態(tài)勢與威脅估計:理論概覽和基于本體的方法

黃紅兵 李賢玉 王暉 向剛

信息條件下的現(xiàn)代戰(zhàn)爭,戰(zhàn)場信息量大,戰(zhàn)場態(tài)勢錯綜復(fù)雜、瞬息萬變,指揮人員需要在高度的不確定性和時間壓力下,及時、準(zhǔn)確地判斷情況,并對面臨的威脅進行有效估計,進而作出正確決策.同時,一體化聯(lián)合作戰(zhàn)條件下,各級各類指揮人員對態(tài)勢和威脅需要有相對一致的理解和判斷,才能貫徹作戰(zhàn)意圖,實現(xiàn)作戰(zhàn)自同步[1].這些現(xiàn)實情況就決定了自動化的、基于共享知識的態(tài)勢與威脅估計,是現(xiàn)代戰(zhàn)爭指揮控制必不可少的支持工具.

態(tài)勢和威脅估計是作戰(zhàn)籌劃的重要內(nèi)容,是指揮決策的先決條件,也是高層級信息融合(High Level Information Fusion)[2?3]研究中最主要的內(nèi)容.本文在回顧態(tài)勢與威脅的含義與理論的基礎(chǔ)上,通過總結(jié)已有的理論研究,深入分析了態(tài)勢與威脅估計的任務(wù)和關(guān)鍵,并以本體作為共享知識的表示形式,概述了態(tài)勢與威脅估計的本體化建模和系統(tǒng)的構(gòu)建問題,最后對研究作了總結(jié)和展望.

1 態(tài)勢與威脅的含義與理論

在作戰(zhàn)領(lǐng)域,“態(tài)勢”和“威脅”是兩個使用頻率極高的詞匯,但是當(dāng)要確切給出它們的含義或認(rèn)真思考有關(guān)它們的理論的時候,有時卻常常語焉不詳,這不利于態(tài)勢與威脅估計的理論探索和系統(tǒng)實踐.

1.1 態(tài)勢的理論與邏輯

關(guān)于態(tài)勢的理論與邏輯,公認(rèn)的開創(chuàng)性工作是20世紀(jì)80年代由Barwise和Perry完成的,最早主要體現(xiàn)在《情境與態(tài)度》(Situations and Attitudes)[4]一書中.爾后,Devlin對此進行了修正和完善[5].

在態(tài)勢理論(或情境理論,Situation Theory)中,事件和片段(Events and Episodes)是時間中的態(tài)勢；情景(Scenes)是視覺上感知的態(tài)勢；變化(Changes)是態(tài)勢序列；而事實(Facts)則是語言澄清或歪曲了的態(tài)勢.也就是說,“態(tài)勢”在態(tài)勢理論中處于中心地位,成為描述世界的核心概念.態(tài)勢理論實際上為后來一些研究者給出的態(tài)勢估計概念提供了理論方法,即認(rèn)為“態(tài)勢估計是一種關(guān)于世界的理解；在此,態(tài)勢被表達(dá)為關(guān)于局部世界的陳述的集合”[6].

態(tài)勢邏輯為態(tài)勢理論提供了一種形式化方法,其基本組成是信息子(Infon),即一條關(guān)于世界的陳述信息.信息子具有如下形式:

其中,r是n元關(guān)系；x1,···,xn是適合于關(guān)系r的實體；l是位置；t是時間；p是信息子的極性,p∈{0,1}.在一些研究中,為了表達(dá)信息的不確定性,也將信息子的極性的取值變?yōu)閜∈[0,1].

信息子不是從其自身可以判斷正確或錯誤的事物,而是關(guān)于一個態(tài)勢可能正確或錯誤的特殊信息項.給定態(tài)勢s和信息子σ,用二元關(guān)系“支持”(supports,用符號“|=”表示)將它們聯(lián)系起來,即用符號

表示態(tài)勢s使信息子σ成為事實,簡稱“s支持σ”.

信息子還可以通過合取、析取以及存在和全稱量詞,以遞歸的形式形成復(fù)合信息子(Compound Infons).復(fù)合信息子的定義可以通過信息子邏輯(Infon Logic)給出.例如,信息子σ和τ的合取σ∧τ的形式化定義表示如下:

關(guān)于態(tài)勢邏輯的詳細(xì)介紹超出本文范圍,其完整論述參見文獻(xiàn)[5].

雖然在實際態(tài)勢估計系統(tǒng)的設(shè)計開發(fā)中,并不涉及關(guān)于態(tài)勢的理論與邏輯研究,但是考察這些研究對澄清態(tài)勢概念非常有幫助,可以知道態(tài)勢估計的關(guān)鍵是把握實體之間的關(guān)系,進而從理論上梳理態(tài)勢估計的思路.

1.2 威脅的含義與模型

當(dāng)人們說起“威脅”時,通常有下面幾個不同層面的含義[7]:

1)威脅行為(Threat acts):對“我們”的利益不利的行為；

2)威脅主體(Threat agents):可能會采取威脅行為的個體或組織；

3)威脅事件(Threat events):對“我們”來說可能會產(chǎn)生不利后果的事件,包含有意圖(如攻擊)或無意圖(如自然災(zāi)害、人為失誤等)兩種；

4)危險主體(Threatening agents):在未來某個時間可能會采取威脅行為的個體或組織；

5)危險態(tài)勢(Threatening situations):包含危險主體和行為的態(tài)勢；

6)瀕臨威脅的行為(Threatened acts):在未來可能會被執(zhí)行的威脅行為(或行動)；

7)瀕臨威脅的態(tài)勢(Threatened situations):隨瀕臨威脅的行為產(chǎn)生的態(tài)勢；

從威脅的內(nèi)涵結(jié)構(gòu)上,Little和Rogova[7]認(rèn)為“威脅”概念中存在3個相互關(guān)聯(lián)的要素:

1)意圖(Intentions):想要實現(xiàn)的目標(biāo)或計劃,表達(dá)的是威脅的心理成分,并且常常會受能力和機會的深度影響；

2)能力(Capabilities):施加破壞、損傷的可能力量,體現(xiàn)在作戰(zhàn)實體的種類、屬性及其行為上,表達(dá)的是威脅的實力成分；

3)機會(Opportunities):與實施威脅相關(guān)的條件的狀態(tài),特別是時間和空間上的條件狀態(tài),例如目標(biāo)進入火力范圍、靠近某人或設(shè)施、知悉對方計劃、對方弱點的暴露等.機會讓具有充分能力的個體或組織能夠?qū)崿F(xiàn)自己的意圖,是威脅的現(xiàn)實可能成分.

威脅的“意圖-能力-機會”模型揭示了威脅涉及的核心要素,

區(qū)分這些概念和內(nèi)涵可以更詳細(xì)具體地界定威脅估計所要處理的問題.

2 態(tài)勢與威脅估計的任務(wù)和關(guān)鍵

對于態(tài)勢與威脅估計,討論得最多也最充分的是信息融合領(lǐng)域.態(tài)勢與威脅估計的任務(wù)通常由信息融合模型來界定.

2.1 信息融合模型中的態(tài)勢與威脅估計

自美國國防部實驗室聯(lián)合理事會(Joint Directors of Laboratories,JDL)1987年建立起第一個通用信息融合模型—JDL模型以來,信息融合領(lǐng)域開發(fā)了很多融合模型[8?10].從這些模型采取的視角來看,可以分為:機器處理的視角、人類認(rèn)知的視角、用戶參與的視角、OODA的視角和綜合的視角.這些不同視角強調(diào)了信息融合的不同方面,對于信息融合的研究內(nèi)容和信息融合系統(tǒng)的構(gòu)建都產(chǎn)生很大影響,同時也從不同角度規(guī)定了態(tài)勢與威脅估計的內(nèi)容.

2.1.1 機器處理的視角

機器處理視角下的融合模型以JDL模型為代表,態(tài)勢估計和威脅估計分別位于模型的第2級和第3級,這也是態(tài)勢與威脅估計概念的來源,如圖1所示.

在JDL模型及其后一些續(xù)修訂版本中[11?13],態(tài)勢和威脅估計的含義大體一致,表述如下:

態(tài)勢估計指的是在實體估計的基礎(chǔ)上,對戰(zhàn)場環(huán)境中的實體/事件之間的關(guān)系進行分析、估計和描述,包括兵力結(jié)構(gòu)、作戰(zhàn)單元之間的關(guān)系、參與通信的網(wǎng)絡(luò)及它們之間的依賴關(guān)系,等等,是對現(xiàn)實構(gòu)成的結(jié)構(gòu)的估計和判斷.

威脅估計指的是在態(tài)勢估計的基礎(chǔ)上,將當(dāng)前態(tài)勢外推到將來,預(yù)測未來一段時間內(nèi)可能發(fā)生的事件、可能面臨的威脅、敵我雙方的弱點及作戰(zhàn)的機會等,評估可能行動的效益或損失.

JDL模型中對態(tài)勢和威脅估計的界定,雖然在表述上帶有意識和認(rèn)知的字眼,但是完全是在機器處理的語境下給出的,基于這一模型的態(tài)勢和威脅估計研究也主要以機器自動處理為主.

2.1.2 人類認(rèn)知的視角

人類認(rèn)知視角下的模型以Endsley的態(tài)勢感知模型[14?15]為代表,如圖2所示.

Endsley的態(tài)勢感知模型包含兩大部分,即態(tài)勢感知核心模型和影響態(tài)勢感知的各種因素.態(tài)勢感知核心模型將態(tài)勢感知分成三級心智表達(dá)(Metal Representation):1)感知(Perception),即感知獲取環(huán)境中有關(guān)元素的狀態(tài)、屬性和活動等；2)理解(Comprehension),即對感知到的分離元素的信息進行組裝、綜合和闡釋,形成對當(dāng)前態(tài)勢有組織的表達(dá)；3)預(yù)測(Projection),即根據(jù)當(dāng)前狀態(tài)和其他條件,推斷態(tài)勢變化,預(yù)測未來事件.

圖1 JDL多傳感器融合模型中的態(tài)勢感知和威脅估計

圖2 Endsley的態(tài)勢感知模型

Endsley的態(tài)勢感知模型不是在信息融合背景下提出的,嚴(yán)格來說也不是一個信息融合模型,而是一個人因工程(Human Factor Engineering)背景下的人類對環(huán)境感知的心智模型(Mental Model).雖然如此,由于該模型對態(tài)勢感知的深刻洞察,它對信息融合領(lǐng)域—特別是其中的態(tài)勢估計—的研究產(chǎn)生了很大的影響,許多工作就是基于這一模型來做的[16?18].

Endsley的態(tài)勢感知模型之所以被信息融合領(lǐng)域所重視,一個重要的原因是態(tài)勢感知模型與JDL模型有著天然的聯(lián)系.基于狀態(tài)轉(zhuǎn)換數(shù)據(jù)融合模型(State Transition Data Fusion,STDF)[19],人們給出了這兩種模型的層級之間的對應(yīng)關(guān)系[3],如圖3所示.

從圖3給出的態(tài)勢感知模型與JDL模型各層級之間的對應(yīng)關(guān)系中,可以看出態(tài)勢感知核心模型對應(yīng)了JDL模型中的第1、2、3級,只不過它們分別對應(yīng)于機器功能角度和認(rèn)知功能角度.另外,圖3中的這種聯(lián)系也是用戶參與視角提出的基礎(chǔ).

2.1.3 用戶參與的視角

用戶參與視角下的信息融合模型以JDL用戶(User-JDL)模型[20]和DFIG(Data Fusion Information Group)模型[21]為代表,如圖4和圖5所示.這兩個模型都認(rèn)識到信息融合實踐中用戶參與的重要性,是對JDL模型進行的修正.

User-JDL模型關(guān)注并描述了用戶與融合系統(tǒng)之間的交互活動,強調(diào)信息融合過程中人對各級機器融合信息的修正、判斷和選擇,使融合信息質(zhì)量和應(yīng)用效能得以提升.具體到態(tài)勢與威脅估計,User-JDL模型中用戶:1)向態(tài)勢估計提供這一過程所需要的上下文知識,解決機器中相關(guān)背景知識不足或自動態(tài)勢判斷錯誤的問題；2)向威脅估計提供意圖信息,將己方作戰(zhàn)意圖或判斷對手意圖提供給融合系統(tǒng),修正系統(tǒng)自動產(chǎn)生意圖估計的不足或錯誤.

圖3 態(tài)勢感知模型與JDL模型各層級之間的對應(yīng)關(guān)系

圖4 User-JDL模型中的態(tài)勢感知和威脅估計

圖5 DFIG模型中的態(tài)勢感知和威脅估計

圖6 Omnibus模型

DFIG模型的主要目的是將融合功能與管理功能區(qū)分開來,充分發(fā)揮人在信息融合中的作用,通過傳感器控制、平臺部署、用戶選擇等管理手段,實現(xiàn)資源與過程優(yōu)化,以滿足任務(wù)目標(biāo).具體到態(tài)勢與威脅估計,DFIG模型認(rèn)為人在這兩個融合過程中發(fā)揮主導(dǎo)作用,不同于第1級目標(biāo)估計可以通過機器顯式表達(dá),態(tài)勢與威脅估計是一種隱式融合過程,因為這一過程中用戶的知識和推理以及理解與分析都必不可少.

2.1.4 OODA的視角

OODA(Observe-Orient-Decide-Act)循環(huán)是指揮控制和作戰(zhàn)過程分析中的通用模型,在JDL模型和Endsley的模型中都存在OODA的影子,但是都沒有明確聲明.明確表示結(jié)合了OODA循環(huán)的融合模型的代表是Omnibus模型[22],如圖6所示.Omnibus模型對低層融合描述的比較多,而對態(tài)勢與威脅估計研究的意義不是很大.文獻(xiàn)[10]對其進行了進一步的細(xì)化,將態(tài)勢估計和威脅估計分別放到了判斷和決策階段,如圖7.

圖7 文獻(xiàn)[10]闡述的感知活動OODA內(nèi)涵

2.1.5 綜合的視角

綜合視角下的信息融合模型[23]如圖8所示,它是綜合了以上視角對JDL模型的擴展.具體到態(tài)勢與威脅估計,它既強調(diào)了人的心智模型,也強調(diào)了用戶參與的人機過程,同時還強調(diào)了機器自動處理的支持作用.

2.2 態(tài)勢與威脅估計的關(guān)鍵問題

在軍事信息系統(tǒng)自動化、智能化的發(fā)展趨勢和背景下,綜合上一小節(jié)給出的不同視角下的融合模型,可以認(rèn)為:態(tài)勢與威脅估計是一個以實體估計為基本輸入,在用戶參與下融合了人的知識和意圖,以關(guān)系分析和損失/效益分析為主要任務(wù),通過智能化的機器支持而實現(xiàn)的一個相對自動化的估計過程.態(tài)勢與威脅估計的任務(wù)和作用可以概略地總結(jié)如表1.

綜合考慮態(tài)勢與威脅估計的任務(wù)和作用,存在這樣幾個關(guān)鍵問題:1)態(tài)勢與威脅估計過程中,需要哪些數(shù)據(jù)信息和過程知識？從哪里得到？該怎樣組織？2)具體地,態(tài)勢與威脅估計中一般存在哪些功能過程？3)態(tài)勢與威脅估計的級間作用通常有哪些？怎樣理解和處理？

2.2.1 態(tài)勢與威脅估計的信息資源極其組織與處理

從性質(zhì)上看,態(tài)勢與威脅估計的信息資源可以分為兩大類,即事實信息和過程知識.事實信息包括:1)第1級實體估計產(chǎn)生的關(guān)于實體/事件的信息；2)關(guān)于態(tài)勢和關(guān)系的知識；3)關(guān)于敵方意圖和行動計劃的假設(shè)或想定；4)我方意圖或行動計劃.

圖8 信息融合綜合模型

?

過程知識包括:1)怎樣將顯性事實與隱性事實關(guān)聯(lián)起來,形成合理的推論或假設(shè),即關(guān)于關(guān)聯(lián)的過程知識；2)怎樣對推論或假設(shè)進行估價,給出相應(yīng)的置信度,即關(guān)于估計的過程知識.

從前面給出的信息融合模型可以看出,除了測量信息都是來源于機器外,其他信息資源都有可能來源于兩方面,即人和機器.所以對于態(tài)勢與威脅估計的信息資源,其來源均可能在機器或在人.從自動化和智能化的趨勢和要求看,將人所掌握的態(tài)勢與威脅估計方面的知識,通過各種途徑在機器中表達(dá)出來,是非常關(guān)鍵和必要的.

從知識表達(dá)的角度看,目前的態(tài)勢與威脅估計系統(tǒng),主要采取的是基于數(shù)據(jù)和特殊業(yè)務(wù)過程來實現(xiàn)的,如圖9所示.態(tài)勢與威脅估計的事實信息資源在系統(tǒng)內(nèi)主要以數(shù)據(jù)的形式存在,過程知識在系統(tǒng)內(nèi)主要以特定的業(yè)務(wù)過程的形式存在.通常人也作為信息的擁有者和加工處理者,通過人機接口參與到態(tài)勢與威脅估計過程.

這種信息組織處理方式中,數(shù)據(jù)與業(yè)務(wù)過程相對來說耦合得比較緊,數(shù)據(jù)的語義和語用都在業(yè)務(wù)過程中體現(xiàn),不管是數(shù)據(jù)的格式還是意義變了,態(tài)勢與威脅估計的業(yè)務(wù)過程都需要跟著修改.這種方式的好處是態(tài)勢與威脅估計業(yè)務(wù)過程的設(shè)計相對比較靈活,可以充分挖掘隱含在數(shù)據(jù)中的信息.

圖9 基于數(shù)據(jù)和特殊業(yè)務(wù)過程的組織和處理方式

另一種是基于知識和通用邏輯推理的方式來組織和處理信息,如圖10所示.目前,也有一些系統(tǒng)使用這種方式,如SAWA[24]、PROGNOS[25]等.此種方式中,態(tài)勢與威脅估計的事實信息資源在系統(tǒng)內(nèi)主要以知識的形式存在,過程知識在系統(tǒng)內(nèi)表現(xiàn)為兩種:1)基于邏輯的通用推理過程；2)基于問題查詢的業(yè)務(wù)過程.通用推理過程是基于信息資源的知識表示方式,通過基于一般邏輯的推理引擎而實現(xiàn)的知識推理過程；這一過程主要利用了知識表示所具有的嚴(yán)格語義,以一般化的方式從顯式知識推導(dǎo)隱式知識.業(yè)務(wù)過程則就關(guān)心的問題或需要的信息,通過生成知識查詢語句,利用通用推理過程,從相關(guān)知識庫中獲取知識.

圖10 基于知識和通用邏輯推理的組織和處理方式

這種信息組織處理方式中,知識與業(yè)務(wù)過程相對來說耦合得比較松,知識的語義由知識表示方式確定,業(yè)務(wù)過程不需要對知識數(shù)據(jù)作特別的處理.這種方式的缺點是知識推理受制于知識表示的能力,特別是表達(dá)能力和推理能力,可能難以充分挖掘隱含在數(shù)據(jù)中的信息.

很自然地可以想到綜合以上兩種信息組織和處理方式,但是多種信息組織和表達(dá)方式并存也帶來很多問題:1)信息維護任務(wù)比單一組織和表達(dá)方式更重；2)業(yè)務(wù)應(yīng)用的管理更復(fù)雜.

2.2.2 態(tài)勢與威脅估計中的功能過程

態(tài)勢與威脅估計涉及以下功能過程:

1)關(guān)系界定與建立

無論是態(tài)勢還是威脅,都體現(xiàn)在實體/事件之間或它們與環(huán)境(也可以看成特殊的實體)之間的關(guān)系上,要把握和描述態(tài)勢與威脅必需從關(guān)系入手.所以,態(tài)勢與威脅估計最基本的實質(zhì)上是關(guān)系估計,首要的工作是關(guān)系的建立.

考慮一個僅有10個實體的場景,即使僅考慮二元關(guān)系,它們之間也有10*10=100種關(guān)系,而由這些關(guān)系產(chǎn)生的關(guān)系集合可以達(dá)到2100個.實際上,通常只有相對較少的關(guān)系與關(guān)心的問題相關(guān),那么選擇什么樣的關(guān)系集合作為態(tài)勢與威脅估計的基礎(chǔ)？對于這一問題,通常有兩種路徑:1)由用戶和系統(tǒng)設(shè)計開發(fā)人員選取問題相關(guān)的關(guān)系,并通過編碼實現(xiàn)對關(guān)系的估計；2)系統(tǒng)通過訪問領(lǐng)域知識,分析關(guān)系之間的依賴,進而選取能夠?qū)蛴脩魡栴}相關(guān)關(guān)系的關(guān)系,然后進行進一步的處理.

2)態(tài)勢覺察與分析

態(tài)勢覺察與分析是基于收到的數(shù)據(jù)(主要是實體估計結(jié)果),檢測和關(guān)聯(lián)相關(guān)關(guān)系的顯著特征,估計和判斷實體之間的關(guān)系以及它們對于相關(guān)實體狀態(tài)的意義.

態(tài)勢覺察與分析可以形式化地表示為以下功能過程:

其中,是時刻t時實體估計的結(jié)果,即戰(zhàn)場實體在t時刻的位置、狀態(tài)、身份等屬性信息及其置信度；KER是關(guān)于關(guān)系的知識,是從實體特征到關(guān)系的知識；是基于和KER,判斷和估計出的時刻t時實體之間的關(guān)系以及它們的置信度,Analyzeup是這一判斷估計過程；KRE是關(guān)系的知識,是從關(guān)系到實體狀態(tài)的知識；是基于和KRE,推理和估計出的相關(guān)實體狀態(tài)及其置信度,Analyzedown是這一推理估計過程.

3)態(tài)勢理解與識別

態(tài)勢理解與識別是基于實體信息和實體關(guān)系分析結(jié)果,利用態(tài)勢及其分類的知識,形成對當(dāng)前態(tài)勢的類型識別,用于判斷敵方戰(zhàn)場部署和行動企圖,是對敵方意圖和作戰(zhàn)計劃的識別.

態(tài)勢理解與識別可以形式化地表示為以下功能過程:

其中,Et是時刻t時戰(zhàn)場實體的位置、狀態(tài)、身份等屬性信息及其置信度；Rt是時刻t時戰(zhàn)場實體之間的關(guān)系以及它們的置信度；KS是關(guān)于態(tài)勢及其分類的知識；St基于Et和Rt以及KS,判斷和估計出的時刻t時的態(tài)勢類別及其置信度；Intp是態(tài)勢理解與識別過程.

4)態(tài)勢/事件前瞻

態(tài)勢/事件前瞻是基于已得出的當(dāng)前態(tài)勢,利用關(guān)于態(tài)勢實體和關(guān)系的狀態(tài)變化規(guī)律的知識,對未來可能出現(xiàn)的態(tài)勢/事件進行預(yù)測.

態(tài)勢/事件前瞻可以形式化地表示為以下功能過程:

其中,Et和Et0分別是當(dāng)前時刻t和未來時刻t0戰(zhàn)場實體的位置、狀態(tài)、身份等屬性信息及其置信度；Rt和Rt0分別是當(dāng)前時刻t和未來時刻t0戰(zhàn)場實體間的關(guān)系及其置信度；St和St0分別是當(dāng)前時刻t和未來時刻t0的戰(zhàn)場態(tài)勢及其置信度；KD是關(guān)于態(tài)勢實體和關(guān)系的狀態(tài)變化規(guī)律的知識；Proj是態(tài)勢/事件前瞻過程.

對應(yīng)于不同的級別,既可以是對單個戰(zhàn)場實體未來狀態(tài)的預(yù)測,也可以是對敵方各個級別作戰(zhàn)單位未來狀態(tài)和它們之間關(guān)系變化的預(yù)測,還可以是對高層全局態(tài)勢演變的預(yù)測(如由攻擊狀態(tài)變?yōu)榉烙鶢顟B(tài)).

5)對抗/博弈預(yù)測

對抗/博弈預(yù)測是基于當(dāng)前態(tài)勢和對敵作戰(zhàn)意圖及計劃的判斷,在給定我方意圖和作戰(zhàn)計劃以及敵應(yīng)對方案等想定的基礎(chǔ)上,利用軍事對抗/博弈的知識或規(guī)則,對未來可能出現(xiàn)的態(tài)勢和事件進行預(yù)測.

對抗/博弈預(yù)測可以形式化地表示為以下功能過程:

其中,St和分別是當(dāng)前時刻t和未來時刻t0的戰(zhàn)場態(tài)勢及其置信度；Pthem和Pus分別是敵方和我方的意圖及計劃,KG是軍事對抗/博弈的知識或規(guī)則；Game是對抗/博弈預(yù)測過程.

對抗/博弈預(yù)測一種更高層級的預(yù)測,是對未來高級行為的估計,需要用到敵我雙方的軍事條令條例與相關(guān)知識；在技術(shù)手段上,通常需要用到作戰(zhàn)仿真、兵棋推演等技術(shù).

6)損失/效益評估

損失/效益評估是基于對抗/博弈預(yù)測的結(jié)果,利用相關(guān)評價指標(biāo)和評估分析技術(shù),計算評估軍事對抗過程中的損失或效益.

這些過程中,3)、4)、5)在實際過程實現(xiàn)上一般都涉及假設(shè)生成、假設(shè)評估、假設(shè)選擇的迭代過程,如圖11所示.

圖11 估計過程中假設(shè)的生成、評估、選擇及其迭代過程

另外,這些過程中的數(shù)據(jù)多是以不確定性處理方法獲得的.典型的不確定性處理方法有主觀貝葉斯方法、模糊集合理論、D-S證據(jù)理論等.

2.2.3 態(tài)勢與威脅估計的級間作用

態(tài)勢與威脅估計的對上、對下作用,在圖12所示的信息融合跨層級功能交互中[8],有一定的體現(xiàn).簡單地說,對上的作用是為上一層級的估計過程提供基礎(chǔ)信息；對下的作用是為下一層級的估計過程提供上下文信息.

圖12 信息融合跨層級功能交互[8]

在態(tài)勢與威脅估計的可能性和置信度計算過程中,常常涉及的級間推理包括:

(1)一級到二級的演繹推理(L1→L2 Deduction).以貝葉斯形式可以表示為:

其中,R(x1,···,xm) 為x1,···,xm之間的關(guān)系,Ei(xi)為xi的實體估計結(jié)果,s為態(tài)勢上下文.

(2)一級到二級的歸納推理(L1→L2 Induction).以貝葉斯形式可以表示為:

(3)二級到一級的演繹推理(L2→L1 Deduction).以貝葉斯形式可以表示為:

(4)二級到三級的演繹推理(L2→L3 Deduction).以貝葉斯形式可以表示為:

其中,T(r1,···,rn) 為關(guān)系r1,···,rn中存在的威脅,R(ri)為關(guān)系ri的估計結(jié)果,s為態(tài)勢上下文.

(5)三級到二級的演繹推理(L3→L2 Deduction).以貝葉斯形式可以表示為:

在實際的系統(tǒng)設(shè)計開發(fā)中,態(tài)勢與威脅估計的級間作用通常隱含在在它們的功能過程中,常常并不明確提出來.但是從實踐看,明確它們的級間作用,可以理清系統(tǒng)的設(shè)計實現(xiàn)思路.

3 態(tài)勢與威脅估計的本體化建模

態(tài)勢與威脅估計的本體化建模,就是以本體技術(shù)為工具,對態(tài)勢與威脅估計的相關(guān)知識進行建模,通過知識表示和知識推理的方法進行態(tài)勢與威脅估計.按照文獻(xiàn)[26]的論述,本體不僅作為一種知識表示形式,還作為一種知識共享的方法,服務(wù)于系統(tǒng)互操作.

3.1 態(tài)勢與威脅估計的知識體系

按照一般作戰(zhàn)知識的層次結(jié)構(gòu)[26],態(tài)勢與威脅估計的知識體系如圖13所示,總體上分為3個層次:關(guān)于作戰(zhàn)系統(tǒng)自身的知識、關(guān)于作戰(zhàn)活動的知識、關(guān)于態(tài)勢和威脅及其推理的知識.關(guān)于作戰(zhàn)系統(tǒng)自身的知識和關(guān)于作戰(zhàn)活動的知識,見文獻(xiàn)[26]的討論.關(guān)于態(tài)勢和威脅及其推理的知識,主要包括:1)關(guān)于態(tài)勢關(guān)系和態(tài)勢分類的知識；2)從作戰(zhàn)要素狀態(tài)和作戰(zhàn)活動推導(dǎo)態(tài)勢狀態(tài)及其置信度的知識；3)關(guān)于威脅三要素—意圖、能力和機會—的知識；4)從要素狀態(tài)、作戰(zhàn)活動和態(tài)勢估計結(jié)果推斷威脅類型及其程度的知識.

圖13 態(tài)勢與威脅估計的知識體系

所以,態(tài)勢與威脅估計的本體化建模主要包括兩類:1)態(tài)勢和威脅的概念本體建模；2)態(tài)勢和威脅的推理知識建模.

3.2 態(tài)勢與威脅估計的概念本體建模

按照文獻(xiàn)[26]給出的作戰(zhàn)知識本體化建模方法,態(tài)勢與威脅估計的概念本體建模中,關(guān)于作戰(zhàn)系統(tǒng)自身的知識和關(guān)于作戰(zhàn)活動的知識所涉及的概念,可以利用相關(guān)領(lǐng)域的本體建模成果,集成進態(tài)勢與威脅估計的本體模型.因而,態(tài)勢與威脅估計概念本體建模的主要工作,集中在對態(tài)勢關(guān)系區(qū)分、態(tài)勢分類、威脅分類、意圖鑒別等方面.

“關(guān)系”在作戰(zhàn)知識的本體模型中扮演著非常重要的角色,特別是態(tài)勢與威脅估計基本都是建立在作戰(zhàn)實體之間的關(guān)系、敵我之間的關(guān)系、事件之間的關(guān)系等各種關(guān)系之上.一些文獻(xiàn)就專門探討了“關(guān)系”的分類體系,并利用這些關(guān)系進行事物的本體描述[27?28].在態(tài)勢與威脅估計中,作戰(zhàn)活動的時間配合模式和空間配合模式,是確定態(tài)勢和威脅的類型或狀態(tài)基本依據(jù).因而,在這些關(guān)系中最基本的是時間關(guān)系和空間關(guān)系.許多研究就是基于這些認(rèn)識展開的.

在基于本體的態(tài)勢感知研究中,較為突出的本體—SAW 核心本體[29],就是以“關(guān)系”為核心概念建立起來的,如圖14所示.而在以提高操作員態(tài)勢感知為目的的本體驅(qū)動框架BeAware![30]中,也是從時間關(guān)系和空間關(guān)系,對SAW 核心本體進行了擴展,如圖15所示.

圖14 SAW核心本體

圖15 BeAware!中通過時空關(guān)系對SAW核心本體的擴展

另外還存在一些其他態(tài)勢與威脅估計概念本體建模方法.文獻(xiàn)[16]給出的STO(Situation Theory Ontology)本體,是以Endsley的態(tài)勢感知理論建立起來的.文獻(xiàn)[31]則是從作戰(zhàn)數(shù)據(jù)模型JC3IEDM中抽取相關(guān)本體,并與SAW核心本體進行集成,來生成C4ISR高層信息融合的態(tài)勢感知概念本體.

3.3 態(tài)勢與威脅估計的推理知識建模

態(tài)勢與威脅估計涉及的主要是不確定性推理[8,32,33],也就是基于已經(jīng)獲得的信息,通過相關(guān)知識,推斷所處的態(tài)勢和面臨的威脅,并且估計相應(yīng)的置信度.

對于不確定,文獻(xiàn)[34?35]對其進行了分類,這對于甄別和評價態(tài)勢與威脅估計所涉及的不確定性推理有很大幫助.

由于前述態(tài)勢與威脅估計的功能過程和級間作用,貝葉斯網(wǎng)絡(luò)成為其所涉及的不確定性推理的主要方法,許多工作就是基于這一方法展開的[18,36?38].

其實,許多不同的不確定推理模型是貝葉斯網(wǎng)的特例[39,40],如馬爾科夫鏈、隱馬爾科夫模型、卡爾曼濾波、粒子濾波等.正因為貝葉斯網(wǎng)的一般性,才使其成為態(tài)勢與威脅估計的主流方法.文獻(xiàn)[36]還以貝葉斯網(wǎng)絡(luò)框架,對主觀貝葉斯方法、模糊集合理論、D-S證據(jù)理論等3種不確定性推理方法,進行了統(tǒng)一表示.

對于能夠以貝葉斯網(wǎng)表達(dá)的推理知識的建模,可以通過概率網(wǎng)絡(luò)本體語言(Probabilistic Web Ontology Language,PR-OWL)來進行.這在筆者在前期工作的論述中(文獻(xiàn)[26])已經(jīng)提及.一些工作正是以此為基礎(chǔ)的[25,41?43].

3.4 基于本體的態(tài)勢與威脅估計系統(tǒng)的構(gòu)建

依據(jù)文獻(xiàn)[26]給出的作戰(zhàn)知識應(yīng)用框架,基于本體的態(tài)勢與威脅估計系統(tǒng)的構(gòu)建,可以按照圖16所示的框架來進行.

其中,知識獲取層包括基于本體的實例知識獲取模塊和基于數(shù)學(xué)模型的知識發(fā)現(xiàn)與獲取模塊,主要是因為基于本體的方法不能代替其他分析,而通過相關(guān)數(shù)學(xué)模型的底層數(shù)據(jù)分析可以獲得并生成高層本體知識.由于知識推理通常非常耗資源,可以利用云計算技術(shù)加速對大規(guī)模知識的推理[44?45].另外,模式知識相對變化較小,屬于靜態(tài)知識,而根據(jù)動態(tài)態(tài)勢數(shù)據(jù)生成的實例知識,相對變化較快,因而可以采用動態(tài)知識與靜態(tài)知識分離的策略,以便于知識的組織、管理和使用.

4 結(jié)論與展望

態(tài)勢和威脅估計,在理論上是高層級信息融合研究中最主要的內(nèi)容,在軍事實踐中是作戰(zhàn)籌劃的重要內(nèi)容,同時也是指揮決策的先決條件.本文首先回顧了態(tài)勢的理論與邏輯及威脅的含義與模型,這些理論對于澄清態(tài)勢與威脅的含義,發(fā)展態(tài)勢與威脅估計理論與方法,提供了基本依據(jù)；然后通過總結(jié)已有的理論研究,回顧了信息融合模型中的態(tài)勢與威脅估計,全面深入分析了態(tài)勢與威脅估計的任務(wù)和關(guān)鍵,指出了態(tài)勢與威脅估計是一個以實體估計為基本輸入,在用戶參與下融合了人的知識和意圖,以關(guān)系分析和損失/效益分析為主要任務(wù),通過智能化的機器支持而實現(xiàn)的一個相對自動化的估計過程；進而,以本體作為共享知識的表示形式,概述了態(tài)勢與威脅估計的本體化建模和系統(tǒng)的構(gòu)建問題.

圖16 基于本體的態(tài)勢與威脅估計系統(tǒng)的構(gòu)建框架

雖然基于本體的態(tài)勢與威脅估計是非常值得重視的方法,但也存在一些需要解決的關(guān)鍵問題,如本體語言的表達(dá)能力、知識獲取的手段和大規(guī)模知識推理的效率問題,等等.其解決途徑包括知識獲取工程化、基于云計算的大規(guī)模邏輯知識推理,等等,

另外,貝葉斯網(wǎng)作為態(tài)勢與威脅估計中的主要推理方法,也存在推理的精度和效率的問題,因為精確的貝葉斯推理是一個NP難問題[46],因而開發(fā)有效的貝葉斯推理算法一直是亟待解決的問題.貝葉斯編程(Bayesian Programming)[39]是其中值得關(guān)注的解決方法.

總之,態(tài)勢與威脅估計通常涉及非常復(fù)雜的理論和技術(shù)問題,在聯(lián)合體制下,將現(xiàn)有技術(shù)整合進一個統(tǒng)一框架,以實現(xiàn)系統(tǒng)之間的互操作、互理解和互遵循,是非常有意義的工作.