基于事件驅動與分級多層黑板模型的態勢評估方法

侯小軍　陳忱　王曉帆

摘 要：通過分析態勢評估的過程，指出態勢評估的本質是根據已發生事件，預測未來發生事件的趨勢。本文分析了態勢評估中已有黑板模型的不足，以及黑板模型的優缺點，提出基于事件驅動與分級多層黑板模型的態勢評估方法，克服了因黑板邊界劃分帶來的黑板推理的不準確性，使得態勢評估更加準確與直觀。

關鍵詞：態勢評估；計劃識別；黑板；事件

中圖分類號：TP311 文獻標識碼：A

Abstract：By analyzing the process of Situation Assessment（SA），we regard that SA is a process of forecasting happening events by comprehending happened events.Based on studying the blackboard model and the shortages of old Blackboard model，we foreword a new method of multilayer blackboard based on event-driving which gets rid of the shortage of inaccurate information because of uncertain boundary of blackboard，and make the SA being more accurate and intuitionistic.

Keywords：situation assessment；plan recognition；blackboard；event

1 引言（Introduction）

作為數據融合高級階段的態勢估計（Situation Assessment），是在初級階段（信息采集、信息融合）的基礎之上，對當前態勢進行決策評估，并對未來態勢的發展做出預測。目前公認的定義是美國國防部聯合實驗室給出[1]：態勢估計是建立關于作戰行動、事件、時間、位置及其兵力要素所組成的一張視圖，進一步的將所觀測得到的戰場環境、作戰力量分布及相關活動、敵方作戰意圖及機動性有機地聯系起來，分析并確定事件發生的原因，由此得到關于敵方兵力結構、使用特點的估計，并最終形成有益于分析的戰場綜合態勢圖。

態勢評估的模型國外發展的比較完備，目前常用的模型有：美國國防部的JDL模型[1]、DSS決策支持系統[2]與戰場指揮員模型[3]等。發展比較成熟的態勢評估方法[4-8]包括：貝葉斯網絡推理、基于HMM和信息熵、直覺模糊推理、黑板模型、計劃識別、D-S證據理論、基于區間規則的條件證據方法等。

隨著信息技術深入到戰爭的各個環節，戰爭對信息的依賴程度也愈來愈深。因現代戰場具有廣泛復雜的環境，從而獲取到得信息具有海量性、缺失行、模糊性以及不確定性等特點，甚至具有欺騙性等。因此如何從具有海量性及不完備的動態信息中高效的獲取有效信息，分析戰場態勢，進而判斷出敵方意圖，具有巨大價值。同時，戰場的態勢評估問題具有一定的領域規則，需要有專家知識的支持，依靠豐富的領域知識庫。黑板模型是一種多專家協作、快速匹配的決策系統，在此框架下，一個動態問題被分解為多個子模板的有機聯合，各個子模版由對應專家在其特定領域內的知識提供支持，為問題的解決提供邏輯推理與決策支持[7，9]。

2 事件（Event）

戰爭情況下，事件[7，13，14]特指在一定的戰場環境下，作戰單元或實體所進行的一系列具有時間和空間關系的某種軍事意義的行動。

根據事件的時間相關性、空間相關性以及特性、重要程度，在態勢評估過程中將事件分為三大類：

（1）原子事件：主要指作戰及單元所做的基本動作。主要包括：

a.新目標出現

b.目標消失

c.雷達開/關

（2）重要事件：以原子事件為基礎，對當前敵我雙方態勢有重要影響的事件，主要包括：

a.重要目標出現/消失事件

b.突圍/突襲事件

c.重要雷達或電臺信號事件等

（3）復合事件：是兩個以上原子事件或重要事件復合而成，目的是完成一個復合作戰目標所形成的一系列作戰活動。例如：

a.電子干擾/空襲事件

b.撤退/攻擊事件等

總之，事件是態勢覺察的原子組成，是態勢評估中發生的具有一定意義的軍事活動單元[7]，是進行態勢評估的基礎。

3 黑板模型（Blackboard）

1962年由A.Newell提出黑板模型，由黑板、知識源和控制機構（黑板監督、調度隊列、控制數據庫、調度程序）三個主要部分組成，現代專家系統中廣泛使用了黑板結構，其原理結構如圖1所示。

黑板模型是處理態勢評估問題中一種十分有效的處理方法，人們針對不同領域、黑板性能上做了不同的改進。Johnson[10]和Hamon[11]分別提出了實時黑板模型和分布式黑板模型；徐從富等[12]提出了面向通偵信息融合的多層黑板模型；杜修平等[9]將黑板模型應用于證券態勢估計領域，并結合本體論思想，提出了基于本體的黑板模型；程岳、李偉生等[7，13，14]提出態勢估計的多級分層黑板模型。每個黑板內容按照信息抽象程度再次進行層次劃分，以便完成對問題的局部求解。三個黑板系統協同工作，完成整個問題的求解。

本質上黑板結構即是對問題逐步求解的過程。黑板模板一般由多個子黑板組成，并分成多級結構，各級結構為相關領域問題的描述。

其中知識源[13，14]是對問題求解的相關領域知識庫，知識源一般分為多個，每個知識源用來描述并完成對特定問題的求解，對應于圖1中的各個層次。知識源分為條件與動作兩部分[13，14]，若當前狀態滿足條件，則知識源被觸發，執行動作部分，產生新的狀態。控制機構是黑板模型對問題求解的推理機構，監控黑板的狀態變化，決定下一步的行動。

4 基于事件驅動的分級多層黑板模型（The gradingthe multilayer blackboard model based on eventdriven）

在黑板模型中，黑板的架構、黑板的劃分與黑板的刻畫決定著態勢評估的準確程度。文獻[13]根據態勢評估的三個階段，給出一個多級黑板模型，是一個相對完善的功能模型。而從實際意義與實現角度上看，態勢覺察、態勢理解和態勢預測之間具有模糊的邊界關系，三者之間的邊界劃分，都極大的影響模型求解的精度。

態勢評估本質上是應用領域知識對事件進行逐級分層推理求解的過程，戰場上某一時刻的態勢是一系列軍事行動/事件影響的結果。因此，根據黑板模型的特點，采用自頂向下的分解方法，建立態勢知識表示的多級多模塊表示結構，每個態勢黑板由若干復合事件黑板組成，每個復合事件黑板由若干原子事件黑板和重要事件黑板組成[7，13，14，15]。因此，我們在黑板模型框架下，提出基于事件驅動的分級多層黑板模型，模型如圖2所示。

黑板分為態勢級黑板（譬如：敵軍裝備技術水平，敵軍意圖，敵軍戰備等級，敵軍威脅等級等）、復合事件級黑板、簡單事件級黑板，態勢推理求解的過程按照自底向上對事件證據逐層推斷，最終得出正確的高層態勢假設。

原子事件級黑板求解過程如下：

Step1：根據輸入的信息數據，若原子事件級黑板狀態改變，則由其對應的刺激模塊匹配其相關的原子事件知識庫，并訪問之。

Step2：原子事件響應模塊根據刺激模塊產生的中間結果找到對應的原子事件匹配鏈表進行匹配：若匹配成功，則對應結點的匹配值增加1，同時用結點與中間結果兩者中可信度較大的作為當前可信度；若沒有匹配成功，則創建新結點并賦值，記錄結點知識信息，匹配值置為1，將新結點加入原子事件匹配鏈表。

Step3：原子事件判斷模塊根據對應領域的優先法則，找出原子事件匹配鏈表中匹配累計記數及置信度均為最大項，如果最大項的層次號為最高，則進入復合事件級黑板求解，否則用判斷結果更新黑板中的相應內容，并轉Step1。

復合事件級黑板求解與態勢級黑板求解與簡單事件級求解類似[7，13，14，15]，黑板的控制模塊不僅控制刺激模塊、相應模塊和判斷模塊的執行，同時控制簡單事件級黑板、復合事件級黑板、態勢級黑板求解的級別轉換，控制算法如下：

5 結論（Conclusion）

態勢評估的本質是對戰場的實時信息進行抽象提取，并對其進行動態分級處理的求解過程。戰場事件是態勢覺察的基本單位，根據態勢評估的動態推理過程，提出了基于事件驅動的分級多層黑板模型。該模型根據態勢評估的動態推理本質，結合其對應的領域知識，自頂向下逐步分解，并在對應的層次進行模板匹配。由于采用了逐層分級處理法則，且分層清晰、分級靈活（可以根據領域知識和閾值動態調整），克服了現實環境下由于數據的模糊性及缺失性帶來的不確定性問題。本模型適用于當前具有海量信息的復雜戰場環境態勢評估系統，同時為信息融合的發展提供了新思路。

參考文獻（References）

[1] Hall D L，Llinas J.An Introduction to Multisensor Data Fusion[J].Proceedings of IEEE，1997，85（1）：6-23.

[2] Smith P J，McCoy C E，Layton C.Brittleness in the Design ofCooperative Problem-solving Systems：the Effects on UserPerformance[J].IEEE Transactions on Systems，Man and Cybernetics，Part A，1997，27（3）：360-371.

[3] Hall D L，Llinas J.Handbook of Multisensor Data Fusion[M].Washington DC，N Y：CRC Press，2001.

[4] 何友，等.多傳感器信息融合及應用[M].北京：電子工業出版社，2007.

[5] 郭強，等.一種基于區間規則的條件證據網絡推理決策方法[J].控制與決策，2016，31（3）：394-402.

[6] 雷英杰，王寶樹.基于直覺模糊決策的戰場態勢評估方法[J].電子學報， 2006，34（12）：2175-2179.

[7] 王曉帆.信息融合中的態勢評估技術研究[D].安電子科技大學，2012.

[8] 潘恒，等.基于HMM和信息熵的網絡安全態勢評估方法[J].小型微型計算機系統，2015，36（8）：1784-1788.

[9] 杜修平.基于數據挖掘的證券態勢估計系統[D].天津大學，2006.

[10] Johnson J，et al.Real-time blackboards for sensor fusion. Proc of SPIE-The Inter.Society for Optical Engineering：Sensor Fusion[C].Washington，1989，1100：61-72.

[11] Harmon S Y，et al.Sensor data fusion through a distributedblack-board.Proc of 1986 IEEE Inter Conf on Robotics andAutomation [C].San Francisco，1986：1449-1454.

[12] 徐從富，耿衛東，潘云鶴.面向通偵信息融合的多層黑板模型[J].電子學報，2001，29（3）：361-363.

[13] 李偉生.信息融合中態勢估計技術研究[D].西安電子科技大學，2004.

[14] 程岳，王寶樹.基于分級多層黑板模型的態勢估計系統結構研究[J].計算機應用研究，2002，19（6）：29-31.

[15] 程岳.數據融合中態勢估計技術研究[D].西安電子科技大學，2004.