基于有向着色图的智能家庭事故安全处置模型

孙伟强，王闯

（1.辽宁广播电视大学 辽宁 沈阳 110034；2.中国电信本溪分公司 辽宁 本溪 117000）

基于有向着色图的智能家庭事故安全处置模型

孙伟强1，王闯2

（1.辽宁广播电视大学 辽宁 沈阳 110034；2.中国电信本溪分公司 辽宁 本溪 117000）

针对目前的智能家庭网络模型都不具备事故安全检测和处置能力，采用综合运用集合概念、有向图概念和着色的方法、动态多任务多Agent技术，建立了具有事故安全检测和处置能力的智能家庭网络模型。通过具体实例说明用电安全、事故安全检测和安全事故处置启动3个方面工作机制的同时，对模型应用进行了验证和分析，说明该模型在智能家庭网络事故安全检测和处置方面具有一定的应用价值。

智能家庭；有向图；着色；动态多任务；事故安全处置

目前针对智能家庭网络［1-4］安全的研究主要集中在信息安全［5］领域，在智能家庭面临的事故安全方面处置方面的研究和应用则很少，智能家庭事故安全包括：

1）电能超载带来的用电安全问题，例如导致线路过热引起的火灾隐患；

2）电磁辐射带来的危害健康的问题，例如家庭电器启动后造成室内电磁环境的恶化；

3）电气安全引起的问题，例如由于家电工作失序、状态错误、设备短路等造成的安全隐患；

4）用水、燃气的安全管理和监控问题，例如水管破裂、燃气泄漏等可能发生的情况引起的事故隐患；

5）智能家庭面临的其他事故安全隐患，包括：固定资产安全，家庭设施安全，家庭环境安全，生命安全等隐患。

由于智能家庭的概念深入人们实际生活，与信息安全相较，事故安全尤为突出和重要，目前在智能家庭网络的事故安全处置的研究和应用方面，还是一个真空地带，目前，没有相关的理论、模型和实际应用软件产品提供应用的支撑。

在本文的研究中，将通过有向图、集合的模型，状态着色、动态多任务［6］多Agent［7-10］方法建立智能家庭网络事故安全检测和处置模型，并结合典型应用案例的场景进行模型应用分析来检验模型的可行性。

1　模型提出

1.1理论模型

首先给出相关的几何定义：

定义1 SH=｛Ai|Ai是一台智能家电，其中i∈Z+｝，SH为位于一个智能家庭网络内的全部智能家电设备的集合。

定义2任务区设备集合TAi是完成一项任务的全部设备的集合，例如，用来完成炒菜的数字炊具以及配合数字炊具完成整个炒菜过程的其他设备构成的集合。

根据定义可知：TA1∪TA2∪…∪TAn=SH，其中n是智能家庭网络包含的任务数目。

而且还可以知道，对于任意TAi、TAj和TAk三个任务区设备集合，有三种可能情况可能发生：

TAi∩TAj=φ，TAi∩TAj≠φ，TAi∩TAj=TAk，其中：i=1，2，…，n；j=1，2，…，n；k=1，2，…，n。

研究可知，当两个任务区设备有交集存在时，交集所含设备都是某一报警任务区设备集合的子集，甚至就是一个完整的报警任务区的设备集合，也就是说，交集集中的设备都是各类传感器设备或数字电源开关设备。

通过对任务区设备的分析可知，一个任务区的设备可以分成多种角色，从安全事故处置角度出发，可以大致将一个任务区的设备归为三类：功能设备、监控预警设备、事故处置设备。一个任务区设备只有覆盖了这三类设备，才有可能是有安全保障的。为了建立我们的模型，我们定义相应的设备状态的颜色集合。

定义3 C=｛g，y，r｝，其中g表示设备处于安全状态，也表示任务处于正常的执行状态；y表示设备处于监控预警状态，也表示任务处于监控预警状态；r表示设备处于事故处置状态，也表示任务处于事故处置状态。

定义4 Si=｛sij|sij是智能家电Ai执行的一个功能或处于功能执行的状态，其中j=1，2，…，n｝，该集合表示了智能家电Ai的全部功能执行的状态集合。智能家电有一个特殊状态，就是没有能量的状态，表示为ф，当设备处于该状态时，我们认为该设备已经不属于网络的一部分了。

定义5有向着色图定义如下：G=（C，S，E），其中：C为颜色集合；S=｛Si|i∈N｝；E=｛

下面，以炒菜为例，给出任务图的定义，如图1所示。

图1　以炒菜为例的有向着色图Fig.1　Colored graph for cooking case

在该图中我们需要说明的是：

1）每一个任务的执行包含的家电设备是确定的，本例中包含的家电设备有家庭网关、智能炒勺、数字灭火器、数字排烟机、电能超载预警器。

2）任务的执行会有两种结果，即任务完成和任务中止。

3）任务包含的每一家电所处状态最多有3种，即正常工作状态、预警态、事故处置态。

4）任一家电在任意状态下的工作时间是确定的，图中介于两个状态之间的有向弧上的数字表示设备处于指向状态的存续时间（毫秒）、存续电压（伏特）和存续电流（安培），用三维向量表示。向量中标为c的表示该数据量需要根据该任务的关键设备状态而定。

5）原则上，除电能超载预警器外，当任一设备所处状态发生变化时，都要预先进行超载计算。

该例子在状态执行顺序上如图2所示。

从图2中可以看出：

1）任务执行分为正常执行和异常中止。

2）任务中止的情形分为3种情况，分别是火警及处理、电能超载及处理、食材预置错误及处理。

图2　炒菜任务状态执行顺序图Fig.2　State execution sequential chart of cooking task

3）任务正常完成的情形主要以数字炒勺的工作过程为主线，每次发生状态的变化前都预先进行电能超载计算，从而为电能预警和处置提供支持。

定义6任一任务任意时刻的功率计算公式为：

假设智能家庭网络功率阈值为W，那么，任意时刻智能家庭网络功耗必须满足：

1.2动态多任务多Agent模型

目前多Agent系统［11-12］的研究已经非常广泛和成熟，比较典型的多Agent系统模型包括集中式、分布式、混合式、多任务式等，各个模型的应用特点在这里不再赘述。

通过对智能家庭网络的应用分析，可以知道该网络是具有动态的、多任务的特点，因此我们设计的智能家庭网络安全处置模型主要包括：中心Agent、任务Agent、设备Agent、规则库、规则可实现自学习和手工添加。这些Agent依据上述有向着色图理论共同工作在动态多任务多Agent模型中，从而可以具备自学习、自检测、具有事故安全处置能力的特点。

该模型工作过程如图3所示。

图3　动态多任务多Agent模型工作过程Fig.3　Working process of dynamic Multi-Task Multi-Agent model

1.3任务执行规则模型

根据有向着色图模型，任务执行规则模型包括3个基本的规则库：

任务规则（TR）：包括对应命令、任务ID、任务名称、设备ID、是否主导设备、设备占用情况；

设备初始状态规则（EISR）：设备ID、设备初始状态、状态性质、功率、持续时间；

执行规则（ER）：包括规则ID、规则前项设备ID、规则前项状态、规则后项设备ID、规则后项状态、规则性质、功率、持续时间

设备初始状态规则和执行规则中的状态性质和规则性质具有排他性，包含3种，分别是正常工作状态、预警态、事故处置态。其中执行规则对应有向着色图模型中的边，由此可知，执行规则库ER中的规则是一种推导规则和产生式，另外，结合图1、图2可以看出，当图中的状态在正常工作态之间变换时隐含的是正常规则，规则性质是g；从正常工作态过度到预警态时对应的规则隐含预警规则，规则性质是y；从预警态过度到事故处置态隐含事故处置规则，规则性质是r。

针对这3个规则库，可以制定自学习规则用于生成新规则，也可以通过人机接口的方式为手动添加规则提供支持。

1.4任务创建和执行模型

在任务执行规则模型参与下的任务创建、任务执行的流程如图4所示。

图4　任务创建过程和任务执行过程的流程Fig.4　Flow chart of task creation and task execution

显然，在我们的模型下的智能家庭网络是一个多任务系统，多任务系统的任务调度可参照传统的任务调度算法，以及现代多Agent模型下的任务分配模型的研究成果［10］。

2　任务实例分析

实例分析仍以炒菜为例进行，假设目前智能家庭网络具有一个洗衣任务正在进行，目前家庭网关中心Agent检测到主人通过远程方式传送一条炒菜命令，很显然洗衣任务与炒菜任务处于无交集的两个任务区，接下来：

2.1规则库准备工作

建立TR如表1。

建立EISR如表2。

建立ER如表3。

2.2根据规则库导出任务执行状态序列

假设任务的额定功率为，则根据上述规则库，可以构建任务执行状态序列如图5所示。

表1　炒菜任务的任务规则库Tab.1　Task rules for cooking task

表2　炒菜任务的对应的初始状态规则库Tab.2　Initial state rules for cooking task

2.3任务执行状态序列中事故安全处理引发条件分析

通过图5，我们能够看出以下情况：

1）如果忽略能量超载预警器本身能耗，单纯衡量其他3个智能家电的能耗，如果：

0 mw<能耗阈值≤660 mw时，任务启动之前便进入能耗超载处理；

660 mw<能耗阈值≤1 540 mw时，只有在烹炒阶段才能导致能耗超载处里被引发；

表3　炒菜任务的对应的执行规则库Tab.3　Execution rules for cooking task

1 540 mw<能耗阈值时，整个任务执行期间不会引发能耗超载处理。

2）当食材加入错误被检测到时，会引发食材错误处理。

3）当检测到火灾隐患时，会引发火险处理。

4）可以明确安全事故的性质、发生时机、处置办法，如果加入更多的因素分析，该模型将更强大。

3　结　论

首先从集合运算的角度给出了智能家庭任务区的定义，并分析了任务区之间相交部分设备的特点、通过分析一个任务区的多个家电设备协作完成一项任务的情况下各设备前后功能之间的关系，利用有向图对任务的完成进行了描述，并利用图的着色的办法对任务中有前后关联的家电功能进行着色的办法，让对应于一个任务的有向图中具有事故安全处置的部分突出出来，再通过面向任务执行的可能结果对图的节点有序的重新排列，让图中隐含的处置规则更加明了，让我们能够很好地给出3类规则的定义。

图5　以炒菜为例的任务执行状态序列Fig.5　Sequence of task execution state for cooking

得到3类规则的特点和定义，不仅有助于定义规则库和定义规则库的生成规则，而且有助于利用这个模型进行任务执行的过程模拟，这对手工定义任务的完善和安全提供了非常有价值的帮助，同时也为任务执行过程中预先做好事故安全处置准备提供了依据。

通过3种规则库的构建和使用，可以清晰给出整个任务完成中各个家电的功能状态的变化以及何时、什么原因触发事故安全处置。

最后通过智能家庭完成炒菜任务这个实例结合动态多任务多Agent技术对该模型进行了验证和分析，不仅证明该模型的有效性，也能够看出该模型简单有效，而且还为模型的应用提供了很大的灵活性，该模型不仅可以用于自定义任务的检测，还为事故安全处置提供了预测和响应能力。

［1］吕琳琳，张敏.关于网关及其关键技术［J］.煤炭技术，2012，31（3）：232-234.

［2］郑魏，李智敏，骆德汉.智能家居无线网络设计与实现［J］.电视技术，2013，37（21）：56-59.

［3］李培琳，白鹤，万倩，等.智能家庭网络概念的研究［J］.广播与电视技术，2012（9）：86，88，90.

［4］席岩，沈阳，毛旭，等.智能家庭相关标准、协议及技术规范分析［J］.广播电视信息，2013，260（12）：78-80，83.

［5］李楠，赵晨斌，史炳荣.数字家庭的信息安全架构研究 ［J］.信息通信技术，2014，42（5）：47-51，57.

［6］李磊，杨西龙，汪贻生，等.基于Multi-Agent的军事虚拟物流业务协同控制模型［J］.自动化与仪器仪表，2014，174 （4）：128-130，134.

［7］王良周，于卫红，黄广超.基于信息融合的多Agent智能家居系统［J］.计算机应用，2014，34（9）：2747－2751.

［8］刘相娟，邓文新.基于语义的Agent架构模型［J］.煤炭技术，2012，31（6）：222-224.

［9］周尤明，高济.基于服务的规范多Agent系统动态模型［J］.江苏大学学报（自然版），2012，33（6）：663-670.

［10］刘科，郭小和，周继强，等.基于multi-agent的多任务分配问题研究［J］.计算机应用研究，2014，31（7）：1980-1983，1988.

［11］郑炎，李龙腾，刘春晓，等.多Agent协作可交互的远程视频会议系统的实现［J］.电视技术，2013，37（1）：144-146.

［12］张晓燕.基于多Agent的协同制造平台的研究与设计［J］.网络安全技术与应用，2012，12：66-68.

Accident security disposal model of smart home based on the colored graph

SUN Wei-qiang1，WANG Chuang2
（1.Liaoning Radio and TV University，Shenyang 110034，China；2.China Telecom Benxi Branch，Benxi 117000，China）

For the models of smart home network at present had not the capability of accident security detecting and disposing. Set conception，digraph，put color and dynamic multi-task multi-agent technology were adopted during the smart home model with the capability of accident security detecting and disposing was put forward.The concrete case was used to descript the mechanism of power security，accident security detecting and accident disposing；the model applicability was verified and analyzed.It is proved that the model has application value on accident security detection and disposition in smart home network.

smart home；graph；put color；dynamic multi-task；accident security disposition

TN92

A

1674－6236（2016）03-0086-05

2015-03-31稿件编号：201503468

孙伟强（1975—），男，黑龙江龙江人，硕士，讲师。研究方向：数据挖掘、信息安全、计算机网络等。