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)
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。
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
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。 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。 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。 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。 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。 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。 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。1.2 知識推理過程
2 基于興趣區(qū)域過濾的作業(yè)評判
3 算法應用
3.1 標圖作業(yè)評判模塊架構
3.2 算法應用驗證
4 結論