基于知識圖譜的直升機飛行指揮模型研究

人工智能技術與咨詢?昨天

本文來自《無線電工程》，作者齊小謙

關注微信公眾號：人工智能技術與咨詢。了解更多咨詢！

摘?要：?針對當前直升機飛行指揮效率低下、數據關系復雜和智能化層次低等問題，提出了基于知識圖譜的直升機飛行指揮模型研究方法。使用知識圖譜生成和展現等技術，對直升機飛行指揮專業(yè)領域的知識資源進行了深入分析與整合。將有價值的數據資源提煉成知識圖譜，以圖形化方式向用戶展示經過分類整理的結構化知識，支持知識檢索、知識可視化和知識推薦等應用服務。應用結果表明，該技術模型能夠使指揮員、參謀直觀準確定位和深度獲取專業(yè)知識，增強了系統思維能力，能夠促進直升機飛行指揮信息系統的革新。

關鍵詞：飛行指揮；知識圖譜；知識推薦；關聯分析

0 引言

直升機飛行指揮是借助無線通信，為保證機群、編隊按預定計劃飛行、完成任務要求而進行的對空指揮業(yè)務活動。該技術領域專業(yè)性較強，覆蓋知識面廣泛，數據關系復雜。指揮機構均已配備基礎的業(yè)務平臺等系統，能夠支持互聯互通級的基本信息交互，但是智能化程度普遍較低。相關的知識庫缺乏層次性和邏輯性，推理能力薄弱，語義表達不直觀，關聯關系不清晰，知識定位困難[1]。同時，有限的數據理解能力和不斷增長的數據規(guī)模之間形成鴻溝，不能適應信息流通快、反應時效高和節(jié)奏轉換頻繁的應用模式，成為制約直升機飛行指揮技術發(fā)展的瓶頸[2]。因此，亟需運用知識圖譜等智能化技術，通過知識抽取和知識融合等方式，建立新型數據服務機制，實現飛行指揮領域知識的關聯、整合與可視化，為指揮決策提供高效服務。

知識圖譜是結構化的語義知識庫，將不同種類信息連接在一起而得到一個關系網絡，提供了從“關系”角度去分析問題的能力。現有的知識圖譜多為共用領域，在特定(語種、領域和主題等)數據集上取得較好效果，如百度知心、搜狗知立方等。專業(yè)性較強的領域尤其是直升機飛行指揮相關的知識圖譜并沒有構建與展示，隱藏在分析處理過程和指揮或參謀人員頭腦中，沒有持久化存儲，資源深度利用還有很大潛力可挖[3]。構建“資源可視可控、業(yè)務關聯推薦、方案快捷生成”的直升機飛行指揮知識圖譜，使指揮、參謀人員之間共享領域知識[4]，能夠遵循行為規(guī)律開展飛行指揮活動，發(fā)揮知識成果的價值。

本文從知識圖譜構建的視角，對知識圖譜的內涵與專業(yè)技術領域的知識資源整合進行了深入分析，研究了構建直升機飛行指揮模型概念網絡的方法[5]，面向知識檢索和知識推理等應用，按照策略自動推理搜索特情處置方案、計算生成引導指令，并以“直升機飛行指揮應用系統”知識推薦能力的設計實現為例，給出了成果形態(tài)和運行場景，實現飛行指揮業(yè)務平臺由“功能型”向“知識型”轉變[6]。

1 總體設計

長期的飛行訓練、復盤總結積累了大量經驗教訓，但是指揮決策方式、飛行活動過程不可能反復試驗，大規(guī)模的數據資源需要按照結構化、層次化、模型化的要求進行組織和整理。面向跨時空、多域實體和多任務等不同維度的指揮信息表示和理解需求，將多方傳遞的指揮行動等信息進一步組織和抽象，符合指揮專業(yè)活動的語義和邏輯。將現有若干個功能點進行關聯組合，構建面向任務全過程、全要素的以知識為中心的飛行指揮模型[7]。

知識圖譜是解決軍事數據分析利用的關鍵技術，知識圖譜本身是將大量具有多種屬性的實體通過關系鏈接而成的網狀知識庫，在本質上是一種概念網絡，其中的節(jié)點表示物理世界的實體(或概念)，而實體間的各種語義關系則構成網絡中的邊。本文通過“直升機飛行指揮領域本體”整合已有的數據資源，對專業(yè)數據的主體、場景、行為和層級等要素進行建模[8]，從而實現術語、標準和數據庫等相關資源的相互關聯和系統組織，形成以語義網絡為骨架的知識圖譜，支持可視化、智能化的知識服務。

在對直升機飛行指揮知識融合與圖譜構建方法研究中，各種異構數據源知識庫中實體含義的不確定與關聯關系冗余等現象是關鍵問題，影響著知識圖譜構建的整個過程[9]。本研究主要應用知識抽取、知識融合、知識推理和知識可視化等關鍵技術，把復雜的專業(yè)領域知識轉換為經過分類整理的結構化知識[10]，展現專業(yè)領域的動態(tài)發(fā)展規(guī)律，為技術創(chuàng)新提供切實、有價值的參考。

知識抽取：主要從多源飛行訓練與領航引導等大數據中抽取和識別知識單元，包括概念本體、對應關系以及屬性3個知識要素，并以此為基礎形成一系列高質量的行為表達。知識抽取自動從結構化、半結構化和非結構化的飛行訓練資源數據中抽取概念本體、屬性及關系。

知識融合：屬高層次知識組織方式，使來自不同知識源的信息在同一框架規(guī)范下進行異構數據整合、消歧、加工和推理驗證等，達到數據、信息、方法、經驗以及人的思維的融合，形成高質量知識庫，主要包括實體配準和知識合并。實體配準主要對來自不同數據中不同標識實體的語義理解，關聯到同一概念上，實現對同名、多名和縮寫等多種實體語義的消歧和共指消解。知識合并主要對新抽取的知識與實體庫進行實體、關系和屬性關聯，排除概念實體和屬性等沖突，通過計算字符串相似度、詞典語義相似度等方法實現匹配和合并。

知識推理：采用基于圖或邏輯的推理方法，在已有概念知識庫和裝備參數庫的基礎上進一步挖掘隱含知識，應用關聯規(guī)則的支持，從而豐富和擴展知識庫。知識推理對象可以是本體、本體屬性、本體間關系和關聯本體庫中概念層次結構等[11]。對于推理規(guī)則的挖掘，主要關注實體以及關系間的豐富同現情況。推理功能通過可擴展規(guī)則引擎實現，規(guī)則包括2大類：針對屬性的規(guī)則，即通過數值計算獲取其屬性值；針對關系的規(guī)則，即通過鏈式規(guī)則發(fā)現本體間隱含關系。

知識可視化：為了使指揮或參謀人員更有效地與數據交流，更好地理解和獲取數據背后的信息與知識，進行大規(guī)模知識圖譜的可視化工作是一種有效手段。專業(yè)領域知識圖譜數據的展現，不能像以往一樣僅適用一個圖表就能獨立表達出所有信息，而是要讓用戶與數據交流，通過知識圖譜數據信息的傳遞、聯動，從多方面來交互式地分析和查看數據，從而方便用戶控制數據。本研究使用eChartGL等方式，實現快速專業(yè)的知識圖譜呈現效果。

2 知識圖譜構建

本文將知識圖譜設計成一張大圖，如圖1所示，節(jié)點表示領域本體，邊則代表本體之間的語義關系。將各種瑣碎、零散的知識片段組織起來，呈現領域概念之間錯綜復雜的關聯關系，支持知識檢索、知識問答、知識推薦和知識可視化等多種應用[12]。

圖1 知識圖譜規(guī)劃

領域本體主要規(guī)劃了“應用本體”和“基礎詞庫”兩大部分。應用本體對領域概念和知識資源進行合理分類，并準確定義領域概念之間的相關關系，使不同實體之間的語義關系、關聯關系一目了然，規(guī)范了行為活動自動關聯、推理預測方式，實現特定領域知識圖譜的智能查詢、關聯發(fā)現、關系全息和行為分析等各種應用[13]。基礎詞庫對領域的定義、元素和術語等進行廣泛采集和系統梳理，以兵種專業(yè)知識、信息基礎知識和作戰(zhàn)指揮知識理論為主體，以運籌模擬、戰(zhàn)場仿真和作戰(zhàn)評估等技術理論為輔，形成一個結構嚴謹、內容完整的專業(yè)詞庫[14]。

直升機飛行指揮領域的實體屬性較多，且具有嚴格與豐富的數據模式，具有要素關聯性、突變性等復雜特性，對準確度要求比較高。目標對象需要考慮各種級別的人員，不同人員對應的操作和業(yè)務場景不同。領域本體主要涉及飛行監(jiān)控、任務分配、領航解算、編隊控制、威脅分析、飛行引導和行動采報等典型應用本體的建模[15]。

飛行監(jiān)控模型(AAFMS_Ontology)：主要包括空中位置參數、剩余油量和設備工作狀態(tài)。基于GPS、北斗等導航定位系統，通過數據提取，在二維、三維圖形平臺上實現直升機飛行實時狀態(tài)監(jiān)控，包含時刻、位置、航向、航速、高度、俯仰和剩余油量等工作參數信息。

領航解算模型(ALEAD_Ontology)：基于飛行計劃和實時飛行參數，為保證按時到達指定地點所進行的飛行解算，實現偏航和迷航的自動識別以及應飛諸元的自動計算，包括計算飛行航線、起降方式、航路點、預達時刻、飛行時間和飛行距離，依據應飛航向、航速和高度，設置檢查點和迷航處置措施。航路數據格式包括起飛機場、起飛時間、航線起點位置、轉彎點位置、轉彎方式、飛行高度、飛行航向、飛行速度、飛行時間、飛行距離和到達時刻要求，目前采用純文本、DOC或XML文件格式。

威脅分析模型(ATHRA_Ontology)：對各種影響空中飛行安全的威脅源進行建模，生成和分發(fā)告警提示、威脅警報等信息，向飛行監(jiān)控、編隊控制提供威脅告警支持，威脅源主要包括地理情況(如山峰、高壓線)、惡劣天氣、輻射源及鳥群干擾等。

行動采報模型(AACTR_Ontology)：包括計劃進度、任務執(zhí)行狀態(tài)、目標查明情況、續(xù)航能力和物資損耗分析。依據當前時間、平臺狀態(tài)和所處階段分析任務執(zhí)行狀態(tài)，結合計劃節(jié)點要求、物資損耗情況及剩余航路等，分析行動進程狀態(tài)。

任務分配模型(ATASK_Ontology)：包括查明情況、空中運輸、加油、搜救、避讓、空中巡邏、盤旋、返回基地、禁飛通告、空投和空降等，基于專用數據交換標準，依據空域分布、目標情況及被指揮平臺實力，自動進行平臺裝備選擇與任務分配。

飛行引導模型(AFLYG_Ontology)：基于任務要求，快速響應動態(tài)情況變化，進行自動分析計算，生成指揮命令，包括出航、空中集合、進入空域、請求登機、起飛降落、到達位置及返航著陸等，輔助動態(tài)調整任務和計劃。

編隊控制模型(AFORM_Ontology)：基于無線組網模式要求，實現飛行編隊的長僚控制，支持按照飛行方向進行指揮引導，包括長僚機信息共享規(guī)則與控制編隊之間隊形、次序、位置、航向和航速等。

3 知識圖譜應用

在知識圖譜建成之后，進一步研發(fā)了基于知識圖譜的檢索、瀏覽和可視化技術，并將知識圖譜嵌入“直升機飛行指揮應用系統”之中發(fā)揮作用[16]，提供系統性、準確性和全面性的知識推薦，逐步推動專業(yè)知識應用生態(tài)進化。

3.1 知識可視化

開發(fā)了面向飛行指揮領域的概念知識導圖工具，形象展示概念本體之間的關聯關系，實現復雜知識體系的可視化。知識可視化如圖2所示，該工具能在不同的知識庫、數據標準之間建立關聯，增強專業(yè)應用知識資源的聯通性[17]。通過圖形交互的方式，在概念層次上瀏覽飛行指揮知識，發(fā)現概念或知識點之間的潛在聯系，比較形象地表現了飛行指揮知識體系。

圖2 知識圖譜應用工具

3.2 知識檢索

知識圖譜使知識檢索模式從“以術語為中心”過渡到“以知識為中心”，使其更加實體化、語義化和智能化。基于知識圖譜，可在檢索模塊中嵌入“應用主題”，將用戶所查實體的相關知識綜合呈現出來。基于知識圖譜，還能實現知識分類導航，協助用戶迅速發(fā)現所關注的知識，使系統理解用戶的查詢意圖并直接返回精確合理的指揮命令[18]。

3.3 知識推薦

通過全局概念構建、基于規(guī)則的約束關系生成，設置直升機飛行指揮知識推薦模式[19]，建立【事件類型】、【涉及人員】、【時間要求】、【位置精度】等業(yè)務類型與領域本體之間的關聯。例如，在“特情處置”和“搜索營救”之間建立“功能相關”關系；在“空域飛行”和“領航解算”之間建立“飛行管理”關系；在“飛行控制”和“起飛、集合、機動、解散、疏開、脫離”之間建立“行為序列”關系等。根據關聯關系以及直升機平臺類型(如教練機、巡邏機、通信機、武裝機、運輸機和電抗機等)，可進行個性化知識應用推薦。如果選擇運輸機，則主要推薦空中運輸、起飛降落等相關知識；如果選擇教練機，則主要推薦編隊控制、編隊飛行等相關知識。

以上應用表明，基于知識圖譜的直升機飛行指揮模型技術實現了飛行指揮行為、事件和關系等要素的相互銜接，能夠將復雜的業(yè)務關系以比較豐富、比較全面的形式進行可視化呈現，為指揮或參謀人員深入了解、掌握直升機飛行指揮領域知識提供了有效手段，達到應急處置快捷和指揮決策高效的運用效果。

4 結束語

知識圖譜的重要性不僅在于它是一個全局知識庫，更是支撐知識推薦和知識關聯等應用的基礎，為許多專業(yè)領域提供了新型功能展示方法。直升機飛行指揮業(yè)務系統應用知識圖譜技術進行資源整合、因果推理和規(guī)律探尋，創(chuàng)新了專業(yè)知識的內容組織方式和數據結構[20]。

在充分關聯數據標準、行為條例等知識資源的基礎上，對目標行為或關鍵事件的前因后果、關聯關系、特點規(guī)律進行建模，改進了專業(yè)知識產品表現樣式，能夠高效提供有用信息并快速向指揮員呈現，進一步推動知識服務的升級與飛行指揮應用互操作、業(yè)務共享平臺的完善。

研究成果表明，利用知識圖譜實現行業(yè)或領域知識管理和知識推薦是可行的，而且具有十分重要的應用價值。知識圖譜可以根據具體需求提供不同的知識服務，通過將直升機飛行指揮知識圖譜構建方法進行抽象和擴展，能夠應用到多個專業(yè)領域，例如：無人平臺指揮能夠很好地解決當前專業(yè)領域行為模型構建中的一些突出問題，值得進一步深入研究和探討。

【轉載聲明】轉載目的在于傳遞更多信息。如涉及作品版權和其它問題，請在30日內與本號聯系，我們將在第一時間刪除！

關注微信公眾號：人工智能技術與咨詢。了解更多咨詢！

總結

以上是生活随笔為你收集整理的基于知识图谱的直升机飞行指挥模型研究的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。