吳章華, 曹志敏, 賈 貞

(江蘇自動(dòng)化研究所, 江蘇 連云港 222061)

現(xiàn)代戰(zhàn)爭(zhēng)的復(fù)雜性決定了戰(zhàn)場(chǎng)態(tài)勢(shì)具有復(fù)雜多變、不確定、對(duì)抗性強(qiáng)和信息量大等特點(diǎn)。根據(jù)瞬息萬(wàn)變的戰(zhàn)場(chǎng)態(tài)勢(shì)快速預(yù)測(cè)未來(lái),為指揮員及時(shí)做出正確決策提供依據(jù),并對(duì)作戰(zhàn)方案進(jìn)行評(píng)估,成為當(dāng)前指控系統(tǒng)決策支持的難點(diǎn)[1]。作戰(zhàn)方案推演是在作戰(zhàn)行動(dòng)實(shí)施前或者實(shí)施過(guò)程中,按照作戰(zhàn)方案規(guī)定的作戰(zhàn)意圖、順序和進(jìn)程,對(duì)作戰(zhàn)方案中的不同階段的部署、行動(dòng)所達(dá)成的態(tài)勢(shì)、目標(biāo)或結(jié)果進(jìn)行演練分析的過(guò)程[2]。因此作戰(zhàn)仿真推演系統(tǒng)成為輔助指揮決策人員進(jìn)行方案分析的重要工具。

傳統(tǒng)的作戰(zhàn)方案推演系統(tǒng)是一種離線推演系統(tǒng)。在推演準(zhǔn)備階段,首先需要制作想定文件,然后相關(guān)人員根據(jù)當(dāng)前的戰(zhàn)場(chǎng)態(tài)勢(shì)依據(jù)任務(wù)規(guī)劃,配置資源的初始位置和數(shù)量、仿真模型、指揮結(jié)構(gòu)、行動(dòng)路線等相關(guān)參數(shù),實(shí)現(xiàn)作戰(zhàn)仿真進(jìn)行作戰(zhàn)想定制作,再經(jīng)仿真引擎加載運(yùn)行給出結(jié)果,最后在此基礎(chǔ)之上運(yùn)行評(píng)估軟件,對(duì)仿真結(jié)果進(jìn)行評(píng)估。然而現(xiàn)代戰(zhàn)爭(zhēng)的復(fù)雜性、多變性特點(diǎn)決定了戰(zhàn)場(chǎng)態(tài)勢(shì)變化迅速、戰(zhàn)場(chǎng)信息量大的特點(diǎn),基于當(dāng)前的戰(zhàn)場(chǎng)態(tài)勢(shì),人工制作想定耗費(fèi)大量時(shí)間,不僅會(huì)導(dǎo)致人為的失誤,難以快速制作出多種作戰(zhàn)方案想定,同時(shí)會(huì)失去時(shí)效性。因此在作戰(zhàn)過(guò)程中,傳統(tǒng)的作戰(zhàn)仿真推演系統(tǒng)在輔助作戰(zhàn)指揮人員進(jìn)行快速?zèng)Q策方面存在不足。為了將信息優(yōu)勢(shì)轉(zhuǎn)化為決策優(yōu)勢(shì),提高作戰(zhàn)決策的有效性,迫切需要探索新的方法和手段。一種可行的方案就是將戰(zhàn)場(chǎng)態(tài)勢(shì)信息和相關(guān)作戰(zhàn)信息實(shí)時(shí)注入基于仿真的決策支持系統(tǒng),使仿真系統(tǒng)基于最新態(tài)勢(shì)快速推演出各種行動(dòng)方案。根據(jù)推演過(guò)程與結(jié)果,分析和評(píng)估行動(dòng)方案,并優(yōu)選、調(diào)整和制定新的行動(dòng)方案,實(shí)現(xiàn)在線推演。

將仿真直接嵌入指控系統(tǒng),實(shí)現(xiàn)在線推演,輔助指揮作戰(zhàn)人員進(jìn)行相關(guān)決策,在國(guó)外已有先例。比如美軍應(yīng)用于陸軍、旅級(jí)指揮所的“深綠系統(tǒng)”[3],已嵌入到美軍戰(zhàn)役作戰(zhàn)計(jì)劃的系統(tǒng)中的戰(zhàn)區(qū)級(jí)聯(lián)合作戰(zhàn)模擬系統(tǒng)(JTLS)[4]。目前國(guó)內(nèi)相關(guān)應(yīng)用的資料很少,尚處于探索階段。

1 實(shí)時(shí)推演與離線作戰(zhàn)仿真系統(tǒng)的區(qū)別

基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)以離線作戰(zhàn)仿真系統(tǒng)為基礎(chǔ),通過(guò)對(duì)各模塊的改造,實(shí)現(xiàn)仿真系統(tǒng)與指揮信息系統(tǒng)的互聯(lián)互通,并以實(shí)時(shí)態(tài)勢(shì)為基礎(chǔ),輔助指揮人員進(jìn)行作戰(zhàn)方案的快速制定。二者區(qū)別如表1所示。

表1 實(shí)時(shí)推演系統(tǒng)與離線作戰(zhàn)仿真系統(tǒng)的區(qū)別

由表1可看出,離線作戰(zhàn)仿真推演系統(tǒng)與基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真系統(tǒng)有很大不同,比如離線推演缺少數(shù)據(jù)捕獲預(yù)處理模塊,不依賴于指揮信息系統(tǒng)。但也有很多相似功能,比如支持快速推演,需要想定計(jì)劃等。因此以離線仿真推演系統(tǒng)為基礎(chǔ),實(shí)現(xiàn)可嵌入指揮信息系統(tǒng)的在線仿真系統(tǒng),首先需要研究系統(tǒng)框架,再嵌入新的功能模塊。

2 作戰(zhàn)仿真推演系統(tǒng)總體架構(gòu)

2.1 基于實(shí)時(shí)態(tài)勢(shì)的推演系統(tǒng)架構(gòu)

實(shí)時(shí)決策需要基于真實(shí)的戰(zhàn)場(chǎng)態(tài)勢(shì)分析和評(píng)估各種行動(dòng)方案,預(yù)測(cè)各種方案對(duì)敵產(chǎn)生的效果,以及這些行動(dòng)效果對(duì)敵指揮員下一步?jīng)Q策的影響,讓指揮員可以在決策實(shí)施前進(jìn)行快速的行動(dòng)方案分析,探索多種可能性,確定最有利的行動(dòng)方案[5]。為實(shí)現(xiàn)以上功能,基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)框架設(shè)計(jì)如圖1所示。

整個(gè)系統(tǒng)框架由應(yīng)用層、仿真引擎、想定生成組件、用戶接口組件、數(shù)據(jù)捕獲與處理模塊、仿真結(jié)果分析評(píng)估工具以及指揮信息系統(tǒng)組成。該部分主要依據(jù)實(shí)時(shí)推演系統(tǒng)的特點(diǎn)進(jìn)行相關(guān)模塊的介紹。

指揮信息系統(tǒng)是整個(gè)系統(tǒng)的信息源,同時(shí)為作戰(zhàn)仿真推演系統(tǒng)提供裝備性能數(shù)據(jù)庫(kù)以及歷史情報(bào)數(shù)據(jù)庫(kù)的數(shù)據(jù)庫(kù)查詢服務(wù)。數(shù)據(jù)捕獲與處理模塊是實(shí)時(shí)推演系統(tǒng)區(qū)別于離線推演系統(tǒng)的關(guān)鍵部分。此模塊是基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)與指揮信息系統(tǒng)進(jìn)行信息交互的接口,是本文重點(diǎn)討論的內(nèi)容。由于來(lái)自指揮信息系統(tǒng)的實(shí)時(shí)態(tài)勢(shì)信息格式與仿真系統(tǒng)不同,同時(shí)態(tài)勢(shì)信息中目標(biāo)種類多、目標(biāo)信息量大,因此需要對(duì)目標(biāo)進(jìn)行篩選過(guò)濾,同時(shí)對(duì)不明目標(biāo)信息進(jìn)行識(shí)別,最后對(duì)目標(biāo)進(jìn)行模型匹配,查閱裝備性能數(shù)據(jù)庫(kù)初始化目標(biāo)仿真實(shí)體的參數(shù);實(shí)時(shí)推演不斷地將實(shí)時(shí)態(tài)勢(shì)信息根據(jù)需要?jiǎng)?chuàng)建相應(yīng)的仿真實(shí)體,實(shí)現(xiàn)仿真系統(tǒng)與實(shí)時(shí)系統(tǒng)相一致。能力分析基于實(shí)時(shí)推演系統(tǒng),實(shí)現(xiàn)基地飛機(jī)最大出動(dòng)量計(jì)算、突防效果分析計(jì)算、通信鏈路中關(guān)鍵節(jié)點(diǎn)計(jì)算、地空導(dǎo)彈殺傷遠(yuǎn)界計(jì)算,避免指揮人員手動(dòng)量算,提高決策效率;想定生成根據(jù)通過(guò)主動(dòng)讀取實(shí)時(shí)推演系統(tǒng)實(shí)體信息,結(jié)合相關(guān)數(shù)據(jù)庫(kù),輔助指揮人員進(jìn)行想定文件的快速編輯。

2.2 仿真推演流程分析

基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)的仿真推演流程如圖2所示。

整個(gè)系統(tǒng)的運(yùn)行按照邏輯關(guān)系可分為三個(gè)階段,分別是系統(tǒng)初始化階段、實(shí)時(shí)推演階段、快速推演和評(píng)估階段。系統(tǒng)運(yùn)行初始階段首先訪問(wèn)靜態(tài)目標(biāo)數(shù)據(jù)庫(kù),根據(jù)目標(biāo)唯一標(biāo)識(shí)符在裝備性能數(shù)據(jù)庫(kù)中查找目標(biāo)參數(shù),完成目標(biāo)仿真模型的初始化。然后開(kāi)放總線接收實(shí)時(shí)的戰(zhàn)場(chǎng)態(tài)勢(shì)信息,根據(jù)態(tài)勢(shì)信息中的目標(biāo)型號(hào)訪問(wèn)裝備性能數(shù)據(jù)庫(kù),新建動(dòng)態(tài)目標(biāo)的仿真實(shí)體。由于在初始化運(yùn)行階段需要新建大量目標(biāo)的仿真實(shí)體,因此需要耗費(fèi)一定時(shí)間。

在實(shí)時(shí)推演階段,實(shí)時(shí)系統(tǒng)仍在不斷接收態(tài)勢(shì)信息,但只需創(chuàng)建少量新目標(biāo)的仿真實(shí)體, 實(shí)現(xiàn)與實(shí)際態(tài)勢(shì)相一致的仿真態(tài)勢(shì)。在此基礎(chǔ)上,軍事指揮人員進(jìn)行作戰(zhàn)方案的快速制定,并生成想定文件。同時(shí)可以依據(jù)當(dāng)前的態(tài)勢(shì)信息進(jìn)行能力分析計(jì)算。

快速推演是超實(shí)時(shí)運(yùn)行在實(shí)時(shí)推演系統(tǒng)基礎(chǔ)上制作的想定文件,并將推演結(jié)果送入評(píng)估工具進(jìn)行評(píng)估。若結(jié)果理想,則將最佳方案以及結(jié)果通過(guò)用戶接口展現(xiàn)給操作人員,輔助指揮人員進(jìn)行相關(guān)決策;否則需要指揮人員重新修改作戰(zhàn)計(jì)劃。

3 態(tài)勢(shì)捕獲與處理技術(shù)

3.1 態(tài)勢(shì)捕獲與處理流程分析

態(tài)勢(shì)捕獲與處理模塊是普通作戰(zhàn)推演仿真軟件所不具備的功能,是整個(gè)系統(tǒng)進(jìn)行推演的基礎(chǔ)。態(tài)勢(shì)捕獲與處理流程如圖3所示。

實(shí)時(shí)態(tài)勢(shì)信息量大,目標(biāo)種類多,首先濾除不相關(guān)的目標(biāo),比如漁船、民航客機(jī)等。由于信息質(zhì)量的參差不齊,與作戰(zhàn)計(jì)劃相關(guān)的目標(biāo)可進(jìn)一步分為型號(hào)已知的目標(biāo)和型號(hào)未知的目標(biāo)。對(duì)于型號(hào)已知的目標(biāo),首先確認(rèn)該目標(biāo)是否已經(jīng)創(chuàng)建,對(duì)于已創(chuàng)建目標(biāo)進(jìn)行目標(biāo)狀態(tài)更新,對(duì)于未創(chuàng)建仿真實(shí)體目標(biāo),通過(guò)查詢裝備性能數(shù)據(jù)庫(kù)進(jìn)行模型參數(shù)初始化,再在仿真系統(tǒng)中創(chuàng)建相應(yīng)的仿真實(shí)體模型。對(duì)于型號(hào)未知目標(biāo),采用相關(guān)算法進(jìn)行分析匹配后進(jìn)行模型初始化操作。

3.2 基于歷史數(shù)據(jù)的模型匹配技術(shù)研究

由于仿真實(shí)體建立是以模型為基礎(chǔ),因此需要明確目標(biāo)型號(hào)進(jìn)行相應(yīng)的建模仿真,盡可能提高仿真結(jié)果的說(shuō)服力,因此需要對(duì)未知型號(hào)目標(biāo)進(jìn)行識(shí)別。由于根據(jù)目標(biāo)的當(dāng)前運(yùn)動(dòng)狀態(tài)信息,在裝備性能數(shù)據(jù)庫(kù)中可以查找多個(gè)匹配模型,因此需要結(jié)合歷史態(tài)勢(shì)數(shù)據(jù)庫(kù),通過(guò)相關(guān)分類識(shí)別算法,評(píng)估出更接近的模型。在實(shí)時(shí)態(tài)勢(shì)中,目標(biāo)出現(xiàn)的位置與時(shí)間有其相關(guān)性,而這種相關(guān)性是進(jìn)行目標(biāo)識(shí)別的重要線索[6]。因此以位置和時(shí)間作為過(guò)濾條件,從歷史態(tài)勢(shì)數(shù)據(jù)庫(kù)中選取近期以及相應(yīng)范圍內(nèi)的目標(biāo)信息。

目前常用的分類方法有決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、SVM、Bayes、KNN等[7]。由于KNN無(wú)須事先分類,適合多分類問(wèn)題,適合對(duì)稀有事件進(jìn)行分類的特點(diǎn)[8],本文采用KNN算法,通過(guò)特征匹配,選取與未知目標(biāo)型號(hào)最接近的類型。對(duì)于匹配率小于閾值的目標(biāo),采用通用模型對(duì)其進(jìn)行參數(shù)初始化,閾值大小由操作人員給出。

采用KNN算法識(shí)別不明型號(hào)目標(biāo)的關(guān)鍵步驟如下:

1)提取目標(biāo)特征參數(shù)有敵我屬性、環(huán)境屬性(海陸空)、目標(biāo)型號(hào)、經(jīng)度、緯度、發(fā)現(xiàn)距離、發(fā)現(xiàn)方位、目標(biāo)航向、首次發(fā)現(xiàn)時(shí)間、首次發(fā)現(xiàn)距離, 則態(tài)勢(shì)數(shù)據(jù)可以表示為X(x1,x2,x3,…,xn);xi表示目標(biāo)的第i個(gè)特征。

2)從收到未知型號(hào)目標(biāo)態(tài)勢(shì)信息中提取位置信息,以位置信息為依據(jù)提取歷史態(tài)勢(shì)數(shù)據(jù)庫(kù)中近期該區(qū)域附近的目標(biāo)態(tài)勢(shì)信息。

3)分別根據(jù)K鄰近算法,以當(dāng)前未知目標(biāo)信息與提取的歷史數(shù)據(jù)相比較,對(duì)參數(shù)進(jìn)行誤差歸一化,以經(jīng)度歸一化為例:

(1)

Δlonmax=max(Δlon1,Δlon2,…,Δloni)

(2)

(3)

(4)

4)對(duì)每個(gè)特征因素進(jìn)行差值歸一化后,采用歐氏距離作為dist。

5)得到目前K個(gè)最臨近樣本中的最大距離maxdist,如果dist小于maxdist,則將該訓(xùn)練樣本作為K-最近鄰樣本,統(tǒng)計(jì)K-最近鄰樣本中每個(gè)類標(biāo)號(hào)出現(xiàn)的次數(shù),出現(xiàn)次數(shù)最多的類即為最臨近類。

6)匹配率為最臨近類出現(xiàn)的次數(shù)與K的比值。

說(shuō)明:

?由雷達(dá)方程可知可見(jiàn)最大發(fā)現(xiàn)距離與目標(biāo)的最大散射截面積的1/4次方成正比,因此我們選取首次發(fā)現(xiàn)距離作為重要參考因素。

4 應(yīng)用實(shí)例

本文通過(guò)一個(gè)簡(jiǎn)單的實(shí)例驗(yàn)證基于歷史數(shù)據(jù)的模型匹配技術(shù)在基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)中的應(yīng)用。以空情數(shù)據(jù)為例,選取兩個(gè)月份的歷史融合態(tài)勢(shì)數(shù)據(jù)集,整理前一個(gè)月的數(shù)據(jù)如表2和表3所示。其中BLOB數(shù)據(jù)為有關(guān)該目標(biāo)當(dāng)前航跡的點(diǎn)集。假設(shè)后一月的融合態(tài)勢(shì)信息為實(shí)時(shí)態(tài)勢(shì),提取敵方的實(shí)時(shí)態(tài)勢(shì)信息,并將目標(biāo)舷號(hào)信息去除,如表4和表5所示。

表2 歷史上探測(cè)到三個(gè)典型目標(biāo)的航跡信息

表3 歷史上探測(cè)到三個(gè)典型目標(biāo)的航跡信息(續(xù)表)

表4 實(shí)時(shí)態(tài)勢(shì)信息

表5 實(shí)時(shí)態(tài)勢(shì)信息(續(xù)表)

采用上文介紹KNN算法應(yīng)用方式進(jìn)行數(shù)據(jù)的處理,根據(jù)專家經(jīng)驗(yàn)選取閾值大小為0.8,經(jīng)過(guò)計(jì)算處理后,得到整體的目標(biāo)模型匹配成功率為0.872,滿足實(shí)際需求。

5 結(jié)束語(yǔ)

為更好地支持作戰(zhàn)指揮人員進(jìn)行快速?zèng)Q策,本文在離線作戰(zhàn)仿真推演系統(tǒng)的基礎(chǔ)上,開(kāi)展對(duì)基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真系統(tǒng)框架研究,對(duì)比分析了與離線作戰(zhàn)仿真推演系統(tǒng)的差異。本文重點(diǎn)研究了態(tài)勢(shì)捕獲與處理技術(shù),給出實(shí)時(shí)態(tài)勢(shì)捕獲與處理的工作流程,提出利用KNN算法結(jié)合歷史數(shù)據(jù)庫(kù)實(shí)現(xiàn)對(duì)不明目標(biāo)進(jìn)行模型匹配的方法。最后通過(guò)向推演系統(tǒng)注入態(tài)勢(shì)信息,驗(yàn)證算法的有效性。但基于實(shí)時(shí)態(tài)勢(shì)的作戰(zhàn)仿真推演系統(tǒng)應(yīng)用于實(shí)際作戰(zhàn)中還有不足,比如系統(tǒng)在面對(duì)復(fù)雜的實(shí)時(shí)態(tài)勢(shì)時(shí),如何利用相關(guān)算法快速生成較優(yōu)的作戰(zhàn)方案,以及如何將人工智能、深度學(xué)習(xí)等技術(shù)應(yīng)用于系統(tǒng)中有待進(jìn)一步研究。

[1] 周云. 面向?qū)崟r(shí)作戰(zhàn)決策支持的動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真理論和方法研究[D]. 長(zhǎng)沙:國(guó)防科技大學(xué), 2010: 4.

[2] 程路堯. 作戰(zhàn)方案推演系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 艦船電子工程, 2014，34(11):9-12.

[3] 周云, 黃教民, 黃柯棣. 深綠計(jì)劃關(guān)鍵技術(shù)研究綜述[J]. 系統(tǒng)仿真學(xué)報(bào), 2013, 25(7): 1633-1638.

[4] 竇林濤,初陽(yáng),周玉芳,等. 平行仿真技術(shù)在指控系統(tǒng)中的應(yīng)用構(gòu)想[J]. 指揮控制與仿真,2017,39(1): 62-69.

[5] 胡曉峰, 郭圣明, 賀筱媛. 指揮信息系統(tǒng)的智能化挑戰(zhàn)——“深綠”計(jì)劃及AlphaGo帶來(lái)的啟示與思考[J]. 指揮信息系統(tǒng)與技術(shù), 2016, 7(3): 1-7.

[6] 李小花,李洙:基于數(shù)據(jù)挖掘的戰(zhàn)場(chǎng)目標(biāo)綜合識(shí)別技術(shù)[J]. 指揮控制與仿真, 2016，38(3)：16-23.

[7] 蘇毅娟, 鄧振云, 程德波,等. 大數(shù)據(jù)下的快速 KN N分類算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2016, 33(4): 1003-1006.

[8] 張著英, 黃玉龍, 王翰虎. 一個(gè)高效的KNN分類算法[J]. 計(jì)算機(jī)科學(xué), 2008, 35(3): 170-172.