情报数据驱动的平行仿真实体模型动态匹配方法

周芳　丁冉　程文迪　居真奇

未来现代战争是体系与体系之间的跨域联合作战,战争节奏的加快和战场态势的瞬息变化对指挥员快速决策能力提出新的挑战,如何辅助战场指挥员及时了解战场态势的演化,实现快速决策和临机规划.平行仿真技术的提出为解决上述问题提供了一种新的途径[1−3],面向指挥决策支持的平行仿真是指通过构建平行仿真系统与战场客观环境同步运行,平行仿真系统从实际作战中实时获取真实的战场数据,与仿真模型库中模型描述信息进行动态匹配,生成平行仿真实体,实时更新平行仿真系统的实体组成,通过超实时仿真推演预测未来战场发展趋势,辅助作战指挥决策.仿真实体模型动态匹配的结果直接影响到平行仿真系统与真实战场环境的一致性和平行度.

目前,国外研究并没有“平行仿真”的提法,与其相对应的概念为“动态数据驱动应用系统(DDDAS)[4−5]”、“共生仿真”,其内涵与平行仿真系统类似,强调通过仿真对实际系统进行分析和预测,为管理和控制实际系统的运行提供依据.其中,最具代表性的为“深绿”(Deep Green)计划[6−8],“深绿”通过实时仿真评估,主动生成多种合理的行动方案,形成以支持作战指挥全过程为核心的“训练与作战一体、分析与决策一体”的作战支持模式.国内在平行仿真技术研究方面起步较晚,文献[9]中提出基于平行仿真技术将仿真嵌入实装作战指挥控制系统中,以支持复杂作战筹划,通过平行仿真系统的实时运行能力快速预测未来战场态势,并反馈至实装作战指挥信息系统中,辅助指挥员进行指挥决策,进而影响实际作战.文献[10]中从提升指挥决策的效率和改善决策质量的构想,提出了平行仿真概念,分析了辅助决策对平行仿真系统构建的环境建设需求.

图1　面向指挥决策支持的平行仿真基本概念

由于未来战场态势的瞬息变化、态势信息不完备性等特点,如何在平行仿真运行过程中将获取的实时情报数据与仿真模型进行精准匹配,是平行系统生成需解决的难点之一.本文针对战场态势不完备的条件下平行仿真实体模型匹配问题,提出了情报数据驱动的平行仿真实体模型动态匹配方法,并以某热点区域海空一体化联合作战为想定背景,搭建仿真实验环境对本方法的有效性进行了仿真验证.

1　平行仿真基本概念

面向指挥决策支持的平行仿真系统指构建与指挥信息系统平行运行的仿真镜像系统,通过与指挥信息系统的互联和信息交互,持续从实际指挥信息系统获取最新的战场情报信息,建立战场实体仿真模型,并通过模型的超实时仿真运行,不断对敌方目标可能的作战意图和行为做出判断,生成下一时刻的战场态势预测结果并反馈给指挥信息系统,循环往复,辅助指挥员形成作战方案,并对作战方案的预期效果进行仿真推演和评估,为指挥信息系统的态势预测、决策方案评估提供支撑,使得指挥员能够“透视”未来并及时作出响应.

面向指挥决策支持的平行仿真系统的运行概念如图1所示.

2　战场实体仿真模型体系与描述模型

2.1　战场实体仿真模型体系

根据联合作战环境下指挥信息系统的运作流程(遵循OODA环过程),结合美军联合作战指挥控制系统装备中实体模型分类体系,从组件化实体建模的角度,提出了6大类22种战场实体仿真模型,6大类分别为:侦察监视类、情报处理类、决策控制类、武器平台类、通信类、固定设施类等仿真模型,作为组成平行仿真系统的基本要素,具体如图2所示.

2.1.1　侦察监视类实体模型

侦察监视类实体指侦察、监视类的战场军事实体,包括所有提供作战空间感知的实体,其主要功能是获取作战空间内敌我双方的各种信息,完成侦察和监视任务.该类实体模型主要包括:地面雷达模型、舰载雷达模型、机载雷达模型、声呐雷达等.

图2　战场实体仿真模型体系

2.1.2　情报处理类实体模型

情报处理实体表示对战场目标进行综合/融合处理的战场军事实体,其主要功能是将多个侦察单元获取的战场目标探测数据进行误差校正、时间统一、关联、特征提取与识别等处理,生成战场的统一态势.

2.1.3　决策控制类实体模型

决策控制类实体表示能够根据战场情况形成作战方案并对隶属部队和武器平台(系统)实施指挥控制的战场军事实体,其主要功能是接受从侦察单元或情报处理单元上报的情报信息,进行威胁判断和分析,制定作战计划,对隶属的指挥单元和响应执行单元下达作战命令进行指挥控制.

2.1.4　武器平台类实体模型

武器平台类实体表示能够根据决策控制单元的作战计划或指令完成作战任务的战场军事实体,其主要功能是接收决策控制单元的作战计划或指令,根据作战计划或指令完成行动和任务.

2.1.5　通信类实体模型

通信类实体表示能够从一个作战实体对象向另一个作战实体对象传递信息过程的战场军事实体,实体对象可直接使用合适的通信装备模型对象来模拟通信装备与通信活动.通信类实体模型主要包括:通信干扰设备模型、雷达干扰设备模型、通信电台模型等.

2.1.6　固定设施类实体模型

固定设施类实体表示战场环境下固定部署的基础设施,为战场作战实体提供后勤支援保障.该类实体模型主要包括:机场模型、港口模型、军事基地模型、交通枢纽模型等.

2.2　基于元数据的战场实体仿真模型描述

针对上述建立的战场实体及其基本组件模型,为实现仿真模型组件之间的可重用、互操作,以及在仿真模型库中自动匹配查询、选择和重用仿真模型组件,亟需建立一套战场实体仿真模型描述规范体系.借鉴BOM(基本对象模型)的模型描述模版,结合实体组件化建模的特点,建立了基于元数据的战场实体仿真模型描述模板,提出了4类实体模型描述信息元数据(模型描述基本信息),即模型识别属性、基础模型属性、模型交互属性、组件化子模型配置,形成一套战场实体仿真模型的元数据描述集.建立的基于元数据的战场实体仿真模型描述模板如图3所示.

图3　战场实体仿真模型描述模板

模型识别属性元数据是对战场实体模型的类型、名称、标识等属性进行描述,提供战场实体仿真模型的基础描述信息,支撑实体仿真模型与实时情报数据的快速匹配.本研究从模型类型、模型名称、模型标识、模型关键词、模型功能、模型版本等6方面来描述模型识别信息.

上述6类模型识别属性元数据内涵如下:

1)模型类型:为实体仿真模型的分类属性,其取值范围涵盖:侦察监视、情报处理、决策控制、武器平台、固定设施等模型;

2)模型名称:为实体仿真模型组件赋予一个清晰的描述性名字,使模型使用者能够很快理解实体仿真模型组件的开发意图;

3)模型标识:定义实体仿真模型组件的标识信息,作为仿真模型库中模型识别的身份信息;

4)模型关键词:为实体仿真模型关键特征的描述信息,用于基于关键词的实体仿真模型自动匹配;

5)模型版本:为实体仿真模型的版本信息,支撑仿真模型组件的升级、开发、更新与管理;

6)模型功能:描述仿真模型组件的功能和特性,便于模型开发者理解模型是否符合仿真试验的目标,决定是否再调用该实体模型.

2.2.1　基础模型属性元数据

基础模型属性元数据是对战场实体仿真模型的配置参数类型、参数数量、参数取值等信息进行描述,其描述的粗细粒度取决于实体仿真模型的分辨率、仿真任务和目的,为战场实体仿真模型的核心描述信息.本研究从战场实体固有特征与动态变化特征分类的角度,将从5方面来描述战场实体的基础模型属性元数据,即实体标识属性、实体物理属性、实体行为能力属性、实体工作参数和实体行动计划属性.

上述5类属性的元数据内涵如下:

1)实体标识属性:描述战场实体的类型、名称、型号等固有特征的识别信息,作为实体身份的唯一标识信息;

2)实体物理属性:描述战场实体的物体尺度、易毁属性、部署位置等国有特征的识别信息.

3)实体行为能力属性:描述战场实体的功能与性能技术指标等信息.

4)实体工作参数:指战场实体模型的计算、推演、运算所需的配置参数.

5)实体行动计划属性:用于描述战场实体的行动模式、行动时间、行动路线等规划信息.

2.2.2　交互属性元数据

交互属性元数据是指对战场实体仿真模型的调用参数、信息交互关系、输入/输出接口等模型交互信息进行描述,以实现平行仿真系统运行过程中实体仿真模型间信息互通与互操作.为此,从实体仿真模型的接口调用和信息交互两方面来描述交互属性元数据.

其中,在接口调用方面,将从语法层面对实体仿真模型的输入接口、输出接口、接口参数、取值等信息进行描述,实体仿真模型将通过输入接口、输出接口发送和接收信息、发送与接受仿真事件,从而实现实体模型与其他模型间的互操作.对于输入接口的描述,将从输入接口数量、接口名称、接口参数数量、接口参数名称、接口参数类型与接口参数取值范围等方面进行描述.同理,输出接口的描述与其类似.

在信息交互方面,将从语义层面来描述的实体仿真模型与其他模型之间的信息交互的接口,以确保实体组件接口的一致性理解,具体从交互的信息数量与交互信息描述两方面进行描述.其中,交互信息描述将对交互信息的类型、交互信息含义等进行定义.

2.2.3　组件化子模型配置

组件化子模型配置是对组成战场实体的附加子模型数量、子模型类型、名称、标识、子模型参数类型、取值范围等属性进行设置,通过灵活配置实体的组件化子模型,实现实体仿真模型的动态组合,提高仿真模型动态生成的灵活性和效率.

3　情报数据驱动的战场实体仿真模型分级动态匹配

战场实体仿真模型动态匹配是指将实时获取的战场情报数据以及战场态势信息与平行仿真系统仿真模型库中实体模型进行有效匹配,判定战场实体的仿真模型,其本质是将战场情报描述信息与仿真模型的描述信息进行比较匹配,以发现实体仿真模型.对平行仿真系统中战场实体仿真模型与情报数据进行匹配存在以下难点:1)战场情报信息不完备、不确定性,导致实体目标特征与注册的实体仿真模型描述信息难以精确匹配,可能匹配多个仿真模型、甚至无法匹配,如依据空情信息中目标类型、位置、速度、航向、物理尺寸等信息,匹配出的实体模型类别为空中平台模型,但难以判定具体型号的平台实体模型;2)战场情报数据涉及雷情、电抗情报、技侦情报等类型,不同类型情报数据的语法描述规则不统一,存在相同实体采用不同的名称、类型来描述,导致情报数据的描述语法规则与实体仿真模型的描述信息不一致,难以实现两者之间的“实名匹配”,如何确保描述信息不一致条件下实体仿真模型匹配成功率,成为实体仿真模型亟需解决的难点.

图4　基于特征参数的战场实体仿真模型匹配方法

针对上述存在的难点,提出了基于特征的战场实体仿真模型分级匹配方法,建立了战场实体仿真模型的“三级”匹配过程模型,通过分级实现对实体仿真模型的精细化匹配.“三级”匹配过程分别为:模型标识特征匹配、模型交互属性匹配、实体动态行为特征匹配,具体方法原理如图4所示.

3.1　战场情报特征参数提取

战场情报特征参数提取指对获取的战场情报数据和态势信息进行解析处理,从中提取出与实体仿真模型描述相关的特征,作为实体仿真模型匹配的依据.按照战场情报数据是否随战场环境与作战时间变化的原则,将解析处理后的情报数据划分为两大类:基本特征与行为特征参数,其分类体系如图5所示.

图5　战场情报特征参数分类体系

其中,基本特征参数指不随外界条件变化的战场实体固有的、相对静态的情报数据,与战场实体的作战行为无关.具体划分为二类:标识特征与物理特征.标识特征参数指战场实体的属性、类型、身份等固有的情报数据;物理特征参数指战场实体的物理尺寸大小与部署位置方面的情报数据.

行为特征参数指随战场环境与作战过程的推进而变化的、动态的情报数据,与战场实体作战行为紧密相关.具体划分为3类:状态特征、能力特征与历史行动规律等.状态特征指反映战场实体的当前运行状态、工作参数与实时位置等情报数据;能力特征参数指战场实体的武器装备性能与作战性能方面的情报数据;历史行动规律指战场实体的历史的行动航线/路线、历史的行动范围、作战时间等历史情报数据.

3.2　战场实体仿真模型“三级”匹配过程

考虑战场情报数据的不完备性、不确定性等特点,本研究在战场实体模型和情报特征参数的分类体系研究基础上,依据战场情报数据的详细程度,采用分级匹配、层层过滤的策略,建立了战场实体仿真模型的“三级”匹配过程模型,即模型分类属性匹配、模型识别特征匹配、模型动态行为特征匹配,以实现战场实体仿真模型的准确发现,具体匹配过程模型如图6.

3.2.1　实体仿真模型分类属性匹配

实体仿真模型分类属性的匹配是指将实体仿真模型的分类属性值进行匹配,旨在提高实体仿真模型的匹配效率,减少实体仿真模型的匹配范围.具体匹配过程为:根据战场实体仿真模型组成体系划分,建立战场情报特征数据与实体仿真模型分类体系的映射关系;在匹配过程中,依据实时的战场情报中实体类型数据,通过查询映射关系表,获取当前战场实体仿真模型类型.图7给出了两者之间的映射关系.

3.2.2　实体仿真模型识别特征匹配(第2级匹配)

实体仿真模型的识别特征匹配指将获取情报数据中实体标识特征与仿真模型库中模型的名称、标识与关键词等描述信息进行比较,以确定与情报数据相符合的实体模型类型,本研究将从两方面进行匹配:模型名称与模型关键词,分别计算模型匹配的相似度,建立模型匹配相似表.

1)模型名称匹配

图6　战场实体仿真模型“三级”匹配过程模型

图7　战场情报与实体仿真模型类型映射关系

模型名称匹配将采用语义相似度匹配方法,计算模型名称与实体名称在语义上的符合程度.具体将模型名称与实体名称转化为语义距离的计算,即两者本体概念之间的距离,通过语义距离的计算,来判定模型名称与实体名称之间的相似度.当相比较的两个概念相同时,其语义相似度为1;当两个概念之间无关联时,其语义相似度为0.

2)模型关键词匹配

模型关键词匹配是对仿真模型描述过程中预定关键词与战场情报数据中实体标识别、物理特征等信息进行比较匹配.本研究将采用语义匹配方法,将模型关键词按照词性划分成名词、动词和形容词3类,在不同的词性集合中计算关键词的相似度,最后综合得到实体模型与战场情报关键词之间的相似度.

设两关键词key1与key2,key1包括m个词义s11,···s1m,key2包括n个词义s21···s2n,则两个关键词的相似度为对应词义相似度的最大值,即:

Simkey为关键词相似度,sims为词义相似度.

3.2.3　模型动态行为特征匹配(第3级匹配)

模型动态行为特征匹配是指对战场情报中实体的运行状态、能力特征等特征数据与实体仿真模型描述信息进行比较匹配,实现对战场实体仿真模型的准确匹配.具体包括两方面匹配:实体运行状态匹配、组件化子模型匹配.其中,实体运行状态匹配是对战场情报中有关实体的实时运行状态类数据,如实体的实时位置、速度、高度、航向、加速度等,与仿真模型库中实体性能参数进行比较匹对,判断实时运行状态数据是否在实体性能参数范围内,以此发现实体模型的具体型号.该类匹配主要通过数值计算方法,计算两者之间的相似度.

组件化子模型匹配是指综合运用有关战场实体的各类情报数据(雷情、电抗情报),将实体的行为特征情报与仿真模型中某实体的组件化子模型的行为描述信息进行比较匹对,对各子模型进行综合分析,实现对实体仿真模型的精准匹配.

4　仿真实验

4.1　实验环境

以某区域联合防空为作战应用背景,编辑制定试验想定,搭建本文方法验证的实验环境,环境组成要素涵盖:试验想定设计工具、战情产生工具、仿真试验控制工具、实装情报处理系统和指控系统,以及平行仿真实体模型匹配工具、仿真模型管理工具等,如图8所示.其中,试验想定设计与战情产生工具用于模拟产生战场海空情情报信息,包括海上/空中目标的数量、国籍、属性、编号、运动状态、行动路线、典型战术行动等属性,为实装情报处理系统提供原始情报源数据;情报处理系统将融合处理后的综合情报信息报送至指控系统;平行仿真实体模型匹配工具实时接收情报处理系统输出的综合情报数据,进行解析处理并提取目标情报的特征参数;仿真模型管理工具用于对预先建立战场实体仿真模型进行统一管理.

图8　实验环境组成

在此基础上,采用提出的实体模型动态匹配方法,将实时获取的情报数据与仿真模型库中模型描述参数进行匹配,生成平行仿真实体.

4.2　实验过程与实验结果

利用试验想定设计工具编辑想定事件,通过战情产生工具模拟产生红蓝双方战场目标.假定在T1时刻50批蓝方目标从某方向入侵红方防空区域,红方传感器实时探测蓝方目标,将目标数据上报至情报处理系统,此时战场态势信息如图9所示.

其次,情报处理系统将融合处理后的情报发送至平行仿真实体模型匹配系统中,解析处理综合情报数据、提取情报特征数据,与仿真模型的特征参数进行动态匹配,包括仿真模型的类型、型号、名称、关键字段、功能描述等.平行仿真运行过程中仿真实体动态匹配结果如表1所示(显示前10批目标).

从上述时延可以看出,在获取的实时情报信息较为完备的条件下,可实现战场情报数据与平行仿真实体模型的完全匹配.

图9　战场客观态势信息

表1　战场实时情报数据与仿真实体模型匹配结果

图10　平行仿真实体模型匹配成功率

为有效验证本文方法的有效性,下面通过在战场态势信息不完全的条件下,将情报数据驱动的模型动态匹配方法与基于关键字的模型动态匹配方法进行比较.具体假定在试验想定中,红方传感器遭受不同强度的干扰和打击,导致目标探测概率降低,原始情报数据不完备.因此,在不同数量传感器遭受毁伤条件下,重复上述试验过程,计算仿真实体模型匹配成功率.图10为基于上述两种方法计算得出的模型匹配成功率.

从图10可以看出,相比关键字匹配方法,本文提出的情报数据驱动的三级实体模型匹配的成功率要明显高于现有方法,能够解决态势信息不完备条件下仿真模型匹配难问题.

5　结论

围绕着平行仿真运行过程中如何基于实时情报数据准确匹配出战场实体仿真模型、快速生成平行仿真实体等难题,本文给出了面向指挥决策支持的平行仿真的概念与运行架构.重点针对战场态势信息不全、不完备的特点,提出了基于情报特征数据的平行仿真实体模型分级匹配方法.下一步将围绕着平行仿真运行过程中仿真模型动态加载、模型动态组合等方面展开研究,实现平行仿真系统与战场客观环境的“平行运行”.

1毛少杰,周芳,楚威,等.面向指挥决策支持的平行仿真系统研究[J].指挥与控制学报,2016,2(4):315-321.

2窦林涛,初阳,周玉芳,等.平行仿真技术在指控系统中的应用构想[J].指挥控制与仿真,2017,39(1):62-69.

3孙黎阳,楚威,毛少杰,等.面向C4ISR系统决策支持的平行仿真框架[J].指挥信息系统与技术,2015,6(3):56-62.

4许正昊,张小和,张洋洋,等.动态数据驱动应用系统仿真研究综述[J].机械工程师,2014(4):94-97.

5 DDDASWorkshopReport.NSFsponsoredworkshoponDDDAS-Dynamicdatadrivenapplicationssystems[EB/OL].(2006-1-19)[2016-10-09].http://www.cise.nsf.gov/dddas.

6 KENYON H S.Deep green helps warriors plan ahead[EB/OL].(2007-11-01)[2016-07-01].http://www.afcea.org/content.

7 SURDU C R.Deep green:commander’s tool for COA’s concept[C/OL].(2015-01-15)[2016-03-05].http://www.bucksurdu.com/Professional/Documents/11260-CCCT-8-DeepGreen.pdf.

8 周云,黄教民,黄柯棣.深绿计划关键技术研究综述[J].系统仿真学报,2013,25(7):1633-1638.

9邱晓刚,胡艮胜.面向辅助决策的平行系统思考[J].指挥与控制学报,2016,2(3):230-234.

10邱晓刚,张鹏.面向平行军事系统的领域仿真知识工程研究[J].系统仿真学报,2015,27(8):1665-1670.

11 GILMOUR D,HANNA J,MCKEEVER B,et al.Real-time course of action analysis[C]//Proceedings of the 10th International Command and Control Research and Technology Symposium,2005.

12白天翔,王帅.平行武器:迈向智能战争的武器[J].指挥与控制学报,2017,3(2):89-98.

13 葛承垄,朱元昌,邸彦强,等.装备平行仿真理论框架研究[J].指挥与控制学报,2017,3(1):48-56.

14王会霞.平行仿真技术研究[J].航天控制,2016,6(1):31-36.

15方冰,张翠侠.基于平行仿真的城市交通运输决策支持平台[J].指挥信息系统与技术,2017,8(3):11-17.