CN114595540A - 一种自主式交通***可靠性评估方法 - Google Patents

一种自主式交通***可靠性评估方法 Download PDF

Info

Publication number
CN114595540A
CN114595540A CN202210206640.2A CN202210206640A CN114595540A CN 114595540 A CN114595540 A CN 114595540A CN 202210206640 A CN202210206640 A CN 202210206640A CN 114595540 A CN114595540 A CN 114595540A
Authority
CN
China
Prior art keywords
network
nodes
node
autonomous
traffic system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210206640.2A
Other languages
English (en)
Inventor
徐光明
刘昕怡
钟林环
卢春宇
邓连波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202210206640.2A priority Critical patent/CN114595540A/zh
Publication of CN114595540A publication Critical patent/CN114595540A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种自主式交通***可靠性评估方法，包括以下步骤：获取自主式交通***逻辑架构的相关数据；构建自主式交通***逻辑架构复杂网络，根据相关数据确定节点和边的权重；根据网络拓扑图选取复杂网络特性参数，对自主式交通***逻辑架构网络的拓扑特性进行分析；选取复杂网络特性参数，根据复杂网络的特征条件判断自主式交通***逻辑架构网络的类型；根据该架构网络的类型和拓扑特性选取三种评价方法评估网络中节点重要性，识别需要重点维护的薄弱节点。本发明可以有针对性地对***中的重要节点和薄弱环节进行调整，从根本上提升***的可靠性。

Description

一种自主式交通***可靠性评估方法
技术领域
本发明涉及自主式交通***技术领域，具体涉及一种自主式交通***可靠性评估方法。
背景技术
随着交通***自组织运行与自主化服务能力的快速提升，交通***呈现更多的自主式特征，而现有交通体系框架很难进一步有效指导新一代交通复杂***的运行，自主式交通***(Autonomous Transportation System，简称ATS)体系框架应运而生。在ATS逻辑架构体系中，各个信息传输及处理环节都发挥着至关重要的作用。逻辑架构的某一环节一旦遭受破坏，可能会造成信息数据的丢失，导致相应环节的失控甚至整个体系的崩溃，严重威胁道路交通安全。
发明内容
本发明的目的在于提供一种自主式交通***可靠性评估方法，以克服现有交通***框架评价方法难以从***拓扑的层面上反映其可靠性的问题。
本发明实现上述目的的技术方案是：一种自主式交通***可靠性评估方法，包括以下步骤：
步骤1：获取自主式交通***逻辑架构的设备、管理部门这些实体节点和数据传输的相关数据；
步骤2：确定边的权重和节点的权重，构建加权复杂网络模型，并绘制该架构的网络拓扑图；
步骤3：根据复杂网络模型，选取指标对该逻辑架构网络拓扑特性进行分析与评价；
步骤4：根据复杂网络判断条件选取参数，判断逻辑架构网络类型特征；
步骤5：根据复杂网络特性，采用三种指标对节点重要性进行评估；
本发明的技术效果在于：本发明利用复杂网络理论对ATS逻辑架构可靠性进行分析与评价，突破现有交通***框架评价方法集中于影响以及效益方面的局限性，从***拓扑的层面上分析其网络类型，同时针对节点及***整体提出相应的复杂性指标，可为ATS逻辑架构建设提供理论依据和可靠性层面的指导。此外，本发明可以有针对性地对***中的重要节点和薄弱环节进行调整，从根本上提升***的可靠性。
附图说明
图1为本发明的流程图。
图2为本发明中自主式安全自动驾驶场景的ATS逻辑架构示意图。
图3为本发明中的逻辑架构拓扑图。
图4为本发明中的累计度分布曲线。
图5为本发明中的累计强度分布曲线。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
参见图1，图1为本发明的流程图。本发明的一种自主式交通***可靠性评估方法以道路自主式安全自动驾驶场景的ATS逻辑架构作为研究对象，其步骤如下；1.获取自主式交通***逻辑架构的设备、管理部门等实体节点和数据传输的相关数据；2.确定边的权重和节点的权重，并构建加权复杂网络模型；3.选取节点度与度分布、节点强度与强度分布、聚类系数、平均路径长度和网络直径以及全局效率等参数，分析网络拓扑特性；4.根据逻辑架构网络的节点度分布、节点强度分布、平均路径长度、聚类系数等指标判断复杂网络类型；5.根据节点强度法、节点介数法以及互信息法对节点重要性与逻辑架构网络可靠性进行评估。
本发明的具体详细过程如下：
1获取数据
道路自主式安全自动驾驶场景的ATS逻辑架构体系将来自于用户终端、交通设施、管理部门等的数据通过一个统一的标准进行收集、存储、传输以及通信，在确保信息传输安全的同时，实现信息共享和信息资源共享，以支撑各服务的自组织运行，其示意图如图2所示。
2构建逻辑架构复杂网络
2.1构建复杂网络模型
ATS逻辑架构网络G＝(V，E)为无向加权网络，权重采用相似权，即表达节点间的耦合亲密性的权重。该网络包括节点和边2个基本要素。其中，节点定义为网络G中完成数据流传输的基础设施和管理部门，V为节点集合；边定义为网络G中节点间传输的数据流，E为边集合。
2.2计算边的权重
在道路自主式安全自动驾驶场景的ATS逻辑架构网络中，边的权重由所服务的子服务数量以及该子服务的重要程度确定。子服务的重要程度可根据实际数据进行客观评价。本发明利用层次分析法，得到该网络中子服务的权重系数Pm。边的权重wij可以进一步定义为边(i，j)所服务的所有子服务的权重系数之和：
Figure BDA0003529478090000031
其中，Mij为边(i，j)所服务的子服务集合。
2.3计算节点权重
在道路自主式安全自动驾驶场景的ATS逻辑架构网络中，节点权重qi由所有与点i相连的边的权值之和计算：
qi＝∑j∈Vwij (2)
绘制该架构的网络拓扑图(如图3)。其中，连线的宽度反映边的权重，节点的半径和颜色反映节点的权重。
3分析逻辑架构网络拓扑特性
根据绘制的道路自主式安全自动驾驶场景的ATS逻辑架构网络拓扑图，确定其网络类型，并选取度分布、强度分布、平均路径长度、聚类系数、全局效率等指标对该逻辑架构网络拓扑特性进行分析与评价。
3.1选取复杂网络特性参数
步骤3.1.1，节点度与度分布评估参数。节点度指某一节点i与邻居节点存在直接传输的数据流数，即ki＝∑j∈Veij，eij∈E。网络的度分布则表示在网络中度值为k的节点所占的比例，即
Figure BDA0003529478090000032
其中，N表示网络节点总数。
步骤3.1.2，节点强度与强度分布。节点强度为所有与节点i相连的数据流的权值之和，即si＝∑j∈Vwij。网络的强度分布则表示在网络中强度值为s的节点所占的比例，即
Figure BDA0003529478090000033
步骤3.1.3，聚类参数。聚类系数是反映节点局部关系的一个指标，聚类系数Ci代表节点i与其邻居节点之间的聚集程度：
Figure BDA0003529478090000034
其中，Ei表示与节点i实际相连的数据流数。
网络的平均聚类系数C则为网络G中所有节点的聚类系数之和的平均值，即
Figure BDA0003529478090000041
步骤3.1.4，平均路径长度和网络直径。平均路径长度和网络直径是衡量网络紧凑性的重要指标。平均路径长度L表示网络中任意两个节点之间的最短传输路径的算术平均值：
Figure BDA0003529478090000042
其中，dij表示任意两节点i与j之间最短传输路径。网络直径D表示最短传输路径的最大值，即D＝max dij，i，j∈V，i＜j。
步骤3.1.5，全局效率。全局效率可以反应节点间连通可靠性的强弱，网络G的全局效率Eg(G)可以表示为：
Figure BDA0003529478090000043
3.2复杂网络特性分析
根据公式计算道路自主式安全自动驾驶场景的ATS逻辑架构网络的基本特征值，如附表2所示。
附表2网络的基本特征值
Figure BDA0003529478090000044
由附表2可知，道路自主式安全自动驾驶场景的ATS逻辑架构网络中的节点具有广泛的连接，而少部分节点具有高连接度，在数据传输、功能实现的过程中承担着较为重要的任务，且网络整体结构紧凑，节点间数据流的传输大都不需要经过太多的处理。
4判断逻辑架构网络类型
4.1确定复杂网络判断条件
确定道路自主式安全自动驾驶场景的ATS逻辑架构网络的类型是利用复杂网络理论对其进行分析的基础。现实网络一般分为规则网络、随机网络、无标度网络和小世界网络四类，复杂网络判断条件如附表1所示。
附表1复杂网络判断条件
Figure BDA0003529478090000045
Figure BDA0003529478090000051
N表示网络节点总数；K表示网络平均节点度。
4.2复杂网络类型分析
根据复杂网络判断条件，结合复杂网络特性参数计算分析，确定道路自主式安全自动驾驶场景的ATS逻辑架构网络的类型。
通过计算具有相同规模的随机网络特性参数，得到该随机网络的平均路径长度LR＝2.65，平均聚类系数CR＝0.08。根据附表2可得，该逻辑架构网络的平均路径长度L＝2.02≈LR，平均聚类系数C＝0.48＞＞CR，符合小世界网络的判断标准。
为了消除扰动，计算该逻辑架构网络的累积度分布P(k≥ki)和累计强度P(s≥si)分布。根据图4和图5可知，累计度分布曲线可近似拟合成分布函数为P(k≥ki)＝2.183k-1.033，判定系数R2＝0.9652的幂律分布，累计强度的分布曲线可近似拟合成分布函数为P(s≥si)＝0.29636k-0.7667，判定系数R2＝0.9373的幂律分布，均符合无标度网络的判断标准。
5评估逻辑架构网络可靠性
由于道路自主式安全自动驾驶场景的ATS逻辑架构网络具有无标度特性，即少量的节点拥有着较多的数据流，从而对网络的可靠性有着显著性的影响。因此，识别出这些节点是提高网络可靠性的关键。本发明采用节点强度法、节点介数法以及互信息法等多种指标对节点重要性进行评估。
5.1节点强度法
相比于节点度，节点强度更能体现节点在道路自主式安全自动驾驶场景的ATS逻辑架构网络中数据流传输的关键地位。节点强度越大，说明该节点在网络中在数据传输和功能实现中的重要程度越高。由计算可得，节点强度较高的节点依次为自动驾驶车辆、交通运行管理部门、以及紧急车辆，这些节点在数据传输中的重要程度较高。
5.2节点介数法
在道路自主式安全自动驾驶场景的ATS逻辑架构网络中，介数反映了该节点在数据传输的过程中位于数据传输最短路径的关键位置。介数越大，说明经过该节点的最短传输路径的条数越多，该节点是多个数据流传输的中间节点，在数据传输中发挥的左右就越大。介数是指网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例，表示为：
Figure BDA0003529478090000061
其中，njk表示节点j与k之间最短路径的个数，njk(i)表示节点j与k之间的最短路径中经过节点i的个数。
由计算可得，平均介数值为0.041，且88.89％的节点介数均小于0.1，表明仅有少部分节点为多个数据流传输的中间节点。节点介数明显较高的节点依次为交通设施监测设备、自动驾驶车辆以及通信设备，这些节点处于该架构网络中多个数据流传输的中间节点。
5.3互信息法
互信息法是将复杂网络看成一个复杂的通信***模型，将边看作信息流，以每个节点所包含的信息量来代表节点的重要程度。在道路自主式安全自动驾驶场景的ATS逻辑架构网络中，节点信息量代表节点在数据传输过程中包含的数据流信息量。
对于道路自主式安全自动驾驶场景的ATS逻辑架构网络，互信息Iij的计算公式如下：
Figure BDA0003529478090000062
其中，Pij＝wij/si表示对于节点i的所有相连数据流而言，数据流(i，j)所占的概率，Pji＝wji/sj表示对于节点j的所有相连数据流而言，数据流(j，i)所占的概率。
节点信息量I(i)是节点i与邻居节点的互信息之和，即I(i)＝∑j∈VIij。由以上定义可知，Iij＝Iji，整个网络的信息量之和
Figure BDA0003529478090000063
对所有节点的信息量进行排序，信息量越大的节点重要性越强。
由计算可得，仅有33.3％的节点信息量大于0，表明少部分节点拥有较大的数据流信息量。信息量明显较大的节点为自动驾驶车辆和交通运行管理部门，这两个节点拥有了29.2％的数据流信息量，是该架构网络中需要重点保护的节点。
5.4分析节点重要性
结合道路自主式安全自动驾驶场景的ATS逻辑架构网络，根据节点强度法、节点介数法以及互信息法计算得到各个节点的指标值，不同指标下的部分节点重要度排序如附表3所示。由于各个节点重要度评价指标的侧重不尽相同，所以得到的节点重要度排序也有所不同。
自动驾驶车辆、交通运行管理部门以及通信基站这三个节点的强度值、介数值以及信息量均较大。因此，这些节点具有网络中大量的数据流信息，位于网络中大量数据流传输的中间节点，在该架构网络中具有较高的重要程度，需要重点保护。此外，出行者终端和紧急车辆的强度值较大，而介数值以及信息量较小，但这两个节点关乎道路交通安全，因此在该架构网络中仍然具有较高的重要程度，需要加以保护。而智能公路标志牌以及交通设施监测设备具有较大的节点信息量和节点介数，但强度值较小。因此，这两节点均拥有很大的数据流信息，并且位于大量数据流传输的中间节点，需要一定程度的保护。
附表3节点重要度排序
Figure BDA0003529478090000071

Claims (9)

1.一种自主式交通***可靠性评估方法，其特征在于，包括以下步骤：
步骤S1，获取自主式交通***逻辑架构的设备、管理部门这些实体节点和数据传输的数据；
步骤S2，构建自主式交通***逻辑架构复杂网络，并绘制该架构的网络拓扑图，根据相关数据确定节点和边的权重；
步骤S3，根据网络拓扑图选取复杂网络特性参数，对自主式交通***逻辑架构网络的拓扑特性进行分析；
步骤S4，选取复杂网络特性参数，根据复杂网络的特征条件判断自主是交通***逻辑架构网络的类型；
步骤S5，根据该架构网络的类型和拓扑特性选取三种评价方法评估网络中节点重要性，识别需要重点维护的薄弱节点。
2.根据权利要求1所述的自主式交通***可靠性评估方法，其特征在于，步骤S2具体包括以下步骤：
步骤2.1：构建加权复杂网络模型；
步骤2.2：通过各服务及其数据流的重要程度确定边的权重；
步骤2.3：通过与节点相连的边的权值之和确定节点权重。
3.根据权利要求2所述的自主式交通***可靠性评估方法，其特征在于，步骤2.2中边的权重计算式为：
Figure FDA0003529478080000011
其中，Pm为子服务的权重系数，Mij为边(i,j)所服务的子服务集合。
4.根据权利要求3所述的自主式交通***可靠性评估方法，其特征在于，步骤2.3中节点权重边的计算式为：qi＝∑j∈Vwij。
5.根据权利要求1所述的自主式交通***可靠性评估方法，其特征在于，步骤S3具体包括以下步骤：
步骤3.1：选取复杂网络特性参数，包括节点度与度分布、节点强度与强度分布、聚类系数、平均路径长度和网络直径以及全局效率；
步骤3.2：根据复杂网络特性参数值进行逻辑架构网络特性分析。
6.根据权利要求5所述的自主式交通***可靠性评估方法，其特征在于，步骤3.1中节点度指某一节点i与邻居节点存在直接传输的数据流数，即ki＝∑j∈Veij,eij∈E；
网络的度分布则表示在网络中度值为k的节点所占的比例，即
Figure FDA0003529478080000021
其中，N表示网络节点总数；
节点强度为所有与节点i相连的数据流的权值之和，即si＝∑j∈Vwij；
网络的强度分布则表示在网络中强度值为s的节点所占的比例，即
Figure FDA0003529478080000022
Figure FDA0003529478080000023
聚类系数Ci代表节点i与其邻居节点之间的聚集程度：
Figure FDA0003529478080000024
其中，Ei表示与节点i实际相连的数据流数；
网络的平均聚类系数C则为网络G中所有节点的聚类系数之和的平均值，即
Figure FDA0003529478080000025
平均路径长度L表示网络中任意两个节点之间的最短传输路径的算术平均值：
Figure FDA0003529478080000026
其中，dij表示任意两节点i与j之间最短传输路径，网络直径D表示最短传输路径的最大值，即D＝maxdij,i,j∈V,i<j；
网络G的全局效率Eg(G)表示为:
Figure FDA0003529478080000027
7.根据权利要求1所述的自主式交通***可靠性评估方法，其特征在于，步骤S4具体包括以下步骤：
步骤4.1：选取复杂网络特性参数，包括节点度与度分布、节点强度与强度分布、聚类系数、平均路径长度；
步骤4.2：根据复杂网络判断条件确定逻辑架构网络类型特征。
8.根据权利要求1所述的自主式交通***可靠性评估方法，其特征在于，步骤S5具体包括以下步骤：
步骤5.1：利用节点强度法对节点重要性进行评估；
步骤5.2：利用节点介数法对节点重要性进行评估；
步骤5.3：利用互信息法对节点重要性进行评估；
步骤5.4：分析复杂网络中的重要节点。
9.根据权利要求8所述的自主式交通***可靠性评估方法，其特征在于，步骤5.2中介数是指网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例，表示为：
Figure FDA0003529478080000031
其中，njk表示节点j与k之间最短路径的个数，njk(i)表示节点j与k之间的最短路径中经过节点i的个数；
步骤5.3中互信息Iij的计算公式如下：
Figure FDA0003529478080000032
其中,Pij＝wij/si表示对于节点i的所有相连数据流而言，数据流(i,j)所占的概率,Pji＝wji/sj表示对于节点j的所有相连数据流而言，数据流(j,i)所占的概率。
CN202210206640.2A 2022-03-03 2022-03-03 一种自主式交通***可靠性评估方法 Pending CN114595540A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210206640.2A CN114595540A (zh) 2022-03-03 2022-03-03 一种自主式交通***可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210206640.2A CN114595540A (zh) 2022-03-03 2022-03-03 一种自主式交通***可靠性评估方法

Publications (1)

Publication Number Publication Date
CN114595540A true CN114595540A (zh) 2022-06-07

Family

ID=81807073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210206640.2A Pending CN114595540A (zh) 2022-03-03 2022-03-03 一种自主式交通***可靠性评估方法

Country Status (1)

Country Link
CN (1) CN114595540A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273487A (zh) * 2023-09-18 2023-12-22 江苏城乡建设职业学院 一种基于农村公路的安全设施提升方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273487A (zh) * 2023-09-18 2023-12-22 江苏城乡建设职业学院 一种基于农村公路的安全设施提升方法及***

Similar Documents

Publication Publication Date Title
CN107682195B (zh) 基于复杂网络与大数据结合的通信网络鲁棒性评估方法
CN115442375B (zh) 一种基于云边协同技术的物业数字化管理***
CN106992904A (zh) 基于动态综合权重的网络设备健康度评估方法
CN105827472A (zh) 网络数据流类型检测方法及装置
CN109491339B (zh) 一种基于大数据的变电站设备运行状态预警***
CN108062860B (zh) 基于拥塞传播分析的道路瓶颈识别方法及其***
CN109711664B (zh) 一种基于大数据的输变电设备健康评估***
CN108111361A (zh) 基于大数据分析的传输网络故障定位分析方法及***
CN114629802A (zh) 一种基于业务感知的电力通信骨干网络质量评估方法
CN111835537A (zh) 一种通信网络级联故障中节点识别方法、装置及设备
CN110839040A (zh) 一种流量的监控方法、模型的训练方法、装置及存储介质
CN114666224A (zh) 业务资源容量动态分配方法、装置、设备及存储介质
CN115037559B (zh) 一种基于流量的数据安全监测***、电子设备及存储介质
CN114595540A (zh) 一种自主式交通***可靠性评估方法
CN110139278B (zh) 车联网下安全型防御合谋攻击的***的方法
Liu et al. Internet of things based solutions for transport network vulnerability assessment in intelligent transportation systems
CN113435307B (zh) 一种基于视觉识别技术的运维方法、***及存储介质
CN109377755A (zh) 一种车道通行效率优化分组装置及方法
CN113162793A (zh) 一种环境感知的用于网络测量的节点重要性度量方法
CN111162945B (zh) 一种告警关联关系的确定方法、装置、设备及存储介质
CN105678456B (zh) 一种电能计量装置运行状态自动评估方法及其***
CN115952071A (zh) 服务器能耗模型构建方法、服务器能耗模型及预测方法
CN114978878B (zh) 定位方法、装置、电子设备及计算机可读存储介质
CN115002031B (zh) 基于不平衡数据分布的联邦学习网络流量分类模型训练方法、模型及分类方法
CN116090836A (zh) 应用于轨道交通的全局风险确定方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination