基于模糊UML的C4ISR系统上下文知识建模方法*

董庆超，乔勇军，胡 博，任会峰，禹明刚

(1.海军航空工程学院，山东 烟台 264001;2.南京炮兵学院，江苏 南京 211132;3.解放军理工大学，江苏 南京 210007)

随着通信与互联网技术的不断发展，以及具有计算和组网能力的设备、PDA、3G、4G手机等不断涌现，传统以计算机为中心的计算模式因无法适应动态变化的人机交互环境而受到严重挑战，因此以传感器、无线通信和计算技术为依托的普适计算模式、上下文感知技术越来越获得研究者的重视。美军《2010联合构想》指出:未来军事通信业务及指挥所的核心能力之一是自适应决策支持，基于当前上下文信息与指挥所业务进行交互以支持指挥员战场决策［1］。上下文感知技术，可以根据指挥所的环境、位置、时间、用户等上下文信息，为指挥员、参谋人员提供决策依据，为各类作战业务、战场活动和作战人员提供与当前环境相适应的的通信方式和计算资源，将普适计算、上下文感知技术融入C4ISR系统建设，可以为指挥控制网络化、智能化提供一种行之有效的技术途径。

如何获取和建模上下文知识是上下文感知技术的一个研究热点，文献［2］通过将上下文分为感知、静态、用户配置和派生等类型，提出一种符合上下文特点的特定建模语言CML(Context Modeling Language)，支持对上述几类上下文的建模;文献［3］提出了一种基于统一建模语言UML(unified modeling language，UML)的面向Web服务的上下文感知建模语言Context UML。文献［4］提出使用本体描述语言OWL(web ontology language，OWL)建模上下文。但是C4ISR系统的上下文领域知识建模较为复杂，以其通信子环节为例，通信装备、通信手段、传输方式的多样化，使得捕获的战场信息呈现海量、多元、动态、异构、移动的特点，同时战场信息具有不精确性，可能是带有噪声的数据，且不同设备和技术获取数据的精度也不同，从而给C4ISR系统的上下文环境带来大量的模糊信息和不确定性因素，如何结合上述业务特点，完整地表示C4ISR业务中所存在的这些模糊的上下文信息，并对这些模糊信息形成的上下文环境进行建模表示，是C4ISR系统上下文感知研究的一个关键点。

本文针对C4ISR系统上下文环境中所存在的各种不确定性和模糊性信息，提出一种基于模糊UML的C4ISR系统上下文知识建模表示方法，首先根据C4ISR系统业务特点，定义上下文元本体，进而通过本体扩展的方式，在现有 UML的基础上，提出一种C4ISR系统上下文知识建模语言。借助该语言，领域专家不仅可以完整地表示C4ISR系统业务中存在的明确业务信息和规则，还可以借助该语言所提出的模糊建模元素，有效地表示领域中存在的模糊信息。

1 上下文本体

1.1 顶层上下文本体

目前业界普遍接受的上下文概念是:上下文是用于刻画空间中实体的信息，包括了人物、设备、地点、时间等物理要素。除此之外，作为C4ISR系统，与之相关的上下文概念还应当包括:系统的目标、任务、执行活动、效果等相关概念。这些概念与系统运行时的上下文环境密切相关，例如:一套支持上下文感知的智能C4ISR系统，它可以根据用户不同数据传输任务的目标和预期效果的差别，自动选择或切换传输信道或传输的方式。上述概念之间彼此关联，例如:“活动”与“预期效果”之间存在“具有”关系，“作战实体”与“位置”之间存在的“位于”关系。上述概念与关系共同构成C4ISR系统的上下文元本体，这里将其构建如图1所示。

图1 C4ISR系统上下文元本体

1.2 领域上下文知识开发模式

C4ISR系统上下文元本体较为抽象，它对应于UML所提出的M2层模型，其作用是定义本体中出现的基本概念和关系，从而统一不同利益相关方对上述概念和关系的基本认识。由于它的语义过于抽象，因此还是无法将该本体直接应用于上下文环境的建模和分析，因此需要在C4ISR系统上下文元本体语义框架的约束下，构建不同子领域的上下文领域本体，即领域内上下文本体，例如:区域防空C4ISR系统领域上下文本体、航空兵C4ISR系统领域上下文本体等。C4ISR系统上下文元本体与各子领域本体之间的关系如图2所示。文献［5-6］指出，在本体的语义约束下，领域专家通过业务活动分解、分析可以构建出各个业务领域内的领域本体，因此可以借鉴上述方法的思想，引导领域专家构建各领域上下文本体，具体方法本文不再具体研究。

图2 元本体与各领域本体关系

2 基于UML的上下文建模语言

目前，构建上下文本体的手段较多，主要分为两类:1)采用UML或改进UML借助面向对象技术构建上下文知识［7］，该方法的特点是通过图形化手段可以直观展现知识的结构，并且开发的知识便于具有软件工程背景的各类人员所理解;2)通过形式化的本体描述语言OWL表示上下文知识［8］，该方法的特点是上下文知识采用形式化的表示形式，可以为计算机直接理解和处理。本文建议采用改进UML建模C4ISR系统的上下文知识，但是UML作为一种通用建模语言，一方面缺少上下文专有建模元素，另一个方面前文已经指出:C4ISR系统的上下文知识领域，常常包含不确定性或模糊性的知识，例如:不同传感器对同一用户位置信息的观测有较大偏差;指挥员对作战效果好、中、坏不同评价结果本身的模糊性等。为此，本文在现有UML建模语言的基础上，通过引入上下文专有概念、模糊建模元素的手段，对UML做出改进，从而使得改进后的UML具备建模C4ISR系统上下文知识的能力。

2.1 领域特定概念扩展

完整而准确的表达特定领域C4ISR系统上下文知识，是有效利用上下文推理实现智能C4ISR系统的前提。由于受到元概念的约束，领域专家应当使用带语义的扩展元素建模，才不会偏离体系结构框架范畴，因此本方法提出首先采用C4ISR系统上下文元本体扩展UML的元语义，进而使用 UML类图构建领域知识模型。

UML的扩展集，即UML Profile是OMG提出的用于扩展UML元模型、构建领域特定建模语言的方法，它通过赋予UML构造子领域特定的语义，从而增强UML的领域适用性。该扩展机制提供了新的构造型、标记值和模型约束，将UML中一些建模元素具体化并引入新的限制条件，同时遵循UML的元模型并保持类、关联、属性等建模元素的原始语义，并能得到成熟的商业CASE工具的支持。下面给出定义引入上下文特定建模元素的具体步骤:

步骤1:在UML Profile中为上下文元本体中的每个概念和关系添加构造型，这些构造型是对UML元模型中元类的扩展，新构造型的名称与元本体中对应的元素相同;

步骤2:利用标记值机制增加新的属性到相应的构造型中，同时添加该属性对应的属性类型和初始值;

步骤3:采用描述逻辑表示模型中概念间的基数约束［9］，例如活动与计算之间的使用关系，采用描述逻辑表示为 Activity⊆∀Use.Computing;

步骤4:如果有必要，可为新添加的构造型创建新的模型图标。

通常采用UML Profile机制构建领域特定建模语言，领域专家多采用对象约束语言OCL(Object Constraint Language，OCL)，表示模型中存在的各种约束关系。考虑到OCL在形式化推理中存在半可判定性问题［10-11］，因此本方法建议采用描述逻辑替代OCL表示上下文概念之间存在的基数约束。描述逻辑是一个推理可判定的形式化系统，这种做法在本研究的基础上，进一步为实现基于上下文信息推理的智能C4ISR系统，奠定形式化逻辑基础。

2.2 模糊扩展

模糊UML是在模糊集和概率论的基础上对UML的一种扩展，同时兼有明确信息和模糊信息的表示能力。它沿用了UML的基本构造子，并且在构造子原始语义的基础上加入模糊概念和概率函数，进而实现对模糊信息的建模。本方法规定模糊类具有以下三层模糊性:

1)一个对象(实例)是否属于某个领域类(概念)是不确定的。它的一阶谓词逻辑形式化语义为

∀x.ClassA-FuzzyLevel1(x)→ μClassA(x)▷◁n

(▷◁包括≤，＜，≥，＞，0≤n≤1)。它的建模表示方法是在类的属性栏中，增加隶属度μ属性项(0≤μ≤1);

2)类具有一个模糊属性，即属性的值域是一个模糊类。它的形式化语义为:∀x.(ClassA-FuzzyLevel2(x)∧HasAttribute(x，y))→ Class-Fuzzy(y)。它的建模表示方法是在模糊属性前增加FUZZY关键字;

3)第三层模糊性是指一个概念的父类或子类是模糊类，那么这个类是模糊类。它的形式化语义为∀x.ClassA-FuzzyLevel3(x)→ FatherClass-Fuzzy(x)或∀x.(ClassA-FuzzyLevel3(x)∧ SubClass(x，y))→Class-Fuzzy(y)。

它的建模表示方法是在模糊类之间构建继承关系。

通过以上对UML的改进，使得改造后的UML具备建模明确和模糊上下文信息的能力。以一个假想的指挥所通信为例，通过传感器检测发现通信信道有信号，但是由于检测设备硬件问题，难以确认是通信信道忙还是噪声信号引发的假象，此时的上下文信息可以通过本方法建模如图3所示。其中显示了不同传感器对同一个信道探测的结果，由于传感器精度、灵敏度等方面的差别，各自对信道忙这一事件的认识程度不同，这种差别就可以反映在隶属度U的数值上。

图3 基于模糊UML的上下文模糊信息建模

3 案例分析

本方法为领域专家提供了一种可行的上下文信息表示方式，为了说明方法的优势，这里以一个假想的指挥所通信领域上下文知识分析建模为例，说明方法特点。假设指挥所通信以卫星通信作为基本通信手段，其中包含语音通信、数据通信和战场视讯通信三大业务。作为一套智能的C4ISR系统，应当具备根据指挥所上下文环境对业务进行相应匹配的能力，例如当指挥所内正在进行的通信活动为战场即时视频传送时，将占用大量带宽且对传输容量要求较高，此时为保证整个野战部队语音通话的流畅，文电的传输无拥塞无丢包需要调整卫星频段为K波段甚至亚毫米波段。假设此时，上下文分析需要考虑的上下文信息包括:网络瞬时流量、光线强弱、移动终端状态、噪声水平和指挥所人数。针对上述指挥所上下文环境，采用本方法可以建模为以下模型，见图4。这里噪声水平、网络瞬时流量、移动终端状态等实体状态上下文信息的获取，与测量设备的精度、故障率、误差率等特性密切相关;视讯流程、数据无丢包无拥塞这些预期效果信息，常常包含模糊的信息因素，例如什么样的标准可以称为流畅，及其个别的视讯卡顿是否还算视讯流畅，对于表示上述模糊的上下文信息，传统的UML建模语言或形式化的OWL本体描述语言，它们都显得无能为力，但是采用本方法借助隶属度、模糊概念、模糊属性等模糊建模元素，就很好的解决了上下文环境中的模糊信息难以表示的问题。

图4 基于模糊UML的指挥所上下文知识模型(片段)

4 结束语

未来智能化的C4ISR系统是各国国防工业部门的研究重点，作为普适计算的一个核心技术，上下文建模、分析和推理技术为智能C4ISR系统提供了一条可行的解决途径。为了正确、完整地建模表示C4ISR系统的上下文环境信息，本文提出了一种基于模糊UML的上下文建模语言，首先根据C4ISR系统的业务特点，结合业界多数认可的上下文概念，定义了C4ISR系统上下文元本体，通过元本体统一不同业务人员对C4ISR系统上下文概念、关系的认识，在此基础上，结合元本体和模糊建模元素，扩展了现有的UML建模语言，新形成的语言不仅可以表示C4ISR系统上下文环境中的明确信息，例如:指挥所人员数量、系统布设地点等，还可以表示由于业务人员理解上的差异或测量设备故障误差，而带来的上下文环境中的模糊信息，从而为领域专家提供了一种可以完整表示C4ISR系统上下文知识的对象建模手段。

在本研究的基础上，可以进一步研究C4ISR系统上下文信息的模糊推理技术，通过设计模糊UML与模糊描述逻辑的映射规则，将上下文信息的智能推理转化为模糊描述逻辑的本体推理［12-13］，进而为实现智能C4ISR系统的上下文信息建模、表示和推理提供一条完整的技术途径，这也是本研究下一步的探索方向。

［1］耿卫东，朱小宁.基于信息系统的体系作战基本问题研究［J］.中国军事科学，2011(1):7-12.

［2］K.Henricksen，J.Indulska.Modelling and using imperfect context information［C］.Proc.2nd Annual Conference on Pervasive Computing and Communications Workshops.2004:33-37.

［3］Quan z S，Boualem B.ComextUMl:a UML-based modeling language for model driven development of context——aware web serviees［C］.Proc.4th lnternational Conference on Mobile Business.2005:206-212.

［4］Gu T，Pung H k，Zhang D Q.Amiddleware for building context-aware mobil service［C］.Proc.59th Vehicilar Technology Conference.2004:2656-2660.

［5］Dong QC，Wang ZX.Capability requirements modeling and verification based on fuzzy ontology.Journal of System Engineering and Electronics［J］.2012，23(1):78-87.

［6］王智学，董庆超，朱卫星，等.一种支持能力需求概念一致性和合理性分析的方法［J］.计算机学报，2013，36(1):10-21.

［7］OMG.OMG Unified Modeling LanguageTM，Superstructure.Version 2.2［EB/OL］.［2009-02-02］.http://www.omg.org/spec/UML/2.2/Superstructure.

［8］Evren S，Bijan P，Bernardo C.Pellet:A practical OWLDL Reasoner［J］.Web Semantics:Science，Services and Agents On the world Wide Web.2007，5(2):51-53.

［9］Object Management Group.UML 2.0 OCL Specification［EB/OL］.http://www.omg.org/issues/.

［10］Cabot J，Teniente E.Incremental integrity checking of UML/OCL conceptual schemas［J］.Journal of Systems and Software 2009，82(9):1459-1478.

［11］Stoilos G，Nikos S，Stamou G.Uncertainty and the semantic Web ［J］.IEEE Trans on Intelligent Systems，2006，21(5):83-877.

［12］王海龙，马宗民.FRESG:一种模糊描述逻辑推理机［J］.计算机研究与发展，2009，46(9):1488-1497.

［13］Cimiano P，Haase P.Reasoning with large A-Boxes in fuzzy description logics using DL reasoners:an experimental evaluation［J/OL］.http//www.aifb.uni-kavlswhe.de/wbs/pci/eswc-area08.pdf，2009.10/2011.3.