一种智能车信息物理系统功能要素分层解构方法

本发明属于人工智能，涉及一种智能车信息物理系统功能要素分层解构方法。

背景技术：

1、随着云计算、人工智能、大数据等前沿技术的持续进步，对交通系统的数字化和智能化需求日益增长。在这一背景下，智能汽车(intelligent vehicle,iv)技术成为了数字化交通系统中的一个关键应用领域。同时，网络物理系统(cyber-physical systems,cps)的概念旨在促进物理系统与信息系统之间的互操作性和深度集成，以期实现超越传统应用系统的操作效能和性能水平。

2、智能汽车信息物理系统(intelligent vehicle cyber-physical systems,ivcps)作为一个新兴研究领域，展现了广阔的发展前景，可以被视为更广泛的智能交通系统(intelligent transportation systems,its)的一个重要子集。iv与cps的融合为智能交通系统可能面临的挑战提供了战略性的解决方案，标志着未来发展的趋势。然而，尽管ivcps领域充满潜力，但其理论基础仍然处于初步阶段。目前的研究主要集中于探索ivcps的基本特征和状态，以及对其系统层次结构的建模，而对ivcps功能元素的分层解构方法的研究相对较少。

3、ivcps将iv、cps、交通科学和交通工程技术进行集成，形成了一个跨学科、多学科的复杂系统。与传统的iv技术相比，ivcps不仅关注单一对象的局部特性，而是从一个更宏观的视角，综合考虑系统的交互作用和多学科因素，以实现对整个系统的综合运营和管理。然而，现有的分层解构方法往往只能触及问题的表面，未能充分考虑系统内部各要素之间的复杂关系，导致解构结果的不全面和不准确。ivcps作为一个多层次、多因素的系统，其分层解构涉及到多个维度和因素，传统方法难以满足其对全面和精确解构的需求。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于云模型的ivcps功能要素分层解构方法。

2、为达到上述目的，本发明提供如下技术方案：

3、一种智能车信息物理系统功能要素分层解构方法，包括以下步骤：

4、s1：对ivcps进行全面分析，基于ivcps的特性，考虑各个层面的影响因素，将系统拆分为多个层级的子系统，每个层级代表系统中的一个主要功能区域或操作流程；对每个层级的子系统进行命名；

5、s2：采用组合加权法确定分层解构指标的综合权重；

6、s3：通过云模型对定量指标进行协同分析，结合专家对定性指标的评价，将指标评价结果转化为云模型分层解构数据集，结合分层解构的指标权重，构建以安全为目标导向的ivcps分层解构云模型；

7、s4：计算ivcps分层解构云模型与标准云模型的相似性，实现评价统一的ivcps功能要素分层解构。

8、进一步，将ivcps分解为五个主要过程：从ivcps的物理空间(physical，p)，通过物理到信息(physical to cyber，p2c)的通信方式，进入信息空间(cyber，c)进行运算分析和处理，随后通过信息到物理(cyber to physical，c2p)的通信方式控制指令传输，最终在物理空间(p)的实体上实现应用；

9、由此将ivcps分层解构为cyber、physical、communication中的c2p、p2c四个一级指标，下设多个二级指标。

10、进一步，所述组合加权法包括层次分析法(analytic hierarchy process,ahp)和熵权法；

11、所述层次分析法为主观加权方法，通过比较各指标间的相对重要性，根据专家评分计算出各指标的主观权重；

12、所述熵权法为客观加权方法，基于实际数据，综合各指标的评价结果来确定指标的客观权重；

13、所述组合加权法计算公式如下：

14、

15、其中，wi表示总权重，w'i表示主观权重，w*i表示客观权重，m表示指标数量，i表示第个指标。

16、进一步，步骤s3中，假设u是一个由数值表示的定量区域，c是u上的定性概念，并且定量值x∈u是c的一次任意实现，则x对c的确定度μ(x)∈[0,1]是一个具有稳定倾向的随机数，即：

17、

18、x在u上的分布称为云，记为c(x)，每个云滴是x的一次随机实现；

19、云模型的数值特征包括期望值ex、熵en和超熵he；ex表示云滴在论域空间的期望；en表示反映定性概念a的不确定性；he表示熵的不确定度量，即熵的熵，其为云滴的凝聚度，超熵越大，云滴的离散度越大，隶属度的随机性越大，云的“厚度”也越大；

20、在对ivcps系统进行安全角度的解构时，ex代表安全等级概念的定量点；en反映了各指标结果的随机性和模糊性；he是ivcps安全性分层解构中的模糊性和随机性，反映分层解构模型的不确定性；

21、将一个云模型记作(ex，en，he)，将正向云发生器描述为由(ex，en，he)生成云团，逆向云发生器描述为从复杂混乱云团中提取云的核心元素(ex，en，he)；

22、经过统计和各项指标的归一化处理，得到归一化结果；

23、将评价区间转换为云模型的数字特征，即云模型的三个参数ex，en，he，再利用正向云发生器算法，生成ivcps分层解构等级的标准云图。

24、进一步，所述正向云发生器的生成步骤如下：

25、(i)生成以en为期望，以he2为方差的正态随机数en’；

26、(ii)生成与ex为期望，以en2为方差的正态随机数x；

27、(iii)计算隶属度即确定则(x，u)是相对于论域u的一个云滴。选择“钟型”函数为隶属度函数；

28、(iv)重复生成i、ii、iii步骤直到生成足够的云滴。

29、进一步，在与正向云发生器相对应的步骤中，逆向云发生器将ivcps分层解构的定量数据转换为由en，ex，he三个数字特征表示的定性语言，根据现有研究的结果和模拟数据作为输入，定义ivcps的标准级别，以量化其从i到iv的安全级别。

30、进一步，步骤s4具体包括以下步骤：

31、首先计算出各个指标层的参数，然后根据下式逐层求出对应的云参数：

32、ex＝ex1λ1+ex2λ2+......+exnλn

33、

34、

35、计算出二级指标的结果后，再由上述公式进行综合合成，综合计算得到ivcps的最终结果；

36、将最终的结果与运用正向发生器生成的标准云图形进行比对，观察计算结果在标准云图图形中的位置，得到该分层解构项目的等级。

37、本发明的有益效果在于：本发明充分考虑系统了内部各要素之间的复杂关系，从多维度、多层次和多因素的角度对ivcps进行分层解构，提高了ivcps分层解构的全面性和准确性。

38、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。