平行控制 數據驅動的計算控制方法 陳品杰 Department of Electrical Engineering National Cheng Kung University Tainan, Taiwan, R.O.C

Introduction (1/2) 平行控制之 “Parallel”, 非指並行計算之”Parallel”, 而是指虛實之間的平行互動, 是指實際物理過程與人工計算過程之間的平行交互, 即Physical vs. Cyber 系統之間的 Parallel 平行控制之Parallel是將實際問題向虛空間擴充(Expand) 再通過虛實互動完成控制任務的一種解決問題的方式 並行計算之Parallel是將實際問題劃分(Divide)成許多子問題 再同時進行計算的一種解決問題的方式

Introduction (2/2) 圖 1 並行與平行的差別

ACP方法的基本概念(1/2) 所謂 ACP, 是指人工社會 (Artificial societies)、計算實驗 (Computational experiments)、平行執行(Parallel execution) 之有機組合 ACP = Artificial societies + Computational experiments + Parallel execution 將人工的虛擬空間 Cyberspace 變成我們解決複雜問題的新的另一半空間, 同自然的物理空間一起構成求解“複雜系統方程”之完整的“複雜空間” 從本質上講, ACP 的核心就是把複雜系統 “虛” 的和 “軟” 的部分建立起來, 通過可定量、可實施的計算化、即時化, 使之 “硬化”, 真正地用於解決實際的複雜問題

ACP方法的基本概念(2/2) ACP 由 “三步曲” 組成: 第一步, 利用人工社會或人工系統對複雜系統進行建模; 一定意義下, 可以把人工社會看成是科學 “遊戲”, 就是用類似電腦 “遊戲” 的技術來建模; 第二步, 利用計算實驗對複雜系統進行分析和評估; 一旦有了針對性的人工社會, 我們就可以把人的行為、社會的行為放到電腦裡面, 把電腦變成一個實驗室, 進行“計算實驗”, 通過“實驗” 來分析複雜系統的行為, 評估其可能的後果; 第三步, 將實際社會與人工社會並舉, 通過實際與人工之間的虛實互動, 以平行執行的方式對複雜系統的運行進行有效地控制和管理.

平行控制的基本框架和原則(1/6) 在 ACP 方法的基礎上, 平行控制可定義為通過虛實系統互動的執行方式來完成任務的一種控制方法; 其特色是以資料為驅動, 採用人工系統為建模工具, 利用計算實驗對系統行為進行分析和評估. 平行控制是一種利用從定性到定量的知識轉化, 以計算為主要手段的控制與管理複雜系統的方法. 平行控制核心思想為: 針對複雜系統, 構造其實際系統與人工系統並行互動的平行系統, 目標是使實際系統趨向人工系統, 而非人工系統逼近實際系統, 進而借助人工系統使複雜問題簡單化, 以此實現複雜系統的控制與管理.

平行控制的基本框架和原則(2/6) 1) 學習與培訓, 此時以人工系統為主, 且人工系統與實際系統可有很大的差別, 而且不必平行運作; 2) 實驗與評估, 此時以計算實驗為主, 人工系統與實際系統須有相應的交互, 以此可以對各種各樣的解決方案進行不同程度的測試, 對其效果進行評判和預估; 3) 控制與管理, 此時以平行執行為主, 人工系統與實際系統應當可以即時地平行互動, 相互借鑒, 以此完成對複雜系統的有效控制與管理. 圖 3 平行系統運行的基本框架與模式

平行控制的基本框架和原則(3/6) 將平行系統之平行互動的框架嵌入經典控制系統的基本框架 (見圖 5 (a)), 即形成平行控制的基本框架, 如圖 5 (c) 所示 從經典控制到平行控制, 中間有一個自然的過渡, 就是自我調整控制 (也包括內模控制), 如圖 5 (b)所示.

平行控制的基本框架和原則(4/6) 實際上, 即使在經典控制中, 也隱含著人工系統和平行執行的思想. 然而, 由於多數情況下經典控制所涉及的系統沒有自主行為的能力, 其所對應的“人工系統”可由微分或差分等解析方程來描述, 而且逼近的精度也很高, 可作為實際系統用於分析, 直接融入計算控制量的公式之中; 此時, 由於實際與人工幾乎等價, 故沒有必要再分離出獨立的人工系統和平行執行部分.

平行控制的基本框架和原則(5/6) 當難以甚至無法得到實際系統的解析模型時, 就出現了以參考模型 (Reference models) 及內模 (Internal models) 為 “人工系統”(圖 5 (b)) 的自我調整控制及內模控制方法; 此時,實際、“人工”、控制之間的 “平行執行” 已從經典控制時的隱式變成顯式, 但所處理的仍是沒有自主行為的系統. 在控制複雜系統時, 特別是包含自主行為元素 (如操作員、管理者等) 的複雜系統時, 幾乎無法建立可以逼近實際系統的模型, 因此只能利用獨立的人工系統, 使實際與人工系統相互趨近, 但往往以實際趨向人工為目標, 而非以人工逼近實際為目的; 此時, 人工系統、計算實驗、平行系統成為獨立組成部分, ACP 得到充分利用, 原本單一的控制器也昇華為多功能、多模式的控制甚至管理系統或 “管理器”.

平行控制的基本框架和原則(6/6) 圖 6 給出控制方法與系統複雜性的關係示意圖. 簡言之, 對於簡單系統, 以頻域分析為主的經典控制方法足矣, 有時可以利用物理實驗的手段進行檢驗;對於一般系統或普通的大型系統, 以狀態變數為主的現代控制方法也能夠勝任控制任務, 需要時可以利用物理實驗和電腦模擬的手段進一步驗證

研究與應用現狀 (1/5) 從兩個角度考慮複雜系統的控制與決策問題: 當工程複雜性較高的時候, 我們採用平行控制方法, 以控制為主 一個角度是社會複雜性, 一個角度是工程複雜性. 當工程複雜性較高的時候, 我們採用平行控制方法, 以控制為主 當工程複雜性與社會複雜性參半的時候, 我們採用平行管理方法, 人機結合; 當社會複雜性較高的時候, 我們就以社會計算方法為主, 綜合集成從定性到定量來分析解決問題. 總而言之, 處理複雜性問題的核心思想與基礎方法就是 ACP, 如何使其理論更加完善, 應用更加廣泛, 將是一項長期而重要的科研工作

研究與應用現狀 (2/5) 城市綜合交通問題 智慧交通是平行控制最早的應用領域. 為什麼？表面上有兩個原因: 首先是資料問題, 交通的資料“壟斷” 是個突出的問題, 研究人員往往無法從有關部門獲取相關資料, 但又沒有經費、時間和資源自己做實驗, 很難開展大規模、具有實質意義的交通研究; 其次是因果問題, 目前使用的交通管理與控制系統都是基於已經發生過的交通資料進行決策的, 知“果”但不知“因”, 導致治 “表” 卻無法治 “裡”, 就是治標不治本, 根本談不上智慧交通, 更無法從根本上解決交通擁堵問題. ACP 是解決這兩個問題的有效方法, 因為交通問題是一個物理過程與社會過程交叉參半的混合過程, 交通現象多是“湧現” 出來的, 具有典型的複雜系統特徵.

研究與應用現狀 (3/5) 城市綜合交通問題 資料問題可通過人工交通系統(Artificial transportation systems, ATS) 建模來解決, 而因果問題可通過計算實驗和平行執行來分析和利用 比如, ATS 可以根據區域的人口、商店的位置、企業的上下班時間、學校的放學時間等算出“人工世界” 的 “人工交通” 流量, 作為實際交通情況的參考基礎, 從而為 “虛實” 互動對實際交通進行平行管控提供基礎. 有了 ATS, 電腦就可以作為交通的“社會實驗室”, 對各種各樣的交通行為和現象進行“試驗”, 探本索源, 進而標本兼治

研究與應用現狀 (4/5) 城市綜合交通問題 2009 年完成第三代 PtMS 3.0, 並在一些城市得到了實踐, 由針對 ATS 的 TransWorld、學習與培訓的 OTSt、進行交通試驗分析的 DynaCAS、基於代理進行平行管理與控制的 aDAPTS 組成 (如圖 7), 並在一些城市得到了實踐, 初步取得了較好的效果2010 年亞運會期間, 完成第四代 PtMS 4.0 並在廣州的出租車和快速公交的管理和運營中得到成功的應用. 利用 ACP 方法, 我們希望將來可以綜合考慮人口、行為、氣候及突發事件等因素, 利用新的雲計算和物聯網傳感技術, 可以像預報天氣一樣預報交通情況; 同時, ACP 還應提供如何改進現有交通狀況和管理方式的建議, 特別是提前考慮當人口和車輛增加之後需要採取哪些措施等等, 而不是等到嚴重堵塞之後再行動

研究與應用現狀 (5/5) 城市綜合交通問題