一体化指挥调度场景应用研究（上）

刘玉超，马文学，赵志强

（1.一体化指挥调度技术国家工程实验室，北京 100190；2.北京市维纳智能指挥调度技术研究院，北京 100190）

一体化指挥调度是使用信息化手段以及与信息化相适应的工作机制，将互不相同、相互补充、互不隶属、相对独立的指挥要素、执行力量以及相关资源有机地融合为一个整体，以实现组织策划的目标[1]。一体化指挥调度是管理与技术的结合，是安全场景数字化的方法论，为公共安全、应急管理、社会治理等领域提供了理论、技术、模式、标准等方面的体系化支撑能力。

1 一体化指挥调度的内涵

1.1 理论基础

一体化指挥调度在学科上属于指挥与控制系统工程，理论基础源自赛博控制论。王飞跃教授在《机器崛起》中详细阐述了赛博的演进过程[2]，涉及社会管理、生物学、机器智能、工程控制等多领域、多视角。在1956年人工智能诞生的达特茅斯会议上，赛博是其中的重要学派，今天面对万物互联、人机融合的社会复杂交互系统问题，赛博与AI走向融合。

诞生于军事领域的“OODA”环（Observe-Orient-Decide-Act），从数据流的角度很好地阐释了指挥调度的方法论内涵[3]。“OODA”环是20世纪70年代，美国陆军上校约翰•包以德受毛泽东军事思想启发提出的，详见图1所示。

图1 不同维度理解“OODA”环

从数据流来看，物理世界一直都在变化，状态感知就是解决数据从物理空间的隐性到赛博空间的显性问题，这是数据链条的第一环节，回答现实中发生了什么；分析研判，也可以叫态势分析、态势研判，实现数据到信息，回答为什么会发生，接下来会怎么样，趋势是什么；科学决策就是信息到知识，这也是认知智能的核心，解决我们该怎么办的问题，需要充分利用专家经验知识、机器智能、群体智能，从主观思维决策到智能辅助决策，形成定性定量相结合的科学的认知决策优势；最后是调度执行，让知识决策变为行动反馈到物理世界，完成数据优化的闭环。从工业革命的机械化、信息化、智能化角度，机械化主要在物理空间延伸人类的肢体——行动能力；信息化是在赛博空间延伸人的感官——感知分析能力；智能化将是要延伸我们的智力——决策认知能力。随着万物互联、虚实结合、人机共融，信息化向智能化发展，感知快、研判快、决策快、行动快，不论在军事作战、社会治理、企业管理都将迎来新的质的飞跃[4]。

1.2 技术体系

一体化指挥调度技术涉及信息通信、人工智能、指挥与控制等专业方向，基于“OODA”的数据流，可以划分为感知域、认知域、行动域和保障域四个方面的技术体系。其体系结构如图2所示。

图2 一体化指挥调度技术体系

（1）感知域：解决数据在哪里，以及如何获取的问题。通过智能芯片、传感器、边缘计算等技术实现智能感知；面向场景目标画像，运用信息融合理论与技术实现多源异构态势信息融合；综合运用地理信息系统、3D建模、VR/AR、人机交互等技术，实现多维度、多层次、具有时空属性的态势呈现。

（2）认知域：主要解决数据怎么用的问题。通过构建行业知识形式化、标准体系，实现知识封装与重构；研究基于行业知识图谱的智能预案规划；利用人机博弈、仿真推演技术，积累数据优化模型，推动任务规划和智能决策水平的提升。

（3）行动域：主要解决数据谁在用，以及应用效果如何的问题。资源优化调度是最终目标，是“OODA”环从赛博空间回到物理空间的本轮优化终点；智能化、自动化、无人化时代云、边、端的协同分工，人与机器、机器与机器之间的交互系统成为重要研究方向。

（4）保障域：解决场景画像中各种资源的协同保障问题。基于5G、物联网、区块链等前沿技术，探索去中心、扁平化、智能化、灵活组网等信息资源保障模式。

这里列举的主要是当前四域中前沿热点技术研究方向，面对不同场景问题，我们还要按需集成通信、计算、系统、端应用等很多的平台支撑技术。

1.3 解决方案体系

一体化指挥调度的目标是实现科学的指挥调度，安全场景数字化是前提，数据和知识双轮驱动的研判决策是核心，平台技术是重要支撑！基于此，我们提出将人类的场景认知智能与机器智能相结合，走出一条面向场景、数据驱动、平台支撑、脑+端、人机融合的智能决策之路：HI （Human Intelligence， HI）+AI （Artificial Intelligence， AI）=SI （Super Intelligence， SI）。具体如图3所示。

图3 解决方案体系框架

数字化、信息化就是把人、物不断变成网络终端，实现人与人、人与物、物与物之间的数据交互，进而支撑业务创新、行业变革，因此不是盲目的万物互联，而是面向行业场景的万物互联。化解系统不确定性的最好手段就是遵循信息主导（信息流引导业务流）、流程优化（确保数据流动畅通）的原则。数据驱动的本质是要通过场景全过程、全产业链、全生命周期数据的自动流动，推动数据—信息—知识—决策持续转化，不断优化资源的配置效率，实现更高质量、更低成本、更快交付、更高满意度，提高全要素生产率[5]。共享和传承的行业知识是行业认知决策大脑的核心，目前，很多行业知识往往都沉淀在经验丰富的老师傅脑子里，或者还在数据和信息里没有被发掘出来。因此，需要构建知识共享生态平台，基于大数据处理、知识形式化、群体智能技术构建行业知识大脑；立足于力量到边、“脑+端”发展趋势，将云端大脑、边缘计算、5G、智能网联、机器人技术相结合，构建“人在回路”的混合智能系统体系。

2 一体化指挥调度的外延

2.1 力量到边与力量无边的体系认知

在传统指挥控制领域，常常是自上而下的G端（政府端）思维，强调顶层设计、体系规划，这本身也是G端的职责所在，需要自上而下的系统性管控，通过制定体系标准和机制制度来解决系统之间的交互问题；今天“指挥控制力量到边”的思想越来越明确，自上而下的指挥体系向赋能体系转变，要力量下沉，为一线、为边缘、为端赋能。平台经济带来的C端（用户端）思维是自底向上，更加注重交互平台，通过标准接口实现点对点交互服务，充分发挥C端的群体参与优势，通过正向引导汇聚群体智能，有望出现力量无边的效果。面对平台经济时代的社会治理，需要两个体系相互结合。如图4所示。

图4 赋能体系与数据体系结合

2.2 交互安全供需矛盾

一体化、扁平化、属地化、服务化、智能化，是指挥调度发展的必然趋势。一体化指挥调度外延可以延伸到安全的供需矛盾问题，需求侧日益增长的复杂交互安全需求，传统的指挥调度效率已经难以应对。纵观行业发展态势，自上而下、以领导为中心的指挥机制一定走向云端指挥中枢向下赋能，力量要到边；运用好面向老百姓的社会服务生态圈，充分发挥大众力量参与社会治理，群防群治，实现边缘侧聚能，达到力量无边的效果。打通这两个生态圈需要我们真正下功夫，从业务、技术、标准和模式等各方面去思考、研究、构建这样一个生态智能协同平台，一边驱动扁平化指挥调度，一边实现交互式群体智能，支撑两个生态圈的融合发展，实现真正意义上的基于位置的安全服务（Location Based Security Service，LBSS）。汇聚感知域、认知域、行动域、保障域全产业链条，打通供给侧的指挥中枢到需求侧的群体智能，从根本上破解交互安全供需矛盾难题。如图5所示。

图5 两圈一平台

3 大型活动安保指挥

随着我国现代化和国际化进程加速，国际性、世界级的大型活动日益增多，这些活动关系到国家政治和经济利益，具有规模大、级别高、影响面广的特点，既要警惕“黑天鹅”事件、防范“灰犀牛”事件[6]，又要谨慎平衡活动警力部署的“木桶短板问题”，还要谨慎平衡重大活动和群众对便利需求间的“跷跷板问题”[7]，这一系列的供需矛盾需要G端思维来统筹、赋能体系向下延伸，同时又要采用C端思维在社会末梢开展群防群治工作，在保障大型活动安全的同时减轻对民众生活的影响。

3.1 数字化场景

作为大型活动安保的责任主体，公安机关承担了重要且繁重的工作，抛开其他业务条线，公安对自身力量的应用宏观上行使的是集中式指挥调度模式，基于该种模式公安对自身力量掌握细致，规定了指挥对象明确任务和具体实现步骤，其数字化场景的构建从态势到流程需清晰刻画。

3.1.1 场景构成

大型活动安全风险因素以活动本身特征可分为人、物、环境、管理四要素，其中活动所涉及的可控人员分为警务人员、活动参与者/安保对象、工作人员、参与群众等；涉及的物包括危化品、管制物品等；环境包括狭义上的自然环境和活动周边环境，以及广义上的国际国内治安环境、舆论环境等；管理则主要包括从机制、体制、方法等方面所制定的指挥组织、指挥流程、应急预案等。围绕四要素整合所涉及的信息资源，在虚拟空间构建数字化场景基础环境，支撑指挥调度应用。

3.1.2 安全问题分析

从单一要素来分析大型活动场景安全问题：

（1）人员风险因素方面：大型活动期间需加大对涉恐人员、涉稳人员、涉毒人员、重大刑事犯罪前科人员、违法在逃人员、重点上访人员、精神病人等管控力度，采用人证核验、卡口监控、触网警报、人员轨迹跟踪等手段防止非法上访、暴恐袭击等突发事件发生。同时活动本身对民众具有较大吸引力，需采用电子围栏、多层防护等手段防范因人群聚集等所引发的诸如踩踏、冲击安保设施等事件。

（2）物品风险因素方面：危化品运输过程中因交通事故或设备老化等问题所引发的运输车辆抛锚、跑冒滴漏等问题会加剧安保难度，应对该问题需多部门协同，加大对危化品运输的全流程管控，在活动期间将企业危化品运输调度任务纳入监测范围，掌握运输车辆特征、危化品特征、行使路线等数据。另外，活动期间对各类管制物品包括枪支弹药、管制刀具、爆炸易燃物等进行源头治理，将生产、销售、购买等过程纳入管控范畴，通过各类安检设施控制物品流通。

（3）环境风险因素方面：掌握活动场馆、交通枢纽、驻地、路线以及安保缓冲带的地理信息，采用警力布控、监控视频巡查、无人机等人机结合方法采集安保点线面风险动态数据，防止风险转变为事故。

（4）管理风险因素方面：在详细掌控自身安保力量的基础上，合理制定各类突发事件应急预案，并以此为入手开展针对预案的体系化演练，根据演练效果对预案进行修订，保证预案从“抽象化”到“具象化”具备真正的实战效果。

每一个大型活动突发事件的出现基本都是各因素相互作用的结果，而要牢牢管控这些风险因素则要首先掌握数据，整合多部门信息资源，并以此为基础用大数据来支撑对因素以及相互作用关系的挖掘分析，用SI智能辅助决策，围绕力量无边的理念协同其他部门、发动群众补齐“木桶短板”，从而实现高效指挥、精准调度。

3.2 解决方案

3.2.1 数据整合方案

现实中普遍的数据孤岛现象和数据标准化问题会对数据完整性和可用性造成极大影响[8]。不同领域随着时空变换不断产生庞大的动态数据，这些数据稀疏度有着天壤之别，眉毛胡子一把抓必然会因问题数据出现问题，应对该问题的关键是要正确理解场景中各要素随时空变换的权重，整合场馆/赛馆、驻地、机场/车站三个点以及驻地到场馆路线等地理信息、公安八大库、互联网数据（含舆情数据）、天网和雪亮工程监控数据（高低空监控点位、卡口）等人、物、环境、管理的数据，以3S技术为手段，构建警力部署态势、社会治安态势、舆情态势、活动场馆安全态势、交通路线安全态势等分层可视化态势，实现对大型活动风险以及治理措施的全域管控。

3.2.2 平台支撑方案

（1）安保态势一张图：以GIS地图和场馆、驻地、周边等建筑信息模型化为基础，叠加分层可视化态势以及卡口、高空点位等实时视频监控，实现虚实结合、身临其境的仿真应用。通过态势一张图，指挥中心可直观掌握大型活动安保任务执行情况，并将态势分发至现场指挥中心等分中心，实现信息对称。

（2）安保资源一体化管理系统：将人、物、环境、管理等因素关联，实现警务资源、组织方资源、社会资源以及其数量、性质、地域、状态、技能等属性的一体化管理，建立力量供需优化管理机制，在调度指令发出后可以协同资源调度算法快速将合适的队伍和人员、装备和物资投放到合适的场景中，以实现精准调度。

（3）智能化预案系统：对可能发生的诸如人员踩踏、暴恐袭击、地震灾害、重点人员防范等事件的应急预案结构化、流程化[9]，将处置力量、装备、组织体制、方法流程、指挥模式等和实际力量和资源匹配起来，以态势一张图为基础，在活动开始前即开展对各类风险进行研判和推演，通过推演检验假设条件下信息化对警情的发现、处置、恢复等业务过程的全生命周期支持程度并针对性调整。

（4）分析研判系统：建立环境和人、人和人、人和物等数学模型，融合定性分析、定量分析、要素分析、变量分析、多维分析以及关联分析等多种情报研判方法[10]，为大型活动安保指挥活动提供区域态势的战略研判以及突发事件的战术研判支撑。

（5）安保决策指挥系统：融合运筹学技术（OR）、多属性决策技术（MADM）、AI技术等决策问题求解算法[11]构建人在回路中的决策模型，基于行业知识沉淀（例如“公安指挥大脑”或“公安知识图谱”）进行警力布控、计划路线、资源调度等决策方案的制定。

（6）移动警务系统：以边缘计算和终端计算、移动通信技术为手段，通过GPRS、CDMA、GPS、GSM等无线通信技术，将指挥中心的态势分析、大数据研判、辅助决策等能力赋予至现场指挥车及一线处置力量，同时现场处置情况实时传输至后端，实现“看得见、呼得通”的扁平化指挥。

3.2.3 场景应用方案

3.2.3.1 全域全流程管控

以平台作为支撑，构建点线面安保场景，实现大型活动全域全过程一体化指挥调度。

（1）驻地/场馆保障：在场馆建立安检设施，对物品、人员、车辆等要素进行安全检查，确保身份合法、物品合规，在驻地内部建设监测设施，对于食材、空气环境、水电气热等进行安全监测，以安保态势一张图为支撑，实现动态数据和静态数据结合、虚拟空间和现实场景融合的可视化点位态势。

（2）要人警卫：主要任务是保障要人从驻地到场馆所经过的路线安全，从要人上车开始，对于路线及路线周边建立防线进行分层控制，内部防线清空、外延防线控制、最外围防线人车核录。整合线路周边交通（包括交通信号灯、诱导屏）、车辆、卡口、监控探头等数据资源，以要人车辆为核心构建可视化线状态势。

（3）社会面管控：以点为核心设置梯度防控区域，最外围安全防线根据实际安保级别可能到省界，通过检查站进行人员车辆合检，防止重点上访人群等乘坐相应交通工具进入活动地区；第二道防线通过卡口、民警等对人车信息进行核录；第三道防线设置在驻地，主要通过证件核对。

3.2.3.2 社会群防群治

以C端思维引导构建泛在情报采集网络、打造风险协调治理模式，实现基层治安的群防群治，保障大型活动安保无死角。

（1）情报采集：对接诸如“朝阳群众”和“西城大妈”等应用，把公众发展为感知终端，通过宣教、激励等手段完善公安情报采集体系，进而为大型活动安保提供支撑。

（2）协调行动：将社区安防队、企事业安防队、安全志愿者等作为协调力量纳入指挥管理范畴，赋能安全防范、突发事件应对规范等专业知识，在大型活动期间以网格为单位引导警民协同进行风险识别、预防和治理。

4 应急救援指挥调度

为有效应对各种跨界突发事件，国家提出了构建统一领导、权责一致、权威高效的应急体系，推动形成统一指挥、专常兼备、反应灵敏、上下联动、平战结合的应急管理体制，这种体系和体制尤其在应急救援指挥调度领域表现强烈。应急救援涉及多灾种、多层级、多专业、多部门间的协调，需要自上而下系统管控体制内专业力量，同时自下而上激活非体制内行动力量以及社会力量对于目标一致性，实现指挥力量到边、群体力量无边的大协同效果。

4.1 数字化场景

复杂灾种的应急救援具备非程序化决策特点，需整合多元主体开展任务[12]，虽存在横向无等级协调和纵向等级协调之别，但从“政府统一领导、集中指挥”视角来观察应急救援的指挥调度系分散式指挥模式，在该种模式下，上级指挥者给下级明确的任务和时限，不规定具体步骤，以目标为导向完成指挥动作，其数字化场景建立在畅通的通信以及尽力达到的信息对等基础之上。

4.1.1 场景构成

应急救援以施救对象为本，围绕“灾情”“我情”和“环境”构建数字化场景。以地震为例，“灾情”要素包括地震信息、损毁房屋、道路、埋压人员以及受灾群众等；“我情”要素包括指挥组织、国际国内各类专业救援组织、医疗资源、自愿者、救援设施设备和物资等；“环境”要素则包括自然环境、国际国内舆论、治安、卫生防疫等。其中，对灾情的认知是基础，对我情的掌控是“力”的应用过程，对环境的把握是“势”的构建过程，整个应急救援场景就是针对灾情构造良好的势，从而准确发力的过程。

4.1.2 安全问题分析

（1）灾情要素方面：要做好事故的预防准备首先是做好风险监测，得益于通信技术和智能芯片技术的进步，物联网快速发展，但基本是在各行业内成条线存在，尚未在应急领域形成规模化、体系化，这使得风险监测网络就像渔网一样漏洞繁多；其次，突发事件发生后对事件的认知程度直接影响救援效率，事故是何种事故、造成多少损伤、事故影响范围多大等一系列问题亟待解答，如何快速、全面的感知事件特征，并且用新技术、新方法对事件进行分析研判，是应急救援指挥调度信息化中非常重要的问题。

（2）我情要素方面：突发事件处置的复杂度随着事件影响范围和响应级别递增，且诸多事件具有不可预知性，大规模突发事件发生时，应急救援志愿者及救援团队动态加入、医疗救护机制相对游离、跨区域救援物资的运输调配、应急预案难以落地等问题会凸显出来，解决这些问题需要在信息域对物理分散的资源进行一体化管理，快速生成适合具体场景的应急预案，同时用一体化通信去“实时共享指挥意图”[13]，以实现合理的预案支撑下的救援力量快速整合、任务顺畅下达、反馈及时上报、资源快速筹备和合理调度的总体格局。

（3）环境要素方面：在物理世界，突发事件或自然灾害可能带来诸如治安、疫情等次生灾害；在虚拟世界，互联网的普及使得信息生产和传播速度呈指数级增长，谣言、负面舆情等如果得不到控制会衍生更大的安全问题。物理世界的次生灾害可以通过公安、卫生等多部门协同做好控制，需要高度警惕的是虚拟世界的次生灾害，必须通过信息发布、舆论引导、辟谣平台、宣传教育等手段做好控制，只有建立正向的“势”，应急救援方可“求之于势，不责于人”。

4.2 解决方案

4.2.1 数据整合方案

以我国应急管理四大数据中心为基础，汇聚安全领域基础数据、各行业风险数据、全社会应急物资和应急力量数据，基于空间维度对数据进行融合汇聚，打造全方位获取、全网络汇聚的海量数据资源融合体系：在煤矿、危化品、烟花爆竹等高危行业，接入生产企业所部署IoT以及NB-IoT等前端设备的监测数据；对自然灾害等安全事件，由政府牵头实现对火险火情、地震、地质、水旱和气象等监测数据汇聚；依托政府各部门现有信息化平台，实现对城市各类管网监测、运输部门“两客一危”、消防重点单位等感知数据的采集汇聚；在突发事件发生时，应用智能传感、射频识别、音视频采集等感知技术，以5G、移动通信车、自组网等各种手段进行快速布网，实时应急处置现场感知数据的采集及汇聚。

4.2.2 平台支撑方案

（1）应急情报系统：以平战结合、预防为主理念引导，常态情况下以数据资源融合为基础构建空天地立体化多层级态势，第一层态势按照业务域分为生产安全专题态势、自然环境专题态势、城市安全专题态势；第二层态势为专题态势的展开，例如将生产安全态势展开为煤矿安全态势、矿山安全态势、危化品安全态势等；应急态情况下，事故的“突发性”特征要求以常态信息化建设为基础即时构建现场态势，基于定位技术的网络舆情、信息上报、音视频即使感知等手段是情报主要来源。

（2）突发事件/灾害监测预警系统：以应急情报为基础针对立体化多层级态势对高危生产行业、重点建筑、极端天气等风险隐患进行自动监测，建立灾难/事故影响链式模型，采用大数据分析手段预测灾难/事故可能带来的影响，例如在蓄洪时自动预测下游影响面积，在地震发生时预测可能受灾地区等。对可能形成事故灾难的形势进行预警，建立预警信息分发机制，在信息化层面打通预警信息无障碍瞬时分发至相关部门。

（3）应急预案管理系统：应急领域的智能化预案首先要将预案要素碎片化、模块化，在此基础上强调面向复杂场景快速生成处置方案的功能。接警过程引入AI根据报警人所描述的事件特征对突发事件初步定级并选调预案，针对无合理预案的复杂灾种处置（比如危化品厂房火灾事故），以数据和知识为驱动，借助HI+AI将指挥组织、应急处置程序、人员、物资等内容整合为适合当前场景的预案，并生成相应行动方案。

（4）应急资源一体化管理系统：以信息共享为理念构建应急资源一体化管理系统，建立身份验证等互信机制，各方救援力量和物资便捷加入，状态、技能、维修保养等可视化管理，与相应业务系统对接，形成多方参与的信息共享、发布和指挥调度的统一出入口。以此为支撑，应急救援总指挥对相应力量和资源精准调配，任务分指挥在理解指挥意图基础上将智能装备与救援人员高效配合，实现目标驱动的负反馈闭环控制效果。

（5）应急救援决策支持系统：围绕危险源、应急资源、救援物资、处置方法和规范等建立应急管理知识图谱。在突发事件发生时，以“危险源信息”、“应急方案生成”、“灾情处置要点”、“应急资源优化配置”、“辅助信息”、“灾情评估”等功能，为指挥人员、事故现场人员、各领域专家远程协同会商以及应急处置等过程提供辅助能力。

（6）一体化通信指挥系统：采用全业务全融合的统一通信技术，整合全区的空天地一体的通信网络资源，将空基、至高中继站、350M模拟/数字集群、电话网、有线/无线、自组网等异构网络进行互联互通，接入警务通、集群终端、手机、固话等各类通信终端，尤其创新无常规网络条件下的自组网（例如ZigBee等技术）以及无人机作为中继站的网络组成形式，为应急救援提供应急通信簿、实时呼叫、音视频互通、图文交互等通信支撑。

（7）信息发布平台：基于应急知识图谱建设“应急科普知识宣传”模块，为社会公众提供知识服务，提高群众防灾减灾、自救互救能力；基于定位技术建设“风险预报预警”模块为不同需求受众提供精准信息推送服务；以融媒体为手段建设“灾情处置情况”模块，发布权威信息，防备造谣传谣、不良舆情泛滥等问题。综合以上手段为社会协同风险治理和应急救援提供正向舆论环境。

（未完待续）