要注重客户端的安全。最好采用SSL服务器端认证的HTTPS协议, 以更好地保障客户端的安全。
2.3确保平台服务层的安全
云计算的特点在于数据的共享性, 但也带来了安全隐患, 可以通过划分域的方式解决。划分域后各域的用户无法互相查看其它域的信息数据, 保证了整体的独立性、互不干扰性与可用性。同时独立的、居中的、无利益干涉的第三方监管也必不可少。他们有专业的业务知识和专业技能, 对于维持平台的稳定运行和数据的安全发挥着仲裁式的作用。所有的用户都应注意选择可靠的Saa S提供商, 他们在业界具有良好的口碑, 领先成熟的技术。核心知识产权是他们的核心优势, 能为用户提供连续持久的技术支持, 带来了可靠性与可信度。
结束语:当今世界各国的竞争是国力的综合竞争, 科技与技术发挥着举足轻重的作用, 它是一个国家经济军事发展的坚实后盾。智能电网的普遍使用, 正使之逐步纳入国家整体战略中, 预示其建设必将突飞猛进的展开。技术发展与安全保障的利益平衡, 是在加速电网智能化的实现之外必须重视的问题。唯有信息安全得到充分的保障, 才能真正实现社会效益与经济效益的齐头并进, 更好的服务于国民经济的高速发展, 满足人民的生活需求!
参考文献
[1]周祥峰.智能电网中虚拟化云计算安全的研究[J].计算机安全, 2013 (05) .
用虚拟化技术应对智能手机的安全 篇5
迅速发展并日益普及的智能手机逐渐演变成了消费者移动通信,信息交互,金融交易和娱乐的中心。然而,随着智能手机的功能越来越变得接近普通计算机或数据中心计算机,智能手机的安全性也同样遭受到类似常用计算机遇到的麻烦,表现在:
脆弱性:由于数百万行的应用代码,未经严格的可靠性验证,智能手机容易受到病毒、窥探、特洛伊木马以及其他恶意软件的困扰。
软件缺陷:运行在智能手机上的OS不可避免地存在某些缺陷。由于未发现缺陷的存在,而使智能手机不断受到外界的攻击。支持标准应用开发的开放OS(如Rim OS,Windows Phone)、开放资源的OS(如Android,Linux)以及运行在智能手机上的应用在安全方面差异很大。
外来攻击:运行在智能手机上的应用,包括通信客户端,可能在系统层和进程级受到拒绝服务(Do S)攻击。尤其是人们所关注的语音、文本消息、以及其他数据流可能会遭到窃听。另外未经授权一方可能中断重要的通信,伪造参与者的身份和内容。
在PC领域里,频繁的紧急安全升级和打补丁,对于移动智能手机是难以接受的,这样的安全方法会阻止智能手机的发展。因此,安全必须从智能手机生存周期中的设计阶段开始。在理想情况下,智能手机的体系结构应该立足于现有的手持设备和平板电脑,部署现成的软件平台和应用,运行Android或Linux操作系统。设备要能支持常规通信(语音、文本、社交网络等)和普通的聊天服务,也要能在类似设备或基础设施之间进行信息安全交换。但是,这样的要求很难满足。首先就是安全通信涉及到常规应用,包括3G语音、Vo IP、短消息、多媒体消息服务(SMS/MMS)和视频等,而运行在安全环境中的客户端应拥有加密数据流的功能;其次,需要开放网络。利用无处不在的3G,Wi Fi和其他网络实现安全通信。而GPRS,CDMA,802.11等自有的安全体系不足以支持安全和验证系统需要,因为已经验证了它们对嗅探、诱骗是脆弱的。还有,开放软件也是必要的。智能手机越来越多地运行开放OS或开放资源的OS,如Android,Linux等。安全通信移动设备开发人员通常不会替换这些平台,而是用安全、验证过的软件扩充或封装它们。
1 解决途径
智能手机在无线领域仅仅是个漫游代理,每一数码位的安全都很重要。安全必须借助于清晰地分区和隔离实现。隔离可以保证如果一部分受到威胁,其余部分仍然安全。此外,可靠的隔离能使安全检查从系统层展开。因此,智能手机的功能必须设有防火墙,就像IT网络和局域网一样设有防火墙。目前的解决途径有:
(1)专用硬件。最可靠、最安全的方法就是隔离软件在不同的硬件上运行程序。移动芯片组设有协处理器,用以加速图形、视频、音频、甚至加密等功能。然而,这些专用协处理器通常被配置成从属外围设备,没有为整个通信协议栈、语音和消息客户端的运行提供足够的支持环境。理论上,多个资源可以集成到一个硬件卡上,但是缺乏与不安全的设备发送和接收安全数据流的有效手段。
(2)多核结构。目前,高端智能手机和下一代智能手机的设计越来越多地以两个或更多的ARM处理器核作为多核应用处理器。理论上,一个或多个处理器专门用于安全移动通信,提供了强有力的与开放OS和开放应用环境的隔离。多数情况下,使用一个CPU核作为移动通信安全处理,因为安全处理会降低整个设备性能。而且,即使用一个专用CPU核运行安全通信处理,但共享物理内存仍然会受到来自运行开放应用OS核的攻击。
(3)虚拟化结构。构建安全移动平台的一个全面而简单的途径就是引入移动虚拟化技术。虚拟化能在单处理器上运行多个OS环境,每个应用环境在专门的分区中被彼此隔离,并且为通信安全考虑,专设一个安全应用分区,如图1所示。物理资源如内存和I/O设备也被专门分区。通过优化分区数目以满足整个系统需要,这样就允许在专门的分区内安全隔离设备管理功能。系统环境在各自的分区中重用,无需更多的工作。只有OS硬件抽象层部分(HAL)需要以相对低的工作和代价做一些调整。这样,对网络资源的访问只能通过该安全应用接口,以此确保智能手机的安全性。
2 虚拟化方案的实现
虚拟化能使实时环境与Open OS及常用硬件平台或处理器上的其他运行环境并行运行。虚拟化软件支持多种环境,维持系统的实时特性。虚拟化建立在虚拟机监控(VMM)基础层之上,VMM模块可进行配置。VMM提供了虚拟化要求的基本特性—内存分区,CPU虚拟化和调度。实现可靠的隔离。对于OS,在隔离分区中运行的不论是RTOS还是Open OS不能直接访问分区以外资源,即,它不能读或写其他分区,它的I/O访问也受到限制。核心BSP组件提供了基本设备的虚拟化,如时钟、定时器和可编程中断控制器(PIC)。如果多个客体OS在同一处理器上运行,可实现在维持RTOS实时特性下调度客体OS。
资源分区:虚拟机对物理内存分区并安全地彼此隔离,每一分区分配给指定的客体OS。这样,每一客体OS使用自己的内存管理机制和策略,不需要与其他客体OS接口,不能读或写入另一个OS分区。这种方法允许OS,例如Linux和Windows CE使用MMU,而那些没有MMU的OS如Nucleus和Vx Works则在单处理器上协作运行。某一客体OS使用的I/O设备就只分配给该客体OS。于是,常用设备驱动程序可以不加修改地重用。
资源虚拟化:几个客体OS所需的硬件资源如CPU,MMU和FPU被虚拟化后在所有的客体OS之间共享。CPU的共享机制基于保证实时客体OS被赋予最高优先级的调度策略。一旦一个客体OS被允许使用CPU,OS则使用其既有的策略调度它的应用和服务。MMU虚拟化后为每一个客体OS所私有。一个客体OS使用MMU与其他客体OS无关。
OS调度策略:为不同的OS提供可配置的调度策略。常用的策略是FIFO调度策略:给客体OS赋予优先级。RTOS的优先级最高,一旦需要,它将抢先任何其他客体OS,因为RTOS运行的是时间相关的关键任务。其他OS共享一个指定的优先级,可按FIFO方式调度,或按公平共享调度,取决于配置。
设备虚拟化:客体OS需要共享其他硬件资源,如核心设备与I/O外围设备。客体OS使用的核心设备通常有:时钟,定时器以及可编程中断控制器和UART。使用的I/O外围设备有:网络接口控制器,磁盘控制器和串口。
I/O外围设备:I/O设备如显示屏、键盘、USB、音频设备、闪存、照相机、蓝芽接口和调制解调器等。
专用外围设备:单一环境使用的I/O外围设备,例如蓝芽接口仅由Linux系统访问。在这样的配置中,客体OS可使用已有的驱动管理外围设备。外围设备产生的中断被虚拟化后由核心BSP发送给客体OS。
共享外围设备:有些I/O外围设备可以由2个OS的应用访问。例如,显示屏可以由实时话音呼叫应用访问,也可以由Linux系统浏览闪存上的文件系统访问。一个客体OS拥有外围设备,通过已有设备驱动管理它,好像它是一个专用设备。拥有设备的客体OS同时也运行后端驱动接收和协调来自要访问该设备的其他客体OS的请求。后端驱动依靠已有设备驱动执行实际I/O操作。其他客体OS不再使用它们的设备驱动,但是使用“前端”驱动,为客体OS提供同一服务。这样,前端设备驱动与其对等实体的后端驱动通信。这种模式称作分离驱动模型。
通信:一个典型的OS支持多进程,提供这样的服务:进程间同步和通信,调度策略,共享访问系统和网络接口,以及内存管理。把最合适的虚拟外围设备放在底层通信机制的顶部保证了通信更好地适应应用需要,而且隐藏了底层的复杂性。这就使得运行在Open OS中的应用与运行在RTOS中的应用有效的通信,使用最适当的通信方式。
监控:监控服务典型地用于开发中。在平台上捕捉与调度相关的事件,如硬件中断。这些事件在本地收集,然后由一个工具进行检索和分析,该工具运行在与嵌入式设备相连的主系统上。
3 应用实例
随着智能手机逐渐转变为消费者移动通信、信息、金融事务处理和娱乐中心,安全、有效的数字权限管理(DRM)是很重要的。以在智能手机上播放视频为例,虚拟化在一个Open OS上建立一个专门的基于DRM的播放分区。通过安全应用监控,保证下载到Open OS环境DRM播放器上的数据不会被的恶意软件破坏。当智能手机用户下载一个加密的DRM视频时,使用安全连接。因为视频被加密存储,最符合用户的期望。为了播放视频,用户必须使用可信任的DRM播放器,它是惟一有合适密钥解码视频的播放器。安全应用建立在DRM播放器和Open OS之间,确保DRM播放器不被加载和运行在Open OS上的任何软件或系统模块所破坏。而且,DRM也能访问播放视频的显示屏,保证解码后视频输出不被捕获。
4 结语
用虚拟化技术构建智能手机的安全有以下好处:一个可信赖计算单元就可化解对开发的验证和限制。在各自隔离的单元内部署现成的开放OS和协议栈。可灵活地实例化新单元以满足安全体制的特殊需要以及支持它的技术。通过隔离和限制单元间通信API防御恶意软件和单元间的安全,该开放OS的API可能受到病毒感染出现故障,但不会影响其他单元的安全通信软件。高性能的快速进程间通信机制。通过单元间监控、优化、负荷平衡抵御拒绝服务(DOS)攻击。
摘要：随着智能手机逐步演变成人们通信、信息交互、金融交易以及娱乐的中心,智能手机的安全问题也越来越多地引起人们的关注。以往在PC机上遇到的病毒、拒绝服务等问题也在智能手机上频现。现有的专用硬件和多核结构方案在智能手机的安全通信方面存在一定的缺陷。在此提出了一个虚拟化技术应对方案,通过对硬件资源虚拟化,并把虚拟资源按需要隔离成安全可靠的分区用以运行不同的应用。其中一个隔离分区专门用来解决智能手机在通信安全方面面临的挑战。
关键词：智能手机,虚拟化技术,移动终端,通信安全
参考文献
[1]李芳社.虚拟化技术在通信基础设施中的应用[J].现代电子技术,2009,32(8):156-158.
[2]李芳社.用实时虚拟化技术设计连接设备[J].现代电子技术,2011,34(9):57-59.
[3]吴建军,马文静.使用VB2005设计Smartphone智能手机应用程序入门[J].福建电脑,2007(10):41-42.
[4]杨新华,陈蜀宇,樊承泽.Windows CE系统下WAP浏览器的研究与设计[J].计算机工程与设计,2010,31(13):3088-3089.
[5]WIGLEY A,MOTH D,POOT P.Microsoft Mobile 移动应用开发宝典[M].张大威,译.北京:清华大学出版社,2008.
[6]郝玉峰,程显峰,李科.面向智能手机语音识别应用的汉语语音数据库[C]//第十一届全国人机语音通讯学术会议论文集(一).北京:中国中文信息学会,2011:53-56.
[7]陈光.基于虚拟化技术开发环境的研究[J].信息技术,2010(2):88-90,107.
[8]万兵.基于虚拟化技术的单CPU 3G手机发展趋势[J].信息通信技术,2010(1):57-60.
[9]辛军,陈康,郑纬民.虚拟化的集群资源管理技术研究[J].计算机科学与探索,2010(4):324-329.
智能虚拟环境 篇6
齿轮传动是应用广泛的机械传动,齿轮如果发生故障,将导致设备整体性能下降,甚至造成严重设备事故和重大经济损失。因此,为了及时发现齿轮故障,消除事故隐患,对齿轮进行监测和故障诊断十分必要。近年来,随着计算机技术的不断发展,虚拟仪器技术也得到提高,并逐步应用于设备状态监测和故障诊断领域。笔者采用虚拟仪器技术,研究并开发了齿轮故障智能诊断系统。
1 齿轮故障智能诊断系统的组成
为了对齿轮进行故障诊断,首先用传感器拾取齿轮振动信号,然后对传感器的输出信号进行适当调理,使之与后续环节相匹配。信号调理包括信号放大、滤波及阻抗变换等方面。信号调理后由数据采集卡对信号进行数字化处理,获得的数字信号输入计算机系统。在计算机中对信号进行小波去噪、时域统计特征参量分析和功率谱分析,并通过小波包分解求取齿轮振动信号各频带能量的特征值,根据这些特征值,由神经网络完成齿轮故障诊断。该智能诊断系统由传感器、信号调理模块、数据采集卡及计算机系统等几部分组成,计算机系统主要实现信号处理与分析、信号特征提取及故障诊断等功能。智能诊断系统总体结图如图1所示。
LabVIEW是一款图形化的虚拟仪器编程软件,使用者只需通过定义和连接代表各种功能模块的图标,就能方便快捷地建立起所需的应用程序,所以在此采用LabVIEW软件来开发齿轮故障智能诊断系统中的信号处理与分析、特征提取及故障诊断等模块。
2 信号分析与处理模块
根据齿轮振动信号的特点,信号处理与分析模块主要包括小波去噪、时域统计特征参量分析及功率谱分析等。
2.1 小波去噪
未处理的原始数据包含噪声信号,因此需要对信号进行预处理。在小波变换过程中,信号与噪声表现出不同的分解特性,可以采用小波变换的方法去除信号噪声。对信号进行小波分解,一般的噪声信号多包含在具有较高频率的细节信号中,通过确定阈值选择标准、阈值使用方式、阈值处理随噪声水平的变化和阈值大小对所分解的小波系数进行处理,然后对处理后的信号进行小波重构便可达到信号降噪的目的[1]。小波降噪的核心是对小波分解细节系数进行阈值量化处理,它直接影响到信号降噪的质量。小波降噪程序框图如图2所示。
2.2 时域统计特征参量分析
时域统计特征参量能反映机械设备总体运行状态是否正常,在设备故障诊断系统中可用于状态监测和趋势预报。时域统计特征参量分为有量纲和无量纲两类,有量纲特征参量主要包括峰值、峰-峰值、均值、均方根值、方差及标准差等,无量纲特征参量主要包括峭度系数、波形指标、峰值指标、脉冲指标和裕度指标。在无量纲的统计特征值中,峭度系数和峰值指标在一定程度上能够反映振动信号中是否含有冲击成分。时域统计特征参量分析模块程序框图如图3所示。
2.3 功率谱分析
对于比较复杂的振动信号,直接用时域描述来揭示信号的频率结构和各频率成分的幅值或能量大小是很困难的,所以在动态测试中广泛运用信号的频域描述,以揭示信号内各频率成分的幅值、相位,或者信号能量沿频率轴的分布规律,为此,开发了功率谱分析模块。功率谱是在频域中对信号能量或功率分布情况的描述,包括自功率谱和互功率谱,其中自功率谱与幅值谱提供的信息相同,但在相同条件下,自功率谱比幅值谱更为清晰。其程序框图如图4所示。
3 信号特征提取
由于齿轮故障振动信号与正常振动信号相比,相同频段内的能量有较大差别,因此在各个频段信号成分的能量中,蕴含了丰富的故障信息。同时,频段能量监测应考虑各频段里信号的全部能量,包括非平稳、非线性振动的能量,而小波包分解的各频段能量就满足这样的要求[2]。因此,系统利用齿轮振动信号的小波包分解各频段的能量作为故障诊断的特征值。
3.1 基于小波包分解的频带能量特征提取过程
基于小波包分解的频带能量特征提取步骤如下:
a. 小波包分解,包括确定小波包分解的尺度和选取合适的小波基函数。笔者采用二进三层小波包,选用正交小波基daubechies对齿轮振动信号进行小波包分解,共获得8个频段的信号。之所以选用正交小波基daubechies,是因为它是有限长紧支集正交小波,能够很好地避免截断,减小误差;此外,在所有的正交小波函数中,对于给定的消失矩阶数,正交小波基具有最大的支集。
b. 求各频段信号的能量。假设P
c. 构建特征向量。以各频段信号的能量为元素构建一个特征向量,即e=[W1,W2,W3,W4,W5,W6,W7,W8]。
为减少诊断模块的计算工作量,对特征向量进行归一化处理,令
3.2 信号特征值提取程序
对于小波变换及神经网络等现代信号处理技术,LabVIEW缺少直接的应用函数,而MATLAB特别擅长数值分析和处理,其含有大量的数据处理工具,包括小波变换及神经网络等。为了将MATLAB和LabVIEW有效结合起来,NI公司在 LabVIEW中开发了一个MATLAB Script节点,通过这一节点可以在LabVIEW中使用MATLAB强大的数值计算和分析功能。图5是小波包提取特征向量的程序框图。
4 智能故障诊断实现
小波具有良好的时域局部特性和变焦特性,而神经网络具有自学习、自适应性及鲁棒性强等优点,在进行故障模式识别时将小波分析和神经网络紧密结合起来是一种有效的方法。目前小波分析和神经网络的主要结合方式有两种:松散型结合和紧致型结合,其中紧致型结合的小波神经网络主要用于非均匀性数据对的逼近,而松散型的结合方式主要用于故障的模式识别,所以在此采用松散型的结合方式进行齿轮故障模式识别,也就是利用振动信号的小波包分解后各频段的能量作为神经网络故障诊断的特征值。
4.1 神经网络结构
由于基于误差反向传播算法的BP网络,可以以任意精度逼近任意连续函数,所以广泛地应用于非线性建模、函数逼近及模式识别等方面,在此选用BP神经网络。对于一般的模式识别问题,三层BP神经网络就能够解决问题,三层BP神经网络包括输入层、隐层和输出层[3]。诊断时,由于利用齿轮振动信号的三层小波包分解后8个频带内的能量作为神经网络的输入向量,所以神经网络输入层的节点个数为8;齿轮故障模式主要包括点蚀、齿轮断齿、均匀磨损和偏心4种,所以输出层节点个数为4;在选取隐层节点数时,可采用积经验公式
4.2 神经网络训练
在某一转速下,采集齿轮点蚀、齿轮断齿、齿面均匀磨损及齿轮偏心等故障模式下的振动信号,利用小波包分解分别求出各种模式下的频带能量特征值,并进行规一化处理后,作为神经网络输入样本。输入样本数据见表1,输出目标数据见表2。选取学习率为0.08,系统误差为0.001,对神经网络进行训练。当目标向量T与输出向量Y的差值d不大于0.001时,就认为网络训练成功,否则要重新训练。
神经网络创建和训练的程序框图如图6所示。
4.3 神经网络诊断
把经过归一化处理后的能量特征向量作为神经网络诊断的输入向量,调用已经训练成功的神经网络进行故障诊断与识别,并在前面板上显示出诊断结果。其程序框图如图7所示。
为了验证系统的有效性,通过采集故障模拟实验台齿轮断齿状态下的振动信号,由系统分析诊断后,在所设计的虚拟仪器前面板上清晰显示诊断结果为齿轮断齿,相应的方形指示灯点亮,如图8所示,诊断结果与事实相符。实验表明,虚拟技术和小波神经网络能有效应用于齿轮故障诊断。
5 结束语
利用LabVIEW作为齿轮故障智能诊断系统的开发工具,通过小波包分解求取齿轮振动信号的频带能量特征值,归一化处理后作为神经网络的输入向量,对齿轮进行故障诊断。实验结果表明所创建的齿轮故障智能诊断系统能有效识别齿轮故障,满足了齿轮故障诊断的需要,也是将虚拟仪器技术用于齿轮故障诊断的一个实践。
摘要：利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明:所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。
关键词：LabVIEW,小波包分解,神经网络,故障诊断
参考文献
[1]雷萍.小波神经网络技术在齿轮箱轴承故障诊断中的应用[D].兰州:兰州理工大学,2009.
[2]姚立娟.基于LabVIEW的小波神经网络的汽车主减速器故障诊断技术研究[D].成都:电子科技大学,2008.
智能虚拟环境 篇7
智能交通虚拟仿真作为仿真科学在智能交通领域的应用分支, 以相似原理、信息技术、系统工程和智能交通系统 (Intelligent Transportation Systems, ITS) [1,2]领域的基本理论和技术为基础, 以计算机为主要工具, 利用仿真模型模拟交通系统的运行状态并进行仿真评估, 辅助交通工程理论研究及实际应用。
近年来, 国内外对智能交通仿真及其关键技术的研究发展迅速, 出现了大批对ITS系统效益进行分析和评价的仿真软件, 在控制ITS的成本投入、降低风险、提供有效模拟智能交通手段以及提高ITS数据处理分析能力等方面起到了重要作用。但基于数据驱动进行智能交通虚拟仿真研究和实践的还很少, 基于这一需求及有关项目支持, 该文对与此相关的若干关键技术进行研究与探讨。
2 数据驱动的相关概念
2.1 数据驱动描述
数据驱动 (Data-driven) 概念的出现源自计算机科学领域, 近些年其理论、应用等的研究都引起控制领域及及仿真应用领域等的重点关注。
在理论研究方面, 主要集中在对数据驱动思想和概念、数据驱动应用方式、控制优化算法等的研究。数据驱动最初被视为一种适应性的仿真开发方法。在数据驱动的仿真模式中, 数据驱动指任何应用需求都能够由系统数据及相关模型所描述, 而无需进行再编程[3]。
以数据驱动思想为指导的应用涵盖控制、决策、调度和故障诊断等关键领域, 包括制造过程控制、气候预报、交通管理、地理开采、生物传感等诸多具体应用, 例如文献[4-5]所述。
在仿真应用领域, 数据驱动的仿真开发方式备受关注。美国国家自然科学基金会 (National Science Foundation, NSF) 提出了动态数据驱动应用系统 (Dynamic Data Driven Application Systems, DDDAS) 的概念[6], 为具有非线性、时变性、多变量和不确定性等特点的复杂大系统研究及仿真开辟了新途径。
2.2 进行本文研究的现实意义
以ITS技术核心交通数据信息的研究[7]为基础, 引入实时交通数据信息, 利用仿真技术手段, 对交通控制与管理及信息服务进行仿真评估, 辅助交通规划决策支持, 为动态监控交通拥堵状况、演变趋势、预报预警等提供连续性的技术保障, 成了智能交通仿真领域研究的热点所在。
数据驱动的智能交通虚拟仿真与其他方法的智能交通虚拟仿真相比, 它除了可以利用离线数据之外, 更注重仿真与实际系统的动态交互、在线流数据注入等宽范围应用。这给ITS控制与研究提供了一种新的探求方式, 同时也为仿真技术的发展提供了新的研究课题。因此, 研究数据驱动的智能交通虚拟仿真系统具有积极的理论意义和实践意义。
3 数据驱动的智能交通虚拟仿真体系结构
智能交通虚拟仿真体系结构从数据驱动的思想出发, 旨在解决和仿真相关的全局性问题。从层次上可将该体系结构划分为数据、资源、平台和应用四个层次, 如图1所示。该结构以充分获取各类交通数据和信息为基础, 实现信息和资源共享, 约束和协调模型调度, 控制仿真系统的规范运行。各个层次的功能描述如下:
3.1 数据层
系统数据层是构建系统的依据, 为系统的运行提供完备的数据支撑, 供平台层调用, 并贯穿整个虚拟仿真过程。
3.1.1 数据系统
包括数据源和数据采集两级结构。
3.1.2 数据析取
实现数据分析、挖掘、描述, 并对各种数据进行融合与处理、数据交换, 形成数据聚集和子集。
3.1.3 数据管理
实现数据的集中存储, 建立数据字典, 提供数据共享和显示服务。
3.2 资源层
集成系统所需的各类信息资源, 包括知识库、模型库和方法库等三个系统模块, 是系统运行的基础。
3.2.1 模型库系统模块
实现模型资源的集中存储, 根据虚拟仿真控制要求, 调用方法库中仿真过程控制智能求解算法, 生成仿真最佳控制方案。
3.2.2 知识库系统模块
实现对虚拟仿真控制问题的描述、仿真环境以及控制规则的存储, 提供模型调用所需的如索引和环境描述等基本约束条件, 并依据知识进行推理, 辅助完成仿真模型的选取、生成、连接和评估等任务。
3.2.3 方法库系统模块
实现对模型构建方法及求解优化算法、仿真过程分析算法及仿真评估方法的集中存储, 为模型库提供智能求解算法, 综合考虑多项仿真控制要求, 确定仿真过程最佳协调控制方案。
3.3 平台层
系统平台层由服务化的系列工具组成, 为仿真系统的分析、设计、开发、集成、运行和评估提供支持。平台层将资源层与应用层无缝连接, 根据不同需要, 为用户提供系列服务, 支持仿真过程, 是实现不同应用模式的关键。
3.4 应用层
根据不同应用模式的功能要求, 仿真系统可以进行灵活定制和重构, 生成不同应用配置, 组成不同应用系统, 支持不同应用模式。基于三类交通仿真模型, 系统提供三种应用模式:宏观交通仿真模式、中观交通仿真模式和微观交通仿真模式。
4 关键技术
以大数据应用为基础, 数据驱动的仿真比非数据驱动的仿真概念更为广泛, 在理论上包含了仿真与测量系统的动态交互、流数据注入、宽范围应用和系统方法等思想和观点, 在技术上融合了数据处理、算法、仿真计算、软件领域相关应用技术。以此为支撑, 实现“比现阶段大部分应用领域更为精确和具备自校正能力的高层次应用仿真”[8]。
基于以上描述, 数据驱动智能交通虚拟仿真研究的重点包括对海量时空数据的整合、不确定性的引入、应用算法对流数据的稳定响应、数据质量的评估、适应性的分布式仿真环境开发、有效应用所需动态数据信息等。为此需要解决以下主要关键技术:
4.1 虚拟仿真数据驱动技术
目前, 基于离线数据的方法及其应用远胜于基于在线数据的方法[9]。在智能交通领域, 随着ITS复杂化程度的提高, 其数据来源向时空多尺度方向发展, 要实现整个系统的建模非常困难, 但采用传统的基于近似模型的方法仍然十分普遍。若仅将这类模型组合起来形成整体系统, 则会忽视子系统间的联系, 如变量间的关联性、系统的非线性等。从仿真控制角度而言, 非数据驱动方法的虚拟仿真中, 其数据并没有真正进入到“闭环”方式, 而数据驱动的虚拟仿真系统中的数据既是出发点也是归宿, 可以实现“闭环”控制, 从而弥补传统方法的不足。主要关键技术包括:
1) 智能交通虚拟仿真系统数据驱动理论和数据驱动控制优化方法研究;
2) 虚拟仿真数据驱动方法和虚拟仿真模型驱动方法互补机制研究;
3) 虚拟仿真数据驱动软件实现技术。
4.2 面向智能交通虚拟仿真的数据处理技术
智能交通数据的变化呈现大数据化的趋势, 具备数据量大、来源广、层次复杂等特点。随着网络技术的发展, 面临的主要问题由如何采集和获取数据向如何有效利用数据转变。这要求数据处理过程适应数据特点并满足处理的及时性、准确性和可靠性等要求, 完成数据的分类、挖掘、析取、融合、集成, 并实施有效管理, 增强数据信息描述的完备性、提高数据定义的标准化和规范化程度, 支持复杂时空数据在系统层次上的统一表达, 满足三种应用模式的需求。从当前数据分析处理技术的发展趋势上看, 主要关键技术包括:
1) 基于数据挖掘、信息提取计算、机器学习等理论的交通数据分析和质量评估技术;
2) 基于元数据的领域异构数据交换技术;
3) 面向多类型数据源的数据仓库构建技术;
4) 基于共享数据资源的智能交通数据生产模型生成技术。
4.3 数据驱动的智能交通虚拟仿真环境
数据驱动的智能交通虚拟仿真技术是基于先进的数据管理技术、建模技术、分布并行虚拟仿真技术的综合应用技术, 既包含离线仿真, 又包含在线仿真。基于上述需求, 构建恰当的仿真环境, 支持知识、方法和模型的交互、调度和管理, 解决仿真中的模型重用与互操作问题, 满足不同应用模式下虚拟仿真运行的需求。
智能交通虚拟仿真环境是以基于数据驱动的仿真引擎开发为核心的仿真软件工具集的开发。仿真引擎是建立仿真系统的系列软件工具集, 旨在提供一种手段, 构造并管理仿真进程, 支持不同应用模式的仿真系统。主要关键技术包括:
1) 数据驱动仿真引擎技术, 包括管理各类模型、仿真流程、仿真运行状态等;
2) 支持数据驱动仿真引擎的并行仿真克隆技术, 支持并提高多次重复仿真的执行效率;
3) 基于数据驱动的仿真模型开发与运行自动化技术, 包括模型开发规范、模型参数标定、数据驱动框架代码自动生成等技术。
4.4 面向数据驱动智能交通虚拟仿真的决策支持理论与方法
在数据驱动的智能交通虚拟仿真运行过程中, 会涉及到诸多半结构化和非结构化问题的求解。建立在大量的认知科学、现人工智能理论与方法、现代控制理论与方法等相关理论和技术基础上的决策支持系统可以为之提供有效支持。为此, 必须建立领域知识库、模型库和方法库, 用以存放各种规则、因果关系、仿真评估结果、不同层次的交通管理和先验预测信息等;还应有综合利用数据资源、知识库、模型库以及仿真评估结果对仿真进程进行推理和问题求解的推理机, 支持仿真模型构建和优化及仿真进程控制优化。主要关键技术包括:
1) 基于高速网络系统的数据管理系统与智能决策支持系统集成框架, 实现数据资源与智能决策支持的有机集成;
2) 支持智能交通虚拟仿真的领域知识处理框架与体系结构, 建立领域知识处理模型;
3) 研究面向数据驱动的智能交通虚拟仿真的仿真评估技术, 建立与仿真结果关联的数据信息平台, 积累经验数据, 为仿真运行提供支持和校验服务。
5 结束语
ITS等复杂应用领域虚拟仿真的需求在传统的模型驱动等方法和模式下并未得到充分的满足, 结合控制领域前沿思想和理论, 引入系统实时数据信息, 对系统进行虚拟仿真和评估, 是ITS控制与研究的一种新的探求, 同时也为仿真技术的发展提供了新的研究课题。近年来数据处理技术、信息技术、计算机技术、先进仿真技术、专业学科领域研究和应用方面都得到了蓬勃发展, 这为数据驱动的智能交通虚拟仿真的研究提供了基础。该文旨在抛砖引玉, 希望在数据驱动的智能交通虚拟仿真及其它相关技术的研究方面, 姑且能作为一种有益的尝试。
参考文献
[1]王笑京, 齐彤岩, 蔡华.智能交通系统体系框架原理与应用[M].北京:中国铁道出版社, 2004.
[2]张国伍.智能交通系统工程导论.北京:电子工业出版社, 2003.
[3]Pidd M.Guidelines for the Design of Data Driven Generic Simulators for Specific Domains[J].Simulation (S0037-5497) .1992, 59 (4) :237-243.
[4]李晗, 萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策, 2011, 26 (1) :1-9.
[5]孙博, 康锐, 谢劲松.故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术, 2007, 29 (10) :1762-1767.
[6]NSF Workshop.Dynamic Data Driven Application Systems, NSF Workshop Report, March 2000[R/OL]. (2006-2) [2006-8].
[7]John C.Miles, 陈干.智能交通系统手册[M].王笑京, 译.北京:人民交通出版社, 2007.
[8]Frederica Darema.Grid Computing and Beyond:The Context of Dynamic Data Driven Applications Systems[J].Proceeding of theIEEE (S0018-9219) , 2005, 93 (3) :692-697.