基于天地一体化3C融合系统的协同计算技术与应用

丘晓平，黄小兵

（广东外语外贸大学南国商学院，广州　510545）

基于天地一体化3C融合系统的协同计算技术与应用

丘晓平，黄小兵

（广东外语外贸大学南国商学院，广州510545）

介绍基于天地一体化3C融合系统的协同计算的相关理论，包括对象的协同建模、协同控制、协同通讯、协同感知和对象群体协同等以及该技术的若干应用热点，并指出该技术对我国智慧城市、航空、航天与国防军事工程建设的重要意义。

协同计算；协同对象建模；天地一体化系统；协同感知

0　引言

“互联网+”时代，即利用信息、通讯技术及互联网平台，让互联网与各传统行业深度融合，可以创造出新的发展生态。其中一项关键技术是计算、通信和控制的融合，即3C（Computing，Communication，Control）融合，另一项是协同计算。只有通过了3C技术与协同计算有机融合与深度协同，才能实现各传统企业中大型工程系统、军事工程系统所需要的实时感知、动态控制与信息服务[1]。如在未来自动驾驶系统中，车辆之间通过无线通讯传递各自位置、速度、方向等信息，而构成车联网。而车联网上相关信息需要通过路边基站、空中卫星发送给远程交通控制中心，为城市宏观交通进行协同管理。又如未来地空网络中心战的环境中，一个多平台体系，需要使各分体平台的优势互补，最终达到整体最优化。月球车就是典型的天地一体化3C融合系统的协同计算的典型应用。

协同计算（Cooperative Computing）从本质上讲，具有群体性、交互性、分布性与协作性。其环境的建立将改善人们信息交流的方式，消除或减少时空分隔带来的协作上的障碍，提高群体的工作质量与效率，进而提高了人们的生活质量[2]。

近年来，国内外学者就天地一体化3C融合系统环境下展开协同计算相关的理论与应用研究，取得丰硕成果。我国学者在这方面的研究工作亦取得长足的进步。如对地空对象的协同建模（协同的图模式）、对象协同感知、协同计算、协同控制、对象间协同通信、对象群体协同处理等方面的探索，并应用于移动对象定位、天地一体对象攻防、多对象协同动态优化以及协同学习与训练等方面。如我国学者就空地网络间的协同，提出建立一个创新的空地协同集中网络架构，即基于超级基站的天地一体化网络，以支持资源的统计复用，实现以用户为中心，以及高可靠的天地协同传输等。而该系统的实现仍面临众多挑战，其中多项关键技术仍需要深入研究[3]。

以下仅对天地一体化3C融合系统的协同计算理论及其相关的应用热点进行介绍。

1　天地一体化3C融合系统中协同计算理论与方法

1.1协同建模

（1）特征语义建模

在传统的协同智能设计中,通常使用一种特征语义建模。在协同语义特征建模中，基本思想是在对象模型中将特征形状信息与功能信息结合，共同构成特征语义，以维护特征模型的有效性。文献4为了提高协同语义建模系统的性能，提出一种新的协同设计方法，即使用特征语义表示法和细胞元模型来表示数据与管理模型中的各种数据信息。然后通过语义匹配法确定子模型的逻辑与装配关系。通过语义区域划分，“最值空间”等技术检测与消解协同设计中发生的操作冲突，最后，通过创建临时模型来降低全局约束求解的复杂度。

（2）基于3C融合的动态行为建模

西北工业大学周兴社等提出了信息物理融合系统动态行为模型之构建方法[5]。由信息物理融合的CPS （Cyber-Physical Systems）具有3C的联合动态性，计算与物理（对象）的多尺度融合性，系统环境及状态的时空交互性，以及系统动态行为之非确定性，使得面向CPS模型驱动设计验证及其重要。为此，提出了一套面向CPS动态行为建模方法：

①一体化建模。从CPS系统层面，描述计算与物理过程交互融合；

②时空交互建模。关注CPS系统行为与时间及空间关系的语义表示；

③功能与实现兼容建模法。描述CPS系统逻辑设计与物理实现的映射与支撑；

④集成模型。解决多异构模型交互方式与语义一致性表达问题。

CPS具有“3C”融合的特点，故难以用一个具体的模型表示，CPS动态行为模型构建需要多种异构模型，其异构性主要体现面向不同应用领域，实现不同的功能，具有不同的物理语义，采用不同的模型语言等。这里需要进一步研究的问题是：异构模型的互操作；模型组件演化与转换一致性；模型组件间的正确连接等问题。

（3）协同图模型

文献6提出以系统和速率最大化为目标，将协同基站群分簇问题建模成为带权重连通图的最大利益树生成问题,给出一种基于协同最大利益树分簇算法。定义了利益树的协同度，并选择协同度最大的两棵利益树进行合并的方式，并行生成多个规模动态的协同分簇，而解决了传统顺序分簇导致的系统性能受限问题。

另外，文献7提出在协同建模系统中的一种对象引用的正确性保证方法。

文献8针对企业计算业务过程的复杂性，为了协同分散的不同组织业务过程，提出一种IOPN（面向交通Petri网）模型，用于描述跨组织工作流的协同。由于该模型为一规模巨大复合模型，故提出基于不变量的分解方法，将一个弱合理无回路的IOPN模型分解成一组顺序图，以避免分析中所产生的状态空间爆炸问题。

1.2协同控制

随着分布式多智能体系统应用领域扩大，网络特性成为影响系统性能的一个重要因素，文献9研究分析了复杂网络特性对大规模分布式多智能体协同控制的影响。针对四种典型结构，即随机网络、小世界网络、网格和无尺度网络，从理论与仿真两方面进行分析。理论上，通过基于马尔科夫链的信息传递过程在不同网络结构下的建模，分析了信息无偏随机游走模型和智能决策模型中的传输效率；在仿真建模中，从智能体间信息传输效率、不同应用领域中集成协同控制效率以及对网络故障恢复的影响这三个典型的协同控制方式来分析网络特性对系统性能影响。

研究表明，大规模的多智能体系统在不确定的环境中，通过有效的启发式不确定性决策模型，在不同的网格拓扑结构下，均可能实现对整个系统的有效的协同控制，并可根据不同的网络特性，如小世界与无尺度特性对网络进行调整，即使在相同的协同控制方法下，其系统性能也可能大大提升。

另外，经分析比较，具有小世界特性的网络结构能够在各项对比分析中使多智能体的协同效率得到提高，而无尺度网络，可以根据多智能体的控制特性有效利用小世界与无尺度网络结构的优势需要进行自适应网络结构的调整算法的进一步研究，以提高多智能体的协作效率。

1.3协同通讯

通讯是天地一体化对象间最重要的联系方式，协同通讯又是当前无线通讯研究热点。如何进行协同中继的选择成为协同通讯中需要解决的重要问题。文献10提出协同中继选择技术的评价标准。

协同节点选择所遵循的标准是在保证一定通讯质量的前提下，兼顾自适应算法复杂度、网络生命周期、干扰与竞争、中断率与误码率、通讯开销等性能，形成优化的协同中继选择算法。其中包括：

（1）基于瞬时信道状态的协同中继选择；

（2）基于用中断概率的协同中继选择；

（3）基于信噪比门限的协同中继选择；

（4）基于端和端错误比特概率的协同中继选择；

（5）基于能量分配的协同中继选择。

以上几种协同中继选择算法是根据不同的网络环境、节点个数、协同时间和方式等提出的不同的协同中继选择策略，不同的算法给予系统分别带来不同的优化。

目前,对于协同中继选择已不局限于单个参数优化，而是向多个参数优化发展。国内外已有相关方面的工作[11-12]。多个参数优化时不仅考虑中继节点的选择，还需要采用协调模式，综合考虑选择中继节点。目前以上研究仅取得理论研究成果,其中协同中继算法尚有许多问题需进一步研究,才能取得更实用成果,采用多机制参数联合优化,综合考虑网络特性将是协同中继选择的发展趋势。

1.4协同感知

物联网通过各类通信技术，将标识、感知、或具执行能力的物理实体互联形成虚拟网络。文献13给出情景和情景感知概念及研究发展与应用，文章结合物联网特性，以情景感知流程为主线，探讨了信息获取建模和智能处理，并结合物联网环境论述当前情景感知系统的不足，并提出情景感知系统参考结构。

随着有一定计算能力与无线通信的智能传感器（Mote）的出现，物联网的应用，可实现环境变化的感知就地反映与决策，但Mote难以适应复杂环境变化。文献14提出一种基于元组空间的Mote协同感知支撑机制，使Mote之间的协同感知过程对开发人员完全透明，并实现了一个应用场景，展示该方法如何满足功能需求以及在环境发生变化时如何对环境进行适应。

在本项研究中，数据的表示仅局限于较简单的数据类型，如单纯的温度、湿度数据、假设数据供需双方不需定义较为复杂的数据生成与数据解析逻辑。但实际应用中，Mote之间可能会传递一些较为复杂的复合数据，一方面可满足更复杂的系统需求，并通过合并数据达到节能目的，故更完善描述数据并将数据转换成代码很重要，而这些任务在不同的Mote之间动态迁移，值得今后进一步深入研究。

1.5协同对象（群）

天地一体化的多层次群体协同关系描述以及协同规划描述很重要。文献15给出了描述任务逻辑，结合了描述逻辑的知识表示结构与任务逻辑的任务语义。描述任务逻辑方法对游戏博弈中的协同关系与协同规划进行了形式化描述，给出了任务与规划可完成性定义，以及联合策略下规划可完成性的判定理论。

该项工作在于提出基于描述任务逻辑理论的群体协同关系模型和协同规划模型，给出能力、角色关系、规划、任务规划的形式化定义。该模型克服了当前组织模型对高层任务交互的描述不定，并在仿真战术模拟Citywar中验证该法，能准确描述虚拟群体协同关系的任务交互语义，适合描述不同规模的协同群体。

鉴于现有的协同感知模型存在计算感知度能力有限，缺乏对任务间关系的具体描述等问题，无法满足复杂产品研制过程中，在任务分配方式、感知强度等方面的特殊需求，文献16提出了一种基于对象的协同感知模型（OBCA模型），并给出OBCA模型的实现机制与应用实例，且实现了一个将协同感知信息可视化的原型系统。

2　协同计算在天地一体化3C融合系统中的应用热点

2.1移动对象的协同定位

在天地一体空间中，无线电定位技术已日益成熟，在该技术中如何将相关的定位算法进行协同处理，成为该技术发展的新亮点。文献17指出，在无线电定位技术中，Chan算法的计算量小，在噪声服从高斯分布的环境中，定位精度高，但在非视距环境下定位精度下降，而Taylor算法精度高且健壮性较强，但对初值依赖性很强。为此，提出一种协同的定位算法。将Chan算法与Taylor算法结合，即保持Chan算法的计算量小的优点，又具备Taylor算法的精确性与健壮性。经仿真试验表明，该算法能有效抑制非视距传播中，恶劣信道环境的影响，且性能稳定。

2.2天地一体化对象攻防

（1）多战机协同攻击模式

在多战机协同攻击的作战模式中，面对复杂的敌方网络系统，目标的选择及战机资源的优化是决定空袭效果的关键因素。文献18通过分析空袭环境中攻守双方的主要特征，并建立基于双层主从决策多机协同关键设施攻击模型，其中上层决策者的目标是要中断敌人网络系统关键服务设施节点，而下层决策者的目标是提高我方机场生存率与目标击中率。通过求解该模型时选定目标节点的战机分配策略进行综合优化，与传统的单层规划相比，所采用的双层主从决策模型，对问题的建模和求解与实战真实情况较为吻合。

（2）多平台防空体系各作战平台的协同

多平台防空体系作战平台的协同是研究与发展网络中心战理论的重点与难点。文献19在该项课题的研究中，归纳与描述出多平台防空体系中多种不同的协同机制：①基于个体作战方案协同；②基于目标分配。对基于目标分配的协同机制进行了分类，即分成为基于责任区划分协同，基于合同网协议的协同机制和基于统一认知、分数式协同机制，并给出相应的工作流程，为作战人员了解多平台防空体系中各平台间协同提供参考。当然，在实际应用中，指挥员需综合考虑使命任务和所处环境的情况下，适当选择某种协同机制或某几种协同机制的综合运用。

（3）计算机网络的协同防御

文献20在基于云模型的防御代理信任评估模型中指出在计算机网络的协同防御（CNCD）系统中，所有的防御代理在防御方案的部署中均默认为可信与可控的，而该假设实际上在开放网络的环境下不成立。甚至导致恶意代理参与到计算机网络协同防御的方案执行中，使方案执行率增加而降低系统的安全性。为此，提出一个计算机网络协同防御的信任评估模型，其模型分为两个部分，即防御任务执行评估与防御代理信任更新。其中研究了防御代理反馈的评估函数，包括防御任务完成时间与完成质量的评估两个方面，并将信任时间的衰减性、非对称性应用到防御代理的反馈评估函数中，提出一种基于滑动时间窗口的双权值直接信任云模型进行信任更新。

另外，在针对来自外网的攻击，文献21提出对现有的DRDOS（Distirbuted Reflection Denial of Server Attack），即分布式反射拒绝服务攻击的防御方法进行改造的新模型——HCF-AST（Hop Count Filtering-Attack Source Tracing），通过协同式自学习算法，实现设备之间DRDOS防御知识的共享，以解决原防御反应滞后和过滤不全面等问题，它可以过滤掉外网的攻击流，并引入入侵追踪技术与入侵检测与过滤技术协同，定位并阻断内网攻击流。

2.3多对象协同动态优化

为了解决大多数多目标优化问题，需要其优化算法在时间约束内快速找到动态变化的Pareto最优解与Pareto边界。文献22提出一种基于多种群协同动态多目标粒子群改进算法，旨在利用多种群竞争与协作。两种模式相互配合，从而达到高效求解动态多目标的优化问题。针对对导弹打击目标发生改变时，需对导弹的飞行轨道、控制参数（攻角、仰角）进行多目标化，以及航空运营中受到天气、飞行故障、随机意外等影响，航空调度需要考虑旅客滞留时间、运营成本等多个因素，重新优化。其中竞争模式需要对解空间进行“勘探”搜索，而竞争失效后，自适应切换到协作模式，对解空间进行“开采”搜索。通过对多种群协同搜索，概率分析，证明多种群相比单种群具有更高的搜索效率，并以仿真实验验证算法的有效性。

2.4协同学习与训练

针对天地一体化环境中的目标跟踪问题，文献23考虑到突然变化、视角差异、相机抖动以及部分遮挡等因素、基于协同训练，粒子滤波算法的启示，提出一种自适应目标跟踪方法。该法采用HQG（Histogram of Oriented Gradients）和LBP（Local Binary Pattern）描述目标特征并建立分类器，通过协同训练实现分类器的在线更新，有效地解决误差累积问题。为缩小目标搜索的状态空间，利用Icondensation运动模型和重要采样提高粒子采样的准确性与效率，并引入了校正因子，抑制虚假目标的干扰，从而提高了跟踪算法的鲁棒性与分类器更新的准确性。

另外，为了快速准确检测网络用户的异常行为，如传播蠕虫、DDoS攻击等，文献24提出了一种基于多数类分布的改进Easy Ensemble方法将平衡训练样本划分为平衡的样本子集，然后使用混合扰动的生成法构造差异性成员分类器对样本子集进行协同学习，在学习中使用选择性集成进行置信度计算与数据更新，以减少开销，并基于准确性选择构建集成分类器用于实际测试，该法可获得非平衡性复杂分布数据处理能力，并进一步提高检测的准确性。

3　结语

随着“互联网+”技术的深入发展，基于天地一体化3C融合网络架构及信息系统的研究正方兴未艾，至今尚有多项关键技术仍待深入研究。其中协同计算技术在系统建模、控制、计算感知等诸多方面起着关键性作用。本文介绍了国内外学者近年来在相关方面所取得的研究成果，以及在该领域协同计算中的应用热点。该项技术的未来将为提供开放智能、灵活可重构的网络系统，并支持广域大容量服务，对我国智慧城市、航空、航天、国防军事工程建设等具有极其重要的意义。

[1]Y.Lin,L.Shao,Z.Zhu,et al..Wireless Network Cloud:Architecture and System Requirements[J].IBMJ Res Dev,2010,54:184-187.

[2]Hu Bin.Collaborative Computing[J].Communication of the China Computer Federation,2010,6（12）:6-7.

[3]Zhou Yiqing,Tian Lin,Shi JingLin.A Super Base Stations Based on Heterogeneous Space and Terrestrial Wireless Communication Network[J].Communications of the China Computer Federation,2016,12（3）:17-21.

[4]金瑛浩，孙立镌.协同语义特征建模技术研究[J]，计算机科学.2012,39（2）：280-296.

[5]周兴社，杨亚磊，杨刚.信息-物理融合系统动态行为模型构建方法[J].计算机学报，2014,37（6）:1411-1423.

[6]郑丽清，黄开枝，吉江.协同基站群的利益树分簇算法[J].计算机科学，2012,39（1）：85-91.

[7]荆树旭，何发智等.协同建模系统中的一种对象引用正确性保证方法[J].计算机研究与发展，2011,48（11）:2031-2038.

[8]葛季栋，胡海洋等.一种基于不变量的工作流协同模型分解方法[J].计算机学报,2012,35（10）:2169-2181.

[9]徐扬，李响，常宏，王月星.复杂网络特性对大规模多智能体协同控制的影响[J].软件学报，2012,23（11）:2971-2986.

[10]闫力瑗，王玥，陈晨.协同通信中继选择技术的研究[J].计算机科学，2011,38（10A）:380-384.

[11]Himsoon T,Siriwongpairat W P,Zhu Han,et al.Lifetime Maximization Via Cooperative Nodes and Relay Deployment in Wireless Networks[J].IEEE Journal on Selected Areas in Communications,2007,25（2）:306-317.

[12]Dai Lin,Chen Wei,Cimini L J,et al..Fairness Improves Throughput in Energy-Constrained Cooperative Ad-Hoc Networks[J].IEEE Transactions on Communications,2009,7（8）:3679-3691.

[13]童恩栋，沈强，雷君等.物联网情景感知技术研究[J].计算机科学，2011,38（4）：9-20

[14]王睿智，史庭训，焦文品.一种基于元组空间的智能传感器协同感知机制[J].软件学报，2015,26（4）：790-801

[15]张巍，曾亮，张会，李思昆.数字游戏中的协同—描述任务逻辑方法[J].计算机研究与发展，2012,49（7）：1507-1513

[16]杨学蕊，陈畅宇，赵罡.基于对象的协同感知模型及应用[J].计算机应用研究，2015,32（3）：771-775

[17]陈德章，唐皓，吴季达.基于Chan和Taylor的TDOA协同定位算法研究[J].计算机科学,2011,38（10A）：406-411

[18]朱悦妮，郑征，刘伟.基于双层主从决策的多机协同关键设施攻击模型研究[J].计算机科学，2011，38（1）：210-235

[19]张杰勇，姚佩阳，滕培俊.多平台防空体系中的协同机制研究[J].计算机科学，2011,38（9）：91-94.

[20]余洋，夏青和，王星河.基于云模型的防御代理信任评估模型[J].计算机研究与发展，2015,52（10）:2178-2191.

[21]张明清，揣迎才，唐俊，孔红山.一种DRDoS协同防御模型研究[J].计算机科学，2013.40（9）:99-102.

[22]胡成玉，姚宏，颜雪松.基于多粒子群协同的动态多目标优化算法及应用[J].计算机研究与发展，2013,50（6）:1313-1323.

[23]李善青，唐亮，刘科研，王磊.一种快速的自适应目标跟踪方法[J].计算机研究与发展，2012,49（2）：383-391.

[24]陆悠，李伟等.一种基于选择性协同学习的网络用户异常行为检测方法[J].计算机学报，2014,37（1）：28-40.

Collaborative Computing;Collaborative Object Modeling;Space and Terrestrial Integrated Network;Cooperative Sensing

Collaborative Computing Technology and Applications of 3C Based Space and Terrestrial Integrated Network

QIU Xiao-ping，HUANG Xiao-bing

（South China Business College,Guangdong University of Foreign Studies,Guangzhou 510545）

Introduces the correlation theory of collaborative computing technology of 3C Based space and terrestrial integrated network,includes collaborative object modeling,collaborative control,cooperative communication,cooperative sensing and object groups collaboration,and some applications of the technology.Points out the important significance of this technology in the construction of China's aviation, aerospace,smart city and national defense and military engineering.

1007-1423（2016）32-0040-05

10.3969/j.issn.1007-1423.2016.32.009

丘晓平（1954-），女，广东潮安人，本科学士，副教授，研究方向为计算机应用

黄小兵（1975-），男，湖南保靖人，研究方向为嵌入式系统设计和物联网

2016-09-01

2016-10-20