基于本体技术的遥感卫星资源调度方法研究

巫震宇，王 鹏，许宇栋，侯可佳，周敬博

(北京市遥感信息研究所，北京 100192)

0 引言

随着我国航天事业迅猛发展，当前在轨遥感卫星数量、种类急剧增加，用户需求也呈现出多样化、复杂化的演变趋势，对卫星资源统一管理、优化调度提出了更高要求。现有遥感卫星地面运控系统中，资源信息大多以扁平化方式存储于数据库，信息间内在联系没有被充分发掘，难以构建成层次化、逻辑统一的整体，对运控系统的可持续发展及多型卫星融合、资源集中管控产生了制约因素。

本体(Ontology)是由古希腊哲学家亚里士多德提出的一个概念，用于解释、说明特定主题所具有的明确的规范，并以此研究客观现实的本质及规律。近年来，本体已被广泛应用于知识工程、语义网络以及信息系统等领域。随着相关技术的不断发展，本体被赋予了新的含义。目前，对于本体最具有代表性的解释是：“本体是对概念模型的明确的、形式化的、可共享的规范说明[1]。它表明搭建本体需要完成4项工作[2]：① 抽象客观世界的某些现象，得到概念模型；② 形式化表述本体，使计算机能够读取；③ 确保本体表述的是共同认可的知识、针对的是有相同特征的集合而不是个体；④ 明确定义本体使用的概念以及相关约束。

有关本体的研究很多，大都集中在测试及模型领域。文献[3-4]探讨了本体服务变异测试技术。文献[3]提出一种数据变异的方法，改变服务请求信息中的数据取值，并对服务响应信息进行分析，提出了针对不同的数据类型的变异算子；文献[4]首先随机生成若干测试数据，然后应用变异算子生成契约的变异体,最后通过这些变异体完成对测试数据的选择。

文献[5-9]将语义技术应用于本体生成中。文献[5]定义测试本体模型，将其作为测试契约；文献[6]利用语义规则描述被测服务的预期行为；文献[7]以OWL-S(Web Ontology Language for Services)描述的服务规约为基础，将服务的本体模型转换为Petri网模型，并为Petri网模型定义本体模型；文献[8]将语义技术应用于服务接口的领域知识建模。提出模型即服务方法；文献[9]提出4种容易出现在本体服务语义描述中的错误。

本文把本体概念引入遥感卫星运行控制领域，将把先前扁平化的卫星资源信息构建成计算机可读的知识体系。首先运用本体技术将卫星、接收、测控和目标等资源信息抽象为概念表述，创建统一的相互关联的遥感资源知识体系；其次依托知识体系搭建基于本体的遥感资源调度系统；最后研究调度系统中基于规则推理的资源冲突识别与消解方法。通过上述研究，用户提出需求后，各颗卫星占用资源及单星、多星间的资源冲突可由系统自行识别，并依照冲突消解规则生成资源调度方案。本文拟重点对遥感资源知识体系建模、调度系统搭建、资源冲突识别与消解3个关键环节进行阐述。

1 遥感资源知识体系建模

网络本体语言(OWL)是由W3C Web本体工作组开发的能够运用于各种应用领域的本体描述语言[10]。OWL建立在RDF以及RDF Schema之上，是对DAML+OIL语言(DARPA Agent Markup Language+Ontology Interchange Language)的改进，并在其基础上增添了最为重要的逻辑功能。OWL包括OWL Lite、OWL DL以及OWL Full三类子语言，表达能力由弱到强。其中，OWL Lite的语法最为简单；OWL DL基于描述逻辑，能够自动计算层次并检测出知识库中的矛盾；OWL Full具有最强的表达力，然而推理能力相对较弱。结合应用需求，本文采用OWL DL描述本体。

1.1 领域本体建模

OWL本体中最基本的3个元素是类(Class)、属性(Property)和个体(Individual)。类是对象的集合，属性表示类之间或者类与数据类型之间的关系，个体也被称为对象实例[11]。本体模型的主要作用是为类和属性做出定义，定义来源于领域信息的语义描述。

在遥感资源知识体系中，个体代表具体的卫星、接收资源等；类代表个体的集合，比如地基接收资源等；属性表示对象和类所具有的特性和具体参数，比如固定地基接收站有且仅有一个经纬度信息；关系用于明确类与个体之间的彼此关联可能具有的方式，比如在特定条件下卫星对某一接收站的传输速率；约束是指采用形式化方式所声明的，关于接纳某项断言作为输入而必须成立的情况的描述，如卫星的载荷使用约束。数据类FixedStation(固定站)的定义如图1所示，约束表达对应的具体描述如表1所示。

图1 FixedStation本体类

表1 FixedStation的基数约束

约束表达约束描述Position exactly 1唯一的位置(经纬度、海拔)Antenna min 1至少一副天线ServerTime exactly 1唯一的工作时段OccupiedTime min 0已占用的时段可以为空

1.2 领域本体整合

上节说明了领域本体的构建方法。在实际应用中，一个知识体系往往包含多个领域，领域自身也可能是由多个子领域组合而成，这就涉及到本体整合问题。当前较为成熟的领域本体整合方法有以下3种：

① 单本体整合方法，也称为全局本体整合方法[12]。这种方法是在整合体系中使用一个全局本体对所有资源信息进行说明。同时，所有用户调用也是通过这个本体来完成的。遥感资源的单本体整合方法如图2所示。

单本体整合法是一种较为简单、直观的整合方法，由于所有资源信息只映射到一个本体，所以在运行控制过程中只需管理一个本体，维护成本较低、技术实现相对简单。但是，这一方法容易受到资源信息改变的影响：如果增加新的资源信息，比如新型卫星投入使用，或者原有信息失效，比如现有卫星退出运行，那么全局本体也需要做出对应修改，这是单本体整合方法的固有缺陷。

图2 遥感资源单本体整合方法

② 多本体整合方法。为了克服单本体整合方法的固有缺陷、便于遥感资源整合，尝试采用多本体整合方法。在多本体方法中，每项资源信息由其自身映射的本体进行描述，单项资源信息本体，也就是领域本体，不受其他资源信息语义的影响。整合时，需要额外建立这些领域本体之间的联系或映射。通过这种联系或者映射，可以完成对其他资源信息的调用，进而实现多个资源信息集成。遥感资源的多本体整合方法如图3所示。

多本体整合方法的优点是每个领域本体都能够保持自身的独立性，相互之间的影响较小，而且在资源整合过程中无需建立全局本体，新增的资源信息不会影响已有领域本体间的映射关系[13]。这一方法的最大问题在于需要反复建立多个领域本体之间映射关系，通常需要使用额外的表示形式来定义本体间的映射，流程较为繁琐。

图3 遥感资源多本体整合方法

③ 混合本体整合方法。为解决多本体整合方法中需要重复建立领域本体间映射的问题，可以在各领域本体之上创建共享知识层，即采用混合本体整合方法[14]。该方法中每项资源信息均由自身对应的领域本体描述语义，保证了资源信息的相对自治性，便于资源信息的更新；另一方面通过借鉴单本体的整合思想，在领域本体之上建立一个共享的知识集，从而确保领域本体之间能够互相调用。遥感资源的混合本体整合方法如图4所示。

图4 遥感资源混合本体整合方法

这一方法的实质是将单本体整合与多本体整合各自的优势结合起来，在一定程度上降低了多本体整合方法中领域本体映射重复构建的复杂性，同时与单本体整合方法相比，又进一步提高了整合系统的灵活性，能够很好地适应遥感卫星地面运控系统的现状。

2 遥感资源调度系统搭建

遥感卫星资源的运行控制业务主要是根据用户需求分配空间和地面资源，对信息获取、处理与传输等活动进行调度，制定能够满足用户需求的测控计划、对地观测计划和数传计划等[15]。现有运控系统存在涉及人员多、工作量大、耗时长、资源难以优化分配等问题，考虑借助本体技术对遥感资源进行统一调度，因本体具有的抽象性，故这一调度方法的应用范围广、适用性强。

语义Web规则描述语言(SWRL)是由W3C提出的一种权威的规则标记语言[16]，它基于OWL的子语言OWL DL以及RuleMe的子语言Datalog[17-18]，允许用户根据本体中的知识编写类规则。这些规则可以根据本体知识库中已存在的事实推断出新的知识。

针对本体知识的推理包含2个方面：一方面是基于描述逻辑的推理[19]，主要用于确定类之间的从属关系以使本体的层次结构更为明晰，同时能够检测本体的一致性，避免冲突定义，比如可利用描述逻辑推理检测前一部分研究内容建立的遥感资源知识体系层次是否分明、逻辑是否统一；另一方面是基于规则的推理[20]，即使用SWRL规则根据已有事实推断出新的事实，规则推理大多采用Jess作为推理引擎。基于SWRL规则与Jess引擎的本体推理框架如图5所示。

图5 基于SWRL规则与Jess引擎的本体推理框架

2.1 遥感资源调度系统构架

基于本体的遥感资源调度系统构架如图6所示。

图6 基于本体的遥感资源调度系统构架

调度系统包含5个重要模块：

物理模型：模拟地球自转及公转，根据卫星轨道根数计算遥感卫星与地面目标和地基、天基接收站的访问时间窗口，将结果推送给用户接口和调度计算模块。

调度计算：根据物理模型计算结果和推理库资源冲突识别结果，根据冲突消解规则修改或者直接生成资源调度方案。

推理库：存储用SWRL编写的遥感资源冲突识别规则，通过与本体的交互完成资源冲突自动识别，规则编制方法将在第3节详细说明。

本体：即第1节建立的遥感资源知识体系，负责为推理库提供层次分明、逻辑统一的资源信息，并能够根据推理结果自主更新。需要注意的是，普通用户没有对本体进行直接操作的权限。

用户接口：为用户提供规则配置接口，同时向用户展示资源冲突的推理识别结果。

2.2 资源信息逻辑关系构建

在资源调度系统中，本体及推理库负责提供调度计算所需的资源知识形式化表述。在本文研究中，本体知识关注点的是遥感资源信息之间的层级结构、逻辑关系，与具体的编程实现相互隔离。调度系统中遥感卫星与地基固定接收站之间的逻辑关系如图7所示。

图7 遥感卫星与地基固定接收站逻辑关系

图7中固定站与卫星之间由可视弧段相互关联，地面站工作时段与可视弧段的合取是数据可接收时段，卫星的数传需求包含持续时间和优先级。只有当卫星数传需求包含在可接收时段之内，才能安排数传计划。

根据第1节，已在本体中完成卫星、测控、接收和目标等资源信息的属性、参数和关系的配置，结合本节中的推理库可以用计算机可读的形式明确各项资源之间的逻辑关系。

3 资源冲突的识别与消解

基于上述研究，通过制定SWRL规则实现资源冲突的自动识别。SWRL规则采用“前提—结论”对的形式进行描述，基本形式为：

Rule：antecedent → consequent

表示：如果前提为真，则推出相应结论。规则中，前提和结论由一个或者多个原子组成，这些原子来源于相应本体。如果前提或结论包含多个原子，那么原子间是合取关系。原子有5种类型，如表2所示，表中，x和y是OWL中已定义的个体，z表示类型常量或者变量。

表2 SWRL规则中的原子类型

原子类型说明C(?x)C为OWL中的类。其为真当且仅当x是C的实例。P(?x,?y)P为OWL中的实例属性。其为真当且仅当x与y通过P相关。Q(?x,?z)Q为OWL中的具体域属性。其为真当且仅当x与z通过Q相关。sameAs(?x,?y)其为真当且仅当x与y是同一对象。differentFrom(?x,?y)其为真当且仅当x与y是不同对象。

3.1 资源冲突识别

在进行冲突识别前，首先需要预判应用场景中所有可能出现的资源冲突，这些冲突包括可能出现在任何资源调度过程中的“普适性”冲突，如数传资源抢占；以及由特定卫星载荷使用约束、数传要求等引发的“特有”冲突。其次，根据不同冲突类型所具有的特征，制定SWRL规则使计算机能够自动识别策略冲突。使用SWRL规则的冲突识别过程，实际上是以本体知识为已知事实的搜索和匹配过程。利用规则判定会在引发资源冲突的卫星、接收站之间建立某种关联，每种关联代表一种冲突类型，由此用户可以获知冲突产生的原因。

下面以卫星间数传资源抢占冲突为例说明SWRL规则的制定过程：

数传资源抢占冲突有3个特征：① 多颗卫星对应同一个接收站；② 接收站天线数少于卫星数量；③ 卫星数传时段有重叠。根据分析，制定如下规则。规则中“比较”操作使用到SWRL提供的built-in元素。

Rule:

Satellite(?a)∧Satellite(?b)∧isVisible(?a,?c)∧isVisible(?b,?d)∧sameAs(?c,?d)∧hasAntenna(?c,?e)∧swrlb:lessThan (?e,2)∧hasTimeInterval(?a,?f)∧hasTimeInterval (?a,?g)∧IsOverLapping(?f,?g)

→dataTransConflict(?a,?b)

总体而言，资源冲突识别的一般流程为：① 结合实际应用场景，查找可能出现的冲突；② 分析各种冲突具有的特征，并根据冲突特征制订SWRL规则；③ 将规则存入推理库，使计算机能够自动识别资源冲突。

3.2 资源冲突消解

基于本体的遥感资源调度系统中，计算机识别出资源冲突后在向用户提示的同时采用冲突消解方案进行资源分配。当前较为主流的资源冲突消解方案分为2种[21-24]：① 基于任务优先级的消解方法；② 基于折中方案的消解方法。前者实现简单，对遥感任务执行的全流程影响较小，理论上可以解决所有的资源冲突，但缺乏灵活性；后者需要进行相对较多的前期准备工作，且会将遥感探测任务复杂化，但能够充分利用资源。2种方法的比较如表3所示。

表3 基于任务优先级和折中方案的消解方法对比

对比项目基于任务优先级的消解方法基于折中方案的消解方法消解方法优先保障高等级任务 执行预设的折中 调度方案灵活性二元化,只能决定任务执行与否 多元化,可根据资源 冲突类型设置不同的 解决方式用户工作量较小,只需明确任务的优先级 较大,需根据冲突类 型制订折中方案资源利用率低 高,优化利用遥感 系统资源

折中方案实质上是对有限的资源进行合理、优化分配，提升利用率。其中，处理机制可以是有针对性的措施或者是具有普适性的调度算法。

将2种消解方法结合在一起，以方法②为冲突消解的主要手段，对于没有制订折中方案的资源冲突，采用方法①。按照这一思路，计算机识别到资源冲突后，应首先查找有无预设的折中方案，如果没有则优先保障高等级任务。

4 结束语

本文针对当前遥感卫星运行控制业务相对独立、资源难以统一优化分配等问题，提出一种基于本体技术的遥感卫星资源调度方法。经仿真实验比对分析，较传统方法，基于本体技术的遥感卫星资源调度方法在智能化水平和资源利用率方面均有较大提升。

同时本文对于本体的实时性及测试的探讨不够深入，后期可在有关调度的应急方面加深研究，为遥感卫星资源调度提供更加智能化的解决方案。

[1] STUDER R,BENJAMINS R,FENSEL D.Knowledge Engineering,Principles and Methods[J].Data and Knowledge Engineering,1998,25(1-2):161-197.

[2] 彭丽仪.基于SWRL-Bridge-Peer模型的本体关联方法的研究与实现[D].广州：中山大学,2008.

[3] OFFUTT J,XU W Z.Generating Test Cases for Web Services Using Data Perturbation[J].SIGSOFT Software Engineering Notes,2004，29(5):1-10.

[4] JIANG Y,LI Y N,HOU S S,et al.Test-data Generation for Web Services Based on Contract Mutation∥In IEEE International Conference on Secure Software Integration and Reliability Improvement,Washington:IEEE Computer Society,2009:281-286.

[5] BAI X Y,LEE S F,TSAI W T,et al.Ontology-based Test Modeling and Partition Testing of Web Services.In:International Conference on Web Services[C]∥Washington:IEEE Computer Society,2008:465-472.[6] BAI X Y,HOU K J,LU H,et al.Semantic-based Test Oracles[C]∥In Computer Software and Applications Conference.Washington:IEEE Computer Society,2011:640-649.

[7] WANG Y B,BAI X Y,LI J Z,et al.Ontology-based Test Case Generation for Testing Web Services[C]∥In Proceedings of the 8th International Symposium on Autonomous Decentralized Systems (ISADS′07),Washington:IEEE Computer Society 2007:43-50.

[8] BAI X Y,LU H,ZHANG Y,et al.Interface-based Automated Testing for Open Software Architecture[C]∥In Computer and Applications Conference Workshops,Washington,IEEE Computer Society,2011:149-154.

[9] LEE S F,BAI X Y,CHEN Y N.Automatic Mutation Testing and Simulation on OWL-S Specified Web Services[C]∥In Simulation Symposium,Washington:IEEE Computer Society,2008:149-156.

[10] SMITH M,WELTY C,MCGUINNESS D.OWL Web Ontology Language Guide,W3C Candidate Recommendation[EB/OL],2004.http:∥www.w3.org/TR/owlguide/.

[11] 王治纲.分布式环境中基于本体的RBAC策略研究[D].武汉:华中科技大学,2006.

[12] BRIAND L C,LABICHE Y,SUN H.Investigating the Use of Analysis Contracts to Support Fault Isolation in Object Oriented Code[C]∥In SIGSOFT Software Engineering Notes,New York:ACM,2002,27(4):70-80.

[13] RICHARDSON D J,O’MALLEY O,TITTLE C.Approaches to Specification-based Testing[C]∥In Proceedings of the ACM SIGSOFT’89 Third Symposium on Software Testing,Analysis,and Verification,New York:ACM,1989,14(8):86-96.

[14] BERTOLINO A,FRANTZEN L,POLINI A,et al.Audition of Web Services for Testing Conformance to Open Specified Protocols[C]∥Architecting Systems with Trustworthy Components,LNCS,3938,2006:1-25.

[15] 贺仁杰，高鹏，白保存，等．成像卫星任务规划模型、算法及其应用[J]．系统工程理论与实践，2011，31(3):411-422．

[16] HORROCKS I,SCHNEIDER P,BOLEY H,et al.SWRL:A Semantic Web Rule Language Combining OWL and RuleML[EB/OL],2004.http:∥www.w3.org/Submission/SWRL/.

[17] BOLEY H,TABET S,WAGNER G.Design Rationale of RuleML:A Markup Language for Semantic Web Rules[C]∥Proceedings of the 1st Semantic Web Working Symposium.Stanford,USA:IEEE Press,2001:381-401.

[18] HORROCKS I.SWRL:A Semantic Web Rule Language Combing OWL and RuleML,2004.Available at:http:∥www.w3.org/Submission/2004/SUBM-SWRL-20040521.

[19] JONES B F,STHAMER H H,EYRES D E.Automatic Structural Testing Using Genetic Algorithms[J].Software Engineering Journal,1996,11(5):299-306.

[20] WANG Y,XIE J Y.An Adaptive Ant Colony Optimization Algorithm and Simulation[J].Journal of System Simulation,2002,14(1):31-33.

[21] JUNG H,JOHNSON M,FELTOVICH P,et al.New Developments in Ontology-based Policy Management:Increasing the Practicality and Comprehensiveness of KAoS[C]∥POLICY,2008:145-152.

[22] CHARALAMBIDES M,FLEGKAS P,PAVLOU G,et al.Policy Conflict Analysis for Diffserv Quality of Service Management[J].IEEE Transactions on Network and Service Management,2009,6(1):15-30.

[23] 梅芳.基于策略的移动网络自主管理机制研究[D].吉林:吉林大学,2010.

[24] 许宇栋.基于PonderTalk网络策略存储与冲突检测的研究[D].南京：解放军理工大学，2013.