枪支安全智能化管控系统的设计

2021-02-11李济龙倪瑞旋许艳珍张晓华

新技术新工艺 2021年12期

李济龙，倪瑞旋，李轩，许艳珍，金阳，张晓华

(中国兵器工业新技术推广研究所，北京 100089)

步入21世纪以来，受国际复杂形势的影响，世界格局越来越动荡，武器安全问题日益严重。2017年肯尼亚军队在南部小镇被索马里青年党袭击，美国悍马军车、法国反地雷车以及我国国产WZ551装甲输送车、军用卡车等军品被反政府武装缴获；2019年缅甸军队从反政府武装势力手中缴获包括FN-6单兵防空导弹在内大量武器；2020年叙利亚某军火库被叛军攻破，大量制式武器被叛军缴获；在叙利亚战争、也门冲突中出现了武装分子非法获得并使用武器的情况。这一系列事件表明了武器被非法占有和使用情况在全世界范围内以各种形式不断发生，暴露出武器安全管控工作存在短板，如何对武器装备实现安全管控已成为各国高度重视的焦点问题，我军建设“十四五”规划对加快国防和军队现代化做出战略部署[1]。

国外在武器安全管控方面的技术研究不断深入。美国借助其在GPS导航定位与卫星通信等科技优势，早在20世纪80年代，就对出售的军贸直升机加装定位和监控模块，通过定时发送直升机的航程与坐标等信息获得相关情报。美军具有代表性的后勤主控系统使后勤人员和作战部队指挥人员结合起来，共同了解联合作战的态势，更好地协调后勤指挥与作战指挥[2]。德国的Armatix公司推出的iP1智能手枪，持枪者只有佩戴定制腕表才能扣动扳机，一旦检测到腕表与手枪距离过大则判定为手枪丢失，其他方式解锁则会毁损手枪，以此防止武器被他人利用。英国爱尔兰的一家公司设计了远程遥控板机的突击步枪，只有接收到飞机、卫星、手机基站或无线电信号塔发送的指令，才能解锁扳机，从而实现管控。以美国为首的西方国家高度重视利用自身的优势技术在枪支安全管控方面的应用，持枪谋杀案以及大规模恐怖袭击案件的数量也因此减少[3]。我国基层公安机关公务用枪管理工作中主要存在枪支存放设施、保管不完善，枪支使用环节较多，枪支装具及配套工具缺失以及认识方面的误区等主要问题[4]。

当前我国国家安全内涵和外延比历史上任何时候都要复杂，时空领域以及内外因素比历史上任何时候都要复杂，我们必须坚持国家总体安全观[5]，防范相关枪支武器被非法获取和使用，加强枪支武器自主可控能力建设，将新一代信息技术，如北斗、5G、人工智能以及物联网技术，融入到枪支武器安全管控中[6]。我国是一个枪支严格管控的国家，对于各持枪单位而言，如何确保枪支管理和使用的绝对安全成为更好地维护国家安全的焦点[7]，枪支管理工作事关人民群众生命财产安全，要意识到当前工作的复杂性，清楚枪支管理工作的重要性[8]，将信息化技术应用到部队营区建设中，提高营区保障能力和管理水平十分必要[9]，智慧营区建设是适应新军事变革、推动部队信息化建设的实际举措[10]。

1 系统设计

1.1 系统设计目标

针对枪支武器遗失、被抢、被盗和非法使用等问题，利用大数据、人工智能、物联网等技术，研究建立前后端一体化智能化营区枪支安全智能化管控系统，形成营区枪支安全大数据感知、存储、分析、处理、决策支持及远程控制能力，从整体上动态反应营区枪支安全状况，实现对营区枪支的实时跟踪、监测预警、态势研判、决策支持和应急处理，形成营区枪支监测-预警-决策-执行的智能闭环安全管控体系。

1.2 系统体系结构

枪支安全智能化管控系统体系结构按照物联网体系结构进行设计，分为感知层、传输层以及应用层等3个层级：感知层主要实现枪支态势感知、数据发送、指令接受与行动功能；传输层主要依赖北斗+5G网络链路来实现，采用规范化的信息交互格式化报文规范链路传输内容和格式，通过加密实现信息传输；应用层主要实现枪支态势数据的接收与处理、分析决策和指令控制功能。

搭建营区枪支安全管控半实物仿真环境，包括枪支物联网传感器武器集成、PDA设备、腕表、5G数据传输网络、数据接收和发送装置、软件平台等。针对不同的枪支安全管控场景，进行场景实际模拟，收集不同场景模拟大数据。根据轨迹数据进行安全管控模型训练，利用神经网络算法实现模型的自我学习，建立安全管控神经网络模型。系统架构示意图如图1所示。

图1 系统架构示意图

1)感知层。

为实现对枪支状态的感知，系统以传统枪械技术和电子化弹药为基础，将对现役枪支进行定位改造，加载射弹检测模块以及无源电子标签，枪支系统采用电击发方式，设有5G/4G通信、5G+北斗定位模块，当枪支在配备腕表的使用人员物理控制之外时，通过机械结构对枪支进行锁定，使枪支处于不能击发状态，能够响应枪支安全智能管控平台的远程管控、全国范围内的定位及追踪，具有智能身份识别、远程管理控制、实时定位追踪的电子化枪械武器，进而通过相应的软件和硬件系统实现枪支信息化，实时了解枪械的使用状态，同时开展枪械机械锁定技术和身份识别技术的研制，实现全国范围内的枪支网络化、全寿命周期管理功能，全面满足枪支管控需要。

为满足应用层智能管控算法对训练数据的要求，感知层开展半实物仿真场景设计和模拟训练，其中场景主要包括4种正常场景设计和3种异常场景设计。

2)传输层。

传输层采用5G+北斗定位与即时通信双模智能融合技术，通过枪支安全管控所需的基本通信链路，实现5G+北斗定位与5G+北斗短报文通信技术相互融合，为室内室外无缝切换助力，构建基于北斗统一时空基准的一体化物联网络。

一方面在5G网络覆盖区域，可通过信息传感器、高清摄像装置、北斗定位系统等，实时采集武器的环境参数与实时状态，基于5G网络实现大数据的转发与传输；另一方面在5G网络不能覆盖或信号较弱的区域，基于北斗短报文进行信息传输，主要传输数据包含时间、位置状态等少量数据。后端武器安全管控中心通过传输层进行接收，并对数据进行位置解析，形成动态图像，达到辅助决策的效果。

3)应用层。

枪支安全智能管控中心是整个系统的信息处理枢纽和智能决策中心。枪支安全智能管控平台接收、存储前端发送的数据信息，并进行数据识别和解析，借助GIS地图加载引擎实现枪支状态的动态展示。在分析决策方面，借助安全管控模型、行动意图识别算法、智能决策算法、异常处理预案等功能模块，实现枪支状态的智能识别和风险分析与预警，依据“非期望遗失”“非法使用”等不同场景，形成“干预”和“非干预”决策。在决策后指挥控制模块将管控指令，通过短、平、快的管控指令直接发送至枪支，及时启动武器前端的预置后门，形成管控闭环。

2 枪支安全智能管控关键技术

枪支安全智能管控系统通过开展基于时间序列的运动轨迹分类和识别、营区枪支安全风险评估和管控模型等关键技术研究，完成对营区的枪支营区枪支状态时空数据自动分析处理和深度挖掘，实现对枪支安全状态的实时跟踪和分析，以及异常情况及时预警，提高营区应急处置能力，增强营区枪支管控的智能化水平和能力。

2.1 时空数据高效存储技术

针对营区枪支状态时空数据流高并发、大容量的特点，开展时空数据高效存储技术研究，实现对非结构化大数据的快速存储和查询功能，实现低成本、高稳定、大容量的数据存储，满足系统对数据实时性的要求。

构建满足安全管控模型自学习和系统预警需求的数据库，即：营区枪支安全状态时空数据训练数据库(简称训练数据库)、营区枪支安全状态实时数据库(简称实时数据库)。训练数据库用来支持多场景安全管控模型的监督学习，实时数据库用来存储营区实际场景数据流，支撑对数据流的分析预警。

2.2 基于GIS的营区仿真模拟技术

利用虚拟仿真技术建立营区道路、岗哨位置、训练地点、巡逻路径、枪支存储位置等仿真模型，将营区地理仿真环境与GIS地理信息相结合，建立基于GIS的营区仿真模拟环境，利用电子围栏技术，对营区及可能活动地点按照威胁程度进行划分，设置安全区域、异常区域、禁入区域等多类型围栏，并建立相应规则，实现信息的可视化展示。针对不同区域、结合使用场景共同形成安全管控总体模型。

2.3 基于神经网络的枪支安全状态数据特征提取技术

通过构建模拟训练场景，实现样本获取及标签定制。结合枪支安全时空数据的历史轨迹、营区环境信息，使用基于CNN Encoder-Decoder的结构提取特征。并基于该特征对目标未来的行为进行分类。营区枪支特征包括枪支个体表征特征和枪支群体表征特征。

个体表征模块用来对每支枪支的历史行为和周边环境进行分析。考虑到枪支行为具有前后关联的性质，使用双向LSTM来提取行为特征，使用CNN来提取环境特征，2个拼接以得到个体表征向量。

群体表征模块用来提取枪支之间的关系。主要可以分为构建行为关系和递归抽取两部分。首先，将整个场景中的所有枪支的运动轨迹信息输入到一个MLP组成的关系生成器中，来分析每个枪支之间的关系，关系强弱使用0-1来表示。在训练过程中，使用标注好的枪支组来对其进行监督，当2只枪支处于同一组时GT为1，反之为0，在得到两两之间的关系之后，构建行为关系图。利用GCN网络递归进行分析整合，为每一个枪支得到其群体表征向量。

2.4 基于机器学习的异常检测技术

通过机器学习方法实现基于大数据的自动化学习和训练，建立正常场景安全模型和异常场景安全模型，开展基于贝叶斯分类等技术的异常检测技术研究，对实际营区枪支安全状态数据流进行检测，并进行智能判别和预警。

使用滑动窗口模型对枪支状态时空数据流进行分析，实现基于最近的数据做出决策。即在每个时刻t，一个新的数据元素到来。该元素在时刻t+w“过期”，其中w为窗口的“大小”。滑动窗口模型只需要存储较小的数据窗口，就能大幅减少对内存的需求，提高检测效率。

2.5 营区枪支安全智能管控决策技术

建立营区枪支安全管控威胁矩阵，对系统出现的异常事件进行事态智能评估，判别异常事件类型和危害程度，并为管控中心提供事件情况可视化展示，标识枪支目前状态、系统已智能采取的措施等情况，提供下一步行动预案和建议，为管控中心科学决策提供支撑。

根据场景类别，从异常事件可能性、危害程度构建营区枪支安全管控威胁矩阵。营区枪支安全大数据安全管控模型对异常事件进行预警，根据预警内容智能进行事件评估，确定是否属于异常事件，判断异常内容和危险等级。

在大屏幕进行异常事件可视化及量化展示，帮助安全管控中心人员简便快捷发现难以发现的威胁和风险，支持包括：关联关系可视化分析、行为透视可视化分析、时间可视化分析、行为可视化分析等多种可视化分析方法。标注出枪支目前状态及可采取的措施，为管控中心确定下一步行动提供决策参考。

2.6 枪支运动轨迹识别模型构建技术

针对7种枪支安全管控场景，开展半实物仿真模拟训练，实现枪支运动轨迹智能识别算法的监督学习。由于数据样本有限，采用预处理-轨迹聚类-轨迹分类-特征提取-西欧行训练与测试的数据处理流程，实现对数据的高效利用。模型构建流程示意图如图2所示。

图2 模型构建流程示意图

3 半实物仿真模拟场景设计

建立营区道路、岗哨位置、训练地点、巡逻路径、枪支存储位置等的仿真模型，基于GIS建立营区仿真模拟环境，对营区及可能活动地点按照威胁程度进行包括安全区域、异常区域、禁入区域等的围栏划分，实现地理信息的可视化展示。针对不同区域、结合使用场景共同形成安全管控总体模型，构建7类型枪支画像，判断营区枪支状态是否安全。

1)营区站岗执勤。营区枪支在站岗执勤场景中，枪支位置具有固定位置、位置保持时间较长，并且站岗执勤活动具有周期性的特点。根据上述特点开展站岗场景枪支安全模型构建，分析出模型安全特征，如：位置固定、时间固定、周期固定、保持时间较长，根据上述数据可以勾勒出站岗执勤“枪支画像”，从而判断枪支是否处于站岗执勤及安全状态。

2)营区巡逻。营区枪支在巡逻场景中，枪支处于共同移动模式(多支枪支群体移动且轨迹类似)，移动开始时间和结束时间较为固定、移动轨迹固定，且活动具有周期性。根据上述特点可以开展巡逻场景枪支安全模型构建，分析出巡逻模型安全特征，如：共同移动、移动轨迹固定、开始时间固定、具有周期性，根据上述数据可以勾勒出巡逻执勤“枪支画像”，从而判断枪支是否处于巡逻及安全状态。

3)营区训练。营区枪支在正常训练场景中，枪支一般在较为集中的活动区域进行移动，且保持这种状态时间较长，训练场景可能出现击发告警事件，击发告警多是多枪支共同击发。使用轨迹聚类算法，判断枪支是否处于聚集状态、枪支活动区域固定保持时间较长，根据上述数据可以勾勒训练场景“枪支画像”，从而判断枪支是否处于训练及安全状态。

4)枪支入库。营区枪支入库时，枪支启用休眠状态，长时间处于固定地点，且时间固定、区域固定。根据上述特点可以开展入库场景枪支安全模型构建，分析出入库模型安全特征，如：位置固定、进入休眠状态、时间固定、具有周期性，根据上述数据可以勾勒出入库场景“枪支画像”，从而判断枪支是否处于入库状态。

5)枪支被抢。在携枪执行任务或进行训练时，出现枪支被抢的情况，枪支与随行设备距离增加，枪支处于上锁状态，启用定位模块，向管控中心发送报警信息，PDA模块上传被抢视频或图像，管控平台对枪支进行定位跟踪，将被抢枪支快速追回。

6)枪支被盗。在携枪执行任务或进行训练时，出现枪支被盗的情况，枪支与随行设备距离增加，枪支处于上锁状态，启用定位模块，向管控中心发送报警信息或管控中心自动识别枪支被盗，管控中心对枪支进行定位跟踪，将被盗枪支快速追回。

7)枪支遗失。在携枪执行任务或进行训练时，出现枪支遗失的情况，枪支与随行设备距离增加，枪支处于上锁状态，系统利用利群点检测算法对枪支较长时间处于非正常区域或远离群组的状态进行检查，确定异常状态提出预警，同时枪支也会启用定位模块，向管控中心发送报警信息，管控中心对枪支进行定位跟踪，将遗失枪支快速追回。