服務化gnss仿真平臺中模型智能推薦方法
【專利摘要】本發(fā)明涉及一種服務化GNSS仿真平臺中仿真模型的智能推薦方法。本發(fā)明的方法工作流程包括：提取候選模型，組成候選項集；根據候選模型和當前選中模型的接口數目計算所有候選模型對應的接口形狀權重；構建條件FP?tree；同時建立FP?tree；在候選項集中提取第1項，與當前選中模型組合形成K項集，獲得K項集的支持度，若支持度為零，分析用戶已選模型集合中模型的權重，去掉權重最低的一項，重新檢索，直到獲得一個不為零的支持度，重復以上步驟，直到獲得所有候選模型對應的支持度；計算各候選模型對應的模型關聯(lián)關系度，并根據計算結果對候選模型排序，將排序后的模型集合推送到人機交互終端。本發(fā)明可以提高仿真任務設計的速度和準確性。
【專利說明】
服務化GNSS仿真平臺中模型智能推薦方法
技術領域
[0001] 本發(fā)明涉及計算機分布式仿真領域，具體涉及一種服務化GNSS仿真平臺中仿真模 型的智能推薦方法。
【背景技術】
[0002] 全球導航衛(wèi)星系統(tǒng)（Global Navigation Satellite Systems,GNSS)是以衛(wèi)星為 基礎的無線電測時定位導航系統(tǒng)，可為航空、航天、陸地、海洋等方面的用戶提供不同精度 的在線或離線空間定位數據，目前主要包括GPS、北斗、GLONASS、Galileo四個導航系統(tǒng)。 GNSS建設是一個復雜的系統(tǒng)工程，難度高、周期長、耗費資金巨大、涉及學科及專業(yè)數量眾 多，而仿真尤其是數學仿真則為GNSS的前期設計及驗證、中期建設及調試、后期商業(yè)化應用 及優(yōu)化調整提供了重要的、不可或缺的、廉價有效的驗證手段。
[0003] 隨著全球各大GNSS系統(tǒng)的不斷發(fā)展和完善，GNSS仿真所發(fā)揮的作用越來越大、范 圍越來越廣、靈活性和系統(tǒng)精度要求越來越高、解算模型越來越復雜。服務化GNSS仿真平臺 是最近被提出來的一種GNSS仿真平臺，在面向互聯(lián)網的前提下，結合廣義云計算對資源進 行共享的理念，實現(xiàn)多開發(fā)人員或用戶發(fā)布并共用仿真模型或資源，達到研究新算法、新設 備和擴展新領域的目的。該平臺在理論上具有高度的共享和重用能力，可以減少重復開發(fā) 和投資，提高仿真環(huán)境的仿真能力，促進GNSS的發(fā)展和應用。胡春生等在服務化集成設計平 臺的研究中給出了服務化仿真平臺的基本構架和運行模式，提出了仿真模型服務化封裝的 詳細過程，并初步提出了模型關聯(lián)關系的概念及其基本的研究思路。
[0004]在服務化GNSS仿真平臺中反復提到了仿真模型和仿真任務流程，其具體的概念 為：
[0005] 1、仿真模型。大型仿真系統(tǒng)(包括數學仿真、半物理仿真等)是對系統(tǒng)或平臺的功 能和性能上的模擬實現(xiàn)。由于對系統(tǒng)整體的數學或物理上的仿真很難直接實現(xiàn)，所以通常 將其看作為由一組相互具有物理關聯(lián)和邏輯關系的功能單元的有機組合，將其分解為若干 個既相對獨立又相互聯(lián)系的子系統(tǒng)(包含一個或多個功能單元），這種子系統(tǒng)更方便使用數 學模型或物理模型表示出來，被用來表示的模型即為仿真模型。不同系統(tǒng)的仿真可能包含 相同功能的子系統(tǒng)，即可以使用相同的模型參與仿真。
[0006] 在服務化GNSS仿真平臺中，利用上述思想，用戶將能夠實現(xiàn)部分功能的仿真模型 依據統(tǒng)一接口規(guī)則共享到平臺上。用戶在有仿真需求時可以挑選合適的共享模型，組合形 成能夠實現(xiàn)特定系統(tǒng)功能的仿真任務。
[0007] 2、仿真任務流程。用戶在利用服務化GNSS仿真平臺構建仿真任務時，需要調用仿 真模型，并配置模型之間輸入與輸出關系的傳遞關系，配置完成后形成了一組具有關聯(lián)關 系的模型集合，這個包含配置信息和模型關聯(lián)關系的模型集合即為仿真任務流程，用戶可 以直接運行仿真任務流程進行相應的仿真任務，獲得最終想要的仿真結果。
[0008] 隨著服務化仿真平臺的發(fā)展和應用，仿真模型數目會以指數形式增大，并且應用 場景和仿真需求不同，需要構造的仿真流程的差異也較大，用戶在使用平臺設計仿真任務 時，需要反復在大量仿真模型中檢索合適的模型，如何在大規(guī)模數量的模型中迅速找到合 適仿真模型成為一個十分重要的問題。因此需要設計一套能夠實時為用戶推薦仿真模型的 方法。
[0009] 模型之間存在一種特性的關系，這種關系決定的兩個模型是否能夠建立連接，或 是否經常在一起共用，但模型之間的這種關系無法直接從模型本身推出。在利用平臺進行 仿真時，用戶正是遵循了這種關系完成仿真任務設計，因此對用戶的使用記錄進行統(tǒng)計分 析，可以間接得到模型關聯(lián)關系的估計值，且當用戶的仿真任務記錄足夠大時，所得到的估 計值也將足夠準確。該估計值可以為仿真模型推薦提供量化依據。

【發(fā)明內容】

[0010] 本發(fā)明的目的是通過提供一種新的面向互聯(lián)網的服務化GNSS仿真平臺中的仿真 模型的推薦方法，能夠根據已選的部分模型完成自主推理用戶即將需要的模型的功能，提 高用戶在使用服務化GNSS仿真平臺進行相關仿真任務設計的速率和準確度，從而提高用戶 使用仿真平臺的效率，減少用戶操作時間和學習成本。
[0011] 本發(fā)明提供了一種服務化GNSS仿真平臺中仿真模型的智能推薦方法，該方法的工 作流程為:步驟1，根據當前選中模型，以及接口形狀池的記錄，在模型庫中提取出所有能夠 與當前選中模型建立連接關系的候選模型，組成候選項集;步驟2,根據候選模型和當前選 中模型的接口數目進行計算，得到所有候選模型對應的接口形狀權重;步驟3,將候選項集 中所有模型依次與當前選中模型組合形成固連塊，在固連塊的約束下檢索仿真任務記錄 池，構建條件FP-tree;同時根據仿真任務記錄建立FP-tree，用于分析用戶已選的各模型的 權重值;步驟4,在候選項集中提取第1項，與當前選中模型組合形成K項集，通過檢索條件 FP-tree獲得K項集的支持度，若支持度為零，則根據FP-tree分析用戶已選模型集合中模型 的權重，去掉權重最低的一項，重新檢索，直到獲得一個不為零的支持度，計算當前去掉部 分模型后剩余模型的權重;步驟5,提取候選項集中下一項，重復步驟4,直到獲得所有候選 模型對應的支持度;步驟6,計算各候選模型對應的模型關聯(lián)關系度，并根據計算結果對候 選模型排序，將排序后的模型集合推送到人機交互終端。
[0012] 進一步地，步驟6中的模型關聯(lián)關系度的計算中包含兩種權重因子，即接口形狀權 重因子和缺失模型后剩余權重因子;接口形狀權重因子主要依據前后模型本身的接口數目 和建立連接關系的接口數目來確定，其計算公式如下，
[0014]其中QKN)表示接口形狀權重因子，Nc表示建立連接的接口形狀數目，N1(ciut)表示建 立連接模型中的前一個模型輸出接口的數目，N2(in)表不建立連接模型中后一個模型的輸入 接口的數目；
[0015]缺失模型后剩余權重因子需要通過分別求取包含用戶已選的全部模型和去掉一 部分模型的兩個集合的支持度來確定，計算公式如下
[0017]其中Q2(Nj)表示事務項集中缺失一些模型后的剩余權重因子，Sup〇為對應模型集 合在仿真任務記錄中的支持度計數，？"表示用戶已經配置完的n個模型，％是在用戶已經配 置完成的n個模型中需要去掉的部分模型；
[0018]進一步地，步驟6中的模型關聯(lián)關系度計算公式為
[0020]其中匕表示候選模型集合中第k個模型與被連接模型的模型關聯(lián)關系度，Mk表示能 夠與當前模型建立連接關系的候選模型集合中的第k個模型，b為模型在剛加入平臺中時設 置的初始數目，ai為接口形狀權重系數，a 2為缺失模型后剩余權重系數，且ai+a2 = 1。
[0021]有益效果
[0022] 本發(fā)明根據用戶當前的仿真任務設計情況，自動解算了仿真任務的記錄庫，為用 戶提供了下一步設計中可能用到的仿真模型，所有運算過程均由軟件后臺完成，在不影響 用戶操作的情況下，為用戶在仿真任務設計過程中起到一定的輔助作用，大大提高了用戶 的仿真任務設計的準確性和仿真任務設計效率。尤其是對仿真任務相關學科不熟悉的用 戶，具有很大的幫助作用。
[0023] 本發(fā)明可以廣泛用于同類服務化分布式仿真或集成設計平臺中，可以提高仿真任 務設計的速度和準確性，對仿真任務的設計具有一定指導意義，具有廣闊的市場前景和應 用價值。
【附圖說明】
[0024] 構成本申請的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實 施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：
[0025] 圖1為本發(fā)明中的條件FP-tree的基本結構；
[0026] 圖2為本發(fā)明的智能推薦方法的基本流程框圖；
[0027] 圖3為本發(fā)明的智能推薦方法在服務化GNSS仿真平臺中的基本構架；
[0028]圖4為對單顆衛(wèi)星偽距進行仿真的仿真任務流程。
【具體實施方式】
[0029]下面將參考附圖并結合實施例來詳細說明本發(fā)明。
[0030]本發(fā)明中提出了以下幾點概念以便于方法的正常使用：
[0031 ] 1、接口形狀。仿真模型在封裝后以統(tǒng)一的接口對外表現(xiàn)，主要包括輸入接口、輸出 接口、初始化接口三類，其中輸入接口和輸出接口是用于在模型之間建立關系的，但并非任 意模型之間都能夠建立起關系，通常對于數學模型來講，只有輸入輸出之間存在相同的量 綱關系時才能夠建立連接關系。由于仿真模型可能包含多個輸入或輸出，所以本發(fā)明中規(guī) 定，任意一個輸入或輸出均為一個模型接口，每個模型接口根據量綱和資源屬性確定其接 口形狀。在不同模型之間，只有輸入接口和輸出接口含有相同形狀的兩個模型才能建立關 聯(lián)關系。
[0032] 2、模型關聯(lián)關系。在利用多個仿真模型組合形成仿真任務時，仿真模型間需要建 立一種特殊的關系來確定模型之間資源的傳遞(如數學仿真模型的輸入輸出參數信息等）， 這種關系即為仿真模型關聯(lián)關系。
[0033] 3、模型關聯(lián)關系度。能夠與同一仿真模型建立關系的幾個模型，他們構成的關系 在一定程度上不一定是等價的，即他們與同一模型的親疏程度會有所不同，這種親疏程度 表現(xiàn)出了用戶在建立仿真任務時的習慣偏好。本發(fā)明中將這種模型之間的親疏程度定義為 模型關聯(lián)關系度，將模型關聯(lián)關系度進行量化分析，可以得到不同模型之間的親疏程度排 序。
[0034] 4、條件FP-tree。本發(fā)明在傳統(tǒng)FP-tree的基礎上，提出了固連塊的概念，形成一種 具有一定條件約束的FP-tree數據記錄結構。固連塊是把與FP-tree根節(jié)點直接相連的節(jié)點 換成固定的連結體，連結體由候選模型對應的節(jié)點和當前用戶選中模型對應的節(jié)點構成。 在固連塊之后的節(jié)點采用與傳統(tǒng)FP-tree相同的構建方法，每個條件FP-tree的固連塊的數 目由候選模型數目決定。這樣在針對每個候選模型做FP-tree檢索時，可以直接檢索其對應 固連塊下的分枝，其余固連塊下的分枝可以直接被剪枝。這樣可以節(jié)省大量檢索時間，提高 推薦方法效率。如圖1為一個在固連塊約束下的條件FP-tree基本結構，圖中E、F、G、H為根據 接口形狀池檢索出的候選模型，D為當前用戶選中的模型，A、B、C為用戶已選的其他模型。
[0035] 作為推薦模型的唯一依據，模型關聯(lián)關系度計算方法如下：
[0036] 在模型關聯(lián)關系度的計算中包含兩種權重因子，即接口形狀權重因子和缺失模型 后剩余權重因子，這兩種因子是影響模型關聯(lián)關系度的兩項主要因素。其中接口形狀權重 因子描述的是連接成功的接口在前后兩個模型的接口中所占的比例;缺失模型后剩余權重 因子體現(xiàn)的是在仿真任務記錄項集中，缺少某個或某幾個模型后剩余模型集合在整個模型 集合中所占的比重。
[0037] 接口形狀權重因子在計算過程中主要依據前后模型本身的接口數目和建立連接 關系的接口數目來確定，其計算公式如下，
[0039]其中QKN)表示接口形狀權重因子，Nc表示建立連接的接口形狀數目，N1(ciut)表示建 立連接模型中的前一個模型輸出接口的數目，N2(in)表不建立連接模型中后一個模型的輸入 接口的數目。
[0040] 缺失模型后剩余權重因子需要通過分別求取包含用戶已選的全部模型和去掉一 部分模型的兩個集合的支持度，進而通過相應的計算公式得到剩余模型的權重值。
[0041] 剩余權重因子的計算公式如下
[0043]其中Q2(K)表示事務項集中缺失一些模型后的剩余權重因子，Sup〇為對應模型集 合在仿真任務記錄中的支持度計數。？"表示用戶已經配置完的n個模型，％是在用戶已經配 置完成的n個模型中需要去掉的部分模型。
[0044]模型關聯(lián)關系度主要是針對已有記錄的統(tǒng)計和分析，在統(tǒng)計計算中主要考察了各 個模型與已選模型形成任務流程后的模型項集在整個記錄中的支持度計數，計算出對應模 型的比例關系，因此，模型關聯(lián)關系度的計算公式如下
[0046]上述公式對后加入模型可能會有一定的影響，因此為了對后加入模型有一定的排 序保護，將公式3修改為
[0048]其中Ik表示候選模型集合中第k個模型與被連接模型的模型關聯(lián)關系度，Mk表示能 夠與當前模型建立連接關系的候選模型集合中的第k個模型，b為模型在剛加入平臺中時設 置的初始數目，為了不影響后續(xù)模型的統(tǒng)計信息，b的取值不宜過大，通常選取在100左右。 ai為接口形狀權重系數，a2為缺失模型后剩余權重系數，且ai+a2 = 1。
[0049] a#Pa2的值主要由用戶進行配置，希望模型的全部接口能夠快速建立連接的用戶 可以將ai的值配置的相對更高一些，而希望參考已有設計任務記錄的用戶可以將a 2的值配 置的相對更高一些。若m = 0，則表示用戶完全依據任務設計流程記錄對候選模型排序;若a2 =〇,則表示完全不考慮缺失模型對排序結果的影響，計算結果將主要受兩個連接模型的接 口形狀數目和可建立連接接口形狀數目影響。
[0050] 本發(fā)明在服務化GNSS仿真平臺運行原理的基礎上，結合服務化仿真模型的基本性 質及大規(guī)模記錄數據的特點，綜合考慮仿真模型的元數據信息、模型接口形狀、關聯(lián)關系、 仿真任務流程等信息，給出了用于模型的智能推薦的邏輯推理方法，包括推薦模塊的運行 流程和量化指標的計算方法。
[0051] 本發(fā)明的推薦方法是根據使用該仿真平臺的所有用戶的任務設計記錄等進行數 據挖掘工作，找出與當前用戶所選仿真模型有關的、可能即將用到的模型。本發(fā)明所述的模 型是在面向服務的分布式仿真環(huán)境中能夠完成某種特定功能的單元，該模型具有"獨立"、 "可組合"、"可配置"、"接口標準統(tǒng)一"幾種性質，其他具有相似性質的環(huán)境或應用軟件中也 可使用該方法進行相關推理。
[0052] 本發(fā)明中的仿真模型智能推薦方法指的是在服務化GNSS仿真平臺或類似環(huán)境中， 根據用戶已選擇模型的集合進行推理，結合平臺的仿真任務記錄，給出用戶下一步可能需 要用到的模型，并根據可能性的大小進行排序的方法和過程。
[0053]本發(fā)明是一種能夠根據模型關系進行推理的智能推薦方法，方法中定義了模型接 口形狀并用于模型關系的推理，并且為方便快速檢索模型數據，設計了具有條件約束的FP-tree數據壓縮結構。該方法在實施中主要應用在服務化的分布式仿真平臺上，方法可構建 在平臺中的一臺單獨的服務器上，通過讀取用戶在人機交互界面上的操作自動執(zhí)行。推薦 方法在仿真平臺中所需的基本構架如圖3,主要包括數據存儲服務器(仿真模型描述文件存 儲服務器、接口形狀描述文件存儲服務器、仿真任務記錄存儲服務器等）、仿真模型服務終 端、人機交互終端、推薦方法服務器等。
[0054]推薦方法模塊需建立在仿真平臺存在完整數據記錄的基礎上，包括仿真模型庫， 接口形狀庫，仿真任務記錄，因此仿真平臺中需建立上述記錄的存儲服務器。以下是上述記 錄的部分文件格式示例（以RDF記錄格式為例），文件記錄只要滿足方法的功能需求即可，不 限于RDF格式。
[0055] (1)仿真模型資源描述示例（以RDF文件格式為例）
[0058] (2)仿真流程記錄文件格式（以RDF文件格式為例）
[0061]下面以利用平臺對單顆衛(wèi)星的偽距進行仿真(仿真任務流程如圖4)為例簡述一下 推薦方法，假設用戶通過人機交互終端已經選取了用戶軌跡生成模型、WGS84橢球模型、坐 標轉換模型(BLH-XYZ)、衛(wèi)星高度角和方位角求取模型。
[0062]步驟1，用戶使用鼠標選中衛(wèi)星高度角和方位角求取模型。人機交互終端會將當前 用戶操作信息傳送給推薦方法服務器，服務器根據用戶當前選中的模型，檢索接口形狀池 的記錄，在模型庫中提取出所有能夠與當前選中模型建立連接關系的模型，組成候選項集 {Klobuchar8參數電離層延遲模型，Hopf ield對流層延遲模型，Saastamoinen模型等}。
[0063] 步驟2,推薦方法服務器根據候選模型和當前模型的接口數目進行計算，分別得到 所有候選模型對應的接口形狀權重（{Klobuchar8,0 . 14}，{Hopfield，0.4}， {Saastamoinen，0?4})〇
[0064] 步驟3,推薦方法服務器將候選項集中每個模型分別與當前選中模型組合形成固 連塊（{Klobuchar8,衛(wèi)星高度角和方位角求取}，{Hopfield，衛(wèi)星高度角和方位角求取}， {Saastamoinen，衛(wèi)星高度角和方位角求取}等），并在固連塊的約束下檢索仿真任務記錄 池，構建一個條件FP-tree，暫存在內存中。
[0065]步驟4,同時服務器利用仿真任務記錄池的檢索結果構建FP-tree，并結合用戶已 選取的所有模型計算各個已選模型的權重值。
[0066]步驟5,服務器在候選項集中提取第1項，與當前用戶已選模型組合形成K項集，通 過檢索條件FP-tree獲得K項集的支持度;若支持度為零，則根據FP-tree分析用戶已選模型 集合中模型的權重，去掉權重最低的模型，重新檢索。直到獲得一個不為零的支持度。
[0067] 步驟6,服務器根據去掉的模型計算剩余權重值
[0068] 步驟7，提取候選項集中下一項，重復步驟5、6，直到獲得所有候選模型對應的支持 度和剩余權重值。
[0069] 步驟8,服務器將所有候選模型的支持度和權重根據模型關聯(lián)關系度的計算方法 進行計算，并根據計算結果進行排序，得到帶有模型關聯(lián)關系度的有序候選模型集合 ({Klobuchar8，0?35}，{Hopfield，0?3}，{Saastamoinen，。?2}等）
[0070] 步驟9,推薦方法服務器將計算結果推送到人機交互界面，用戶可以根據推薦結果 選取下一個需要用到的模型。
[0071] 本發(fā)明主要根據用戶利用平臺進行仿真任務設計的操作，結合之前的仿真任務記 錄等數據，智能推理用戶可能需要的模型，為用戶提供一個參考的可選模型的有序集合，減 少了用戶在大量模型庫中檢索模型的工作，提高仿真任務設計的效率。可以廣泛用于各類 模塊化分布式仿真或集成設計平臺中，具有提高仿真任務設計的速度和準確性的作用。
[0072] 以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技 術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內，所作的任何修 改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。
【主權項】
1. 一種服務化GNSS仿真平臺中仿真模型的智能推薦方法，其特征在于:所述模型推薦 方法的工作流程為： 步驟1，根據當前選中模型，以及接口形狀池的記錄，在模型庫中提取出所有能夠與當 前選中模型建立連接關系的候選模型，組成候選項集； 步驟2,根據候選模型和當前選中模型的接口數目進行計算，得到所有候選模型對應的 接口形狀權重； 步驟3,將候選項集中所有候選模型依次與當前選中模型組合形成固連塊，在固連塊的 約束下檢索仿真任務記錄池，構建條件FP-tree;同時根據仿真任務記錄建立FP-tree，用于 分析用戶已選的各模型的權重值； 步驟4,在候選項集中提取第1項，與當前選中模型組合形成K項集，通過檢索條件FP-tree獲得K項集的支持度，若支持度為零，則根據FP-tree分析用戶已選模型集合中模型的 權重，去掉權重最低的一項，重新檢索，直到獲得一個不為零的支持度，計算當前去掉部分 模型后剩余模型的權重； 步驟5，提取候選項集中下一項，重復步驟4，直到獲得所有候選模型對應的支持度； 步驟6,計算各候選模型對應的模型關聯(lián)關系度，并根據計算結果對候選模型排序，將 排序后的模型集合推送到人機交互終端。2. 根據權利要求1所述的方法，其特征在于，所述步驟6中的模型關聯(lián)關系度的包括接 口形狀權重因子和缺失模型后剩余權重因子;所述接口形狀權重因子依據前后模型本身的 接口數目和建立連接關系的接口數目來確定，其計算公式如下，其中Qi (N)表示接口形狀權重因子，Nc表示建立連接的接口形狀數目，見(cmt)表示建立連 接模型中的前一個模型輸出接口的數目，N2(in)表不建立連接模型中后一個模型的輸入接口 的數目； 缺失模型后剩余權重因子通過分別求取包含用戶已選的全部模型和去掉一部分模型 的兩個集合的支持度來確定，計算公式如下其中Q2(K)表示事務項集中缺失一些模型后的剩余權重因子，Sup〇為對應模型集合在 仿真任務記錄中的支持度計數，？"表示用戶已經配置完的n個模型，％是在用戶已經配置完 成的n個模型中需要去掉的部分模型。3. 根據權利要求1所述的方法，其特征在于，所述步驟6中的模型關聯(lián)關系度計算公式 為其中Ik表示候選模型集合中第k個模型與被連接模型的模型關聯(lián)關系度，Mk表示能夠與 當前模型建立連接關系的候選模型集合中的第k個模型，b為模型在剛加入平臺中時設置的 初始數目，ai為接口形狀權重系數，a2為缺失模型后剩余權重系數，且ai+a2 = 1。
【文檔編號】G06F17/30GK106055577SQ201610341018
【公開日】2016年10月26日
【申請日】2016年5月20日
【發(fā)明人】許承東, 范國超, 宋丹
【申請人】北京理工大學