趙晨潔

摘要：信息化戰(zhàn)爭(zhēng)無(wú)疑在現(xiàn)代戰(zhàn)爭(zhēng)形態(tài)中占據(jù)著重要地位，建設(shè)從傳感器到信息處理系統(tǒng)的“智能化”戰(zhàn)場(chǎng)無(wú)縫保障體系至關(guān)重要，然而基于靜態(tài)傳感設(shè)備的傳統(tǒng)感知網(wǎng)絡(luò)是無(wú)法滿足戰(zhàn)場(chǎng)需求的。因此，本文通過(guò)引入群智感知的相關(guān)理論，分析戰(zhàn)場(chǎng)保障數(shù)據(jù)需求，提出了一種面向戰(zhàn)場(chǎng)的群智感知模型，以提高戰(zhàn)場(chǎng)任務(wù)的成功率。

關(guān)鍵字：群智感知;戰(zhàn)場(chǎng);服務(wù)模型

中圖分類號(hào)：TP277 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）13-0227-03

無(wú)論戰(zhàn)爭(zhēng)形態(tài)如何演變，敵情、我情、戰(zhàn)場(chǎng)環(huán)境始終是戰(zhàn)爭(zhēng)研究的基本問題。隨著科技力量的迅猛發(fā)展，信息量呈現(xiàn)出爆炸式的增長(zhǎng)。因此，“知己知彼，百戰(zhàn)不殆”被賦予了更深層次的意義，即信息優(yōu)勢(shì)和信息能力。信息優(yōu)勢(shì)是一種動(dòng)態(tài)對(duì)抗過(guò)程;信息能力是爭(zhēng)奪和控制信息優(yōu)勢(shì)的具體體現(xiàn)[1]。所以從技術(shù)角度講，信息化戰(zhàn)爭(zhēng)條件下建設(shè)從傳感器到信息處理系統(tǒng)的無(wú)縫保障體系至關(guān)重要;其目的在于構(gòu)建作戰(zhàn)環(huán)境感知體系，能夠?qū)崟r(shí)獲取并預(yù)測(cè)敵我兩軍當(dāng)前態(tài)勢(shì)以及戰(zhàn)場(chǎng)環(huán)境變化，為“智能化”戰(zhàn)場(chǎng)建設(shè)提供有力支撐。

本文通過(guò)引入群智感知的相關(guān)理論，分析“智能化”戰(zhàn)場(chǎng)保障數(shù)據(jù)需求，解決傳統(tǒng)感知網(wǎng)絡(luò)數(shù)據(jù)資源短缺、數(shù)據(jù)更新慢、軟硬件設(shè)施缺乏自主可控、感知節(jié)點(diǎn)少等諸多問題，以提高戰(zhàn)場(chǎng)任務(wù)的成功率。

1 群智感知關(guān)鍵技術(shù)研究

隨著嵌入式系統(tǒng)和普適計(jì)算的不斷發(fā)展，大部分移動(dòng)智能終端設(shè)備都具備了豐富的傳感器，如熱傳感器、壓力傳感器、重力傳感器、速度傳感器等;所有移動(dòng)終端可以成為感知節(jié)點(diǎn)，海量移動(dòng)智能終端構(gòu)筑起了感知平臺(tái)的復(fù)雜觸角，使實(shí)時(shí)、全面、透徹地分析判斷被服務(wù)對(duì)象當(dāng)前所處的情景信息并為之提供適當(dāng)服務(wù)成為可能。這種眾包思想被群智感知技術(shù)以全新的方式呈現(xiàn)出來(lái)，即作為基本感知單元的普通用戶移動(dòng)設(shè)備，通過(guò)移動(dòng)互聯(lián)網(wǎng)進(jìn)行有意識(shí)或無(wú)意識(shí)的協(xié)作來(lái)完成大規(guī)模的、復(fù)雜的感知數(shù)據(jù)收集和感知任務(wù)分發(fā)。

1.1 群智感知的基本架構(gòu)

群智感知技術(shù)可以從大量感知個(gè)體的數(shù)據(jù)中，獲取到具有集群標(biāo)識(shí)的特征信息，再按需反饋給個(gè)體，例如提供推薦式服務(wù)等?！案兄迸c“挖掘”作為群智感知技術(shù)的兩個(gè)核心，感知層由個(gè)體與其攜帶的移動(dòng)智能終端設(shè)備組成，挖掘?qū)蛹春笈_(tái)數(shù)據(jù)分析中心[2]。感知層的功能為完成數(shù)據(jù)的采集，分為參與式感知和機(jī)會(huì)式感知，均由終端設(shè)備進(jìn)行用戶信息數(shù)據(jù)的采集并上傳。參與式感知的數(shù)據(jù)是基于用戶主動(dòng)參與而獲取的，因此精度易受到人主觀意識(shí)的影響;機(jī)會(huì)式感知的數(shù)據(jù)精度依賴于感知算法和整體環(huán)境，因?yàn)槠涓兄脩粜袨榈姆绞绞窃谟脩魺o(wú)主觀意識(shí)狀態(tài)的情況下進(jìn)行的。挖掘?qū)邮菫榘l(fā)現(xiàn)某種潛在信息或規(guī)律而對(duì)采集到的原始數(shù)據(jù)進(jìn)行深度分析。群智感知的經(jīng)典架構(gòu)如圖1所示。

感知平臺(tái)將某個(gè)大型社會(huì)任務(wù)劃分為多個(gè)感知服務(wù)子任務(wù)，并通過(guò)公開呼叫向移動(dòng)用戶發(fā)布這些任務(wù)，在必要時(shí)采取激勵(lì)機(jī)制吸引用戶參與;用戶收到呼叫后，分析自身的觀情況并判斷是否要參與該感知服務(wù);決定參與的用戶利用所獲取到的感知數(shù)據(jù)進(jìn)行前端處理，上報(bào)感知服務(wù)平臺(tái)的過(guò)程中可以采用隱私保護(hù)手段;感知平臺(tái)處理和分析所采集到的原始數(shù)據(jù)，并將分析結(jié)果應(yīng)用于環(huán)境監(jiān)測(cè)、智能交通、城市管理、公共安全、社交網(wǎng)絡(luò)等各大服務(wù)領(lǐng)域;

最后，感知平臺(tái)對(duì)用戶數(shù)據(jù)進(jìn)行量化評(píng)估，如果有必要可根據(jù)相應(yīng)的激勵(lì)機(jī)制適當(dāng)?shù)匮a(bǔ)償用戶執(zhí)行感知服務(wù)任務(wù)的代價(jià)。

1.2 群智感知應(yīng)用的分類

當(dāng)前群智感知技術(shù)服務(wù)模式中，手機(jī)、平板電腦等移動(dòng)感知設(shè)備具有普適性，借此可以完成依靠個(gè)體很難實(shí)現(xiàn)的社會(huì)感知任務(wù)。新南威爾士大學(xué)[3]開發(fā)的霧霾監(jiān)視系統(tǒng)HazeWatch是在手機(jī)上擴(kuò)展外部傳感器的基礎(chǔ)上完成的，該系統(tǒng)能夠?qū)崟r(shí)測(cè)量空氣中一氧化碳、臭氧、二氧化硫、二氧化氮的濃度;此外該大學(xué)研究人員還開發(fā)了類似系統(tǒng)Ear-Phone，利用手機(jī)本身所攜帶的麥克風(fēng)監(jiān)測(cè)周圍噪聲水平，旨在分析噪聲污染對(duì)人的行為所帶來(lái)的影響。微軟研究院主持的Nericell項(xiàng)目[4]使用手機(jī)內(nèi)置速度傳感器、重力傳感器、方向傳感器等來(lái)監(jiān)測(cè)道路狀況，如凹坑、凸起，或制動(dòng)和喇叭（該兩者為交通擁堵的隱形指標(biāo)）;通過(guò)采集的海量數(shù)據(jù)分析出道路表面粗糙度、噪聲情況、交通條件等信息，其目的在于方便城市居民出行。在國(guó)內(nèi)的Geolife工程中，研究人員以群智感知技術(shù)作為指導(dǎo)思想，采集了170多名志愿者四年的GPS軌跡和北京兩萬(wàn)多臺(tái)出租車三個(gè)月的GPS軌跡，并作出了以下研究工作：通過(guò)數(shù)據(jù)挖掘得出比較受人們青睞的景點(diǎn)以及人們參觀景點(diǎn)的順序習(xí)慣;利用人類的歷史地理位置信息來(lái)推斷用戶的社會(huì)關(guān)系;從基于Web應(yīng)用的GPS軌跡中發(fā)現(xiàn)用戶的交通模式等。

雖然群智感知技術(shù)目前更多致力于民用研究，如環(huán)境監(jiān)測(cè)、公共安全、城市管理、智能交通、社交服務(wù)等，但是這種利用群體智慧感知更全面情境信息的思維模式近年來(lái)在發(fā)展軍事力量研究中也是初見端倪。為了提高部隊(duì)在可視化程度較低的夜間戰(zhàn)斗力，美軍在伊拉克戰(zhàn)爭(zhēng)中為每一名士兵提供了單兵頭盔夜視系統(tǒng)，以及其它類似的熱成像設(shè)備（如Lion、Sophie系統(tǒng)等）;以單兵設(shè)備為感知節(jié)點(diǎn)，大量節(jié)點(diǎn)所采集到的圖像數(shù)據(jù)匯總上傳到后臺(tái)數(shù)據(jù)處理中心，通過(guò)數(shù)據(jù)挖掘、數(shù)學(xué)建模等技術(shù)手段及時(shí)呈現(xiàn)出當(dāng)前整個(gè)戰(zhàn)場(chǎng)環(huán)境。此外，美國(guó)第1陸戰(zhàn)師為支援陸戰(zhàn)隊(duì)員在巴格達(dá)城市環(huán)境中作戰(zhàn)采購(gòu)了單兵電臺(tái)，該電臺(tái)具備頭盔內(nèi)置耳機(jī)、麥克風(fēng)以及能連接到槍上的按鍵式通話系統(tǒng)，其原理也是通過(guò)以人為中心的感知節(jié)點(diǎn)來(lái)采集數(shù)據(jù)，并從中分析獲取有用知識(shí)。由此看來(lái)，這類“單兵”系統(tǒng)不僅用于近距離戰(zhàn)斗中的監(jiān)視和目標(biāo)搜索，而且其內(nèi)置傳感器也改善了整個(gè)系統(tǒng)的共享態(tài)勢(shì)感知能力。此類系統(tǒng)大部分是在阿富汗戰(zhàn)爭(zhēng)中有過(guò)出色表現(xiàn)后，通過(guò)緊急作戰(zhàn)需求程序?qū)橐晾藨?zhàn)爭(zhēng)而設(shè)計(jì)的。因此，無(wú)論是從順應(yīng)時(shí)代發(fā)展潮流的角度而言，還是從加強(qiáng)軍隊(duì)信息化建設(shè)與國(guó)際化水平接軌的角度來(lái)講，研究群智感知技術(shù)在戰(zhàn)場(chǎng)上的應(yīng)用具有非常深遠(yuǎn)的意義。

2 面向戰(zhàn)場(chǎng)的群智感知模型的構(gòu)建

無(wú)論是傳統(tǒng)戰(zhàn)場(chǎng)還是現(xiàn)代戰(zhàn)場(chǎng)，作戰(zhàn)環(huán)境對(duì)軍隊(duì)的運(yùn)動(dòng)、使用、防護(hù)和作戰(zhàn)都會(huì)產(chǎn)生不可避免的影響。所謂作戰(zhàn)環(huán)境是指與作戰(zhàn)活動(dòng)有關(guān)的外部空間及其影響作戰(zhàn)活動(dòng)的各種因素和條件的統(tǒng)稱，包括時(shí)間、自然環(huán)境、基礎(chǔ)設(shè)施、信息、政治、社會(huì)等多個(gè)變量[5];美國(guó)軍方認(rèn)為，作戰(zhàn)環(huán)境是所有軍事行動(dòng)的基本條件。因此，基于作戰(zhàn)環(huán)境的相關(guān)理論并結(jié)合群智感知的基本架構(gòu)，本文提出了一種可拓展的面向戰(zhàn)場(chǎng)的群智感知應(yīng)用模型，如圖2所示。

該模型不僅涉及到群智感知相關(guān)理論，還涉及到了數(shù)據(jù)挖掘關(guān)鍵技術(shù)，包括多源化感知數(shù)據(jù)獲取、特征信息的提取、移動(dòng)節(jié)點(diǎn)的集群行為分析、智能服務(wù)推送等。為了提高模型的可用性，應(yīng)用場(chǎng)景應(yīng)至少滿足以下兩個(gè)條件：1）以參與式為感知方式的節(jié)點(diǎn)間是相互信任并能夠接收、轉(zhuǎn)發(fā)和傳遞任何數(shù)據(jù)的;2）伴隨著附著在作戰(zhàn)節(jié)點(diǎn)上的各種移動(dòng)設(shè)備功能不斷發(fā)展與完善，越來(lái)越多的嵌入式微型傳感器可配置其中。

2.1 多源化感知數(shù)據(jù)的獲取

在面向戰(zhàn)場(chǎng)的群智感知模型中，除了作戰(zhàn)人員外，作戰(zhàn)工具也可以被用作感知節(jié)點(diǎn)。無(wú)論是傳統(tǒng)的裝甲車、運(yùn)輸車，還是未來(lái)作戰(zhàn)武器中的無(wú)人地面作戰(zhàn)車、偵察機(jī)器人、微型無(wú)人偵察機(jī)等均是由作戰(zhàn)人員進(jìn)行操控，作戰(zhàn)工具的當(dāng)前狀態(tài)、移動(dòng)狀態(tài)以及工具之間的交互狀態(tài)很明顯具有人的意志;由此可見，作戰(zhàn)工具完全可以勝任移動(dòng)節(jié)點(diǎn)的所有感知任務(wù)。結(jié)合作戰(zhàn)環(huán)境的相關(guān)理論，考慮到兩軍交戰(zhàn)可能發(fā)生在人煙稀少的熱帶山林或者高寒山地等，也可能發(fā)生在人口密集的城市環(huán)境;在人口比例相對(duì)密集的作戰(zhàn)空間中，人文環(huán)境在作戰(zhàn)活動(dòng)中也占據(jù)著舉足輕重的地位。為了避免不必要的沖突與傷亡，可以選擇非作戰(zhàn)人員（即普通用戶）為感知節(jié)點(diǎn)來(lái)更好地實(shí)時(shí)監(jiān)測(cè)當(dāng)?shù)鼐用袂闆r。對(duì)于非作戰(zhàn)人員，數(shù)據(jù)的安全性在信息采集過(guò)程中顯得尤為重要;其感知方式的設(shè)定可以區(qū)別于作戰(zhàn)人員的參與式感知方式，采用機(jī)會(huì)式感知，即用戶在無(wú)意識(shí)的行為中進(jìn)行數(shù)據(jù)收集。

2.2 特征信息的提取

由于移動(dòng)節(jié)點(diǎn)本身屬性的差異性以及節(jié)點(diǎn)所處環(huán)境的復(fù)雜性，必然會(huì)導(dǎo)致原始數(shù)據(jù)集存在冗余、異構(gòu)的現(xiàn)象。為了解決模型中感知數(shù)據(jù)的分析問題，需要數(shù)據(jù)分析方法相關(guān)理論的支撐。數(shù)據(jù)挖掘是一個(gè)結(jié)合了數(shù)據(jù)庫(kù)技術(shù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)、知識(shí)工程和信息檢索等技術(shù)的多學(xué)科領(lǐng)域，融合了大量最新研究成果。數(shù)據(jù)挖掘技術(shù)可以應(yīng)用于提取戰(zhàn)場(chǎng)特征信息，其目的是自動(dòng)分析作戰(zhàn)數(shù)據(jù)并從中獲取隱含情報(bào)，以幫助指揮員做出相對(duì)準(zhǔn)確的作戰(zhàn)決策。譬如在城市空間環(huán)境中作戰(zhàn)，人口相對(duì)比較密集且非作戰(zhàn)人員（即普通用戶）的行為是不受控制的;基于盡量避免出現(xiàn)不必要傷亡的作戰(zhàn)原則，對(duì)非作戰(zhàn)人員的行為預(yù)測(cè)也是一項(xiàng)不能忽視的任務(wù);因此，可以對(duì)眾多普通用戶的歷史移動(dòng)軌跡數(shù)據(jù)建立馬爾科夫預(yù)測(cè)模型，分析移動(dòng)節(jié)點(diǎn)的集群行為，以達(dá)到偵察作戰(zhàn)人文環(huán)境的目的。

2.3 作戰(zhàn)方案智能推送

作戰(zhàn)指揮的核心是作戰(zhàn)決策，作戰(zhàn)環(huán)境的復(fù)雜性決定了人仍然是現(xiàn)代戰(zhàn)爭(zhēng)中的主導(dǎo)決策者;然而，信息化戰(zhàn)場(chǎng)中態(tài)勢(shì)的瞬息變化卻是人力目前所無(wú)法企及的;因此，面向戰(zhàn)場(chǎng)的群智感知模型在某種情況下能夠有效輔助指揮員進(jìn)行作戰(zhàn)決策。

首先，建立決策問題庫(kù)用以存儲(chǔ)諸多軍事專家進(jìn)行決策的經(jīng)驗(yàn)數(shù)據(jù);其次，根據(jù)大量的戰(zhàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)不斷擬合與訓(xùn)練作戰(zhàn)模型;然后，由AI輸出幾套最優(yōu)候選方案;最后，指揮員根據(jù)具體戰(zhàn)場(chǎng)情況并結(jié)合自身作戰(zhàn)經(jīng)驗(yàn)來(lái)確定最終的作戰(zhàn)方案，該方案通過(guò)模型被下發(fā)至各級(jí)指戰(zhàn)員。

3 結(jié)束語(yǔ)

移動(dòng)智能終端設(shè)備的飛速發(fā)展，使得更多嵌入式傳感器得到應(yīng)用;感知節(jié)點(diǎn)可以獲取到更全面的情景信息，從海量多方位的感知數(shù)據(jù)中能夠挖掘出更加準(zhǔn)確有效的數(shù)據(jù)知識(shí)，更好地滿足作戰(zhàn)需求。新型移動(dòng)智能終端設(shè)備也為群智感知技術(shù)在戰(zhàn)場(chǎng)中的應(yīng)用帶來(lái)了更艱巨的新挑戰(zhàn)。本文僅僅是群智感知技術(shù)戰(zhàn)場(chǎng)應(yīng)用的冰山一角，更多疑問還需致力于該研究領(lǐng)域的工作人員共同努力。

參考文獻(xiàn)：

[1] 徐哲， 李卓， 陳昕.面向移動(dòng)群智感知的多任務(wù)分發(fā)算法[J]. 計(jì)算機(jī)應(yīng)用， 2017， 37（1）：18-23.

[2] 張繼德， 袁印， 劉亞志，等.一種面向信息質(zhì)量的移動(dòng)群智感知協(xié)作方法[J]. 計(jì)算機(jī)工程， 2017， 43（7）：15-21.

[3] 郭瑞， 賀筱媛. 面向戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)智能分析的預(yù)處理方法[J]. 電子技術(shù)與軟件工程， 2017（16）：157-157.

[4] 劉琰， 郭斌， 吳文樂，等.移動(dòng)群智感知多任務(wù)參與者優(yōu)選方法研究[J]. 計(jì)算機(jī)學(xué)報(bào)， 2017， 40（8）：1872-1887.

[5] 楊俊， 肖國(guó)輝， 郝禹辰.美軍作戰(zhàn)環(huán)境研究現(xiàn)狀[J]. 火箭軍軍事學(xué)術(shù)， 2017 （2）： 29-31.

【通聯(lián)編輯：張薇】