情报驱动的平行仿真实体动态生成方法

周 芳, 楚 威, 丁 冉

(中国电子科技集团公司第二十八研究所信息系统工程重点实验室, 江苏 南京 210007)

0 引 言

战争节奏的加快和未来高新技术武器的打击速度,对战场指挥员的指挥决策能力提出了全新的挑战,如何辅助战场指挥员及时掌控战场态势、预测敌方可能采取的行动、建议在某种态势下实施哪些作战方案、推测已方武器的反击效果等,实现对战场态势的主动掌控。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,美国国防部高级研究计划局提出的“Deep Green Plan”[1-3]、美国空军研究实验室研制的基于动态数据驱动应用系统的实时决策支持系统[4-7],目的是通过构建与战场客观环境同步运行的平行仿真系统,通过预先存储的历史数据和实时注入的情报数据来推演与预测未来可能的战场态势,辅助战场指挥员提前做出预案。因此,构建与真实战场环境同步运行的平行仿真系统至关重要,其逼真度直接影响着未来时刻战场态势仿真推演的可信度。

平行仿真与现有的分布式仿真、并行仿真等相比,具有如下特点[8-11]:①仿真模型在仿真运行过程中动态加载,通过情报数据与仿真模型库中模型进行匹配,进行模型实例化,并通过模型的动态组合以生成平行仿真系统;②仿真模型动态演化。依据实时情报数据,仿真模型的参数与模型输出可动态修正与调整,具有自适应演化特性,仿真模型粒度不断精细。因此,仿真模型的动态匹配和模型动态组合是构建和运行平行仿真系统的基础和关键。

在仿真模型的动态组合研究方面,国内外仿真学者普遍采用的方法涵盖组件化建模方法[12-15]、面向服务模型组合方法[16-18],上述方法侧重于解决实体模型的异构问题,包括模型采用的技术体制和设计方法不同、实体模型的粒度不同(平台级模型、聚合级模型等)、模型设计开发时缺少统一标准规范等问题。文献[14]提出面向服务的作战仿真模型组合建模方法,通过模块化开发方法对模型服务进行组合,解决模型匹配差异性和模型组合有效性等难题。实体组件化建模的设计方法,采用“方案-单元-实体-组件”方式的实体管理机制,规范仿真实体模型开发。上述方法中,仿真模型的组合是在仿真运行前通过一致性加载模型组件描述文件和组件执行体完成,在仿真运行过程中不发生改变。而在平行仿真过程中,随着战场实时情报数据的不断注入,平行仿真系统不断匹配出新的实体组件,需要将不同仿真时刻匹配出的组件进行组装与拼接。上述方法的难点体现为:平行仿真运行过程中如何动态更新实体模型组件间的信息交互关系、如何将后续匹配的实体模型组件进行组合、如何确保模型组件间信息交互关系的一致性等。

针对上述问题,本文提出了情报驱动的平行仿真实体动态生成方法,一方面,依据注入的战场实时情报数据,提出行为规则匹配的平行仿真实体模型匹配方法,解决战场情报数据不完备条件下实体模型难以精准匹配的难题。另一方面,针对仿真运行过程中平行仿真实体模型动态组合问题,从组件化建模的角度,提出基于仿真中间件的模型组件动态组合方法,建立模型组件间信息分发关系表,由仿真中间件动态更新模型组件间信息交互关系,并完成模型组件描述信息和组件执行体的动态加载,实现平行仿真实体的快速生成。

1 面向指挥决策支持的平行仿真概念

面向指挥决策的平行仿真是指采用建模与仿真推演技术,接收实装指挥信息系统实时情报/态势数据,动态构建与修正平行仿真实体,生成与客观战场环境平行运行的人工战场环境(即平行仿真系统),将平行仿真系统超实时仿真与预测结果反馈到实际系统中,为指挥员提供未来可能态势,辅助指挥员进行超前决策。通过平行仿真系统的超实时仿真运行,对敌方目标可能的作战行动和意图做出预测,仿真推演未来时刻可能的战场态势并反馈至实装系统,辅助指挥员快速“透视”和预测未来战场态势,动态生成或临机调整预定作战行动方案。图1为面向指挥决策的平行仿真系统概念。从作战过程的角度来看,面向指挥决策支持的平行仿真系统包括两个环:态势推演环、作战方案推演环。“态势推演环”指从接受战场情报数据开始,依托平行仿真推演引擎进行战场态势超实时仿真推演,将态势仿真推演结果反馈至实装系统中。“作战方案推演环”指针对指挥员临时生成或调整的作战行动方案,进行方案仿真推演,将方案推演结果反馈至指挥员。

图1 面向指挥决策的平行仿真概念Fig.1 Parallel simulation concepts for command decision support

2 基于元数据的平行仿真实体模型描述

2.1 平行仿真实体模型

借鉴组件化建模思想,从平行仿真实体功能划分角度,遵循平行仿真实体的结构属性、功能属性和任务属性划分原则,建立了一套平行仿真实体的组件化模型,将模型划分为物理组件、行为组件与裁决评估组件等3类,各类组件的功能如表1所示。

2.2 平行仿真实体模型描述模板

借鉴基于基本对象模型(basic object model, BOM)的模型描述模板,结合实体组件化建模的特点,建立了基于元数据的平行仿真实体仿真模型描述模板,从模型识别属性、模型功能属性、模型实体属性、模型交互属性、组件化子模型配置5方面,提取平行仿真实体模型的元数据,建立模型描述模板。

(1) 模型识别属性

模型识别属性元数据是对平行仿真实体模型的类型、名称、标识、模型关键词、模型版本等属性进行描述,提供实体仿真模型的基础描述信息,作为仿真模型与实时情报数据间快速匹配的依据。

(2) 模型功能属性

模型功能属性是对平行仿真实体模型的基本功能、能力特性、使用范围等进行描述,向模型使用人员提供模型功能的基本描述信息,用于仿真模型匹配的依据。

(3) 模型实体属性

模型实体属性是对平行仿真实体模型的配置参数类型、参数取值等信息进行描述,具体涵盖模型实体标识、物理特征、行为能力、工作参数等属性,具体内涵如下：

①模型实体标识: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等;

②模型实体物理特征:描述战场实体的物体尺度、易毁属性、部署位置等固有特征;

③模型实体行为能力:指战场实体的行动模式、行动时间、行动路线等规划信息;

④模型实体工作参数:指战场实体模型的计算、推演、运算所需的配置参数。

表1 平行仿真实体模型组件

(4) 模型交互属性

交互属性元数据是指对平行仿真实体模型的调用参数、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。从实体仿真模型的接口调用和信息交互两方面进行描述。

(5) 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 情报驱动的平行仿真实体动态生成

平行仿真系统中仿真实体的生成与现有分布式/并行仿真系统中仿真实体生成不同之处在于:一是平行仿真实体是在仿真运行过程中动态生成,与仿真时间相关;二是平行仿真实体是依据注入的实时情报数据,并与仿真模型匹配后动态生成,而现有仿真实体生成是在仿真初始时刻启动运行,与战场情报数据无关;三是仿真运行过程中随着情报数据不断积累,由不同时刻匹配的仿真模型动态组合后构成完整的平行仿真实体。

针对上述特点,提出了情报驱动的平行仿真实体动态生成方法,如图2所示,具体可分为3个环节:战场情报特征提取、仿真模型匹配、仿真模型动态组合。其中,战场情报特征提取负责接收实时注入的战场空情、海情、电抗等情报数据,提取实时情报的特征数据,作为仿真模型匹配的依据;仿真模型匹配环境将根据提取的特征数据,与仿真模型进行动态匹配;仿真模型动态组合环节完成不同仿真时刻匹配的仿真模型关联与动态组装,动态生成平行仿真实体。

图2 情报驱动的平行仿真实体动态生成方法Fig.2 Dynamic generation method for parallel simulation entity based on intelligence driven

3.1 基于行为规则的平行仿真实体模型动态匹配

平行仿真实体模型与情报数据匹配存在以下难点:由于战场情报不完备、不确定性,导致情报特征与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,如依据空情中目标类型、国别、位置、速度、航向等数据,只能匹配出空中平台仿真模型,但难以判定具体哪种类别、型号的仿真模型。针对战场情报不完备的难点,提出基于行为规则的仿真模型匹配方法,其过程包括环节:一是依据战场情报数据中情报类型、目标实体类别、目标大小等基础特征信息,与仿真模型库中模型描述信息进行遍历匹配,匹配出粗粒度的平行仿真实体模型。二是在战场情报数据处理的基础上,通过战场实体目标的行为状态、行动模式、实体能力等行为规则,与平行仿真实体模型描述信息进行匹配,实现平行仿真实体模型的精细化。具体算法如图3所示。

图3 基于行为规则的平行仿真实体模型匹配方法Fig.3 Matching method of parallel simulation entity model based on behavior rules

(1) 模型类别匹配

模型类别匹配采用模型类别匹配映射表方法进行匹配,通过匹配映射表判断当前战场情报数据中目标实体属于哪类仿真模型。匹配过程为:根据平行仿真实体模型组成体系,建立战场情报数据与平行仿真实体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标识码/名称,通过查询映射关系表,获取当前平行仿真实体仿真模型类型。

(2) 行为规则匹配

行为规则匹配是指通过对提取的战场情报数据进行处理后，与仿真模型库中目标实体行为规则描述信息进行匹配,实现平行仿真实体模型的精细化。行为规则匹配包括战场实体目标的行为状态匹配、行动模式、实体能力等规则。

其中,行为状态匹配是指根据实时情报中目标实体的物理大小、航迹、航向、速度与速度变化率、高度与高度变化率等特征参数,与仿真模型库中模型实体属性参数信息(如大中小型目标、速度与速度变化率范围、高度及高度变化率范围等)进行综合匹配,判断目标实体运行状态数据是否在模型实体属性参数范围内,以此匹配目标实体模型的具体类别与型号,如判断当前空中目标为轰炸机、歼击机、电子侦察机、空中巡航弹道等,从而实现平行仿真实体模型的进一步精细化。

行动模式匹配是指根据战场实体目标的行动模式,如空中平台的目标搜索雷达的开关机状态、平台巡逻、爬高或者俯冲等行动模式,与平行仿真实体模型描述信息匹配,该类匹配采用相似度计算方法。

假定平行仿真模型对目标实体的行动模式做出了规范化定义,不需要进行规范化处理。行动模式相似度采用编辑距离来衡量,编辑距离为1表示完全匹配,直接细化平行仿真实体模型类别。对于指定的2个字符串M1和M2,编辑距离是指将M1转换到M2所需基本字符编辑操作(插入、删除和替换)的最少次数。

设两字符串编辑距离为Distance(m,n),M1与M2字符长度分别为m、n,一次基本字符编辑操作的代价为1,则行动模式匹配相似度表达式为

式中,sim(M1,M2)为行动模式匹配相似度。

3.2 基于仿真中间件的平行仿真实体模型动态组合

与现有仿真模型组合不同之处表现为:平行仿真实体模型组合是在仿真运行过程中动态完成,根据实时注入的情报数据,将不同仿真时刻动态匹配出的模型组件与预先匹配的模型组件进行动态组合。以预警机实体为例,作战初始阶段由于机载探测雷达处于无线静默状态,此时预警机模型仅为空中平台组件;随着作战时间推移,通过电子侦察手段探测到预警机上挂载的雷达开机工作后,实时情报处理系统更新关联后的空中平台与雷达情报信息。此时,将匹配的雷达组件与空中平台组件进行动态拼接,动态组合成预警机实体模型。而现有仿真实体模型的组合是在仿真运行前一致性装配组件描述文件和加载组件执行体,组件之间通过共享数据的方式实现信息传递,仿真实体模型之间通过消息驱动和实现机制完成信息交互。上述特点带来以下难题:如何将不同仿真时刻匹配的组件进行动态关联与组合、如何动态建立与更新组件间信息交互关系等。

针对上述问题,采用仿真中间件实现平行仿真实体模型动态组合,其核心思想为:改变现有组件之间直接进行信息交互的模式,转变为由仿真中间件完成模型组件间信息交互,实现仿真数据在模型组件之间的透明传输。平行仿真实体模型动态组合划分为两阶段:信息交互关系设置、组件执行体装配阶段。具体如图4所示。

3.2.1 仿真中间件

仿真中间件是指提供仿真模型组件动态匹配与加载调度、模型组件管理、模型组件交互管理、时间管理、仿真运行控制管理等功能,完成仿真模型组件间信息交互的运行支撑平台。

图4 基于仿真中间件的平行仿真实体模型动态组合Fig.4 Dynamic composition of parallel simulation entity model based on simulation middleware

其中,模型组件管理部分包括模型静态管理和动态管理模块,静态管理模块主要建立构建模型组件、对模型的识别信息和描述信息进行统一管理,包括模型的类别、标识、功能、模型实体属性等,提供对模型的增加、删除、修改和查询等功能;动态管理模块提供模型运行过程中模型属性的赋值和方法的调用。

模型组件交互管理模块提供模型组件之间信息交互关系的建立、更新、删除、维护等管理功能。

3.2.2 平行仿真实体模型组件描述

平行仿真实体模型组件由属性、方法与接口组成,属性体现组件配置信息和能力特性,包括组件类型、名称、标识ID、仿真开始运行时间、结束时间等。方法反映组件的具体业务功能或业务操作。接口用于组件与仿真中间件的交互,具体包括动态加载接口、初始化接口、仿真时间推进接口、组件状态输入与输出接口、事件输入与输出接口。①动态加载接口用于仿真中间件对模型组件可执行代码进行加载与控制,将可执行代码加载至仿真运行环境中;②初始化接口用于对加载的组件参数进行赋值;③仿真时间推进接口用仿真中间件控制组件仿真时间的推进;④组件状态输入与输出接口:用于向仿真中间件公布自身状态信息和需订阅的状态信息;⑤事件输入与输出接口:用户向仿真中间件发布和接收事件。

在模型组件规范化描述的基础上,通过构建信息交互关系映射表,依据实时融合处理后情报数据(如预警雷达与空中平台进行关联,对应同一的空中目标),仿真中间件将动态修正信息交互关系映射表,动态组合不同时刻匹配的模型组件。

定义1信息交互关系表——实体模型组件间信息交互关系,涵盖组件信息分发和订阅关系,确保模型组件信息交互的一致性,如图5所示。

假设实体模型A共有n个组件,标记为a1,a2,…,an,实体模型B有m个组件,标记为b1,b2,…,bm,模型组件间信息交互关系包括组件与组件之间、组件与实体模型间交互关系,不失一般性,采用信息交互映射函数rel(ai,aj)表示模型组件间的信息交互关系,表示为

图5 平行仿真实体模型组件间信息交互Fig.5 Information interaction between parallel simulation entity model component

则平行仿真实体模型间的信息交互关系可表示为

式中,Map(A)表示实体模型A内组件间信息交互关系矩阵;Map(A,B)表示实体模型A与实体模型B之间信息交互关系矩阵。

3.2.3 信息交互关系的设置

信息交互关系的设置将依据实时情报数据中目标标识号以及目标之间的通信关系(这是由于电子侦察、技术侦察等手段,可探测战场目标之间是否通信),由仿真中间件完成。具体过程为:由仿真中间件中模型组件交互管理模块判断当前目标匹配的模型组件是否已加载,若首次加载,则根据目标标识号与目标通信关系,实时更新信息交互关系表中映射关系。以预警机实体模型为例,初始时刻匹配出空中目标(A1)模型,随着情报积累,在t1时刻探测出空中目标A2与A1之间有通信,根据A1与A2间通信关系,仿真中间件动态更新信息交互关系表,完成模型组件间的信息交互。

3.2.4 组件执行体装配

平行仿真实体模型组件执行体以“DLL/Com”形式存在,是与特定的编程语言、平台相关的模型。采用黑盒组合方法,依据模型组件执行体所在的存储路径,通过仿真中间件将组件执行体加载到平行仿真系统中。在模型组件运行过程中,模型组件之间的信息交互将通过仿真中间件中模型组件交互管理模块完成,模型组件之间不直接进行数据交互,即模型组件输出的数据先发送至仿真中间件,由仿真中间件将信息转发至目标组件。

4 仿真实验结果

以某热点区域联合防空作战为案例,设计不同规模和想定任务的试验想定,根据情报驱动的平行仿真实体动态生成方法,统计不同想定下的平行仿真实体模型的匹配时间、匹配成功率和仿真实体生成时间。

根据区域联合防空作战的使用任务,假定某时刻蓝方空中目标从不同方位突然转向,飞向红方某防空基地与机场等重要目标,实施重点目标打击任务。为此,在想定中,分别设计了N批(N=5,10,50,100,150,200)不同波次的蓝方空中作战力量,涵盖实施空中侦察预警任务、掩护任务、突击任务与电子干扰任务等的作战飞机。

针对上述试验想定,重复进行多组试验,统计不同规模的蓝方目标条件下仿真实体模型匹配时间和平均匹配时间,如图6所示。

图6 不同目标规模下平行仿真实体模型匹配时间Fig.6 Matching time of parallel simulation entity model under different target scale

在战场情报数据不完备条件下,分别采用本文方法与基于关键字的模型匹配方法进行验证。假定实时情报数据中仅给出目标类型、标识、位置、速度、航向、大小等标识信息,从模型匹配时间和模型匹配成功率两方面进行综合比较,如图7和图8所示。

图7 平行仿真实体模型匹配时间对比曲线Fig.7 Comparison curves about matching time of parallel simulation entity model

根据图7和图8可知,与基于关键字匹配方法相比,随着蓝方目标数量的增加,本文方法在匹配成功率上明显优于基于关键字的匹配成功率,但匹配时间要稍长于后者,这是因为本文方法在关键词匹配的基础上增加了实体的运行状态与行为模式的匹配,大幅度提高了匹配成功率,同时也增加了匹配时间。

图8 平行仿真实体模型匹配成功率对比曲线Fig.8 Comparison curves about matching success rate of parallel simulation entity model

为有效验证平行仿真实体模型动态生成效率,假定在某时刻t2蓝方作战飞机中挂载的雷达设备、电台开机,红方通过雷达对抗侦察和通信对抗侦察等手段,获取蓝方作战飞机挂载的雷达、电台设备的类型、型号、工作参数等情报数据,汇聚至情报处理系统中进行融合处理,并发送至平行仿真系统中。此时,平行仿真系统同步动态匹配出雷达模型组件与电台模型组件,由仿真中间件完成雷达/电台组件的动态组合,同时更新组件间信息交互关系。从模型动态组合效率的角度,设计不同规模的蓝方空中目标,分别统计模型组件信息交互关系动态更新时间、组件执行体本地加载时间、组件参数赋值时间,作为模型组件动态组合时间,如图9所示。

图9 平行仿真实体模型组件动态组合时间Fig.9 Dynamic composition time of parallel simulation entity model component

5 结束语

利用平行仿真系统实现对未来战场态势仿真推演与预测,核心是灵活、动态且快速生成平行仿真实体。实时注入的战场情报数据是实现平行仿真实体模型动态匹配与实体动态生成的核心依据,本文采用基于实体行为规则的匹配方法解决了战场情报信息不完备情况下平行仿真实体模型精准匹配难的问题;进一步采用仿真中间件解决模型组件的灵活组合问题。在作战应用实例中,与现有关键字匹配方法相比,本文方法能够大幅提升平行仿真实体模型匹配的准确率,从而确保平行仿真系统的可信度。

参考文献：

[1] LAYMAN G,DALY J. C4I tactical applications utilizing embedded simulations[C]∥Proc.of the Command and Control Research and Technology Symposium, 2002: 1-15.

[2] KENYON H S. Deep green helps warriors plan ahead[J].Signal, 2007(v).

[3] SURDU J R, KITTKA K. The deep green concept[C]∥Proc.of the Spring Simulation Multiconference, Military Modeling and Simulation, 2012: 20-28.

[4] DDDAS Workshop Report. NSF sponsored workshop on DDDAS-dynamic data driven applications systems[EB/OL].[2006-1-19]. http:∥www.cise.nsf.gov/dddas.

[5] GILMOUR D, HANNA J, MCKEEVER B, et al. High performance computing for command and control real-time decision support[R]. AFRL Technology Horizons, 2005.

[6] GILMOUR D A, HANNA J P, MCKEEVER W E, et al. Real-time course of action analysis[C]∥Proc.of the 10th International Command and Control Research and Technology Symposium, 2006.

[7] GILMOUR D A, MCKEEVER W E. High performance computing (HPC) for real-time course of action (COA) analysis. AFRL-RI-RS-TR-2007-273[R].Austin:Distribution Unlimited,2008.

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

DOU L T, CHU Y, ZHOU Y F, et al. Conception of the application of parallel simulation technology in command and control system[J]. Command and Simulation, 2017, 39(1): 62-69.

[9] 毛少杰,邓克波. 网络化和服务化C4ISR系统复杂性[J].指挥信息系统与技术，2012, 3(4): 1-7.

MAO S J, DENG K B. Complexity of net-centric and service-oriented C4ISR system[J]. Command and Information System and Technology, 2012, 3(4): 1-7.

[10] FORTUNATO S. Damage spreading and opinion dynamics on scale-free networks[J]. Physica A, 2005,348(2):683-690.

[11] 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.

QIU X G, ZHANG P. Knowledge engineering in simulation of parallel military system[J]. Journal of System Simulation, 2015,27(8): 1665-1670.

[12] 龚建兴,彭勇,郝建国,等. 面向组件的仿真系统构建方法研究[J]. 系统仿真学报, 2010, 22(11): 2575-2578.

GONG J X, PENG Y, HAO J G. Research on component-oriented methodology for constructing simulation system[J]. Journal of System Simulation, 2010, 22(11): 2575-2578.

[13] 杜国红,韦伟, 李路遥. 作战仿真实体组件化建模研究[J].系统仿真学报, 2015,27(2): 234-240.

DU G H, WEI W, LI L Y. Research on component modeling of combat simulation entity[J]. Journal of System Simulation, 2015, 27(2): 234-240.

[14] 杜国红,李路遥.陆军合成营作战仿真组件化模型体系设计研究[J]. 指挥控制与仿真, 2016,38(2):96-102.

DU G H, LI L Y. Research on component-based model architecture of army synthetic battalion combat simulation[J]. Command and Simulation, 2016, 38(2):96-102.

[15] 张建春,康凤举.想定驱动的组件化模型组合方法研究[J].系统仿真学报, 2015, 27(8): 1747-1753.

ZHANG J C, KANG F J. Research on scenario-driven component-based model composition method[J]. Journal of System Simulation, 2015, 27(8): 1747-1753.

[16] SZABO C, TEO Y M. An approach to semantic-based model discovery and selection[C]∥Proc.of the IEEE Winter Simulation Conference, 2011:3054-3066.

[17] 郑世明,史华明. 面向服务的作战仿真模型组合建模方法[J].指挥控制与仿真, 2014,36(3):77-79.

ZHENG S M, SHI H M. Method of modeling for model combination on operation simulation oriented services[J]. Command and Simulation, 2014, 36(3): 77-79.

[18] 周东详. 多层次仿真模型组合理论与集成方法研究[D].长沙:国防科技大学, 2007: 85-95.

ZHOU D Y. Research on multi-level simulation model combination theory and integration method[D]. Changsha: National University of Defense Technology, 2007: 85-95.