基于融合先驗信息的仿真交互可信度評估方法

王玉龍， 董志明， 彭文成， 王曉方

(1. 陸軍裝甲兵學(xué)院演訓(xùn)中心， 北京 100072； 2. 武警后勤學(xué)院裝備保障系， 天津 300309)

可信度是分布式LVC (Live Virtual and Constructive)仿真系統(tǒng)的關(guān)鍵問題之一。交互事件是分布式LVC仿真系統(tǒng)中系統(tǒng)運行、推進(jìn)的重要基礎(chǔ)，交互行為與事件可信對于系統(tǒng)的可靠運行、仿真的正確計算以及局勢的理解與判斷至關(guān)重要?；贚VC的分布式訓(xùn)練仿真環(huán)境，可為參訓(xùn)官兵提供貼近實戰(zhàn)的氛圍和感受。在實時性要求較高的大規(guī)模分布式LVC訓(xùn)練仿真環(huán)境中，隨著實體數(shù)量的不斷增加、交互規(guī)模的不斷擴(kuò)大，加之廣域網(wǎng)的隨機(jī)網(wǎng)絡(luò)延遲，會對時間管理服務(wù)帶來極大的運行負(fù)擔(dān)，可導(dǎo)致中間件開銷過高、消息序維護(hù)效率低下等問題，無法滿足訓(xùn)練仿真活動的實時性和可信性需求。為確保每次仿真推進(jìn)實體狀態(tài)的一致性，若采取保守機(jī)制，會導(dǎo)致仿真時間嚴(yán)重滯后，且在交互眾多、時延復(fù)雜的情況下較難獲取合理的Lookahead值；若采用樂觀機(jī)制，則會導(dǎo)致頻繁的回滾、中斷或容錯操作，特別是，在陸戰(zhàn)炮擊和空戰(zhàn)等場景中，會嚴(yán)重破壞演習(xí)的連續(xù)性和沉浸感，無法保證實兵實裝的LVC訓(xùn)練仿真活動能夠按照真實演習(xí)的節(jié)奏、以貼近實戰(zhàn)的狀態(tài)開展。因此，為獲得高度可靠的實時LVC仿真能力，在采用獨立時間推進(jìn)機(jī)制的同時，可進(jìn)行系統(tǒng)交互可信狀態(tài)實時監(jiān)控，為預(yù)先故障管理或容錯提供預(yù)警機(jī)制，以確保實兵實裝的LVC訓(xùn)練仿真能夠連續(xù)、可信地進(jìn)行。

對于仿真可信度評估問題，MEHTA等[1]指出決策者需要首先明確所使用仿真系統(tǒng)的可信度，才能夠基于該系統(tǒng)的仿真結(jié)果做出合理決策，不確定性的傳播和量化問題、參考數(shù)據(jù)或間接證據(jù)以及仿真校驗等是建立仿真可信度的基礎(chǔ)；王斐等[2]首先將可信度指標(biāo)權(quán)重確定方法分為主觀和客觀2類，通過云模型確定主觀權(quán)重，采用熵權(quán)法和信息熵確定客觀權(quán)重，然后運用加法集成原理獲得綜合權(quán)重，最后使用變權(quán)灰色聚類理論獲得評價聚類結(jié)果，進(jìn)而分析制導(dǎo)仿真系統(tǒng)的可信度;TANG等[3]針對作戰(zhàn)仿真系統(tǒng)的特點，提出了一種基于主題專家知識的主觀綜合評估方法，并將其應(yīng)用于作戰(zhàn)仿真中，該方法充分利用了主題專家的知識、經(jīng)驗，對評估對象相關(guān)因素進(jìn)行評判，并綜合運用層次分析法、模糊綜合評判法、模糊層次分析法等對作戰(zhàn)仿真系統(tǒng)進(jìn)行評估，獲得整個作戰(zhàn)仿真的可信度；潘云龍等[4]提出了基于證據(jù)理論和灰云聚類的可信度評估模型，解決了復(fù)雜制導(dǎo)仿真系統(tǒng)可信度量化的主觀性和不確定性問題，該方法主要采用群組層次分析法獲得專家意見并進(jìn)行證據(jù)理論融合，得到高可信度的指標(biāo)權(quán)重，采用灰云聚類方法量化處理定性指標(biāo)，并計算灰色聚類系數(shù)獲得仿真系統(tǒng)可信度評估結(jié)果。

總體來看，現(xiàn)有文獻(xiàn)并未從仿真交互層面考慮系統(tǒng)可信性問題，筆者首先針對分布式LVC訓(xùn)練仿真系統(tǒng)的仿真交互事件，給出了交互可信度的明確定義，根據(jù)歷史信息和專家經(jīng)驗等先驗信息，在引入繼承因子的基礎(chǔ)上，綜合得到交互可信度融合先驗分布；然后結(jié)合測試環(huán)境中交互事件時序和間距等可信度度相關(guān)數(shù)據(jù)，依據(jù)交互可信度模型和閾值進(jìn)行交互可信判斷；最后運用貝葉斯方法得到交互可信度的后驗分布和實時判斷，進(jìn)而為系統(tǒng)容錯或預(yù)先故障管理等機(jī)制提供實時狀態(tài)數(shù)據(jù)支持。該過程是一個實時迭代和更新的過程，在首次后驗評估完成后，可使用其后驗評估數(shù)據(jù)和結(jié)果對先驗信息進(jìn)行融合與更新，并在此基礎(chǔ)上進(jìn)行新一輪的交互可信度貝葉斯評估，從而獲得實時連續(xù)的系統(tǒng)交互可信度評估結(jié)果，實現(xiàn)對大規(guī)模分布式LVC訓(xùn)練仿真系統(tǒng)運行質(zhì)量的實時在線監(jiān)控。

1 交互可信度

1.1 交互一致

在分布式LVC仿真系統(tǒng)中，不同的節(jié)點都有其認(rèn)知空間，該認(rèn)知空間由節(jié)點對于實體狀態(tài)及其交互行為的認(rèn)知所構(gòu)成。節(jié)點的認(rèn)知空間不僅包含其自身所維護(hù)的實體狀態(tài)信息，還包括該節(jié)點所感知的局部或整個系統(tǒng)的狀態(tài)及交互信息。在仿真推進(jìn)過程中，由于存在時鐘不同步、時延和信息丟失等問題，節(jié)點難以同步、及時有效地獲取所需實體狀態(tài)信息，會導(dǎo)致不同節(jié)點對于同一實體的狀態(tài)和交互行為的認(rèn)知存在差異，這種認(rèn)知差異就是分布式LVC訓(xùn)練仿真系統(tǒng)中的交互一致性問題，如圖1所示。在大規(guī)模分布式LVC訓(xùn)練仿真系統(tǒng)中，隨著仿真實體數(shù)量的增加，中間件開銷不斷加大，加之通信網(wǎng)絡(luò)的局部時延存在差異，不同仿真實體對于其認(rèn)知空間內(nèi)狀態(tài)信息、交互行為和仿真態(tài)勢的理解存在不一致現(xiàn)象，這在一定程度上損害了仿真的真實性和公平性[5-6]。

圖1 LVC訓(xùn)練仿真系統(tǒng)中的交互不一致性

1.2 交互可信判斷

在分布式LVC訓(xùn)練仿真系統(tǒng)開發(fā)過程中，為了提高開發(fā)效率、降低開發(fā)成本，允許不同的仿真節(jié)點根據(jù)模型特點，運用不同的時空描述方法；同時，為豐富和拓展分布式LVC訓(xùn)練仿真系統(tǒng)的應(yīng)用場景和使用范圍，也要求分布式LVC仿真系統(tǒng)可兼容不同開發(fā)者和不同建模方法所構(gòu)建的異構(gòu)模型資源，這就為實現(xiàn)仿真模型交互的一致性帶來了困難。在同一仿真環(huán)境或空間中，節(jié)點間的信息交互要求不同實體對于同一事件實現(xiàn)一致性的認(rèn)知與理解。若無法滿足交互一致性要求，則可能會給不同用戶造成認(rèn)知差異、困惑與矛盾，甚至?xí)绊懛抡娼Y(jié)果的正確性，導(dǎo)致用戶利益分配不公和仿真失敗等嚴(yán)重后果。因此，為保證系統(tǒng)仿真交互的真實性和公平性，應(yīng)對節(jié)點交互的一致性情況進(jìn)行分析和判斷。若交互行為的一致程度滿足計算精度、系統(tǒng)規(guī)范或用戶體驗要求，則認(rèn)為該交互可信；若交互行為的不一致程度較為嚴(yán)重，甚至對分布式LVC訓(xùn)練仿真系統(tǒng)產(chǎn)生違背期望、因果顛倒和理解歧義等不良影響[7]，則從用戶體驗角度來判斷，即可認(rèn)定該仿真交互行為是不可信的。需要明確的是，交互可信只關(guān)注仿真事件本身的時序、間距或因果關(guān)系是否滿足系統(tǒng)要求等問題，而不關(guān)注實體模型層面的具體計算結(jié)果或概率。圖2為在某次炮擊事件訓(xùn)練仿真中的交互不可信事件?？梢钥闯觯航换タ尚抨P(guān)注的是射擊實體的炮擊行為，在某個時間區(qū)間內(nèi)是否都被訂閱該信息的不同觀察實體觀測到，若是，則可初步認(rèn)定該交互事件可信；否則，認(rèn)為該交互行為不一致，該事件不可信。至于該炮擊行為能否擊中目標(biāo)或擊中目標(biāo)的概率，不在交互可信考慮的范圍之內(nèi)。

圖2 某次炮擊事件訓(xùn)練仿真中的交互不可信事件

1.3 交互可信模型

交互可信的持續(xù)觀測需要量化、可測的交互可信度判斷模型來支撐。在分布式LVC訓(xùn)練仿真系統(tǒng)中，可采用順序一致、因果一致等方法維護(hù)不同節(jié)點的交互一致性，筆者在文獻(xiàn)[8]提出的間距一致性模型的基礎(chǔ)上，對一致性要求進(jìn)行重新定義，得到交互可信判斷依據(jù)。

設(shè)V={v1,v2,…,vn}，為仿真節(jié)點集合，O為所有交互事件的集合，g(om)為事件om的生成節(jié)點，R(om)為接收該事件的節(jié)點集合，tei為某一事件在節(jié)點vi(i=1,2,…,n)上被執(zhí)行的時間，tei(om)為事件Om在節(jié)點vi上被執(zhí)行的時間。

對于?om,on∈O,vi,vj∈R(om)∩R(on)，j=1,2,…,n，定義

1) 時序一致

tei(om)≤tei(on)?tej(om)≤tej(on)；

(1)

2) 絕對間距一致

tei(om)-tei(on)=tej(om)-tej(on)。

(2)

考慮到仿真系統(tǒng)及網(wǎng)絡(luò)環(huán)境變化具有很強(qiáng)的隨機(jī)性，式(2)所要求的絕對間距一致性條件相對苛刻，在分布式LVC訓(xùn)練仿真系統(tǒng)中難以完全滿足，為此，筆者重新定義間距一致性要求如下：

|(ts(om)-ts(on))-(tei(om)-tei(on))|≤ε。

(3)

式中：ts(om)為事件om在生成節(jié)點g(om)上被發(fā)送的時間；ε為間距一致性閾值。

ε主要用來評價同一事件在不同節(jié)點滿足間距一致要求的程度，并以此為基礎(chǔ)判斷該交互事件是否可信。若某次交互同時滿足時序一致性要求(1)和間距一致性要求(3)，則認(rèn)為該交互可信；反之，則認(rèn)為該交互不可信。合理的閾值大小對于交互可信評估的有效性至關(guān)重要。間距一致性閾值設(shè)置不宜過大或過小，過大無法滿足間距一致性要求，過小則判斷條件過于苛刻，影響系統(tǒng)性能的發(fā)揮。

ε的設(shè)置可采用k-means聚類方法來實現(xiàn)：首先，在仿真系統(tǒng)運行狀態(tài)良好的情況下，周期性采集交互事件間距樣本，計算每一周期內(nèi)同一交互事件任意2個節(jié)點間距樣本的Euclidean距離，得到閾值集合；其次，根據(jù)Euclidean距離的大小，采用k-means聚類方法將閾值集合分為2類(Euclidean距離較大的稱為交互不可信閾值集，Euclidean距離較小的稱為交互可信閾值集);最后，取交互可信閾值集最大者為間距一致性閾值。具體算法流程如下：

輸入：若干仿真步長內(nèi)交互事件的間距數(shù)值集合A。

輸出：ε。

1) 計算間距數(shù)值集合A中每個步長同一交互事件的任意2個節(jié)點間距數(shù)值的Euclidean距離；

2) 保存Euclidean距離數(shù)據(jù)集B；

3) 從數(shù)據(jù)集B中隨機(jī)選取2個對象作為初始聚類中心；

4) 計算每個對象到聚類中心的距離，并將其重新劃分到最近的類中；

5) 計算新類中所有對象的均值，獲得2個新的聚類中心；

6) 重復(fù)執(zhí)行步驟4)和5)，直到滿足最大迭代次數(shù)或聚類中心不再大范圍移動為止；

7) 保存k-means聚類方法生成的2個聚類集合B1和B2；

8) 根據(jù)Euclidean距離大小，將2個聚類分為交互可信閾值集B1和交互不可信閾值集B2；

9) 取交互可信閾值集B1中的最大值為ε賦值。

1.4 交互可信度定義

在量化可測的仿真交互可信判斷的基礎(chǔ)上，交互可信度為在某一時間區(qū)間內(nèi)，在特定的網(wǎng)絡(luò)環(huán)境下，同時滿足時序一致性要求(1)和間距一致性要求(3)的交互事件數(shù)量占分布式LVC訓(xùn)練仿真系統(tǒng)總的交互事件的百分比。

2 融合先驗分布

2.1 交互可信度先驗分布

由于分布式LVC訓(xùn)練仿真系統(tǒng)的運行負(fù)載和網(wǎng)絡(luò)環(huán)境時刻處于變化狀態(tài)，仿真交互事件是否可信是一個隨機(jī)事件，則交互可信度為一個隨機(jī)變量。筆者選用β分布作為交互可信度評估的先驗分布。記交互可信度為θ，根據(jù)分布式LVC訓(xùn)練仿真系統(tǒng)運行歷史信息和專家經(jīng)驗，二者的交互可信度先驗分布為

(4)

(5)

式中：0≤θ≤1；i=1，為歷史信息先驗，i=2，為專家經(jīng)驗先驗；ai>0、bi>0，為多種信息條件下先驗分布的超參數(shù)，在先驗分布形式已知的情況下，ai、bi的取值是確定先驗分布的關(guān)鍵。

2.2 基于歷史信息的先驗分布

基于歷史信息的先驗分布主要根據(jù)歷史數(shù)據(jù)分析、求解仿真交互可信度均值μ和方差S2，并確定先驗分布的超參數(shù)

(6)

(7)

2.3 基于專家經(jīng)驗的先驗分布

由于專家經(jīng)驗具有模糊性，交互可信度專家經(jīng)驗值通常以連續(xù)區(qū)間的形式給出。設(shè)在某一分布式LVC訓(xùn)練仿真系統(tǒng)的測試階段，專家經(jīng)驗估計值為θ[θL,θH]。專家估計在區(qū)間值[θL,θH]內(nèi)每一個值的置信度相同，可認(rèn)為交互可信度θ在區(qū)間[θL,θH]上服從均勻分布，并記為θ～U(θL,θH)，則均值μ和方差S2分別為

(8)

以先驗參數(shù)為變量，均值為約束，方差為目標(biāo),建立優(yōu)化模型

(9)

式中：

分別為β(ai,bi)分布的均值和方差。

利用最優(yōu)化方法求解式(9)與均勻分布θ～U(θL,θH)擬合程度最高的β分布，即求解β(a2,b2)中的超參數(shù)a2、b2，得到交互可信度的專家經(jīng)驗先驗分布。

2.4 先驗分布融合

為了有效利用先驗信息，全面描述先驗信息與樣本的異總體性，構(gòu)造融合先驗分布

(10)

3 貝葉斯評估

若在分布式LVC訓(xùn)練仿真系統(tǒng)中進(jìn)行n次獨立的交互可信數(shù)據(jù)采集和判斷，其中交互可信的次數(shù)為X，則X服從二項分布b(n,θ)，交互可信度θ的似然函數(shù)為

(11)

根據(jù)貝葉斯定理，交互可信度后驗分布為

(12)

選后驗期望作為θ的貝葉斯評估結(jié)論，則交互可信度θ的貝葉斯估計為

(13)

4 仿真實驗

為驗證交互可信度評估方法的可行性，在一個由20個節(jié)點組成的局域網(wǎng)中搭建仿真實驗環(huán)境，該實驗以某訓(xùn)練仿真系統(tǒng)為實驗平臺，部署RTX實時操作系統(tǒng)，通過調(diào)用“RtGetClockTime”函數(shù)獲取CLOCK_2高精度時鐘來實現(xiàn)計時，該時鐘精度單位為100 ns，運行環(huán)境如圖3所示。

圖3 訓(xùn)練仿真系統(tǒng)運行環(huán)境

交互可信度實驗主要分為2部分：

1) 理想環(huán)境實驗，該實驗硬件配置包括2臺仿真計算機(jī)和1臺千兆交換機(jī)。2臺仿真計算機(jī)安裝訓(xùn)練仿真基礎(chǔ)環(huán)境和其他所需軟件環(huán)境，并分別運行事件發(fā)送和接收程序，通過驗證收發(fā)數(shù)據(jù)包的一致性，計算測試時長和間距一致性是否滿足要求來進(jìn)行交互可信判斷，獲得理想環(huán)境中交互可信度取值范圍，為基于專家經(jīng)驗的先驗評估提供參考。

2) 局域網(wǎng)模擬實驗，該實驗環(huán)境為20個節(jié)點和1臺千兆交換機(jī)組成的局域網(wǎng)絡(luò)環(huán)境。每個節(jié)點同樣部署訓(xùn)練仿真基礎(chǔ)環(huán)境及其配套軟件，為模擬分布式LVC訓(xùn)練仿真系統(tǒng)網(wǎng)絡(luò)通信高延遲和動態(tài)性的特點，使用廣域網(wǎng)延遲模擬工具DS2來模擬網(wǎng)絡(luò)延遲情況。根據(jù)其拓展延遲模型，取若干節(jié)點作為仿真節(jié)點[11]，進(jìn)而構(gòu)造間距一致性判斷模型，并對測試數(shù)據(jù)進(jìn)行間距一致性判斷；取實驗前期若干步長測試結(jié)果作為歷史先驗信息；后續(xù)實驗結(jié)果作為實時測試樣本，為貝葉斯后驗評估提供數(shù)據(jù)支持。

典型交互可信度模擬實驗測試結(jié)果如圖4所示?？梢钥闯觯?/p>

1) 當(dāng)仿真時間步長在0～20內(nèi)，訓(xùn)練仿真實驗環(huán)境交互可信度維持在0.80以上，該系統(tǒng)運行負(fù)載穩(wěn)定，網(wǎng)絡(luò)環(huán)境可靠；

圖4 典型交互可信度模擬實驗測試結(jié)果

2) 當(dāng)仿真時間步長為25時，交互可信度出現(xiàn)明顯下降，其原因可能是廣域網(wǎng)隨機(jī)延遲增大或者訓(xùn)練仿真系統(tǒng)負(fù)載增大導(dǎo)致。此時，若交互可信度能及時回升且未對關(guān)鍵交互事件造成誤判或仿真運行造成重大結(jié)果，短時的系統(tǒng)交互可信度下降可視情忽略；但如果交互可信度急劇或持續(xù)下降，則應(yīng)及時發(fā)出預(yù)先警告并觸發(fā)應(yīng)對措施。

由此可見：交互可信度評估可為訓(xùn)練仿真系統(tǒng)提供關(guān)于其運行狀態(tài)的實時監(jiān)測和評估結(jié)果，進(jìn)而為及時啟動有效的干預(yù)措施提供重要判斷依據(jù)。

5 結(jié)論

筆者針對分布式LVC訓(xùn)練仿真系統(tǒng)交互可信度問題，提出了交互可信度的明確定義，建立了交互可信判斷模型，量化分析了分布式LVC訓(xùn)練仿真系統(tǒng)交互事件的可信性問題；引入繼承因子，對先驗信息與樣本信息的異總體性進(jìn)行了判斷，融合多種先驗信息進(jìn)行交互可信度的先驗分布擬合，提高交互可信度評估的可靠度，并在此基礎(chǔ)上運用貝葉斯方法得到了實時連續(xù)的交互可信度后驗估計。實驗結(jié)果表明：該方法對于相關(guān)變量內(nèi)涵定義明確，計算簡單有效，為分布式LVC訓(xùn)練仿真系統(tǒng)可信度評估問題提供了一種新的思路和方法。

本研究在一定程度上實現(xiàn)了分布式LVC訓(xùn)練仿真系統(tǒng)交互可信度實時狀態(tài)監(jiān)控，但對于交互可信度變化的具體原因以及相應(yīng)的容錯方法和措施，并未涉及和分析，有待于下一步進(jìn)行深入研究和探索。