張俊峰，竇長旭，陳企華，張 揚

（1.解放軍32370 部隊，北京 100091；2.華北計算技術研究所，北京 100083）

0 引言

軍事標圖是指將敵我雙方軍事活動的有關情況，用軍標符號和文字標記的方式描述在數字地圖等載體中。在信息化作戰(zhàn)條件下，標繪要圖是描述敵我雙方態(tài)勢、反映作戰(zhàn)決心、組織指揮的重要手段，是指揮員和參謀人員應具備的業(yè)務技能。在訓練考核中，計算機標圖作業(yè)一般以人工評判為主，如何利用信息化手段，客觀、準確、快捷地評判標圖作業(yè)是需要研究的重點問題。

軍隊標號是軍事標圖中的基本元素，由隊標和隊號組成的符號系統(tǒng)。隊標用以表示軍隊的一切活動、各種兵器、器材和各種設施，在地圖上的表現形式是圖形；隊號用以注明軍隊番號的數字和代字，以代字、文字和數字的形式表示。標圖作業(yè)的評判主要是針對標號的評判，對比圖形相似度和標號屬性兩個方面。傳統(tǒng)的評判僅靠肉眼將標準答案和考生答案進行比對獲得結果，評判效率低，人為因素多；計算機評判標準統(tǒng)一，較人工評判有不可比擬的速度優(yōu)勢，但也存在很大的挑戰(zhàn)：1）圖形相似，但是含義不同，不易識別；2）標繪方式不同，但是圖形顯示相同；3）針對不同作業(yè)條件，評判標準也不同。計算機評判一方面要規(guī)避人工評判的問題，提高工作效率；另一方面要融入專家知識，避免評判標準呆板，實用性、智能化程度不高的問題。

研究標圖的文獻較多，文獻［1］提出一種基于ArcGIS 圖元的非規(guī)則軍標描述方法；文獻［2］提出基于SVG 的標圖符號設計方法，用于縮短標圖符號設計周期、減少數據冗余；文獻［3］闡述了通用標圖軟件中態(tài)勢標繪管理層的設計與實現。上述文獻均未涉及有關標圖評判的內容。文獻［4］區(qū)分圖幅整飾判定、軍標判定及要圖布局等類型，利用動態(tài)加載規(guī)則的方式進行標號判定，比較系統(tǒng)地梳理了標圖判定的各要素，但是其尚未觸及同一標號標繪方式不同等情況產生的評判問題，評判的適用性、準確性需要進一步研究。

在把握標圖作業(yè)一般特點和規(guī)律的基礎上，利用知識推理技術將專家知識和軍事規(guī)則融入到評判過程中，同時采用興趣區(qū)域過濾等方法提高評判的精確度，實現針對標圖作業(yè)的定量化、智能化評判。

1 基于知識推理的評判方法

知識推理的基本原理是將軍事領域的規(guī)則、專家經驗定義為知識，利用邏輯的形式符號化，通過邏輯推理得出具體結果。常見的方式有基于規(guī)則推理（rule-based reasoning，RBR）［5］和基于案例推理［6］（case-based reasoning，CBR）?；谝?guī)則推理是將知識以規(guī)則的形式表達，進而制定規(guī)則庫，規(guī)則庫中包含著變換規(guī)則，可將問題從初始狀態(tài)轉換成目標狀態(tài)，從既有事實中推理出隱含結論。標圖作業(yè)的評判也遵循標圖知識表示、構建評判規(guī)則庫、進行知識推理這一過程，如圖1 所示。

圖1 基于規(guī)則的知識推理Fig.1 Rule-based knowledge reasoning

1.1 知識表示

規(guī)則推理首先要將專家經驗和作戰(zhàn)標圖規(guī)定等轉化為知識表示。研究標號特點以及評判的重要因素，對標號進行特征抽取，將評判知識實體對象區(qū)分為整飾要素和內容要素兩類。整飾要素是標圖作業(yè)的重要組成部分，從內容上分為標題、密級以及落款等，從具體屬性上分為文字內容、顏色、字號和字體等；根據標號顯示的一般特點，進行特征抽取，標號內容要素區(qū)分為屬方、位置、顏色、注記、線型、方向、子標號等。在此基礎上構建評判規(guī)則庫。規(guī)則知識庫［8］是規(guī)則推理的重要部分，一方面要覆蓋標圖評判的方方面面，標號庫的任一標號都要有評判規(guī)則；另一方面評判規(guī)則不能呆板，需要設置一定的范圍，同時針對自定義的標號，同樣要具備評判規(guī)則。

評判規(guī)則可以用產生式規(guī)則［9］的方式表示。則“如果滿足這個條件，就判定為真”表示為：

if c（1）∧c（2）∧…∧c（n）then judge=true

如果某條規(guī)則的條件滿足了，那么就產生相應的結果。以標圖作業(yè)為例，基于標號唯一標識符編碼、標號含義以及標繪方式等設置標號評判知識庫。針對同義異形的標號，需要細致地構建知識庫規(guī)則，以確保評判規(guī)則的實用性。比如針對作戰(zhàn)想定的某一描述，采用A 標號是正確的，B 標號也是正確的，那么就設置該種情況下，A 和B 均為正確，避免了評判的不精確。某些標號繪制方式雖然多樣，但圖形顯示相同，則評判規(guī)則更為復雜。比如：某標號標繪時，可采用兩種標繪方式，從左至右設置關鍵點，或者從右至左設置關鍵點，繼而改變標號方向獲取的標繪圖形是相同的，均應視為正確。則在知識庫建立規(guī)則R1、R2，描述為某標號的標繪在滿足條件C1或者C2條件時，產生的結果視為等同。

在標繪方式1 情況下的規(guī)則R1：

R1： IF Ms：MarkS（type＝＝“TypeX”）Md：MarkD（|MarkD.Dir-MarkS.Dir|

在標繪方式2 情況下的規(guī)則R2：

R2： IF Ms：MarkS（type＝＝“TypeX”）Md：MarkD（|MarkD.Dir+MarkS.Dir|

知識表示相當于定義了標圖作業(yè)的彈性評判標準，為智能化評判方法運用提供條件。

1.2 知識推理過程

正向推理過程是將事實與已有的知識進行模式匹配，找到符合事實的知識，得出結論。Rete 算法［10］（Rete 在拉丁語中代表網絡）是用于產生式專家系統(tǒng)的模式匹配算法，在標圖評判規(guī)則推理中的應用過程是：創(chuàng)建規(guī)則集對應的Rete 推理網絡，將所有的規(guī)則解釋生成一個識別網絡，當事實進入系統(tǒng)后，在Rete 網絡上匹配規(guī)則進而傳播，直到抵達網絡的終止節(jié)點，完成一條規(guī)則的匹配后，即可觸發(fā)該規(guī)則預定義動作。Rete 算法網絡結構如圖2 所示。

圖2 Rete 算法網絡結構Fig.2 Network structure of Rete algorithm

Rete 網絡包括alpha 模式網絡和beta 連接網絡。節(jié)點類型包括：Root 節(jié)點、Type 節(jié)點、Select 節(jié)點、Alpha memory 節(jié)點、Beta memory 節(jié)點、Joint 節(jié)點等。

Root 節(jié)點是所有事實進入Rete 網絡的入口；Type 節(jié)點根據事實或事件對象的類型進行過濾，符合條件繼續(xù)傳播；

Select 節(jié)點根據模式的屬性對事實進行過濾，符合條件繼續(xù)傳播；

Alpha memory 節(jié)點存儲所有通過常量約束測試的事實對象；

Beta memory 節(jié)點存儲事實對象元組；

Joint 節(jié)點是雙輸入節(jié)點，左輸入通常為事實對象元組，右輸入通常為事實對象。該節(jié)點判斷兩個事實或事件對象在某一屬性值上的關系，如果條件符合，進行連接操作，向后傳播；當事實或事件數據傳播到某葉子節(jié)點時，表明該條規(guī)則完全匹配，將規(guī)則加入議程。

標圖作業(yè)中的標號在Rete 網絡中匹配傳播，直到抵達規(guī)則的終止節(jié)點，進而觸發(fā)該規(guī)則預設動作。

2 基于興趣區(qū)域過濾的作業(yè)評判

由于存在評判標準不統(tǒng)一、主觀因素較多的問題，標圖作業(yè)的評判一直以來缺乏可靠的技術手段。在設置評判標準、構建規(guī)則知識庫的基礎上，采用基于興趣區(qū)域的智能評判方法，實現了對標圖作業(yè)快速定量化的評判。軍標可分為規(guī)則軍標和不規(guī)則軍標。規(guī)則軍標可由直線、曲線、圓弧、矩形、多邊形、圓、文字等基本圖元組合而成；非規(guī)則軍標是由一組無規(guī)律的圖形符號組合而成，往往涉及到Bezier 曲線之類的算法。

標繪作業(yè)中包含有數十種類型的上百個標號與注記，有些標號與注記的類型是相同的，給標圖作業(yè)的評判帶來干擾與困難。在某一具體標號的評判中，對其興趣區(qū)域進行限定，可大大縮小評判的搜索范圍，提高評判準確度，繼而采用規(guī)則推理等方法，得出最終評判結果?；谂d趣區(qū)域的作戰(zhàn)標圖評判如圖3 所示。處理方式如下：

1）獲取某一標號的包圍區(qū)域，將包圍區(qū)域原始邊界作為內邊界并進行膨脹處理，得到包圍區(qū)域的外邊界；

2）遍歷符號集合內所有符號，根據定位點確定與外邊界之間的位置關系；

3）將外邊界內和外邊界相交的符號加入到興趣集內。

利用遍歷算法，對參考人員文件和標準文件中標號進行逐項遍歷比對，自動評判。某一標號的具體評判過程如圖4 所示，具體如下：

圖4 標圖評判算法流程Fig.4 Algorithm process of plotting operation judgment

1）獲取標圖答案和參考人員作業(yè)標號列表，以及標號評判設定；

2）判斷標號類型，按照點狀標號、線狀標號和面狀標號等不同分類進行判定，不同類型的標號其評判邏輯不同；

3）獲取該標號評判興趣區(qū)域的受考答案標號集合，如果興趣區(qū)域內有標號，則繼續(xù)下一步；

4）獲取興趣區(qū)域的參考人員作業(yè)某標號，獲取其標號類型；

5）判斷標號類型是否為同類型，如果是，繼續(xù)下一步；

6）利用規(guī)則知識庫進行判斷，查詢判斷結果，若根據知識庫規(guī)則，返回結果為True，則繼續(xù)下一步；

7）判斷標號的若干個關鍵點是否均在評判閾值范圍內，如果是，則繼續(xù)下一步；

8）判斷標號的方向偏差是否在評判閾值內，如果是，則繼續(xù)下一步；

9）判斷標號的線型和顏色是否符合評判設定，如果是，則繼續(xù)下一步；

10）進行標號相似度判定，進行相似度排序，取最大相似度標號；

11）如果相似度大于標準值0.9，則繼續(xù)下一步；

12）計算得分，處理符號錯誤信息；

13）輸出有關信息。

標圖作業(yè)評判涉及標號數量較多且規(guī)則復雜，為清晰地定位錯誤標號的相關信息，設計標圖作業(yè)和參考答案的同窗口可視化比對顯示，以增強智能化評判的實用性。將標圖作業(yè)、參考答案和評判信息區(qū)分為不同的圖層，在評判信息層，可高亮顯示正確的標號、錯誤的標號，可清晰地顯示參考答案中標號的興趣區(qū)域；錯誤標號的相關信息通過調用評判規(guī)則庫接口獲取，錯誤信息不僅包括方向、線型以及關鍵點等錯誤類型，還包括諸如定位點偏差距離、方向偏離角度等詳細信息。

3 算法應用

基于本文所提方法，在標圖軟件的基礎上添加標圖作業(yè)評判模塊，構建標圖訓練系統(tǒng)，能夠定量化評定作業(yè)成果，有助于參訓人員提升指揮技能。

3.1 標圖作業(yè)評判模塊架構

該模塊主要包括界面顯示、智能評判和底層支撐等部分，如圖5 所示。

圖5 標圖作業(yè)評判模塊框架Fig.5 Framework of plotting operation judgment module

底層支撐模塊主要是地理信息系統(tǒng)，可提供軍標顯示功能，數據庫中間件和文件解析模塊用于知識庫操作、評判規(guī)則載入、標圖文件解析等。

界面顯示模塊包括考核評判設置和評判信息顯示。評判設置可設置標圖作業(yè)的整體設置、整飾設置和標號設置，可設定不同標號及各個屬性的評判權重，增強標圖評判靈活度。評判信息顯示用于顯示參考答案、考生答案以及標號錯誤信息等，輔助快速定位到標繪錯誤。

智能評判模塊用于實現標圖作業(yè)整飾要素和標號的綜合評判。先判定標題、密級以及落款等整飾內容，再判定圖中標號的得分。在實現一般唯一性標號評判的基礎上，還可實現同一表述多種答案的靈活智能評判。

3.2 算法應用驗證

標圖作業(yè)評判模塊中采用基于知識推理和興趣區(qū)域過濾的智能化評判方法，取得了良好的效果。一方面，在評判效率和精確度上，都較人工評判有明顯優(yōu)勢，采用機器評判提升了工作效率，評判時間以s 計算，不及人工方式的1%，且隨著試卷數量的提升優(yōu)勢更為明顯；另一方面，與一般基于規(guī)則的標圖判定方法相比，通過設置靈活的評判規(guī)則進行知識推理，并融入興趣區(qū)域過濾算法，不僅實現了同形異義和同義異形標號的智能評判，而且在此基礎上提高了評判結果的精準度。在系統(tǒng)應用過程中，針對3 種難度類型的標圖作業(yè)進行實驗，其中，難度較易的作業(yè)約含50 個標號，難度中等的約含75 個標號，難度較難的約含100 個標號，評判精準度和評判能力效果驗證效果如表1 所示。

表1 評判精準度和評判能力驗證結果/%Table 1 Verification results of judgment accuracy and capability/%

從結果可以看出，標圖作業(yè)的難易程度對評判準確率幾乎沒有影響，而采用本文方法的標圖作業(yè)評判準確率遠高于一般基于規(guī)則評定的方法，且滿足評判嚴格準確的應用需求。目前該標圖訓練系統(tǒng)已經取代人工評判手段，在參謀人員技能訓練中得到廣泛使用。

4 結論

本文提出基于知識推理和興趣區(qū)域的標圖評判方法，并在此基礎上實現了標圖作業(yè)的自動化評判，有效解決了人工評判效率低且容易出錯的問題，為標圖作業(yè)訓練考核提供了智能化手段。

本文研究標圖作業(yè)的一般特點，尤其是標號的屬性特點，將軍事知識和專家經驗轉化為知識表示，利用Rete 算法進行規(guī)則推理得出結果；在此基礎上，利用興趣區(qū)域過濾的方法縮小標號匹配范圍，提出標號評判的整體流程；在標圖訓練系統(tǒng)中構建作業(yè)結果評判模塊，開展具體應用實踐。下一步將繼續(xù)研究標圖規(guī)則表示，完善知識推理模型，提升評判的智能性和通用性。