轨道交通运营软件行为动态测评方法研究

论文摘要

随着苏州市地铁土建工程的逐步推进，人们对城市轨道交通运营软件的可靠性、可用性以及安全性等可信性质寄予了很高的期望与要求。为了解决城市轨道交通运营软件日益突出的可信性问题，仅对软件系统做出传统质量保证(如测试、验证)是不够的，更需要对系统交互行为进行有效的分析与态势预测。轨道交通运营软件有别于传统分布式软件，它呈现出松散聚合、规模庞大、行为复杂等特点。本文将软件行为作为切入点，对轨道交通运营软件行为的轨迹分析以及意图预测逐步展开了研究，建立一种以软件行为可信为核心的软件行为动态测评方法。本文将系统监测到的状态变化映射为带有语义的事件序列，利用最精简主要序列提取算法对行为序列进行提炼精简，从被消减掉的重复子序列挖掘有用信息，产生能体现软件行为特征的行为序列，通过序列对比分析行为的可信性，用HMM对交互行为状态进行预测，此为大粒度行为可信性动态测评研究；同时以交互事件为切入点，关注事件的参数值以及经验知识等详细信息，用MEBN工具建立具体事态的贝叶斯网(SSBN)来分析交互行为的复杂过程及效应，此为小粒度行为可信性动态测评研究。本文采用小粒度动态测评分析方法处理复杂情形下群体交互行为可信性分析，采用大粒度行为动态测评分析通用情形。本文的主要工作包括：(1)研究轨道交通运营软件行为的基本特点。明确各智能子系统的信息需求以及它们之间的关系，为打破子系统各自为营的封闭状态，发挥整体优势，实现一个高效运营的分布式集成化的城市轨道交通运营系统提供理论支持。(2)研究一套软件行为描述方法，将监测系统捕获到的可信相关数据生成能表征软件行为的信息，针对软件实体交互产生的重复子序列的问题，提出最精简主要序列提取算法，从被消除的重复子踪迹中挖掘有用序列，以最简洁而有广泛代表性的格式存储软件行为信息。(3)给出一种复杂的有标记的大粒度软件行为动态测评方法。使用序列两两比较算法分析行为的可信性。基于EM的数据重构方法训练样本数据，用HMM预测软件行为安全类别。给出仿真实验，验证此方法具有一定的优势。(4)针对多实体贝叶斯网MEBN在表示不确定性关系上的优势，本文给出一种复杂情形小粒度行为动态测评方法。此方法有效利用MEBN的一阶逻辑语义化表示能力和概率推理能力，采用片断集有效地描述和分析多个软件实体交互产生的复杂行为，通过仿真实验，验证了小粒度行为轨迹动态测评的可行性和有效性。基于软件行为可信性展开软件行为动态测评方法的研究，不仅能推动动态可信评测理论的发展，对技术实践也有很好的指导意义。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 论文的背景及研究意义
• 1.2 轨道交通运营软件特点
• 1.2.1 城市轨道交通运营系统
• 1.2.2 运营管理信息系统模型设计
• 1.2.3 企业动态建模体系
• 1.2.4 知识转化流程形式化模型
• 1.3 国内外研究现状及分析
• 1.3.1 轨道交通运营软件
• 1.3.2 软件行为动态可信测评
• 1.4 本文主要研究内容
• 1.5 本文的章节安排
• 第二章 轨道交通运营软件行为序列模板挖掘
• 2.1 轨道交通运营软件行为序列存储
• 2.2 轨道交通运营软件行为序列的生成
• 2.2.1 日志信息表示
• 2.2.2 特征选择
• 2.2.3 行为序列生成过程
• 2.3 序列模板挖掘
• 2.3.1 行为序列模板的挖掘过程
• 2.3.2 最精简主要序列提取算法
• 2.3.3 序列图（sequence graphic,SG）构造
• 2.3.4 基于 SG 图的模体挖掘方法
• 2.3.5 序列模板挖掘实例
• 2.4 小结
• 第三章 复杂有标记的大粒度软件行为动态测评方法
• 3.1 软件行为序列分析技术的简介
• 3.2 行为轨迹分析
• 3.2.1 行为轨迹分析算法
• 3.2.2 两两序列比较算法
• 3.3 基于 HMM 大粒度行为预测模型
• 3.3.1 隐 Markov 模型简介
• 3.3.2 问题的解决策略
• 3.3.3 基于 EM 算法的数据重构训练方法
• 3.4 大粒度行为分析与预测仿真实验
• 3.4.1 大粒度行为可信性分析仿真实验
• 3.4.2 大粒度行为状态预测仿真实验
• 3.5 本章小结
• 第四章 复杂情形小粒度行为动态测评方法
• 4.1 基于多实体贝叶斯网（MEBN）的小粒度行为分析模型
• 4.1.1 MEBN 简介
• 4.1.2 多实体贝叶斯网片段
• 4.1.3 建立多实体贝叶斯模型 MTheory
• 4.1.4 利用多实体贝叶斯网络推理
• 4.2 小粒度行为轨迹分析仿真实验
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 攻读硕士期间发表（录用）的论文和参加的科研项目
• 致谢