На правах рукописи

МИРОШНИЧЕНКО Владимир Алексеевич

ГЕОИНФОРМАЦИОННЫЙ МЕТОД ПРЕДСТАВЛЕНИЯ И АНАЛИЗА

ТЕРРИТОРИАЛЬНОЙ ОБСТАНОВКИ В СИСТЕМАХ ОХРАННОГО

МОНИТОРИНГА

Специальность: 25.00.35 – «Геоинформатика»

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург – 2007 3

Работа выполнена в Государственной морской академии имени адмирала С.О. Макарова

Научный руководитель: доктор технических наук, профессор Биденко Сергей Иванович

Официальные оппоненты: доктор технических наук, старший научный сотрудник Ковчин Игорь Сергеевич кандидат физико-математических наук, доцент Акселевич Виталий Иосифович

Ведущая организация – Государственный научно-исследовательский навигационногидрографический институт МО РФ

Защита состоится «» 200 г. в ч мин на заседании диссертационного совета Д.212.197.03 при Российском государственном гидрометеорологическом университете по адресу: 195196, г. Санкт-Петербург, пр.

Металлистов, д. 3, аудитория 311.

С диссертацией можно ознакомиться в библиотеке Российского государственного гидрометеорологического университета.

Автореферат разослан «» 200 г.

Ученый секретарь диссертационного совета Д.212.197. доктор технических наук, профессор П.П. Бескид

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Земная поверхность (ЗП) является объектом исследования специалистов различных предметных областей, связанных с территориальным распределением и функциональной активностью в пределах географической оболочки Земли.

Важную роль в территориальных исследованиях ЗП играют различные системы охранного мониторинга местности (ОММ). В них постоянно обрабатывается большое количество разнородной априорной и оперативной геоинформации (ГИ) о самих охраняемых геообъектах (ГО), контролируемой территории и субъектах-нарушителях.

Решения задач освещения оперативно-тактической обстановки в охраняемой территориальной зоне различных оборонных, административных, промышленных и других ТО становится актуальным в связи с возрастающими в настоящее время угрозами терроризма и техногенных катастроф.

Представление и анализ геоинформации (ГИ) о территориальной обстановке в зоне охранного мониторинга постоянно усложняется в связи с возрастанием количества охраняемых ТО и увеличением организационных и функциональных уровней систем охраны ТО.

Для повышения адекватности представления и оперативности решения задач пространственного анализа в настоящее время широко внедряются средства геоинформатики – геоинформационные системы (ГИС) и геоинформационные технологии (ГИТ).

Развивающиеся возможности ГИТ обеспечивают более эффективное решение задач сбора, представления, анализа и выработки управленческих решений в различных сферах деятельности человека, где используется быстро меняющаяся оперативная информация. Однако среди множества программных продуктов, используемых сегодня на рынке полноценных ГИС, в полной мере решение задач безопасности охраняемых ТО, не обеспечивается ни одной из них. Описательный характер моделей ГО, значимых в теории и практике применения ОММ и их пространственно-логических связей в известных ГИС не может быть эффективно использован без существенных изменений принципа представления ГО.

Функционирование ОММ базируется на использовании ГИ от различных источников априорной и оперативной информации. Основой оперативной ГИ является сеть автономных источников информации (АИИ) об обстановке – так называемых контрольно-сигнализационных устройств (КСУ).

Однако, на основе только первичной информации от источников, которая, как правило, противоречива, нечетка и неточна, без специальной ее семантической и прагматической (интеллектуальной) обработки невозможно решить задачу распознавания обнаруженных на охраняемой территории ГО и в целом – задачу освещения обстановки с отображением ее на электронной карте (ЭК). В настоящее время эти задачи обработки и идентификации контрольной ГИ решаются операторами на основе их индивидуальных особенностей и ранее полученного опыта, что делает результат решения зависимым от субъективных факторов. При этом время дешифровки полученных сигналов (распознавания ГО) от сети источников информации (ИИ) может быть значительным и не соответствовать требованиям систем территориального наблюдения.

Вторичная обработка контрольной геоинформации (КГИ) является основой многих современных автоматизированных комплексов управления различными природно-техническими системами, в том числе систем мониторинга территорий, решающих задачи распознавания объектов и ситуаций обстановки для различных приложений, например, ОММ крупных промышленных предприятий, оборонных объектов, административных центров или природоохранного мониторинга (охрана лесов от пожаров).

Вторичная обработка ГИ различного качества от разнородных источников для решения задач автоматического обнаружения и классификации одиночных и групповых территориальных объектов (ТО) в интегрированных системах мониторинга территорий является актуальной научно-технической проблемой. Основная сложность ее решения обусловлена отсутствием приемлемых для практического использования научно обоснованных подходов и методов комплексирования информации от разнородных источников с целью компенсации недостатка информации, получаемой от каждого источника в отдельности при решении задач классификации подвижных или временно неподвижных объектов.

Данный недостаток современных ОММ в условиях повышения к ним требований со стороны территориальных АСУ обусловливает наличие противоречия между требуемой и существующей эффективностью такого класса систем. Способом его разрешения является поиск новых методов повышения эффективности существующих или разработка перспективных комплексов на новых принципах обработки ГИ, базисом для разработки которых могут служить результаты отечественных и зарубежных научных школ и ученых в области:

информационных систем, систем распознавания образов и принятия решений;

базовых информационных технологий, среди которых особое значение для специальных охранных приложений имеет ГИТ получения и использования цифровой картографической информации (ЦКИ).

В связи с вышеизложенным разработка геоинформационных методов распознавания и представления геообстановки по динамически изменяемому вектору исходной контрольной ГИ, обладающему принципиальной нечеткостью и противоречивостью ГИ, представляется практически значимой.

Научная актуальность диссертационной работы обусловлена необходимостью развития теоретических основ решения прикладной проблемы распознавания территориальных одиночных, групповых объектов и геоситуаций по исходной ГИ от разнородных источников, учитывающих различные факторы социальной и природной геосреды для информационного обеспечения автоматизированных систем классификации и представления на ЭК локальных ситуаций геообстановки.

Целью исследования является разработка геоинформационных моделей, методики и алгоритмов обработки нечеткой и противоречивой ГИ от сети КСУ для повышения эффективности распознавания и представления движущихся объектов в ОММ.

Для достижения поставленной цели в работе решались следующие научные задачи:

1. Разработка формализованных описаний и представлений динамических ТО, геомоделей представления знаний и алгоритмов вторичного распознавания динамических ТО по неполной и нечеткой исходной ГИ.

2. Разработка методики распознавания динамических ТО по нечеткой и неполной исходной ГИ.

3. Проверка работоспособности и эффективности полученных результатов.

Методы исследования. Геомоделирование, системный и функциональный анализ, теория систем искусственного интеллекта, теория анализа геоситуаций в нечетких задачах выбора, нечеткая логика, имитационное и аналитико-имитационное моделирование.

Теоретическую базу исследования составили работы в области геоинформатики (Алексеев В.В., Берлянт А.М., Дмитриев В.В., Лурье И.К., Тикунов В.С., Цветков В.Я., Яшин А.И.), информационных систем, систем распознавания образов, базовых информационных технологий (Алёшин И.В., Бескид П.П., Вапник В.Н., Горелик А.Л., Заде Л., Ковчин И.С., Мазуров Г.И., Малинин В.Н., Поспелов Д.А., Советов Б.Я., Царёв В.А.).

На защиту выносятся следующие научные результаты:

1. Модели динамических ТО и геоситуаций на основе их вторичных информационных признаков.

2. Методика и алгоритмы вторичного распознавания динамических ТО по нечеткой и противоречивой ГИ от сети АИИ– КСУ.

Научная новизна полученных в диссертации результатов.

1. Модели динамических ТО и геоситуаций на основе их вторичных информационных признаков отличаются учетом структурных свойств пространственно-временных характеристик системы «динамические ТО – геосреда – сеть ИИ», что позволяет учитывать главные компоненты внешней геосреды, влияющие на эффективность ОММ, которые принципиально не могут быть отслежены и компенсированы на уровне только КСУ;

2. Методика и алгоритмы вторичного распознавания движущихся объектов по нечеткой и противоречивой ГИ от сети КСУ отличаются комплексной ситуативной обработкой ГИ от КСУ, баз данных ЭК, внешних условий функционирования ОММ, что позволяет обеспечивать заданные его системные показатели эффективности по исходной ГИ низкого качества.

Достоверность сформулированных научных положений и выводов подтверждена корректным применением апробированных методов геоинформационного моделирования, методов и моделей прикладного исчисления предикатов, имитационным и аналитикоимитационным моделированием; разработкой и проверкой макета ОММ на испытательных полигонах, внедрением разработанных результатов в НИОКР.

Теоретическая значимость состоит в описании пространственно-временного воздействия условий геосреды на функционирование КСУ и оценке их влияния на эффективность территориального анализа обстановки в ОММ.

Практическая ценность. Полученные в диссертации выводы и рекомендации являются научной базой для конструкторского проектирования ОММ, реализующих основанные на знаниях ГИТ:

- обработки ГИ в ОММ, способ формализации и модели представления знаний, аналитические и логические условия различимости геоситуаций в ОММ, алгоритмы вторичного распознавания динамических ТО по нечеткой и противоречивой ГИ от сети автономных ИИ – теоретическая, методическая и вычислительная база построения автоматизированной системы проектирования ОММ;

- базовые модели обработки ГИ от сети КСУ, алгоритмы отождествления и распознавания, способ формализации и банк формализованных описаний вторичных информационных признаков движущихся основных групповых ТО, алгоритмы имитационного моделирования отдельных компонентов ОММ – основа проектирования опытных образцов ОММ различного назначения.

Апробация. Результаты диссертации докладывались на девяти научно-технических конференциях СПбГЭТУ (ЛЭТИ), ВМИРЭ, СПБВМИ, ВСОК ВМФ, ГНИНГИ МО РФ, РИРВ, ГМА им. адм. С.О. Макарова, на Х Международной конференции «Региональная информатика – 2006», в период с 2004 – 2006 г.г.

Реализация. Результаты диссертации исследованы и внедрены в НИР «Прогресс ФВО – ММ», «Специалист», ОКР «Цадик – АМ», в ФАП ГС ВМФ, в учебный процесс ГМА им. адм.

С.О.Макарова, СПб ВМИ.

Публикации. Результаты исследований отражены в 17 опубликованных работах, в том числе: 2 научных статьях в изданиях из рекомендованного ВАК перечня, 4 научных статьях в других изданиях, 11 тезисах научных докладов, а также в 3 отчетах по НИР.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения, списка использованной литературы, включающего 125 наименований, 2-х приложений. Основная часть диссертации изложена на 174 страницах машинописного текста. Диссертация содержит 43 рисунка и 7 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи работы, перечислены методы исследования, изложены основные научные результаты, выносимые на защиту.

В первой главе выполнен анализ предметной области и путей повышения эффективности обработки информации в системах ОММ. Анализ существующих подходов в построении систем вторичного распознавания движущихся объектов для ОММ позволил сформулировать систему требований и ряд ограничений на класс методов обработки информации. В качестве такого ограничения выступают выявленные и принципиально неустраняемые нечёткость и неполнота вектора исходной информации, поступающей от сети КСУ. По результатам анализа разработана более полная модель вторичной обработки информации в ОММ: «движущийся ТО – геосреда - КСУ», которая является развитием известной «движущийся ТО КСУ». Разработанная модель описывает обработку информации в ОММ в виде двухуровневой геоинформационной системы принятия решений, учитывающей иерархический принцип организации её зон ответственности и специфику влияния комплекса геопространственных условий каждого уровня на эффективность системы в целом.

Выявлено, что недостаточная практическая эффективность существующего парка отечественных и зарубежных ОММ в распознавании движущихся объектов обусловлена, в первую очередь, несогласованными по уровням принятия решений методами и алгоритмами обработки нечёткой исходной информации. Данные методы до сих пор разрабатывались независимо, хотя ОММ представляют собой геоинформационные двухуровневые системы распознавания образов, требующие межуровневого согласования и учёта комплекса динамически изменяемых внешних условий, влияющих на качество распознавания. Это обусловлено тем, что ОММ (из-за геопространственной и климатической специфики применения сети КСУ) следует рассматривать как системы обработки информации с изменяемыми структурой и параметрами.

Предложен метод распознавания движущихся объектов по нечёткой и неполной исходной геоинформации, отличающийся ситуативной обработкой информации от КСУ, учитывающей совокупность основных внешних условий первого и второго уровней обработки и анализа КГИ в ОММ, что позволяет обеспечивать заданные системные показатели эффективности по исходной информации низкого качества. Он основан на получении и использовании следующих оценок и моделей знаний:

информации от систем наблюдения (оценки прямых измерений параметров обстановки, например, параметры движущихся одиночных и групповых объектов в зоне наблюдения);

формализованном описании классов эталонов движущихся групповых ТО в нечёткой постановке (априорные оценки информационных признаков эталонов ситуаций обстановки);

формализованном описании обобщённого критерия качества внешних условий геосреды, полученных от КСУ и из других источников, всегда имеющихся у оператора (оценки текущих условий анализа геоситуации);

формализованном описании знаний лиц, осуществляющих распознавание геоситуаций в настоящий момент ручным способом.

Суть метода состоит в вычислении оценок обобщённого критерия качества условий принятия решений обнаружителем/классификатором на первом уровне, степени риска в распознавании движущихся объектов по этим данным на уровне вторичных информационных признаков, применении пороговых процедур для адаптации нечётких моделей эталонов ситуаций к изменению внешних условий посредством подстройки множественной функции принадлежности (МФП) их информационных признаков. Обобщённый критерий имеет вид определяемый как мера отклонений в показателях внутри каждого класса признаков, где: nijk - полное число признаков качества выбранного показателя, mijk - число признаков, совпавших при сравнении, k - номер класса, i - номер процесса, явления или свойства, j p = 1 - весовой множитель, удовлетворяющий номер индекса, pi - весовой множитель, где i условию нормировки.

Реализация данного метода определила порядок и перечень решаемых в диссертации задач, связанных с разработкой: геоинформационных моделей условий вторичного отождествления и распознавания; моделей представления знаний и алгоритмов вторичного распознавания движущихся ТО по нечёткой и неполной исходной информации; алгоритмов имитационного моделирования для оценки потенциальной эффективности научно-технических решений.

Во второй главе предложена модель цифрового геоинформационного пространства (ЦГИП) ОММ, допускающая учет пространственных и временных условий принятия решений на первом и втором уровнях обработки информации.

Информационное наполнение модели ЦГИП осуществляется на базе подсистемы автоматизированного распознавания геоситуаций, структурная схема которой приведена на рис. 1.

распознавании Рис.1.Обобщенная структура системы автоматического (автоматизированного) На примере сейсмических и акустических датчиков геосреды, показана принципиальная невозможность снятия неопределённости в системе «движущийся ТО - КСУ» и устранения методами первичной обработки сигналов отрицательного влияния геопространственных особенностей местности, геологического строения земной поверхности и акустического пространства в районе функционирования отдельного автономного КСУ (или их группы) при решении задачи контроля маршрута движения объекта.

Предложена геоинформационная модель условий вторичного распознавания движущихся объектов на уровне отдельного КСУ и группы из двух КСУ, отличающаяся учётом возможных результатов событийно-временной логики работы источников КГИ, что позволяет выделять в потоке сообщений от сети КСУ заведомо ложные.

Под обобщенной моделью контролируемого участка маршрута (КУМ) будем понимать кортеж:

где: Li – фактическая длина КУМ; Ai – алгоритмы обработки сообщений от КСУ i-ого КУМ;

Ei = (o, uh ) – вычисленные оценки интенсивностей одиночных и групповых объектов различного типа, Мi =Мi1 ^ Мi2 ^… ^ Мij ^… ^ Мin – модель ситуаций на КУМ, определяемая техническим состоянием КСУ, а также объектами распознавания в зоне их обнаружения Rij =< X ij, Yij, Pij, Tij, Bij, Oij > – модель КСУ, где: X ij = X ij ± X i ; Yij ± Y j – координаты места установки КСУ с прогнозируемыми погрешностями X i, Y j его установки; Pij = ( Pijн, Pijк ) – одноместные предикаты Pij = (1, 0), характеризующие факты срабатывания ( Pij = 1) КСУ в начале и конце обнаружения, соответственно;

Tij = (Tijн, Tijк ) – абсолютные оценки времени срабатывания КСУ в начале и конце процесса обнаружения, соответственно; Bij = {b }, = 1, – виды обнаруженных объектов; Oij = (Oij, Oijp ) – абсолютные оценки чисел одиночных объектов в группе; j – текущий номер КСУ в КУМ;

Модель обработки информации на уровне одиночного КСУ будет иметь вид:

Модель ситуаций, определённая на потоке КГИ от КСУ, может быть представлена дизъюнктивным произведением вида:

где: M 1 = ( Pi1 = 1) ( Pi1 = 1) (Ti1 < Ti1 ) - ситуация полностью исправных КСУ, то есть КГИ от ного исследования (может быть и исправной в зависимости от типа КСУ) с помощью ЛПР, КСУ следует не доверять и обрабатывать его отдельно от заведомо достоверных.

В этом случае обработка КГИ от отдельных КСУ будет сводиться к набору статистики по типу, числу обнаруженных классифицированных объектов с её фильтрацией на абсолютно надежную, не надежную и ложную, исходя из анализа событийно-временной логики потока сообщений, поступивших в центр обработки контрольной ГИ (ЦОГИ) от КСУ.

Модель обработки будет иметь следующий вид:

AiТ = Ai1(Mi1) Ai0 – алгоритм классификации группового объекта, набора статистики по видам, типу, числу обнаруженных и классифицированных объектов;

Ai1 ( M i1 ) – алгоритм выявления ситуации на КСУ;

Ai0 – алгоритм дополнительной классификации одиночных и групповых объектов, определения числа движущихся объектов, набора статистики и отображения информации в системе ввода-вывода АРМ оператора ЦОГИ.

В случае обработки информации от двух КСУ, имеющих объектно-пространственновременную корреляцию (специально организованную информационную связь) двух потоков сообщений, логический фильтр, обеспечивающий разделение потока информации на три составляющих (надежная, ненадежная, ложная), будет сложнее. Однако обработка потока информации, по существу, от измерительно-обнаруживающей / классифицирующей системы, состоящей из двух однородных (разнородных) приборов с величиной измерительной базы, имеющей линейные размеры КУМ, обеспечивает и большую «глубину» ее извлечения. Например, возможны следующие варианты и комбинации вариантов обработки информации:

определение числа и параметров движения объектов в группе;

классификация движущихся объектов (в случае применения на КУМ приборовобнаружителей) за счет использования при обработке косвенных информационных признаков о контролируемом участке местности (КУМ) и объектах (тип КСУ, характеристики местности, климатические условия, возможности по проходимости объекта распознавания и т.д.);

уточнение (подтверждение правильности) первичной классификации от приборовклассификаторов;

прогнозирование местоположения движущихся объектов для выдачи целеуказаний силам огневого воздействия.

Для построения логико-алгебраической модели обработки рассматривается более подробно возможная событийно-временная логика потока сообщений поступивших на ЦОГИ к моменту ее обработки. Разработанные модели КУМ и модели возможных ситуаций на них имеют следующий вид. Модель КУМ:

где: Ri1 = X i1, Yi1, Pi1, Ti1, Bi1, Oi1 ; Ri 2 = X i 2, Yi 2, Pi 2, Ti 2, Bi 2, Oi 2 - модели первого и второго КСУ, образующих КУМ.

Модель ситуаций на КУМе из двух КСУ будет конъюнктивным произведением моделей ситуаций на каждой из них:

Модель обработки информации от КСУ включает модели обработки КГИ от отдельных приборов (модели обработки КСУ) и дополнительную обработку геоинформации с учетом совместной для двух приборов событийно-временной логики их работы и будет иметь вид:

Событийно-временная логика образуется набором основных соотношений, который является открытым для дальнейшего его пополнения. Для чего введена в рассмотрение функция C L, характеризующая возможность наступления сложного (совместного для сообщений от двух приборов) события, принадлежащих L-му КУМ.

Тогда возможны следующие события:

С учетом значений функции C L возможны следующие модели ситуаций на КУМ.

M iL = C1 C4 – фиксируется движение объекта от R2 к R1 ;

M iL = C2 C5 – фиксируется движения объекта от R1 к R2 ;

M iL = C3 C6 – фиксируется встречное движение.

В случае возникновения совместных событий вида:

фиксируется модель геоситуации типа неопределенность. Неопределенность вида Мi5 – Мi можно раскрыть и считать, как ситуации C1, C2, C3 соответственно, если допустить предположение, что групповой ТО может изменить свои линейные размеры при движении через КУМ (разряжение, сгущение движущихся объектов).

В остальных случаях фиксируется переход линейного КУМ в контролируемую точку местности(КТМ), образованную одним КСУ:

В случае M iL = ( PН = PК = 0), т.е. P Н = P2Н = P К = P2К = 0 – фиксируется отказ линейного КУМа.

Замечание. Соотношения событийно-временной логики существенно зависят от типа КСУ и способа организации его работы, поэтому эта тема для самостоятельного исследования. В случае накопления знаний в этой области возможно адаптивное управление событийно-временной логикой на уровне отдельных КУМов в процессе обработки общего потока сообщений на ЦОГИ.

На основе синтезированных геоинформационных моделей условий вторичного распознавания движущихся объектов на уровне отдельного КСУ осуществлено упрощение логической сложности процессов распределенной обработки информации. В результате удалось реализовать многоуровневую обработку информации в ОММ с использованием типовых процедур обнаружения, отождествления и распознавания движущихся одиночных и групповых объектов с различным уровнем ее обобщения на электронной карте.

Найдена базовая структура алгоритма одноуровневой и многоуровневой обработки информации от КСУ КУМа произвольной сложности, реализующей разработанный метод дискретноскользящего линейного КУМа. Суть метода состоит в поэтапном, попарном агрегировании информации начиная с КСУ, которое передало сообщение об объекте нарушителя первым среди всех КСУ, принадлежащих данному КУМ. Этот алгоритм, по существу, формирует правило обхода и свертки информации в многомерной матрице сообщений от сети КСУ.

Третья глава посвящена разработке математического обеспечения нечеткого распознавателя геоинформационных ситуаций. На основе предложенного подхода были разработаны основные формализмы, необходимые для создания нечёткой базы знаний, являющейся носителем экспертной информации, и позволяющей осуществить автоматическое распознавание одиночных и групповых движущихся ТО, с учётом влияния контекста получения КГИ (рис. 2).

При этом сформулирована задача классификации и предложено её решение в наиболее общем виде, допускающем снятие ограничений на равенство длин распознаваемых последовательностей.

Показано, что в условиях неполноты и нечеткости информации, содержащейся в сообщениях от КСУ, необходимо осуществлять описание информационных признаков одиночного и группового ТО в нечеткой постановке.

Описание эталона группового ТО имеет вид:

ГО = < В, К, Т >, где К = ( X, Y ), Т - координаты и текущее значение времени, связанное с конкретным групповым ТО, соответственно; В = - вид группового ТО, определяемый, в свою очередь, структурой (S), составом (С) и параметрами движения(П) S=< b, R >, Рис.2. Структура методики вторичного распознавания движущихся групповых ТО.

где b = b11+b12+...+b1i+...+b1n+b21 +b22+...+b2j+...+b2m+... - набор bij видов одиночных объектов движения, двигающихся в определенном порядке (R); R = (З, Т ) - порядок следования зависит от решаемой групповым ТО задачи (З) и времени ее выполнения (Т);

Под параметрами группового ТО понимается кортеж вида:

где: L - линейный размер ГО; V, H - скорость и направление движения ГО, соответственно.

Предложено признаковое пространство эталона группового ТО представлять в виде совокупности нечётко определённых информационных признаков, задаваемых моделью вида:

где Ny, Yy, Fy,- наименование, область определения, нечеткое подмножество на области определения нечеткого признака y, соответственно;

Fy = µF (y)|y, y э Yy, где µF (y)|y - функция принадлежности имеет вид: