基于分层Agent的铁路应急救援决策方法研究

张振海，王晓明，张雁鹏，王海涌

(兰州交通大学自动化与电气工程学院，兰州730070)

1 引 言

当前，随着铁路运输的快速发展，铁路突发事件时有发生，铁路应急救援决策已经成为铁路运输管理领域的研究热点问题［1，2］.在国外，德国、日本等国家开发了相应的运营管理系统，对各种应急救援问题进行仿真分析，提出了基于综合调度指挥的事故应急处理体系结构模型.在铁路应急救援中如何根据当前的现场环境、应急人员、应急资源和列车状态等态势信息，快速准确地做出决策对最后的救援效果起着重要的决定作用.基于多Agent的协同决策方法在决策理论中已有应用，但都针对特定的领域，无法适应铁路应急决策过程中复杂多变的要求，无法满足其协同性需求［3，4］.

本文以铁路应急救援为应用背景，采用基于分层Agent的建模思想，建立基于分层Agent的铁路应急救援指挥控制结构，根据事故处置规则为每个Agent在应急救援过程中设定不同角色，并在最高层Agent中采用基于模糊决策的方法，实现应急救援的决策过程.

2 铁路应急救援的特点

当有铁路行车事故发生时，现场工作人员通过专用通讯网络将事故报告发送到应急决策支持系统，系统根据事故态势信息进行推理决策，从方法数据库中选择出最有效的方法［5］.指挥部门根据决策结果调度车务、机务、工务、电务、车辆等相关部门人员组织现场救援，并根据实际情况对决策进行修正，以保证救援工作能够最大限度地减少人员伤亡和财产损失，尽快恢复铁路运输秩序.因此，铁路应急救援行动具有如下特点:

(1)组织结构的层次性.

铁路应急救援的过程由应急指挥部门统一安排和部署，具有严格的层次指挥结构.

(2)任务执行的从属性.

下级主体必须服从上级主体的命令，下级主体的自主性受到一定的削弱.

(3)角色之间的协同性.

应急救援中，上下级主体间主要是一种服从关系，但是在不同工种、救援队伍的指挥主体间存在着协调工作关系，底层主体之间也需具备协同能力.

3 基于分层Agent的铁路应急救援指挥控制结构

MAS(Multi-Agent System)是由多个 Agent形成的松散耦合的网络系统.MAS通过自治的智能主体之间智能行为的协调来完成共同的任务.MAS具有自主性、分布性和协调性的特点，并具有自组织能力、学习能力和推理能力，因此，可以通过各Agent之间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性.由于在MAS中各Agent之间可以异构，因此，MAS技术对于复杂系统具有无可比拟的表达力，为各种复杂的决策系统提供了一种统一的模型和框架，利用MAS技术来表达铁路应急救援组织的模式是可行的，但是需要选择好MAS的组成方式，才能满足层次性、从属性和协同性的需求.

MAS的组成方式主要有分布式、集中式和混合式结构.虽然MAS的分布式结构具有稳定性好、并行计算能力强的优点，但是却无法很好地满足铁路应急决策体制下现场复杂多变的应急需求.面对复杂的现场环境，各底层救援人员是在管理决策者和行动指挥者的统一指挥和协调下，为有序地实施救援工作分别完成不同的任务.在借鉴MAS的分布式和集中式结构思想的基础上，结合Agent的自身特点，根据救援人员在铁路应急救援中担任角色和功能的不同，本文提出一种基于分层Agent的铁路应急救援指挥控制结构，将应急救援指挥体系中的实体抽象为功能Agent，不同功能的Agent成员之间相互协调与配合形成MAS系统，共同完成应急任务要求的目标.根据每个Agent在应急救援中的作用、功能的不同将整个控制结构分为三层的逻辑结构.具体结构如图1所示.该结构主要包括行动执行层、指挥控制层和管理决策层，各层由若干个相应的功能 Agent组成，分别为救援人员 Agent、指挥Agent和管理Agent.各Agent根据所在的层次不同，完成不同的功能.

(1)救援人员Agent.

它是救援任务的底层执行单元.在每个决策周期内，人员Agent的行为包括认知行为和物理行为.认知行为负责感知环境模型在当前时刻的输出，并基于决策知识库进行决策推理.感知到的态势信息以短期知识的形式进行描述和存储，并支持长期知识库实现数据驱动的推理决策［6］.决策结果再通过接口以行为命令的形式提交给对应的物理行为模型执行.

图1 应急救援指挥控制结构Fig.1 Control architecture of emergency rescue

(2)指挥Agent.

它需要具备比救援人员Agent更多的知识和数据，更强的协调和通信能力.完成管理Agent下达的任务的再划分和资源再分配;收集下层救援人员Agent上报的相关态势信息，融合处理后提供给管理Agent进行决策;指挥Agent负责沟通上层管理Agent和下层人员Agent之间的关系，保证系统能够稳定可靠地运行.

(3)管理Agent.

它是整个铁路应急救援的总体决策者与方案制定者，位于整个结构的最上层，具有全局的知识和全部数据资源，负责实现铁路应急救援方案的制定和决策，任务的粗粒度划分和资源的分配.

4 基于模糊评价的铁路应急救援决策模型

4.1 铁路应急救援决策模型的建立

在基于分层Agent的铁路应急救援指挥控制结构中，不同层的Agent因其所处的位置不同，具有不同的功能、决策机制和推理方法.对于救援人员Agent，需要根据具体态势信息的变化执行相应的行动，可以采用基于规则的推理方法完成自主决策［7］.但对于管理 Agent，需要综合考虑当前现场中的人员配备、列车状态以及现场环境信息，科学地做出决策，形成合理的铁路应急救援方案.因此，管理Agent的决策过程具有不确定性、模糊性和复杂性等特点.模糊评价是目前应用非常广泛的决策方法，以模糊数学理论和方法为基础，通过建立隶属度函数和考虑不可量化的影响因素，较好地解决了对决策中的模糊性、不确定性和复杂性信息的处理.模糊评价技术已经在铁路运输管理方面得到了一定的应用［8，9］.因此，采用模糊评价的方法来实现最高层管理Agent的决策机制是可行的.

根据铁路应急指挥决策部门的决策流程及处理规则，建立基于模糊评价的管理Agent决策模型，如图2所示.管理Agent由感知接口、模糊处理器和推理机，以及输出接口组成.与管理Agent进行交互的数据资源包括态势信息数据、指标、算法、规则和救援方案.其中，有的态势信息是可以直接获取的，如列车的位置、损坏程度和通信状态等.有的则难以直接获取，如对运营的影响程度，需要由相应算法间接计算来确定.决策步骤如下:

图2 管理Agent决策模型Fig.2 Decision model of management Agent

(1)管理Agent决策模型负责收集指挥Agent上报的态势信息，而自身也需要获取一定的态势信息，这都要通过态势感知接口来完成.

(2)模糊处理器负责对数据库中的态势信息进行分析和模糊处理，依据决策指标体系提取出相关信息，提交给模糊推理机进行推理决策.

(3)模糊推理机根据处理后的态势信息，结合决策规则、算法等数据资源，采用基于模糊评价的方法完成决策推理过程，生成决策结果.

(4)将决策生成的救援方案通过输出接口提供给决策管理部门.

4.2 模糊评价的算法

模糊综合评价决策的求解过程如下:

(1)确定评价指标集.

建立影响评价对象的各因素所组成的集合U={u1，u2，…，un}，ui表示应急资源配置信息、列车运营状态信息和现场环境等.集合ui={ui1，ui2，…，uij}表示对各指标ui进行再划分后的具体指标集.

(2)建立指标权重集.

在决策中，各指标的影响程度有所不同，需要为各指标建立相应的权重 W={w1，w2，…，wn}.W反映指标集U的权重集，wi表示指标ui的权重集，其中，

(3)建立备选方案集.

即评价集 V={v1，v2，…，vm}，各个元素代表可以供选择的m种方案，需从备选方案集中选出一个最佳的实施方案.

(4)构造隶属度矩阵.

隶属函数需根据实际情况，通过与领域专家的交流来确定，选取三角形或梯形.对于元素ui，根据隶属度函数逐一计算其要素uik(uik∈ui，1≤k≤j)对备选集{v1，v2，…，vm}中的元素的隶属度 Rik={rk1，rk2，…，rkm}，按单个要素 ui评价集的隶属度组成模糊评价矩阵:

(5)单个要素评价集.

(6)合成运算决策集.

对于要素集U中的每一个要素，依据步骤(5)的方法分别计算每个因素的评价集，得到整体的模糊评价矩阵 R={B1，B2，…，Bn}，则整体的综合评价集为

(7)确定最优结果.

5 实例应用分析

5.1 案例描述

案例背景描述如下:

应急救援时间:2011年2月15日12时30分.

列车情况:列车经过隧道时，隧道内发生火灾，列车紧急制动，机车脱轨.

应急资源情况:具备轨道救援车以及比较完善的救援设备和人员.

现场环境:天气情况不是很好，隧道内能见度低.

救援要求:以最小的代价尽快恢复线路的运营.

同时根据以往的救援经验和实例分析，在铁路应急救援方案库中选择了4种救援方案.最终要采取哪个方案需要由管理Agent决策决定.

5.2 决策指标体系及其权重设定

决策指标体系是进行模糊评价的基础，是在铁路应急救援中管理Agent进行救援方案选择时需要考虑的各种指标.本文依据大量的铁路运营现场调研资料，结合对实际救援案例的分析，提取影响铁路应急救援决策的要素，建立三层决策指标体系，如图3所示.最上层为整体的应急态势评估结果;中间层包含三个一级指标，即应急资源配置信息、列车运营状态信息和现场环境;底层是对一级指标进行再划分后确定的更详细的决策指标.

图3 指标体系结构Fig.3 Index system structure

在模糊综合评价中，各评价指标的权重如何分配将直接影响评价的效果.权重的确定方法主要有专家调查法、两两指标比较法和层次分析法等.在实际运用中，本文结合铁路应急领域专家的知识和经验，根据应急救援决策的特点，采用层次分析法对同层次决策指标进行重要度相互比较，通过构建判断矩阵和完成一致性检查，最后计算出各级指标的权重值，计算结果如表1所示.

5.3 决策过程

根据表1的结果，可以确定各级指标权重集为W={0.40，0.40，0.20}，w1={0.34，0.36，0.30}，w2={0.40，0.35，0.25}，w3={0.55，0.45}.

根据当前的列车状态、应急资源和现场环境信息，以及方案库中存储的4种不同救援方案，采用上述模糊综合评价的基本步骤，首先针对不同的要素进行单要素评价，获得单要素评价矩阵为

然后根据步骤(5)计算单个要素评价集分别为

最后根据步骤(6)，计算各方案的综合评价集为

根据隶属度最大原则，第3种方案的隶属度最大，为0.745 4，因此管理Agent将从方案备选集中选择第3种方案作为当前铁路应急救援的最优决策方案.这与实际救援过程中，在当前应急态势背景下，应急指挥部门综合考虑应急资源、列车状态和现场环境信息后选取的救援方案相吻合.

6 研究结论

本文以铁路应急救援指挥为应用背景，依据MAS理论，设计了基于分层Agent的铁路应急救援指挥控制结构模型，根据模型担任的角色不同，为不同层次Agent分配了不同的功能，然后提出了基于模糊评价的上层管理Agent决策模型，并阐述了具体的决策过程及算法.通过实际案例分析，验证了该方法的可行性与适应性.将模糊评价的方法与MAS理论相结合，为研究铁路应急的智能决策提供了新的思路，也为铁路应急救援中科学的指挥决策提供了重要依据.后期将基于上述模型针对应急救援任务的分解和分配机制进行深入的研究.

［1］陆海洲，王富章，王英杰，等.铁路应急平台框架体系研究［J］.中国铁路，2007(6):41-44.［LU H Z，WANG F Z，WANG Y J，et al.Research on railway emergency platform frame system ［J］.China Railways，2007(6):41-44.］

［2］程晓卿，贾利民，秦勇，等.铁路应急管理研究［J］.铁道学报，2012，34(3):7-13.［CHENG X Q，JIA L M，QING Y，etal. Research on railwayemergency management［J］.Journal of the China Railway Society，2012，34(3):7-13.］

［3］Massaguer D，Balasubramanian V，Mehrotra S，et al.Multi-agent simulation of disaster response［J］.U.S.Information Proceeding and Management，2006:35-42.

［4］Filippoupplitis A，Gelenbe E，Gianni D，et al.Distributed Agent-based building evacuation simulator［J］.U.S.Oxford Journals，Mathematics ＆ Physical Science，Computer Journal，2011，53(9):1384-1400.

［5］王富章，张莉艳，李平，等.城市轨道交通智能综合监控系统体系结构［J］.中国铁道科学，2006，27(1):126-132.［WANG F Z，ZHANG L Y，LI P，et al.The framework of urban mass transit intelligent integration supervision and control system ［J］.China Railway Science，2006，27(1):126-132.］

［6］尹全军，秦龙，陈伟，等.灾害应急反应建模与仿真［J］.国防科技大学学报，2012，34(1):43-47.［YIN Q J，QIN L，CHEN W，et al.Disaster emergency response modeling and simulation［J］.Journal of National University of Defense Technology，2012，34(1):43-47.］

［7］吴扬波，贾全，王文广，等.基于规则推理的海战仿真实体决策方法［J］.火力与指挥控制，2009，34(8):30-33.［WU Y B，JIA Q，WANG W G，et al.The research on decision-making of the dombat entity of naval tactical simulation based on rule reasoning［J］.Fire Control and Command Control，2009，34(1):30-33.］

［8］裘杭萍，管留，潘晓东，等.基于分层Agent的战术行动仿真决策机制研究［J］.计算机应用研究，2011，28(7):2455-2461.［QIU H P，GUAN L，PAN X D，et al.Research on decision-making mechanism of tactical action simulation based on layered agent［J］.Application Research of Computers，2011，28(7):2455-2461.］

［9］秦智，张仕斌.基于模糊理论的安全控制测评模型的研究［J］.计算机应用研究，2009，26(12):4771-4773.［QIN Z，ZHANG S B.Research of security control testing and evaluation model based on fuzzy theory［J］.Application Research of Computers，2009，26(12):4771-4773.］