基于VVA的多分辨率交通仿真建模过程评价框架研究

马 健，张丽岩，李克平

（1.苏州科技学院 土木工程学院，江苏 苏州 215011；2.同济大学 交通运输工程学院，上海 201804）

0 引 言

在交通系统仿真中，根据仿真的粒度，可将其分为三个粒度等级，即宏观（Macro-model）、中观（Meso-model）和微观（Micro-model）交通仿真，这些可以统称为固定分辨率仿真模型[1]。微观交通仿真能够提供对交通系统的详细描述，但是同时也受到校正困难和计算量巨大等问题的困扰，从而限制了其仿真对象的规模；宏观和中观仿真虽然能够描述大规模的交通系统的运行状态，但是其描述仅限于较低的分辨率层面。正是基于以上诸多问题，美国交通部于2004年发起的“下一代仿真”（Next Generation SIMulation，NGSIM）计划将核心仿真模型、改进建模方法、动态交通分配、模型集成方法以及模型校准和验证作为目前交通领域重点研究的五大问题[2]。

多分辨率交通仿真的思路和方法为解决这一问题提供了新的思路和途径。通过多分辨率建模技术可以把不同层次的交通仿真模型整合在一起，进行有机组合，发挥不同模型的长处，形成多层次的交通混合仿真模型系统[3]。但是，无论是单分辨率建模，还是多分辨率建模，以往的交通仿真建模研究多数是集中于模型本身及其相关的校验方面，缺乏对整个仿真建模过程的规范化流程和系统性描述。本文借鉴系统仿真的校核、验证与确认（Verification Validation Accreditation，VVA）过程评价模型，来建立多分辨交通仿真的VVA过程评价框架。

1 VVA的基本概念

关于VVA，至今仍未有统一定义，美国国防部给出的VVA的定义是目前被比较广泛认同的[4]。具体为[4-5]：校核是确定模型实施及其相关数据是否精确描述了开发者的概念描述及相关技术规范的过程；验证是根据模型开发的预期目的，确定模型及其相关数据描述真实世界的精确程度的过程；确认是官方或个人对一个模型，或一个仿真，或一系列的模型和仿真及其相关数据可用于特定仿真目的的认证活动。

一般来说，系统仿真可归结为三个组成部分：建模、仿真、评估。建模主要处理的是实际系统与模型之间的关系；仿真主要考虑的是计算机实现与模型之间的关系；评估主要是对仿真结果进行可信性验证[6]。VVA是可信度评估工作的核心和基础。仿真模型的校核、验证与确认之间相互区别又彼此依赖，有着十分密切的联系。简而言之，模型校核主要考虑的是“是否正确地建立了模型？”；模型验证主要考虑的是“是否建立了有效的模型？”；模型确认主要考虑的是“是否信赖仿真模型和仿真结果？”[6]。前两者是条件，它们贯穿于建模与仿真的整个过程；后者是结果，它评定了系统仿真的结果。

2 基于VVA的多分辨交通仿真的评价原理

在多分辨率交通仿真中，针对实际交通系统，由于观察分析的粒度不同，考虑问题的抽象层次不同，使实际交通系统表现出明显的层次性，进而形成了不同粒度下的模型族。这些模型是同一研究对象在不同粒度下的数学描述，它们之间既有区别又有联系：区别是建模时考虑的粒度层次不同，所需要的信息粒度及模型可表达的逼真度是不一样的；联系是这些模型都是对现实交通系统的反映，本质上是同一研究对象在不同粒度空间的一种映射。对多分辨率模型而言，这就提出了这些模型之间的一致性要求。基于多分辨率模型，可以完全重新开始实现所有的模型族，也可以基于现有的部分模型，在此基础上实现所有的模型族。前一种方式耗时多、成本高，但是灵活性高，开发者可以完全掌控；后一种方法能够利用现有的研究成果及系统，成本低，但灵活性不高，开发者不能完全或难以掌控系统研发。这就需要研究模型系统的集成性，以提高开发效率，节省研发成本。扩展的VVA见图1所示[7]：

图1 VVA在多分辨交通仿真评价中的应用原理

3 基于VVA的多分辨交通仿真过程评价框架

仿真系统的开发与运行过程主要可分为：进行需求分析、确定系统目标；根据理论基础建立概念模型；采用建模方法建立数学与仿真模型；采用一定的算法求解并实现模型；进行仿真实验与结果分析；对系统进行更新与维护。本节建立了交通仿真模型的校核、验证与确认过程模型，如图2所示，VVA过程贯穿于仿真系统开发过程当中，目前多分辨率交通仿真的VVA过程主要可分为以下7个阶段[6-7]：

第1阶段，目标校核。处于“目标分析”阶段，基于多分辨率交通仿真系统的需求分析，围绕多分辨率仿真的目标，执行VVA计划，检查需求描述和目标描述是否一致，校核系统需求的可行性、正确性、完备性与一致性。

第2阶段，概念模型验证。处于“概念模型设计”阶段，基于多分辨率交通仿真系统的理论基础，进行概念模型的正确性验证，主要包括概念模型的语法验证与语义验证，确保概念模型的正确性与合理性。

第3阶段，数学模型校核。处于“数学模型设计”阶段，基于多分辨率交通仿真系统的建模理论及概念模型，围绕利用数学分析方法抽象出数学模型描述的过程，对其是否准确地描述了概念模型进行校核，以保证数学模型的正确性及合理性。

第4阶段，仿真模型校核。处于“仿真模型设计”阶段，基于多分辨率交通仿真系统的数学模型、求解算法及集成仿真方法，围绕着计算机性能、程序逻辑、软件接口、数值算法等对交通仿真系统的正确性和仿真精度进行校核。

第5阶段，仿真模型验证。处于“仿真模型实现与实验”阶段，为保证整个仿真系统的正确性和适用性，先对各个子系统进行验证，在此基础上对整个多分辨率交通仿真系统进行验证；另外，在已建立的仿真系统平台上对交通系统的仿真精度、仿真性能、仿真结果进行验证。

第6阶段，仿真模型确认。在仿真模型精度、性能、结果进行系统分析的基础上，结合实际交通信息采集、交通现场调查实验等方法，由个人或权威机构对概念模型、数学模型、仿真模型及求解算法等进行评估，以确定仿真系统是否达到设计目标，是否可以接受，并作出最终确认。

第7阶段，VVA记录。将VVA各个阶段工作程序化、文档化，其目的是使建模实验过程科学规范化，做到有据可查，实验数据及结果便于分析，为进一步的数据挖掘打下基础。

最后，必须指出的是模型的建立、校核及评估不是独立的，它是一个相互融合、相互补充、相互促进的过程，在实际系统建模中，这些流程有时很难清晰区分，需要根据实际情况进行必要和适当的调整，以适应实际场景的要求和建模的目标。

4 结 论

本文首先介绍了多分辨率交通仿真模型特点，并结合系统仿真的校核、验证与确认（VVA）过程评价原理，提出了基于VVA的多分辨率交通仿真建模的过程评价框架。它通过研究仿真系统生命周期中的一系列活动来评价研究结果的正确性和有效性，提高系统的可信性，使仿真系统满足实际应用的需要。

[1]杨齐.对交通仿真模型软件开发及应用问题的思考[J].城市交通，2006(3):77-81.

[31]贺泽，邱长华，王能建.船舶协同设计团队模型及智力资源评价方法研究[J].哈尔滨工程大学学报，2007,28(1):108-113.

[32]刘建刚，杨春，王宁生,等.并行产品开发中任务智能分配[J].哈尔滨工业大学学报，2009,41(7):190-192.

[33]张永健，钟诗胜，王瑞.基于病毒进化遗传算法的复杂产品设计任务规划[J].计算机辅助设计与图形学学报，2011,23(2):350-356.

[34]崔卫华，杨波，宋开峰.产品协同设计过程的资源配置[J].组合机床与自动化加工技术，2011(3):97-100.

[35]宫俊，汪定伟.新产品开发的资源二维指派问题[J].东北大学学报（自然科学版），2002,23(4):338-340.

[36]Schmidt,C.W.,&Grossmann,I.E.Optimization models for the scheduling of testing tasks in new product development[J].Industrial&Engineering Chemistry Research,1996,35(10):3498-3510.

[37]Jain,V.,&Grossmann,I.E.Resource-constrained scheduling of tests in new product development[J].Industrial&Engineering Chemistry Research,1999,38(8):3013-3026.

[38]Honkomp,S.J.,Reklaitis,G.V.,&Pekny,G.F.Robust planning and scheduling of process development projects under stochastic conditions[C]//Proceedings of the AIChE annual meeting,Los Angeles,CA,1997.

[39]Subramanian,D.,Pekny,J.F.,&Reklaitis,G.V.A simulation-optimization framework for research and development pipeline management[J].AIChE Journal,2001,47(10):2226-2242.

[40]Subramanian,D.,Pekny,J.F.,Reklaitis,G.V.,&Blau,G.E.Simulation optimization framework for stochastic optimization of R&D pipeline management[J].AIChE Journal,2003,49(1):96-112.

[41]Maravelias,C.T.,&Grossmann,I.E.Simultaneous planning for new product development and batch manufacturing facilities[J].Industrial&Engineering Chemistry Research,2001,40(26):6147-6164.

[42]Maravelias,C.T.,&Grossmann,I.E.Optimal resource investment and scheduling of tests for new product development[J].Computers&Chemical Engineering,2004,28(6-7):1021-1038.

[43]Colvin,M.,Maravelias,C.T.A stochastic programming approach for clinical trial planning in new drug development[J].Computers&Chemical Engineering,2008,32(12):2626-2642.

[44]Colvin,M.,Maravelias,C.T.Scheduling of testing tasks and resource planning in new product development using stochastic programming[J].Computers and Chemical Engineering,2009,33(5):964-976.