物联网环境下闸站调度的多智能体决策系统

王文明

（连云港市水利工程管理处，江苏连云港 222002）

0 引言

物联网是信息技术领域的一次重大变革，被认为是继计算机、互联网和移动通信网络之后的第三次信息产业浪潮，它将海量的物理世界对象连接起来，通过信息技术检测、分析和控制，潜力巨大［1，2］。物联网技术的深入发展促使传感器网络得到了广泛的应用并逐渐成为水利领域重要的基础设施。同时，传感网络采集到的实时感知信息，也必然成为闸站等智能应用系统的信息来源和必要的决策依据。

为了解决传感器底层查询接口提供的信息不能与智能应用的实时感知信息需求准确匹配的问题，我们引入了基于语义模型网的物联网信息资源描述、推理和应用模型以及多智能体系统（MAS，Multi-Agent System），其研究目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力。多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的、易于管理的系统。采用智能体技术将多个专家系统的决策方法有机地协调起来，可建立基于多智能体协调的环境决策支持系统，实现从物联网中准确定位具体的传感器并获取相应感知信息的实时决策信息支持机制。

1 基于物联网的多智能体决策系统分析与设计

1.1 物联网元素

物联网是在互联网的基础上，通过各种信息传感设备、无线通信等技术将各种实体与互联网相连接，以实现远程监视、自动报警、控制、诊断和维护，进而实现管控一体化的一种网络。在物联网中，这些实体与技术主要包括：各种传感器、嵌入式设备及红外线感应器、激光扫描器、气体感应器等其它电子设备，以及RFID（射频识别）技术［3］、全球定位系统等，由这些技术构成的物联网感知层，是物联网体系的重要组成部分，其主要作用是利用传感器节点完成海量信息的采集工作［4-9］。物联网的重要基础和核心仍旧是互联网，其通过各种有线和无线网络与互联网融合，实现实体之间的相互通信、相互操作。

笔者所讨论的物联网采用基于Web 服务为物联网中各类实体的通信基础，故将物联网所涉及的元素分为：

（1）服务实体。主要是传感网络中的各种传感节点，或者各种有感知能力的嵌入式设备，其具备通信能力。

（2）实体信息服务器。注册实体服务信息，主要由各种类型的网关以及管理Web 服务资源的服务器组成。

（3）服务代理。是由Agent（智能体）构成的服务代理。

1.2 多智能体决策技术

多智能体系统需要大量的实时信息作为决策依据来完成一个抽象复杂的任务。在物联网中，大量的感知设备可以提供海量的信息。

图1 多智能体决策技术示意图

多智能体决策技术如图1 所示，一个复杂抽象的任务通过任务接口传递给多智能体系统，多智能体系统依据背景知识库中的相关任务知识对该复杂任务进行分解，并划分为若干个子任务，将每个子任务的完成分派给一个具体的智能体。智能体在完成任务的时候需要感知物理世界的实时状态，并据此进行合理的决策。

通过上述分析可知，任务是否能被成功执行，取决于能否从物联网中获取任务执行所需的信息资源。因此，当进行任务分解时，多智能体系统需要确定物联网中的资源能否满足任务执行的信息需求。

1.3 闸站调度任务分解

多智能体系统是如何根据物联网中的可用信息资源进行任务分解的。我们以闸站调度为例，假设多智能体系统收到抽象复杂任务“A 闸调度”。通过分解，可以得到多个子任务。其中，子任务Ti 为“对闸A 提闸”。要完成该子任务，需要的环境状态感知为state=“A 闸现在的状况”。物联网无法直接理解并完成这种类型的环境状态查询，所以需要进一步对该抽象状态查询进行分解，最终生成能够被机器直接理解并执行的语义查询操作，查询操作集合={Q1=“A闸所在位置水位传感器状态”，Q2=“A 闸门压力传感器状态”，…}。通过这些具体的查询语句，多智能体系统就可以从物联网中获取所需要的环境信息。

通过一个例子来说明任务分解过程。假设某地A 发生连续暴雨，需要对其进行防洪减灾操作。通过任务接口接收到“某地A 排涝”的复杂任务后，将其映射到知识库中的“闸站调度”任务分解，得到如图2 所示任务分解的拓扑图。

在背景知识库的支持下，将复杂任务“闸站A 汛期排涝”分解得到若干子任务：T1=“涉及到的闸站”，T2=“检查是否汛期”，T3=“检查是否预降”，T4=“防止潮水、污水倒灌”，T5=“上级调度指令”。完成这些子任务的前提是需要获取相应的现实世界状态信息，得到对应的抽象查询：state1=“闸站清单”，state2=“汛期控制水位”，state3=“非汛期控制水位”，state4=“强降雨预降水位”，state5=“闸下游水位”，state6=“特殊情况”。

由此可以看出，利用知识库中任务分解图知识，将复杂任务快速分解，得到子任务集合。集合中的每项具体任务由一个具备领域知识的智能体负责完成，该智能体将执行任务时所需物理信息通过物联网查询分解模块分解为一系列针对物联网感知信息的查询，随后再通过物联网语义模型网将信息查询映射到具体的物联网资源查询。

2 水利闸站调度系统的功能与实现

笔者针对连云港市区河道及闸站的分布和行洪特点以及调度背景知识库，实现基于物联网和多智能体决策技术的水利闸站智能调度系统。本系统能够直观表达市区河道及水情与雨情变化，为调度提供智能辅助决策支持，实现了闸站及河道水位智能实时监测管理、雨水情监测管理、智能调度管理、预案管理等基于多智能体的物联网语义决策支持技术方案，其整体框架如图3 所示。

图2 任务分解图示例

图3 水利闸站智能调度系统框架图

在本系统中，物联网中的传感节点与网关连接。网关将与其连接的传感器节点的服务信息注册到服务资源管理服务器，这一过程可以通过人工构建或者自动发现等方式实现。将智能手机作为一类特殊的智能终端，通过语音和短信等方式可获取使用者的相关信息和状态，也可向指定执行者发布指令。在物理传感器网络上，我们定义了资源管理服务器，用于生成注册服务的语义元信息。系统中有多个服务资源管理服务器，因此，服务资源和其对应的语义元信息是分布式的，存储在各个资源管理服务器中的分布式语义元信息便形成了物联网语义模型网。由多智能体构成的服务代理系统通过分布式的语义推理，可实现物联网资源发现、服务代理等。在本系统中，关于查询的分解、匹配、资源定位均由服务代理系统完成。服务代理系统之上是多智能体应急事件处理系统，该系统通过服务代理系统获取资源管理服务器的实时信息，针对闸站调度事件执行相应的任务分解和执行，便形成了如图4 所示的具体执行方案。

通过基于语义模型网的查询分解，任务中各种信息需求最终转化为一系列传感信息查询和管理信息查询。根据最终得到的任务查询系统和底层传感器网络可获取信息，返回给用户作为决策支持。水利闸站智能调度系统实现效果如图5 所示。

图4 水利闸站智能调度

图5 连云港市闸站智能调度系统图

3 结论

基于物联网的多智能体决策支持应用中存在一个主要的问题，即：传感器设备接口的不统一和传感信息的异构性［10］。如何有效地使用传感器的感知信息，是近年来的一个热门研究课题。笔者采用基于物联网语义的任务规划方法，即利用面向物联网资源的语义描述信息，通过任务分解，实现了从高层语义描述的信息需求到底层传感器资源的获取。该方法中多智能体决策系统可以有效地利用各种现有的物联网感知信息资源，实现对水利闸站调度中各种任务的分配、监测及任务重规划等。

［1］武建佳，赵伟.WInternet:从物网到物联网［J］.计算机研究与发展，2013，50（6）：1127-1134.

［2］胡永利，孙艳丰，尹宝才.物联网信息感知与交互技术［J］.计算机学报，2012，35（6）：1147-1163.

［3］谢磊，殷亚凤，陈曦，陆桑璐，陈道蓄.RFID 数据管理：算法、协议与性能评测［J］.计算机学报，2013，36（3）：457 -470.

［4］N Gershenfeld，R Krikorian，D Cohen.The internet of things［J］.Scientific American，2004，291（4）：76-81.

［5］M Tuters，K Varnelis.Beyond locative media:Giving shape to the internet of things［J］.Leonardo，2006，39（4）：357-363.

［6］Kevin Ashton.That ‘internet of things’thing［J］.RFID Journal，2009，6：97-114.

［7］孙其博，刘杰，黎羴，范春晓，孙娟娟.物联网：概念、架构与关键技术研究综述［J］.北京邮电大学学报，2010，33（3）：1-9.

［8］吴振强，周彦伟，马建峰.物联网安全传输模型［J］.计算机学报，2011，34（8）：1351-1364.

［9］朱洪波，杨龙祥，朱琦.物联网技术进展与应用［J］.南京邮电大学学报，2011，30（1）：1-9.

［10］谢磊，陈力军，陈道蓄，谢立.无线传感器网络的查询处理机制研究综述［J］.计算机科学，2006，33（9）：45-49，68.