空間態(tài)勢認知產(chǎn)品生成及關(guān)鍵技術(shù)研究

強　立, 楊凡德, 施　令

(航天工程大學(xué), 北京　101416)

空間態(tài)勢認知作為空間活動的基礎(chǔ)與前提,已引起各國高度重視。美、俄、英、法等國著力推進空間態(tài)勢監(jiān)視與偵察裝備、空間信息分析處理系統(tǒng)等建設(shè),以全面提升空間態(tài)勢認知能力[1]。

空間態(tài)勢認知研究大多集中在態(tài)勢信息獲取與態(tài)勢展現(xiàn)環(huán)節(jié),重點是偵察和監(jiān)視技術(shù)與可視化技術(shù)[2-3]。態(tài)勢信息獲取是態(tài)勢認知的基礎(chǔ)和資料來源,態(tài)勢展現(xiàn)是輔助決策的必要環(huán)節(jié)與手段。隨著太空監(jiān)視與偵察技術(shù)的深入發(fā)展,各類傳感器獲取到的信息呈爆炸式增長,指揮員決策的主要制約逐漸由信息的量轉(zhuǎn)變?yōu)樾畔⒌馁|(zhì),指揮控制不再滿足于“態(tài)”的獲取與展示,更需要“勢”的深入理解與把握,指控需求逐漸由信息需求升級為決策需求,指揮員需要獲取實時、智能的態(tài)勢深入認知,得到信息中的知識價值,從而在信息優(yōu)勢的基礎(chǔ)上支持決策優(yōu)勢、進而實現(xiàn)行動優(yōu)勢。

空間態(tài)勢認知由信息域到認知域轉(zhuǎn)變,態(tài)勢認知產(chǎn)品生成是從數(shù)據(jù)信息中為指揮員決策提供直接依據(jù)的手段。目前已有一些戰(zhàn)場態(tài)勢評估的研究[4-5],主要著眼于單個事件或目標的預(yù)測與威脅估計,結(jié)果往往比較單一,系統(tǒng)的態(tài)勢認知產(chǎn)品生成框架與技術(shù)研究成果較少,與支持決策的需求還有一定距離。

本文立足于決策對態(tài)勢認知產(chǎn)品的需求,結(jié)合不同角色指揮員的使命任務(wù),研究合理的態(tài)勢認知產(chǎn)品生成方式與技術(shù)框架,將空間態(tài)勢量化為態(tài)勢認知產(chǎn)品,為空間態(tài)勢展現(xiàn)提供資源,為指揮員決策提供空間態(tài)勢的深入認知和直接支持。

1　空間態(tài)勢認知產(chǎn)品內(nèi)涵研究

1.1　空間態(tài)勢認知產(chǎn)品

態(tài)勢認知(Situational Awareness)本義是對戰(zhàn)場情況信息的注意和關(guān)注,包含著印證、分析、判斷、理解等一系列活動,其內(nèi)涵超越了“感知”的信息獲取與處理過程,而與認知過程基本等價[6],強調(diào)的是對態(tài)勢的深入理解與挖掘。

態(tài)勢認知應(yīng)當模仿人腦思維過程來研究。一方面,態(tài)勢認知屬于人因工程[7-8],其目標是提高指揮員對態(tài)勢掌握的滿意度,以提高決策水平,希望補足指揮員在掌握態(tài)勢信息時的腦力和體力局限;另一方面,態(tài)勢認知本質(zhì)是人的思維過程,是人腦指揮決策的一個階段,融合于OODA指揮環(huán)之中,通過對空間目標和環(huán)境的覺察、理解、預(yù)測,逐步深入地將原本模糊的數(shù)據(jù)信息轉(zhuǎn)變?yōu)榫_的知識信息。

結(jié)合空間態(tài)勢要素特點,可以定義空間態(tài)勢認知內(nèi)涵為:在獲取空間目標和環(huán)境信息的基礎(chǔ)上,初步了解空間現(xiàn)狀、深入理解空間態(tài)勢關(guān)聯(lián)與發(fā)展趨勢、全面掌握空間態(tài)勢對空間活動的現(xiàn)有和潛在影響,是對態(tài)勢描述、態(tài)勢理解、態(tài)勢預(yù)測等內(nèi)容的有序綜合。

當前,準確把握角色需求、推送個性化服務(wù),已成為智能指揮決策的重要需求。美軍也提出了為部隊提供“企業(yè)級服務(wù)”[9]的理念。本文將綜合性空間態(tài)勢認知結(jié)果定義為產(chǎn)品,使之具有綜合性、規(guī)范性、定制性,研究可塑造的、可工程化生成的產(chǎn)品的內(nèi)容、結(jié)構(gòu)和生成方式。

目前空間態(tài)勢認知的產(chǎn)品主要分為兩大類:一是文檔、圖表類的產(chǎn)品,如綜合統(tǒng)計表、隕落預(yù)報、歷史數(shù)據(jù)系統(tǒng)、預(yù)測規(guī)避、衛(wèi)星編目等。二是綜合類可視化態(tài)勢產(chǎn)品,即空間態(tài)勢圖。美軍的共用作戰(zhàn)圖(COP)是通用態(tài)勢圖的代表性研究成果,為不同級別作戰(zhàn)人員提供共享態(tài)勢的工具,具備實體/軌跡數(shù)據(jù)管理、數(shù)據(jù)關(guān)聯(lián)、可視化、通信等功能[10]。

由于空間環(huán)境、空間實體的復(fù)雜性和空間行動的特殊性,空間態(tài)勢不具有直觀性,空間態(tài)勢認知產(chǎn)品具備一定特殊性。關(guān)注空間態(tài)勢的指揮員角色眾多,關(guān)注的范圍和重點差異較大,空間態(tài)勢認知產(chǎn)品應(yīng)當基于統(tǒng)一的數(shù)據(jù)上,為不同角色定制產(chǎn)品,為指揮員提供完整的態(tài)勢認知與決策支持,并且能夠?qū)崟r更新認知結(jié)果。

基于上述特點,態(tài)勢認知產(chǎn)品應(yīng)當是對態(tài)勢逐漸深入認知的層次化產(chǎn)品,包含三個層次,如表1所示。各層次間是逐層遞進的關(guān)系,逐步深入地把握態(tài)勢本質(zhì)。

表1　空間態(tài)勢認知產(chǎn)品層次

1.2　空間態(tài)勢認知產(chǎn)品生成過程

完整的空間態(tài)勢認知產(chǎn)品獲取過程可分為態(tài)勢信息獲取、認知產(chǎn)品生成、認知產(chǎn)品展現(xiàn)三個部分,態(tài)勢信息獲取作為前期工作,是產(chǎn)品生成的輸入環(huán)節(jié),態(tài)勢展現(xiàn)是產(chǎn)品生成的后續(xù)環(huán)節(jié),產(chǎn)品生成是態(tài)勢認知的核心環(huán)節(jié)。

空間態(tài)勢認知產(chǎn)品生成過程以基于指揮員角色的需求分析為起點,關(guān)鍵環(huán)節(jié)包括態(tài)勢要素表達、態(tài)勢信息統(tǒng)計描述、以態(tài)勢推理為實現(xiàn)手段的態(tài)勢評估與預(yù)測、知識庫的構(gòu)建與擴充等,最終將空間態(tài)勢的逐層認知聚合為綜合性空間態(tài)勢認知產(chǎn)品,如圖1所示。

2　關(guān)鍵技術(shù)研究

2.1　基于指揮員角色的需求分析技術(shù)

參與空間活動的指揮員角色眾多,根據(jù)指揮層次可以將指揮員劃分為戰(zhàn)略籌劃角色、戰(zhàn)役指揮角色、戰(zhàn)術(shù)控制角色,根據(jù)主要任務(wù)可以將指揮員劃分為空間對抗角色、空間監(jiān)視角色、情報偵察角色、信息支援角色等,根據(jù)航天活動周期可以將指揮員劃分為任務(wù)設(shè)計角色、航天發(fā)射角色、在軌管理角色、廢棄回收角色等。理清不同角色的指揮員對空間態(tài)勢產(chǎn)品的需求,對產(chǎn)品的內(nèi)容、形式、生成過程具有指導(dǎo)意義。

軍事信息系統(tǒng)的需求分析經(jīng)歷了“基于威脅”向“基于能力”的體系化轉(zhuǎn)變,美軍實行的聯(lián)合能力集成與開發(fā)系統(tǒng)(JCIDS)[11]就是一套科學(xué)規(guī)范的聯(lián)合作戰(zhàn)需求開發(fā)與分析機制,其核心的需求分析方法是基于能力的評估分析方法(CBA),其實施流程分為準備階段、功能域分析、功能需求分析、功能解決方案分析4步。態(tài)勢認知產(chǎn)品需求分析,其實質(zhì)是劃定產(chǎn)品的關(guān)注范圍、關(guān)注重點、認知方向、最終成果,是建立在基于能力的需求分析框架之上的。借鑒CBA方法實施流程,結(jié)合國內(nèi)相關(guān)需求分析研究成果[12],本文將基于指揮員角色的空間態(tài)勢認知產(chǎn)品需求分析分為能力需求分析、任務(wù)需求分析、功能需求分析,其內(nèi)容如表2所示。

表2　基于指揮員角色的空間態(tài)勢認知產(chǎn)品需求分析內(nèi)容

2.2　態(tài)勢要素表達技術(shù)

空間態(tài)勢數(shù)據(jù)數(shù)量大項目多,態(tài)勢要素包括實體要素、環(huán)境要素、事件要素、信息要素等,對態(tài)勢數(shù)據(jù)進行合理的組織、對要素進行表達是態(tài)勢分析與推理的前提。

地理信息系統(tǒng)(GIS)是空間數(shù)據(jù)的一類重要組織系統(tǒng),GIS的空間數(shù)據(jù)組織方法有兩種[13]：一種是拓撲關(guān)系數(shù)據(jù)模型,基于對象的幾何特征進行組織,以“節(jié)點-弧段-多邊形”拓撲關(guān)系為基礎(chǔ);另一種是空間實體數(shù)據(jù)模型,以獨立、完整、具有地理意義的實體為基本單位對地理空間進行組織和存儲。

本體建模理論應(yīng)用在態(tài)勢認知研究中,通過建立態(tài)勢認知的知識體系,將態(tài)勢要素與知識進行概念本體建模,如SAW核心本體[4]就是以關(guān)系為核心概念建立,主要組成包括實體、關(guān)系、規(guī)則、狀態(tài)、角色、主題角色、屬性、事件等。

此外,面向?qū)ο蟮膽B(tài)勢要素建模[14]將態(tài)勢表達引擎定義為一個具有準備的時空關(guān)系的各類物體的有序集合,抽象出物體基類,幾何基類等,派生出各要素的屬性特征和時空關(guān)系。

基于特征的要素表達[15]將態(tài)勢特征分為時空成分、幾何成分、專題成分三部分,將實體或現(xiàn)象作為一個整體進行描述與表達,構(gòu)建出態(tài)勢實體模型、環(huán)境模型和事件模型等?；谔卣骱兔嫦?qū)ο蟮慕７椒ㄔ诟拍詈蛿?shù)據(jù)組織上具有的相同性,可以使數(shù)據(jù)模型從概念模型到邏輯實現(xiàn)相統(tǒng)一,便于實現(xiàn)計算機表達與建模。

2.3　態(tài)勢推理技術(shù)

2.3.1態(tài)勢推理方式

態(tài)勢推理是空間態(tài)勢認知產(chǎn)品生成的核心部分,是完成態(tài)勢理解、威脅估計、態(tài)勢預(yù)測等的主要手段。態(tài)勢推理模型的組成部分包括態(tài)勢要素模型、推理框架、知識庫等。根據(jù)態(tài)勢推理過程中知識的表現(xiàn)形式,可以將推理方式分為基于規(guī)則的、基于模板的、基于案例的推理。

1)基于規(guī)則的知識表示與推理

基于規(guī)則的推理(Ruler-based Reasoning,RBR)基本形式為:

Ruler(i):condition(i,j)→operation(i,k)

其中，condition為條件集,operation為方法集。

RBR方法主要環(huán)節(jié)是規(guī)則的獲取與匹配。規(guī)則構(gòu)建方式有專家制定、簡單邏輯推理、數(shù)據(jù)挖掘等。專家制定是通過專家經(jīng)驗確定空間要素聯(lián)系,簡單邏輯推理是通過知識的前后項組合成新的知識。規(guī)則提取的數(shù)據(jù)挖掘方法是基于海量數(shù)據(jù)的學(xué)習(xí)與推理,從數(shù)據(jù)中挖掘要素之間的聯(lián)系,主要方法有支持向量機、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則挖掘、粗糙集等[5]。

從態(tài)勢評估信息庫中獲取大量規(guī)則之后,利用規(guī)則匹配獲得當前態(tài)勢的判斷?；痉椒ㄊ菍σ?guī)則Ruler(i)的j個條件逐條匹配,對匹配成功的條件執(zhí)行操作。相關(guān)的研究包括多模式匹配問題[16]、沖突規(guī)則消解和無匹配規(guī)則問題[17]、標識匹配方法[18]等。

2)基于模板的知識表示與推理

基于模板的推理(Template-based Reasoning,TBR)方法適用于解決根據(jù)不同態(tài)勢的活動類型推理的問題[19]。

空間態(tài)勢推理的模板中應(yīng)該包含的信息有:各方目標集的計劃、空間事件/活動之間的相互關(guān)系、涉及的不同類型的態(tài)勢要素數(shù)據(jù)等。一個具體的模板中包含著基本模板和特殊模板,使得模板具有繼承性。

基于模板的態(tài)勢推理中,對態(tài)勢情況的理解可以形式化表示為[20]

f:M→Γ

其中，Γ為空間中可能出現(xiàn)的全部態(tài)勢類別,即態(tài)勢模板;M為當前態(tài)勢要素的特征集合。映射集合F={f1,f2,…,fn}表示特征與態(tài)勢類別的推理框架。

TBR的實施是在模板構(gòu)建的基礎(chǔ)上將現(xiàn)有因素與模板中的因素進行對比,確定模板的支持度與否定度。TBR與具體的推理模型結(jié)合,可以進行基于模板知識的態(tài)勢推理。模板匹配的一般步驟為[21]:

①根據(jù)觀測到的情況,綜合系統(tǒng)知識庫中的空間態(tài)勢模板進行診斷,建立特定態(tài)勢假設(shè)模板結(jié)構(gòu);

②計算觀測到的行動與特定模板結(jié)構(gòu)的匹配程度;

③計算時間對模板的總的支持度或否定度。

3) 基于案例的知識表示與推理

案例推理(Case-based Reasoning,CBR)用案例來表達知識并把問題求解和學(xué)習(xí)相融合的一種推理方法[22]。對于CBR系統(tǒng),在給定輸入說明的情況下,CBR系統(tǒng)將搜索案例庫,以尋找一個匹配輸入特征的現(xiàn)有案例。如果找到了完全匹配輸入特征的案例,問題直接得到了解答,另一方面,它也可能檢索到一個與輸入特征相似的案例或案例集,用戶可以修改不匹配的部分,得到一個新的案例。

經(jīng)典的CBR環(huán)包括四個部分[23]:案例檢索、案例復(fù)用、案例修正、案例保存,如圖2所示。

綜合來看,RBR可以很好地結(jié)合專家經(jīng)驗和客觀數(shù)據(jù),具有使用靈活的特點,不必要求有豐富的實踐數(shù)據(jù)。TBR是格式更為固定的表示方法,處理活動類型較為固定的問題時效率很高。CBR適合于知識結(jié)構(gòu)復(fù)雜、難以定義和描述以及需要有豐富實踐經(jīng)驗的領(lǐng)域,更新案例庫不需要改變原有案例,維護較為簡單,但實踐資料掌握較少的情況下難以構(gòu)建案例庫?？臻g態(tài)勢推理可以綜合使用規(guī)則推理與案例推理方法,使知識庫兼具靈活表達和及時擴充能力。

2.3.2典型態(tài)勢推理模型

態(tài)勢推理代表性的模型有Petri網(wǎng)、貝葉斯網(wǎng)絡(luò)、D-S證據(jù)推理模型等。

1)Petri網(wǎng)推理模型

Petri網(wǎng)一種可以描述離散動態(tài)事件的數(shù)學(xué)工具,能夠直觀描述系統(tǒng)中的順序、并發(fā)、沖突和同步等關(guān)系,可以隨所建立的模型的邏輯行為和系統(tǒng)性能進行分析和驗證[24]。Petri網(wǎng)在空間態(tài)勢推理中主要應(yīng)用于空間事件分析和預(yù)測。

Petri網(wǎng)形式化表示為

SPN={P,T,F,M}

其中，有限集P={p1,p2,…,pn}表示庫所,描述空間要素;有限集T={t1,t2,…,tm}表示變遷,描述要素變化;F?((P×T)∪(T×P))表示網(wǎng)的流關(guān)系,也稱為弧;M表示網(wǎng)的標識或令牌集。Petri網(wǎng)用庫所、變遷、弧的連接表示系統(tǒng)功能和結(jié)構(gòu),通過變遷的出發(fā)和令牌的移動描述系統(tǒng)的動態(tài)行為。

隨機Petri網(wǎng)[25]、模糊Petri網(wǎng)[26]等研究結(jié)合模糊數(shù)學(xué),描述了不精確、具有模糊行為的知識和系統(tǒng)。著色Petri網(wǎng)[27]將令牌賦予擁有值(顏色),代表由令牌建模的對象的具體特征,更好地表達要素屬性。時間Petri網(wǎng)使令牌具有時間參數(shù),時間參數(shù)由變遷產(chǎn)生,刻畫事件的時間延遲。時序Petri網(wǎng)增加時序邏輯的定義,更好地描述行為過程。

2) 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)使用概率來處理不確定性,通過概率規(guī)則來實現(xiàn)學(xué)習(xí)和推理過程,是一種不確定性知識表示和推理模型,在診斷和預(yù)測推理中得到廣泛應(yīng)用[28-29]。貝葉斯學(xué)習(xí)的結(jié)果表示為隨機變量的概率分布,它可以理解為我們對不同可能性的信任程度。

貝葉斯網(wǎng)絡(luò)建模分為兩個步驟:首先，確定網(wǎng)絡(luò)的拓撲結(jié)構(gòu)；其次，確定網(wǎng)絡(luò)中各節(jié)點的先驗概率或條件概率分布[30]。建模主要有三種方式:一是由專家知識,直接給出拓撲結(jié)構(gòu)和概率參數(shù);二是通過數(shù)據(jù)庫的學(xué)習(xí),運用智能學(xué)習(xí)方法獲取貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù);三是兩階段建模方法,由專家知識手動建立貝葉斯網(wǎng)絡(luò),然后通過學(xué)習(xí)修正先前的網(wǎng)絡(luò)模型。

貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上可以考慮時間因素,將前一時刻的態(tài)勢因素作為當前時刻態(tài)勢估計證據(jù)的一部分。對于事件的不確定性隨時間變化的情形,可以將多個靜態(tài)貝葉斯網(wǎng)絡(luò)組合成動態(tài)貝葉斯網(wǎng)絡(luò)[31]。

3) 證據(jù)推理模型

D-S證據(jù)理論是一種不確定性推理方法,證據(jù)理論利用信息區(qū)間來描述命題的不確定性,可以區(qū)分“不確定”和“不知道”,在不需要先驗概率的情況下,經(jīng)過推理組合得到結(jié)果,為決策級不確定信息的表征與融合提供了有力工具。按照證據(jù)理論進行不確定推理的流程為[32]:證據(jù)建模、證據(jù)結(jié)合與推理、證據(jù)決策、證據(jù)評價。

D-S證據(jù)推理可以看作貝葉斯推理的一種擴展,能有效處理在不確定和未知條件下的一致性推理問題,尤其是采用置信函數(shù)而不是概率作為度量,能滿足比貝葉斯概率更弱的條件,在表達“不確定”、“無知”和進行不確定推理上有獨特的優(yōu)勢[33]。

3　結(jié)束語

空間態(tài)勢信息的復(fù)雜性與豐富性使指揮員難以掌握態(tài)勢深層知識,需要智能的態(tài)勢認知產(chǎn)品提供態(tài)勢深層認知和決策支持,將信息優(yōu)勢轉(zhuǎn)換為決策優(yōu)勢。本文定義了空間態(tài)勢認知與空間態(tài)勢認知產(chǎn)品的內(nèi)涵,研究了基于指揮員角色的空間態(tài)勢認知產(chǎn)品的生成過程。并根據(jù)產(chǎn)品生成過程討論了關(guān)鍵技術(shù)問題,包括基于指揮員角色的需求分析技術(shù)、態(tài)勢要素表達技術(shù)、態(tài)勢推理技術(shù)等,最終的空間態(tài)勢認知產(chǎn)品是集合多層次認知結(jié)果的綜合性產(chǎn)品。希望對空間態(tài)勢認知支持決策研究起到借鑒參考作用。

空間態(tài)勢認知產(chǎn)品生成技術(shù)進一步的發(fā)展方向有兩點:一是將已有經(jīng)驗知識與數(shù)據(jù)挖掘方法充分結(jié)合,研究符合邏輯且具有創(chuàng)造性的知識擴充技術(shù);二是現(xiàn)有的知識推理模型普遍面臨著對大維度時變數(shù)據(jù)處理計算量過大的問題,研究計算復(fù)雜度相對較低的實時態(tài)勢推理技術(shù)具有重要意義。