信息物理系统的有效性评估

信息物理系统（Cyber-Physical Systems, CPS）通过与物理世界的交互来实现其目的，这在可靠性方面提出了新的挑战。事实上，CPS 通过传感器控制的物理系统的演化可能会受到其无法控制的周围物理过程的影响，而这些过程可能会妨碍其目的的实现。在设计时期望对物理环境建立一个全面的模型，以预测并消除这些系统部署后可能出现的故障是不切实际的，因此有必要在体内评估其有效性程度。本文在测度论的背景下正式定义并推广了有效性程度。该测度是在可转移信念模型（Transferable Belief Model, TBM）的框架下开发的，TBM 是对 Dempster-Shafer 证据理论的扩展，以分别处理与用户期望相关的认知不确定性和与物理环境自然变异性相关的偶然不确定性。TBM 与输入/输出隐马尔可夫模型框架（我们将其记为 Ev-IOHMM）结合使用，以指定 CPS 控制的物理系统的预期演化及对不确定性的容忍度。随后，利用前向算法获得有效性测度，该算法利用了由对物理系统的观测所获得的信念与对应于其预期演化的信念的连续组合所引起的冲突。所提出的方法被应用于自动驾驶汽车，并展示了如何利用有效性程度来对其控制器进行基准测试，测试基准为交通法规限速和乘客舒适度约束，这两者均通过 Ev-IOHMM 进行建模。