在信息物理融合系统(Cyber-Physical System,CPS)应用中,由于分布式系统的时间粒度差异、异构的无线网络存在数据噪音等原因,往往会造成事件流具有时序不确定性。对于事件流的调度问题,现有研究通常假设事件的执行时刻已知,只有少数研究讨论了在执行时刻模糊未知情况下的事件调度模型。但已有研究都缺少事件本身属性对时序影响的讨论。本文主要针对CPS事件多属性约束对事件流时序的影响,应用模糊理论,建立了CPS时间不确定事件流时序求解模型,并通过增加实时反馈策略增强了模型的动态调度能力。本文主要通过理论分析、数学建模、仿真验证等研究方法开展研究,研究内容及贡献包括:(1)提出一种多属性决策的时间不确定事件流时序推理方法(MAD-UTES)。针对CPS事件流时序决策证据不足问题,本文在考虑多约束条件的基础上,利用D-S证据理论建立事件模糊结束时刻的证据求解及融合模型。然后,通过D-S证据理论和直觉模糊集(Intuitionistic Fuzzy Set,IFS)的关联模型,以及IFS负向时间推理理论,建立模糊开始时刻IFS概率求解模型。最终根据时刻得分,得到时间不确定事件流的时序解。通过仿真实验分析,在模糊区间限制为5,事件数量不超过600的情况下,调度准确度保持在85%以上;模糊区间限制在7以下增长时,调度准确度下降幅度不超过15%。(2)提出一种基于优先系数反馈的时间不确定事件动态调度方法(PFF-UTEDS)。针对MAD-UTES模型缺乏动态处理能力的问题,一方面考虑事件的执行带来的实时价值收益,提出“时间执行价值系数”的概念和模型方法。另一方面利用grey-DEMATEL方法对物理世界事件之间相互影响关系的模糊认知,提出“事件反馈系数”概念及模型方法。最后,基于前两者建立“综合优先系数”计算模型,并给出改进MAD-UTES静态模型的时间不确定事件流动态反馈及抢占调度策略。通过仿真实验验证,在事件数量小于600时,事件执行的错失率可控制在35%以内。增加了模型动态调度的能力。(3)最后,以智能交通(Intelligent Traffic System,ITS)单点十字路口为应用场景,考虑进口道交通流量数据以及进口道之间相互联系,利用MAD-UTES和PFF-UTEDS模型方法设计路口相位的时序推理模型。在此基础上,结合传统的交通信号灯配时策略,实现对四相位交通信号灯的模糊控制策略。仿真结果表明,对比传统的固定配时方案(Fixed Time Plan,FTP)方法,车辆通过水平提高23.76%,且峰值时较FTP提高30%。