基于MAS的環(huán)境噪聲監(jiān)測系統(tǒng)研究

董如夢

摘要：我國關(guān)于環(huán)境噪聲監(jiān)測的工作距今已開展多年，但收效不佳，因目前該項工作的主要內(nèi)容依舊是以人工監(jiān)測為主，科技技術(shù)為輔的形式展開。缺乏創(chuàng)新，用來監(jiān)測的技術(shù)更新速度也相對緩慢。在此趨勢下，想到將分布式人工智能技術(shù)結(jié)合到環(huán)境噪聲監(jiān)測系統(tǒng)中來。利用MAS對復(fù)雜系統(tǒng)問題強大的求解能力，建立出基于MAS的環(huán)境噪聲監(jiān)測系統(tǒng)，構(gòu)造BDI模型，拓展混合的Agent結(jié)構(gòu)，將傳統(tǒng)的不具備自治能力的噪聲監(jiān)測系統(tǒng)轉(zhuǎn)變?yōu)榈婉詈细邇?nèi)聚同時擁有具有自我管制學(xué)習(xí)能力的MAS監(jiān)測系統(tǒng)，使監(jiān)測系統(tǒng)具備良好的可靠性、可擴展性和穩(wěn)定性，完善了噪聲監(jiān)測決策庫，提高了監(jiān)測管理水平。

關(guān)鍵詞：MAS；噪聲檢測；BDI模型；Agent

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）12-0232-03

Abstract：Work on environmental noise monitoring in our country have carried out many years ago， but the result is not good， because at present the main content of the work is still given priority to manual monitoring ， science and technology is complementary form. Lack of innovation， which is used to monitor technology update speed is relatively slow. Under this trend， the thought of combination of distributed artificial intelligence technology to the environmental noise monitoring system. For complex system based on MAS strong problem solving ability， establish the environmental noise monitoring system based on MAS， BDI model structure， expanding Agent structure of hybrid， the traditional noise monitoring system does not have autonomy ability into low coupling and high cohesion with MAS monitoring system with self regulation of learning ability， make the monitoring system has good reliability， expansibility and stability， improve the noise monitoring decision library， improve the level of the monitoring and control.

Key words：MAS；noise monitoring；BDI model；Agent

在人們的生活中噪聲污染作為一種無形污染，無處不在且影響愈加惡劣【1】。導(dǎo)致這種現(xiàn)象的原因主要體現(xiàn)在：缺乏專業(yè)的監(jiān)測技術(shù)人員、公眾對噪聲工作不夠注重、監(jiān)測方面的專業(yè)技術(shù)體系也不健全等方面。環(huán)保監(jiān)測人員須向群眾公布噪聲污染的分析數(shù)據(jù)，并提出相應(yīng)的解決措施【2】。因此，本文將結(jié)合實際，提出基于MAS（Multi Agent System）的理念，來設(shè)計噪聲監(jiān)測系統(tǒng)。MAS系統(tǒng)中的各Agent相互協(xié)同、互相服務(wù)從而共同完成一個任務(wù)【2】，其解決復(fù)雜問題的能力遠(yuǎn)超于單個Agent。MAS是動態(tài)的系統(tǒng)組織，每個Agent可以根據(jù)實際需求隨時加入或退出系統(tǒng)，系統(tǒng)中各Agent是相互平等且都擁有不完全的信息和問題求解能力，無全局控制，分布式處理數(shù)據(jù)，計算行為可是異步或并行的【3】。在MAS中Agent不但可以對外界施加動作。而且，還可通過外界的反饋重新評估自己【4】。

1 系統(tǒng)模型設(shè)計原則

MAS目標(biāo)就是把一個較復(fù)雜的系統(tǒng)根據(jù)功能分解成若干個便于管理的子系統(tǒng)，這些子系統(tǒng)之間彼此通信、相互協(xié)作，通過交互實現(xiàn)信息、知識和功能等共享【5】，由此降低復(fù)雜系統(tǒng)成分組織的難度，使其實現(xiàn)起來方便易懂。

系統(tǒng)設(shè)計原則：

1）因傳感器獲取的信息種類具有多樣性，故系統(tǒng)需具備較高的可靠性、容錯性。

2）為實現(xiàn)系統(tǒng)的通用性、便易性，要求數(shù)據(jù)接口都標(biāo)準(zhǔn)化。

3）為了方便人員使用和維護(hù)，要求系統(tǒng)具有友好簡潔便于操作的人機交互界面。

4）充分考慮用戶以后的潛在需求，系統(tǒng)模塊需具備可擴展性，方便用戶進(jìn)一步添加功能模塊。

2 系統(tǒng)模型建立及說明

在充分考慮系統(tǒng)構(gòu)建原則的基礎(chǔ)上，基于MAS的環(huán)境噪聲監(jiān)測系統(tǒng)建?？梢苑譃閮蓚€階段：一，明確劃分各Agent角色。設(shè)計出系統(tǒng)基于Agent的結(jié)構(gòu)模型。在創(chuàng)建模型過程中，體現(xiàn)出各類Agent通信和交互的過程，同時也明確各Agent的任務(wù)、功能及其之間相互合作關(guān)系。二，明確該系統(tǒng)的需求分析，確定系統(tǒng)要實現(xiàn)的功能，從而構(gòu)建出系統(tǒng)結(jié)構(gòu)模型并達(dá)到系統(tǒng)需實現(xiàn)的總目標(biāo)。

2.1系統(tǒng)模型建立

建立系統(tǒng)模型時采用的是Agent分層體系架構(gòu)。位于不同層面上的Agent它們角色各不相同，需要面對的問題特征也不同，展現(xiàn)的功能和完成的任務(wù)也不盡相同。彼此之間通過管控Agent和通信Agent進(jìn)行通信和協(xié)調(diào)，實現(xiàn)信息融合和友好交互，使得整個系統(tǒng)有條不紊的運行起來。通過人機交互，提供給用戶準(zhǔn)確有效的決策結(jié)果。按功能主要劃分為以下四種Agent：通信Agent、數(shù)據(jù)采集Agent、判斷Agent及管控Agent。噪聲監(jiān)測系統(tǒng)結(jié)構(gòu)模型如圖1所示。

2.2 系統(tǒng)模型說明

數(shù)據(jù)采集Agent負(fù)責(zé)收集事先布置在環(huán)境中的傳感器采集到的信息并對信息進(jìn)行融合預(yù)處理，同時以無線的方式傳送到具有數(shù)據(jù)融合能力的路由節(jié)點。路由節(jié)點根據(jù)多種數(shù)據(jù)融合算法對獲取的多元信息進(jìn)行融合，后將這些數(shù)據(jù)傳送到判斷Agent，同時路由節(jié)點也接受來自判斷Agent發(fā)出的控制命令并將其轉(zhuǎn)發(fā)到數(shù)據(jù)采集Agent。

判斷Agent負(fù)責(zé)將采集到的數(shù)據(jù)進(jìn)行分析，判斷屬于何種類型的噪聲污染，并將信息傳送到管控Agent，同時數(shù)據(jù)采集Agent的加入，并與加入網(wǎng)絡(luò)的設(shè)備進(jìn)行通信，判斷是否收到數(shù)據(jù)，同時檢查接收到的數(shù)據(jù)格式是否符合系統(tǒng)標(biāo)準(zhǔn)，查看后滿足條件的就予以接收。監(jiān)測串行端口是否接收到數(shù)據(jù)，如果有，就進(jìn)行數(shù)據(jù)采集，并傳送到服務(wù)器； 沒有就執(zhí)行別的任務(wù)，直到有數(shù)據(jù)需要采集再執(zhí)行采集信息任務(wù)。判斷Agent還擔(dān)任向數(shù)據(jù)采集Agent發(fā)送控制信號，控制其行為。

通信Agent用于協(xié)調(diào)不同層次Agent之間行為的交互，共享各自目的任務(wù)，知道實現(xiàn)同一目標(biāo)或得到完成任務(wù)所需要的援助。

管控Agent是對判斷Agent傳來的數(shù)據(jù)分析后得出結(jié)果，與知識庫里已存在的知識進(jìn)行比對，繪制噪聲地圖分析出最佳決策，供用戶使用。分析后的結(jié)果作為一個事例，增加到知識庫里，為以后分析比對工作提供數(shù)據(jù)支持。

3 噪聲監(jiān)測系統(tǒng)BDI模型設(shè)計

一個或一組Agent在結(jié)構(gòu)上可被理解成具有信念、期望和意圖（Beliefs Desires And Intentions簡稱BDI）的具有類生命的意識系統(tǒng)【6】。噪聲監(jiān)測系統(tǒng)BDI模型的圖形說明及依賴關(guān)系如圖2所示。

3.1判斷Agent模型設(shè)計

環(huán)境中噪聲的數(shù)字信號信息來源于環(huán)境噪聲測量儀和傳感器通過多種程序處理所得。在分析判斷噪聲過程中，判斷Agent將按照噪聲來源類型設(shè)置多種類型判斷子Agent，比如：交通噪聲判斷Agent、工業(yè)噪聲判斷Agent、建筑施工噪聲判斷Agent以及社會生活噪聲判斷Agent。判斷Agent的硬件構(gòu)造是大同小異的，只是會根據(jù)不同的區(qū)域特征所使用的推理原則和決策知識庫有些微不同。

以交通噪聲判斷Agent為例來闡釋判斷Agent的BDI模型，交通噪聲判斷Agent的BDI模型如圖3所示。

交通噪聲判斷Agent的硬性目標(biāo)是判斷數(shù)據(jù)中來源于交通的噪聲，該判斷Agent的數(shù)據(jù)資源具備本地噪聲數(shù)據(jù)庫、噪聲模型。通過本地噪聲數(shù)據(jù)處理、數(shù)據(jù)分析、協(xié)作來明確交通噪聲目標(biāo)來源。

1）噪聲分析

參考噪聲信號、匹配噪聲模型，與其他Agent交互通信反饋，得出結(jié)果，提供給噪聲分析。

2）本地噪聲數(shù)據(jù)處理

每當(dāng)出現(xiàn)一次噪聲判斷任務(wù)失敗時，就把本次判斷的處理結(jié)果錄入本地噪聲數(shù)據(jù)庫中。新的判斷來臨時，需要事先匹配本地噪聲數(shù)據(jù)庫，如果尚未匹配成功就對噪聲進(jìn)行判斷。同時也更新本地噪聲數(shù)據(jù)庫為日后本地噪聲處理提供支持依據(jù)。

3）協(xié)作

當(dāng)交通噪聲判斷Agent需要向其他Agent協(xié)作時，先發(fā)出協(xié)作請求尋找能夠給自己提供幫助的Agent，然后向管控Agent提出申請，請求目標(biāo)Agent的功能和地址，通過通信端口與目的Agent建立起連接。協(xié)作完成后，將本次通信記錄錄入到本地通訊錄，使得互相幫助過的Agent在今后再需協(xié)作時可以不向管控Agent提出申請而直接進(jìn)行，更加方便快捷。

3.2數(shù)據(jù)采集Agent

了解不同設(shè)備的數(shù)據(jù)來源，數(shù)據(jù)采集Agent的BDI 模型設(shè)計如圖4所示。

數(shù)據(jù)采集Agent的硬性目標(biāo)就是對采集到的數(shù)據(jù)分發(fā)到需要的Agent處，比如將噪聲數(shù)據(jù)傳送至判斷Agent等。通過從傳感器接收數(shù)據(jù)、數(shù)據(jù)準(zhǔn)備以及分發(fā)數(shù)據(jù)等幫助達(dá)到硬性目標(biāo)。數(shù)據(jù)采集Agent搜索數(shù)據(jù)信息后，讀取實時數(shù)據(jù)文件來獲取數(shù)據(jù)信息。

數(shù)據(jù)準(zhǔn)備就是對接收到的數(shù)據(jù)進(jìn)行加工，包括數(shù)據(jù)格式的整理和數(shù)據(jù)分類：數(shù)據(jù)格式整理里含有更正錯誤數(shù)據(jù)與確定缺省數(shù)據(jù)；數(shù)據(jù)分類則由拓?fù)鋽?shù)據(jù)、保護(hù)數(shù)據(jù)來完成。數(shù)據(jù)經(jīng)過這兩階段處理后篩選出可讀性相對高的優(yōu)質(zhì)數(shù)據(jù)。

數(shù)據(jù)采集Agent需要協(xié)助時，會向管控Agent發(fā)送請求，覓得相關(guān)接收數(shù)據(jù)的Agent列表，這是個反饋過程，尋找的同時Agent會不斷增加來往者信息。當(dāng)需要發(fā)送數(shù)據(jù)時，必須找到接收數(shù)據(jù)的Agent地址和相應(yīng)的Agent端口，后與其建立連接橋梁，遞交數(shù)據(jù)。

正因為數(shù)據(jù)采集Agent是保障判斷行為正常執(zhí)行的關(guān)鍵，所以它很可能成為整個系統(tǒng)的瓶頸所在。一旦數(shù)據(jù)采集Agent未響應(yīng)或意外退出，系統(tǒng)就不能獲取實時數(shù)據(jù)，進(jìn)而整個系統(tǒng)癱瘓。因此，在設(shè)計系統(tǒng)的過程中，一般考慮采用備用Agent，在數(shù)據(jù)采集Agent出現(xiàn)意外時，備用的Agent就會繼續(xù)接手執(zhí)行實時任務(wù)。備用Agent有著和數(shù)據(jù)采集Agent相似的結(jié)構(gòu)類型，因為所需完成的目標(biāo)任務(wù)相同，它不定時的向管控Agent查詢數(shù)據(jù)采集Agent是否在很好運行。一旦反饋的是數(shù)據(jù)采集Agent未正常工作信號時，備用Agent就立刻向管控Agent提出申請，請求能接管數(shù)據(jù)采集Agent后續(xù)工作，請求同意后，就正式接管任務(wù)。

3.3管控Agent模塊設(shè)計

管控Agent是整個系統(tǒng)能正常運行的關(guān)鍵，主要擔(dān)任MAS系統(tǒng)里各子Agent的功能管理、任務(wù)調(diào)配以及協(xié)調(diào)判斷。管控Agent的BDI模型設(shè)計如圖5所示。

管控Agent的硬性目標(biāo)是實現(xiàn)各Agent任務(wù)功能之間的交互，通過檢測通信Agent提交的信號信息、提供判斷Agent的分配列表、給通信Agent下達(dá)啟動判斷Agent的命令來實現(xiàn)交互。管控Agent同時還和通信Agent及判斷Agent交互溝通。

1）檢測通信Agent傳來的信息

管控Agent能夠監(jiān)測通信端口，通過查詢發(fā)來的消息隊列中有無噪聲數(shù)據(jù)消息來判定是否需要啟動端口發(fā)送觸發(fā)信號。比如收到數(shù)據(jù)采集Agent的噪聲數(shù)據(jù)，則命令數(shù)據(jù)采集Agent執(zhí)行數(shù)據(jù)分發(fā)任務(wù)，否則返回不執(zhí)行判斷的結(jié)果，同時將反饋結(jié)果轉(zhuǎn)發(fā)給管控Agent。

2）列出判斷Agent分配列表

根據(jù)噪聲分類來查詢對應(yīng)噪聲類型、匹配相應(yīng)的噪聲模型，通過利用判斷子Agent的列表來鎖定目標(biāo)Agent列表。

3）向通信Agent發(fā)送啟動判斷Agent消息

通過通信Agent來啟動判斷Agent執(zhí)行任務(wù)，并發(fā)送數(shù)據(jù)采集Agent獲取到的噪聲數(shù)據(jù)類型以及噪聲特征給判斷Agent，讓其分析處理，同時提供目標(biāo)判斷子Agent列表和對應(yīng)Agent的端口和地址。

4 結(jié)束語

本文設(shè)計了一種基于MAS的噪聲監(jiān)測系統(tǒng)，實現(xiàn)了對噪聲的實時監(jiān)控，即使工作人員不在，也了解監(jiān)測點周圍環(huán)境的噪聲情況，對遇到的噪聲超標(biāo)情況，提供合理決策，為監(jiān)測噪聲污染提供了一個便捷的手段。使用該系統(tǒng)可以實時地采集環(huán)境中噪聲數(shù)據(jù)同時鎖定噪聲來源，且系統(tǒng)操作簡單，準(zhǔn)確精細(xì)，可移動性強，是以往的噪聲監(jiān)測系統(tǒng)巨大的飛躍。以后，伴隨著無線技術(shù)和人工智能技術(shù)的發(fā)展，智能傳感器也將向多自主體傳感器網(wǎng)絡(luò)邁進(jìn)。

參考文獻(xiàn)：

[1]韓坤.基于物聯(lián)網(wǎng)的城市環(huán)境噪聲監(jiān)控系統(tǒng)的設(shè)計與應(yīng)用[M].商業(yè)現(xiàn)代化，2011（1）.

[2]Cao Hai-qing，Wang Yu.The Design of Violation Vehicle Management System Based on MAS Cooperation，Computer Science and Automation Engineering（CSAE），2011 IEEE International Conference on，2011，457-462

[3]Nardini E，Omicini A，Viroli M.General-Purpose Coordination Abstractions for Managing Interaction in MAS，Web Intelligence and Intelligent Agent Technologies， 2009. IEEE/WIC/ACM International Joint Conferences on，2009： 50-506.

[4]Yongjing He， Wei Wang，X. Wu， et al.An overview of applications of MAS in smart distribution network with DG，F(xiàn)uture Energy Electronics Conference （IFEEC）， 2015 IEEE 2nd International，2015， 1 – 5.

[5]宋陽.基于MAS聲發(fā)射信號評價技術(shù)研究[D].大慶：東北石油大學(xué)，2014.

[6]李佳奇，黨建武.基于MAS電務(wù)故障診斷模型的研究[J].鐵道學(xué)報， 2O13，35（2）.