业务目标模型与业务场景模型的语义一致性分析

多层次多视图模型是在不确定需求环境下进行业务建模的主要方法,不同层次或不同视图模型之间的语义一致性直接影响业务建模的完整性。鉴于此,设计一种业务目标模型与业务场景模型的语义一致性验证方法。分别以范畴模型和扩展Petri网模型代表业务目标模型和业务场景模型,通过定义形式化业务目标模型的紧邻序列和形式化业务场景模型的执行顺序序列,设计这两种模型之间完全语义一致性、部分语义一致性和弱语义一致性的验证条件和验证步骤。Travel Agency业务系统上的一致性验证结果证明了该方法的可行性和有效性。     

基于贝叶斯网络构建RoboSim模型的自动驾驶行为决策

为汽车自动驾驶提供安全高效的自动驾驶行为决策,是汽车自动驾驶领域面临的挑战性问题之一.目前,随着自动驾驶行业的蓬勃发展,工业界与学术界提出了诸多自动驾驶行为决策方法,但由于汽车自动驾驶行为决策受环境不确定因素的影响,决策本身也要求实效性及高安全性,现有的行为决策方法难以完全支撑这些要素.针对以上问题,提出了一种基于贝叶斯网络构建RoboSim模型的自动驾驶行为决策方法.首先,基于领域本体分析自动驾驶场景元素之间的语义关系,并结合LSTM模型预测场景中动态实体的意图,进而为构建贝叶斯网络提供驾驶场景理解信息;然后,通过贝叶斯网络推理特定场景的自动驾驶行为决策,并使用RoboSim模型的状态迁移承载行为决策的动态执行过程,以减少贝叶斯网络推理的冗余操作,提高了决策生成的效率. RoboSim模型具有平台无关、能模拟仿真执行周期的特点,并支持多种形式化的验证技术.为确保行为决策的安全性,使用模型检测工具UPPAAL对RoboSim模型进行验证分析.最后,结合变道超车场景案例,进一步证实所提方法的可行性,为设计安全、高效的自动驾驶行为决策提供了一种可行的途径.     

语义Web服务组合的形式化描述与验证研究

Web服务组合是Web服务的主要研究方向之一,对语义Web服务组合进行形式化描述并进行分析和验证是组合服务正确运行的保证.本文首先给出了基于有色Petri网的语义Web服务形式化模型,形式化描述了OWL-S的ServiceModel中8种基本的Web服务组合模式,利用这些组合模式可以构造出满足需求的组合Web服务.然后,对服务组合形式化模型的正确性分析和验证进行研究后,给出了组合模型语法正确性、可达性、活性和有界性的算法.最后,通过一个具体的建模实例展示了Web服务组合的Petri网建模.     

基于Petri网的联锁软件测评仿真建模

车站联锁软件一直有着严格的测试要求,仿真模块是软件测试的重要组成部分,Petri网作为形式化语言的一种,有着准确与完备的特点,对于联锁软件这类安全苛求软件的测试尤为适合,提出了一种使用Petri网对联锁软件测试中仿真模块建模的方式,并分别给出了用基本Petri网和有色Petri网的2个建模实例.该模型有助于提高铁路联锁软件测试系统的安全性与精确性.     

基于答案集的Web服务组合验证

语义Web服务组合的形式化描述和验证,是保证组合服务能正确运行的重要前提基拙。首先描述基于答案集编程(Answer Set Programming)的OWL-S建模方法,并分析基于答案集编程建模的优势。然后给出OWL-S流程模型中几种控制结构到中间模型Petri网的映射,并提出由Petri网生成答案集编程的算法。同时将时态约束引入到 组合服务验证中,利用时态约束表达待验证性质,将验证问题转换为求解逻辑程序的答案集。最后通过一个具体的实例说明该方法的有效性。     

基于Petri网的铁路联锁软件测评的道岔仿真建模

车站联锁软件一直有着严格的测试要求,仿真模块是测试的重要组成部分,Petri网作为形式化语言的一种,有着准确与完备的特点,对于安全苛求软件的测试尤为适合,该文提出了一种使用Petri网对联锁软件测试中仿真模块建模的方式,并分别给出了针对铁路道岔的基于基本Petri网和有色Petri网2个建模实例。该模型有助于提高测试系统的安全性与精确性。     

基于UML-OCPN的嵌入式系统建模

针对统一建模语言（UML）缺乏精确的形式化的语义描述而不能对其所建模型进行分析和验证的难题,提出一种改进的建模方法——UML-OCPN方法。该方法结合UML和对象着色Petri网（OCPN）的优点,使用UML进行建模,将其转换为Petri网模型再进行模型验证。实验结果证明,该方法能较好地解决单一使用UML或Petri网建模时出现的无法进行验证、需要开发人员具备较高数学水平等问题。     

基于扩展Petri网的系统建模及形式化验证方法*

嵌入式实时系统对时间约束性、安全性和可靠性具有非常高的要求,但是传统的建模和形式化验证方法难以满足对系统的实时性和安全性的模拟和验证需求。通过对有色Petri网的时间属性进行扩展,提出了实时有色Petri网模型,能够对系统的时间属性进行模拟和评估;参考实时有色Petri网模型到时间自动机的语义转换规则对模型进行转换,可以利用时间计算树逻辑对系统的实时性、安全性和可靠性进行形式化验证。以列车通信网络控制器的双线冗余控制模块的建模和形式化验证为例,证明了该方法的有效性。     

基于Petri网的自主式交通系统映射关系评价

自主式交通系统多维架构映射关系用于评价系统功能、逻辑与物理架构之间数据传输与结构构成的复杂集成关系,传统的映射关系评价方法忽视了系统的开放复杂特点。为此引入状态等级划分和状态转移的概念,以广义随机Petri网作为建模工具,将映射关系模型评价问题转化为系统可靠运行时间问题,并以自动驾驶车辆通过交叉路口场景为例,构建多维架构映射关系,验证了提出的方法的有效性。     

基于对象着色Petri网的UML模型研究

UML广泛应用于软件建模,但缺乏有效的模型检测的方法,使用形式化方法对UML模型进行分析,可以发现UML模型的设计问题,提高UML模型的质量。对象着色Petri网是一种拥有接口库所的模块化着色Petri网,既是一种图形化建模工具,又是具有严格的语法语义定义的形式化方法。通过引入事件托肯,改进了将UML模型转换为对象着色Petri网的方法,结合实例将UML状态图和协作图映射为对象着色Petri网模型。并用着色Petri网的方法和工具对模型进行了分析,验证了模型的一系列性质。     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。     

自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

利用深度强化学习（deep reinforcement learning,DRL）技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。     

自动驾驶环境下交叉口车辆路径规划与最优控制模型

自动驾驶环境下的交叉口基于车车/车路之间的双向信息交互, 能保障自动驾驶车辆相互穿插与协作地通过交叉口, 而无需信号灯控制. 因此, 如何设计高效的面向自动驾驶车辆通行的交叉口管控模型, 已成为研究的热点. 已有研究在建模时, 均基于自动驾驶车辆在交叉口内部的行驶路径已知并作为模型输入, 且大多对交叉口内部的冲突点进行简化. 本文首先将交叉口空间离散化处理, 考虑车辆的实际尺寸并面向非常规交叉口, 使用椭圆曲线建立转弯车辆行驶路径的精确轨迹方程, 再通过外边界投影降维法建立轨迹方程和交叉口空间的映射关系. 建立了基于混合整数线性规划(Mixed integer linear programming, MILP)的自动驾驶交叉口管控模型, 以交叉口总延误最小为控制目标, 同时优化车辆在交叉口的最佳行驶路径和驶入时刻, 使用AMPL (A mathematical programming language)对模型进行编译并使用CPLEX求解器求解. 与经典感应控制和先到先服务模型进行对比, 结果表明, 本文所提出模型能对车辆进入交叉口的时刻和行驶路径进行双重优化, 显著降低自动驾驶车辆通过交叉口的车均延误, 提高交叉口空间的利用效率.     

基于深度强化学习的无信号灯交叉路口车辆控制

利用深度强化学习技术实现无信号灯交叉路口车辆控制是智能交通领域的研究热点。现有研究存在无法适应自动驾驶车辆数量动态变化、训练收敛慢、训练结果只能达到局部最优等问题。文中研究在无信号灯交叉路口,自动驾驶车辆如何利用分布式深度强化方法来提升路口的通行效率。首先,提出了一种高效的奖励函数,将分布式强化学习算法应用到无信号灯交叉路口场景中,使得车辆即使无法获取整个交叉路口的状态信息,只依赖局部信息也能有效提升交叉路口的通行效率。然后,针对开放交叉路口场景中强化学习方法训练效率低的问题,使用了迁移学习的方法,将封闭的8字型场景中训练好的策略作为暖启动,在无信号灯交叉路口场景继续训练,提升了训练效率。最后,提出了一种可以适应所有自动驾驶车辆比例的策略,此策略在任意比例自动驾驶车辆的场景中均可提升交叉路口的通行效率。在仿真平台Flow上对TD3强化学习算法进行了验证,实验结果表明,改进后的算法训练收敛快,能适应自动驾驶车辆比例的动态变化,能有效提升路口的通行效率。     

基于时序CPN的交叉路口车辆控制模型

对比经典Petri网模型，提出了基于时序CPN的交叉路口车辆控制模型，从时间和空间上对车辆的流通进行描述。使用CPN Tools建立时序CPN模型并进行仿真，模拟了交叉路口的车辆交通过程，实验结果证明该模型很好的反映了车辆流通时的时间和位置信息等动态特征。     

混合Petri网交叉口信号灯建模的模糊优化

城市车流量急剧增加和道路通行能力之间的矛盾日益激化,交通拥堵已成为亟待解决的社会问题。道路交叉口信号灯优化控制是解决该问题的有效方法。基于城市道路交通系统随机性强、离散性连续性混杂、难以用数学模型精确建模等特点,提出了一种用连续Petri网建立道路交通流模型,用离散Petri网对道路交叉口信号灯进行控制的方案。根据车流量的动态变化,采用模糊控制对交叉口绿灯时间进行自适应优化。仿真结果表明,该方案能提高交叉口通行能力,减少车辆延误,优于传统的控制方法。     

基于层次颜色Petri网的交通紧急调度算法与建模

针对城市交通网络中紧急车辆在行驶区段中如何较快地到达终点的问题,提出了一种基于Petri网的交通紧急控制策略模型。利用Davidson函数中行驶时间与交通流之间的对应关系,得出紧急车辆在道路上的最短行驶时间,并将其作为权重,运用Dijkstrsa算法进行最短路径寻优;采用紧急信号灯控制策略对最短路径上的交叉口信号灯进行了调整,减少紧急车辆在交叉口的延滞时间,并运用Petri网理论,建立紧急车辆在交叉口的紧急信号灯控制模型。为了描述紧急信号灯控制策略的动态行为特性,将其各部分关键要素分别设计为相应的Petri网子模型。通过模型的一个仿真实例,进行了紧急控制策略与普通策略的实验对比,实验结果表明前者可以对紧急车辆的到达时间进行优化。     

自动驾驶中量子认知与决策问题研究

自动驾驶车辆对人类驾驶车辆和行人的意图估计及其相互作用研究是极其重要的,现有的研究不能很好的解释人类交通参与者的不确定因素和非理性行为,这对研究自动驾驶车辆在真实道路交通场景中运行形成了阻碍,本文基于量子理论和锚定效应,针对自动驾驶车辆右转时与非机动车和行人交互场景,构建量子决策模型.仿真分析和数据集实验证明了在与人类交通参与者进行交互时,锚定效应下的量子决策模型可以考虑存在不确定性因素和非理性行为时进行加速或减速的决策,且相比于累积前景理论模型(CPT)更加贴合实际情况.     

自主车辆安全系数估计与T形路口避碰规划

针对自主车辆T形路口协作问题,通过测量车辆速度和预碰点距离,提出安全系数估计方法,结合人工势场基本思想,实现车辆路口避碰,提高路口协作效率.首先以计算得到的安全系数为依据,评价驶入T形路口两辆自主车各自的安全程度,并利用人工势场产生的推拉作用估计协作自主车辆的期望控制力和速度.然后将估计的期望车速与反馈的实际车速形成偏差,利用增量型数字PI控制器实现自主车纵向车速的准确控制.最后以一定的策略完成两辆自主车的并线协作.仿真结果验证了基于安全系数估计的自主车辆T形路口协作避碰的可行性与有效性.     

面向智能驾驶测试的仿真场景构建技术综述

随着汽车智能化程度的不断提高,智能汽车通过环境传感器与周边行驶环境的信息交互与互联更为密切,需应对的行驶环境状况也越来越复杂,包括行驶道路、周边交通和气象条件等诸多因素,具有较强的不确定性、难以重复、不可预测和不可穷尽。限于研发周期和成本、工况复杂多样性,特别是安全因素的考虑,传统的开放道路测试试验或基于封闭试验场的测试难以满足智能驾驶系统可靠性与鲁棒性的测试要求。因此,借助数字虚拟技术的仿真测试成为智能驾驶测试验证一种新的手段,仿真场景的构建作为模拟仿真的重要组成部分,是实现智能驾驶测试中大样本、极限边界小概率样本测试验证的关键技术,这对提升智能驾驶系统的压力和加速测评水平显得尤为重要。面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点,作为一种新兴技术仍面临许多挑战。本文提出了面向智能驾驶测试的仿真场景构建方法,系统阐述了国内外研究工作的进展与现状,包括场景自动构建方法和交通仿真建模方法,重点分析一些值得深入研究的问题并围绕场景构建技术的发展趋势进行了讨论分析,最后介绍了团队相关研究在2020中国智能驾驶挑战赛仿真赛和世界智能驾驶挑战赛的仿真场景应用情况。