在信息不确定的情况下，基于物联网（IoT）的低空交通网络可靠性优化

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：IoT-enabled reliability optimization of low-altitude traffic networks under uncertain information

　　摘要
网络化的低空经济容易受到极端天气的影响，这些天气通过台风和暴雨对空地协同运输系统造成严重干扰，显著降低了系统的可靠性和任务吞吐量。本文提出了一种针对物联网支持的空地协同低空交通网络的可靠性评估和恢复优化框架。基于三层物联网架构，构建了一个整合了低空航线和地面道路的双层耦合网络模型。通过结合通信可用性和物理性能保持能力，建立了节点有效状态模型，并根据最大连通分量内的有效任务吞吐量定义了性能可靠性。设计了一种动态恢复策略，利用LSTM预测的节点重要性来在资源有限的情况下优化恢复优先级。基于2023年深圳台风“索拉”事件案例研究的结果表明，LSTM预测模型在风速和降雨强度方面的准确率均超过0.85。所提出的基于动态重要性的策略在最短时间内将系统性能可靠性恢复到可接受的水平，同时保持了最高的累积恢复性能。与静态策略相比，该策略在三种情景下分别提高了4.5%、3.6%和8.0%的系统可靠性，并且比贪婪算法和随机算法分别高出3.5%-5.9%和10.5%-21.7%，证实了其在多种运行条件下的有效性。

引言
低空经济作为新型生产力的核心载体正在快速发展。物联网（IoT）技术正在推动低空交通网络发生深刻变化。本文提到的低空交通网络特指由无人机（UAV）运营的低空航线网络和由无人地面车辆（UGV）运营的地面道路网络组成的双层信息物理网络。这两层通过空地任务交接站实现物理连接，从而支持协同物流配送、紧急救援和空域资源调度。该网络旨在通过无缝的空地协作，在动态运行条件下实现可靠高效的任务吞吐。虽然物联网技术显著提升了物流效率和空域资源分配的灵活性，但其深度的信息物理集成使其在极端天气干扰下面临独特的系统风险[1]。尽管近年来对信息物理系统和相互依赖的网络间耦合进行了广泛研究，但其在不确定的极端天气条件下应用于物联网支持的低空交通网络的案例仍不够充分。尽管这些系统通过空地协作和全局感知能力显著提升了物流效率和空域资源分配的灵活性，但通信基础设施与物理运输过程之间的紧密交互引入了特定的可靠性挑战。因此，仍需要可靠的保障策略，能够动态评估系统性能并优化灾后恢复资源调度[2]。
具体来说，台风和强降雨通过增加信号路径损耗、引起多路径效应和基站故障，从而导致无人机和无人地面车辆的链接中断、命令延迟和数据包丢失[3]。同时，强风切变和极端降水会直接损害空中和地面设备的电力系统，造成持续的物理层性能下降。最近的研究强调，工业设备的物理组件退化受到时变运行参数和动态环境应力的显著影响[4]。准确的故障诊断和设备状态监控为在故障扩散之前识别物理性能下降提供了必要基础[5]。此外，气象干扰会导致跨层故障传播，引发级联故障和性能下降[6]。这类信息物理干扰和网络间耦合严重降低了调度精度和系统可靠性，可能在空中物流和紧急救援等关键任务中导致系统瘫痪。

空地协作是低空运输网络的核心运营模式，吸引了研究者在可靠性和系统安全方面的关注。无人机和无人地面车辆相互补充，它们的多维集成优化了网络性能。学者们对空地协同系统的可靠性和韧性进行了深入研究。Dui等人[7]建立了无人机群体任务可靠性模型，通过重要性度量优化了拓扑结构，并揭示了节点故障对任务成功的影响。Sun等人[8]提出了多群体协作重构模型用于干扰恢复，构建了以任务为导向的韧性指标，并实现了在退化条件下的有效系统能力恢复。Xu等人[9]利用多状态网络理论量化了无人群体信息交换能力，并建立了考虑通信限制的可靠性评估模型。Zhang等人[10]开发了跨领域群体对抗模型和动态韧性评估方法，将空地协作韧性研究扩展到复杂的实际场景。Wang等人[11]研究了在无人机支持的物联网系统中的韧性评估和资源分配，强调了协调资源支持对提高无人网络系统韧性的重要性。

随着基础设施复杂性的增加，多层网络理论应运而生，以解决运输领域中的网络间依赖性和耦合可靠性问题。He等人[12]建立了多模态运输网络的分析模型，通过行驶时间增量评估了鲁棒性，并确定了节点关键性的幂律分布。Aros-Vera等人[13]建立了多层相互依赖的网络框架，量化了韧性与连接结构之间的相关性，并形成了统一的韧性分析框架。Wang等人[14]提出了道路和电力网络的协调重构模型，通过跨网络应急策略协调减少了灾后性能损失。Chen等人[15]结合网络演化和可靠性敏感性分析来表征层间交互，并确定了优化关键参数。Ilalokhoin等人[16]提出了铁路网络的系统韧性评估方法，整合了拓扑分析、干扰传播和多层运输基础设施的恢复排序。Dui等人[17]对三层耦合的云边网络进行了建模，揭示了跨层故障传播，并提出了系统可靠性分析方法。

基于重要性度量的性能可靠性优化研究不断丰富，提出了各种扩展的重要性和优化算法用于复杂系统。Dui等人[18]将动态重要性度量集成到多组件系统维护优化中，用马尔可夫过程表征组件退化并推导出成本优化参数。Si等人[19]扩展了经典的Birnbaum重要性度量，总结了优化标准，并提出了适用于大规模系统的重要性度量驱动算法。Liu等人[20]提出了CRIM（成本约束重要性度量）并设计了一种收敛更快、鲁棒性更强的遗传算法。Ling等人[21]使用耦合因子对依赖性竞争故障进行了建模，并设计了基于可靠性的预防性维护策略，以在定期检查下最小化长期成本率。Hong等人[22]建立了具有风险值的运输网络韧性模型，通过LSTM预测网络韧性并提出了基于预测的恢复策略。Li等人[23]开发了基于数据的实时故障预测框架，进一步展示了数据驱动的时间信息在支持预测性可靠性和决策制定方面的潜力。Ma等人[24]基于Delta重要性度量开发了组件重新分配模型，并设计了用于系统可靠性的混合贪婪-遗传算法。Zhang等人[25]使用马尔可夫过程分析了组件动态重要性，并为具有辅助和关键组件的多组件系统提出了新的维护策略。Dui等人[26]将重要性度量和维护成本结合起来，提出了用于优化维护顺序的Gateway Cost Index。Dui等人[27]提出了AI辅助的可靠性建模和自主决策优化方法，适用于数据丰富的环境中的高性能计算（HPC）系统，为不确定性下的数据驱动可靠性评估提供了见解。Ling等人[28]提出了基于变分贝叶斯的多目标可靠性设计优化方法，使用自适应替代隐式概率约束来在不确定性下获得帕累托设计。

总的来说，现有研究为信息物理系统、相互依赖的基础设施网络和可靠性优化建立了有价值的理论。然而，大多数现有模型专注于传统运输系统、工业物联网、电力-交通耦合或一般的信息物理应用。它们的建模假设无法完全捕捉在动态演变的极端天气条件下运行的物联网支持的空地协同低空运输系统的耦合特性，在这种条件下，通信质量、物理运行条件和跨层交互共同决定了系统可靠性和恢复性能。文献综述指出了三个限制空地协同低空运输网络在极端天气干扰下可靠运行和灾后恢复的关键差距：
(1) 缺乏针对低空运输的物联网支持的可靠性导向建模。现有的信息物理系统和智能运输研究很少同时量化在动态演变的极端气象条件下的通信可用性和物理性能退化。缺乏为物联网驱动的低空空地协同场景量身定制的统一可靠性建模框架。
(2) 对双层网络层间耦合机制的分析不足。当前的空地系统研究很少构建整合低空航线和地面道路拓扑的完整双层网络。缺乏明确的耦合规则、任务交互机制和定量层间耦合指标，这阻碍了对系统级别性能的跨层级联故障影响的全面评估。
(3) 缺乏预测引导的恢复优化策略。现有的无人群体恢复方案大多采用静态节点重要性指标。它们忽略了由极端天气演变引起的时变节点退化，也没有结合短期状态预测。这在资源有限的灾后情况下导致了较低的恢复效率。

为了填补这些关键研究空白，本文将低空运输网络视为一个深度耦合的信息物理系统，并系统地研究了其在极端天气干扰下的性能可靠性演变：
(1) 构建通信-物理耦合节点有效状态模型。该模型结合了通信可用性和物理性能保持能力，定义了无人机和无人地面车辆节点的全面有效状态。系统性能通过最大连通分量（LCC）内的有效任务吞吐量来衡量。引入了性能可靠性指标，以准确表征极端天气干扰下的系统性能动态演变。
(2) 建立双层耦合低空交通网络模型。基于多种类型无人机和无人地面车辆的协同运行模式，该模型涵盖了地面道路网络和低空航线网络。它明确定义了两层之间的耦合机制和任务交互规则，并量化了层间耦合连接系数，以全面分析极端天气下的系统性能可靠性。
(3) 提出预测引导的恢复优化策略。通过将韧性重要性与基于LSTM的预测重要性结合到统一的动态重要性框架中，提出了预测引导的恢复优化策略。该策略根据预测的状态演变动态更新节点恢复优先级，能够在资源有限的情况下实现自适应恢复调度并提高整体系统可靠性。

本文的其余部分安排如下：第2节介绍低空交通网络的系统构建。第3节重点分析数据层和物理层的功能退化机制，并在不确定的极端条件下完成可靠性建模。第4节提出基于动态重要性度量的可靠性优化策略。第5节通过实际案例验证模拟结果。第6节总结了整篇论文。

基于物联网的低空交通网络系统构建
智能交通场景是物联网最突出的应用领域之一，其核心目标是通过感知、通信和决策的闭环实现高效稳定的运输系统运行。本文旨在评估极端天气下低空交通网络的性能可靠性和恢复能力，实现了实时气象传感和状态预测。

在不确定信息下的可靠性建模
为了准确评估低空交通网络的可靠性，本节基于物理状态和信息状态的相互依赖性构建了节点可用性模型。它还从信号传输过程和物理实体操作两个角度分析了机制。

动态重要性分析
节点重要性的计算反映了其状态变化对系统可靠性的边际影响。考虑到极端天气特征的持续演变，节点在未来短时间内可能会进一步退化。即使当前状态尚未完全失效，这样的节点也可能成为导致系统可靠性迅速下降的主导因素，尤其是在恢复决策滞后时。因此，本文将节点的动态重要性分为...

案例研究
近年来，深圳全力投入低空经济发展，引领全国低空飞行操作的规模。该市不断增加对空域协同运营的投资和工业服务能力的提升。此外，民航局明确支持深圳建设低空经济产业的国家示范区。2023年9月1日，台风“索拉”给深圳带来了...

结论
本文探讨了极端天气干扰下空地耦合低空交通网络的可靠性优化问题。它提出了一种集成框架，结合了信息物理耦合建模、性能可靠性评估、节点动态重要性量化以及基于动态重要性的恢复优化策略。结果表明，数据驱动的重要性评估在提升系统可靠性的同时，有效平衡了恢复效率和资源利用。论文作者贡献声明如下：

夏婉云：负责撰写、审稿与编辑工作，以及初稿的撰写、方法論设计和概念构思。
张玉晓：负责初稿的撰写、方法論设计和概念构思。
王家峰：负责审稿与编辑工作，以及研究设计与数据整理。
杜红燕：负责审稿与编辑工作，同时承担监督、研究经费申请及正式数据分析的任务。

夏婉云 | 张玉晓 | 王家峰 | 杜红燕