Бесплатный автореферат и диссертация по наукам о земле на тему

Геоинформационный метод представления и анализа территориальной обстановки в системах охранного мониторинга

ВАК РФ 25.00.35, Геоинформатика

Автореферат диссертации по теме "Геоинформационный метод представления и анализа территориальной обстановки в системах охранного мониторинга"

На правах рукописи

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

сиЭБ1

Санкт-Петербург - 2007

003070951

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 навигационно-гидрографический институт МО РФ

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 «¿-3 ч>2007г

Ученый секретарь диссертационного совета Д 212 197 03 доктор технических наук, профессо

Защита состоится «

и » С-. 200 Г г/в А ч ЗО ]

мин на заседании

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

Представ тение 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 испочьзуется быстро меняющаяся оперативная информация Однако среди множества программных продуктов, используемых сегодня на рынке полноценных ГИС, в потной 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 кон-

3

трольной 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 разтичных 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 явтается 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 представтений динамических ТО, геомоделей представтения 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 потученных 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 (Алешин И В , Бескид П П , Вапник В Н , Горелик А Л , Заде Л , Ковчин И С , Мазуров Г И , Малинин В Н , Поспетов Д А , Советов Б Я , Царев 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, втияющие на эффективность ОММ, которые принципиально не могут быть отстежены 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 показателе эффективности по исходной ГИ низкого качества

5

Достоверность сформулированных научных положений и выводов подтверждена корректным применением апробированных методов геоинформационного моделирования, методов и моделей прикладного исчисления предикатов, имитационным и аналитико-имитационным моделированием, разработкой и проверкой макета ОММ на испытатетьных 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 вычислитетьная 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 X 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 - AM», 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 нечеткость 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 ее 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 нечеткой исходной информации Данные методы до сих пор разрабатывались независимо, хотя ОММ представляют собой геоинформационные двухуровневые системы распознавания образов, требующие межуровневого согласования и учета 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 нечеткой 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 нечеткой постановке (априорные оценки информационных признаков эталонов ситуаций обстановки),

- формализованном описании обобщенного 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 обобщенного 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 нечетких моделей эталонов ситуаций к изменению внешних условий посредством подстройки множественной функции принадлежности (МФП) их информационных признаков Обобщенный критерий имеет вид

' ¡и

Кц > гДе -V = ~1~ " индекс качества (ИК),

1=1 Пук

определяемый как мера отклонений в показателях внутри каждого класса признаков, где пвк - полное число признаков качества выбранного показателя, т1>к - чисто признаков, совпавших при сравнении, к - номер класса, г - номер процесса, явления или свойства, ] -номер индекса, р1 - весовой множитель, где =1 - весовой множитель, удовлетворяющий 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 нечеткой и неполной исходной информации, алгоритмов имитационного моделирования для оценки потенциальной эффективности научно-технических решений

Во второй главе предложена модель цифрового геоинформационного пространства (Щ ИИ) 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

Рис 1 Обобщенная структура системы автоматического (автоматизированного) распознавания геоситуаций

На примере сейсмических и акустических датчиков геосреды, показана принципиальная невозможность снятия неопределенности 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 контротя маршрута движения объекта

Предложена геоинформационная модель условий вторичного распознавания движущихся объектов на уровне отдельного КСУ и группы из двух КСУ, отличающаяся учетом 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

К, =< Ку,11,АпЕ1,М1 >, где Ь, - фактическая длина КУМ, А, - алгоритмы обработки сообщений от КСУ ¡-ого КУМ, Е, = А(А°, А"*) - вычисленные оценки интенсивностей одиночных и групповых объектов раз-

личного типа, М, =М,1 Л Мд л л Ми л л М„- модель ситуаций на КУМ, определяемая техническим состоянием КСУ, а также объектами распознавания в зоне их обнаружения Д, =< Х1ГГЧ,Р,,Т,Р Д,, О, > - модель КСУ,

где Х9 = X,] ± ДЛГ,, ± ДУ, - координаты места установки КСУ с прогнозируемыми погрешностями ДУ,, ДУу его установки, /> = - одноместные предикаты =(1, 0), характеризующие факты срабатывания (Р^ = 1) КСУ в начале и конце обнаружения, соответственно, Ту = (Г", ТЦ) - абсолютные оценки времени срабатывания КСУ в начале и конце процесса обнаружения, соответственно, В^ = {6Л}, Л = 1,0 - еиды обнаруженных объектов, Оц = (0°, ОЦ) - абсолютные оценки чисел одиночных объектов в группе,,; - текущий номер КСУ в КУМ, Модель обработки информации на уровне одиночного КСУ будет иметь вид Кл={Хй,Ул,Рл,Тй,Вй,Ой),

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

где М* = = 1)л(Р,1 =1)л(ТЦ <Т",) - ситуация полностью исправных КСУ, то есть КГИ от КСУ можно полностью доверять и обрабатывать в системе, = (р," = 1) л (рл* = 0) а * 0, ^ = 0) - неопределенная ситуация, требующая дополнительного исследования (может быть и исправной в зависимости от типа КСУ) с помощью ЛПР, после которого или отвергается, или пропускается в обработку,

к = (я = 0) а {р-=1) а (т» фо,т'ф 0)

К = (Р," = «о а у» = 1) а (?;»= т* = 0) 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 ее 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

Л[1=/{1(Мл)х^ - алгоритм классификации группового объекта, набора статистики по видам, типу, числу обнаруженных и классифицированных объектов, 4, (Мл ) - алгоритм выявления ситуации на КСУ,

- невозможные ситуации, поэтому сообщению от

А° - 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-пространственно-временную 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 приборов-обнаружителей) 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 тд),

- уточнение (подтверждение правильности) первичной классификации от приборов-классификаторов,

- 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

К, = {ЯЛ,К,2,11,А11,Е1,МIе), где Кл=(Хл,Ул,Рл,Та,Ва,Ол), 1{,1=(Х1г,У12,Рп,Т,2,В,2,017) - модели первого и второго КСУ, образующих КУМ

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

=М,, лМ;2, 2 = 1,п

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

И

А\ = х Лг

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

I Jl - событие произошло [О - событие отсутствует

Тогда возможны следующие события

CL = (Рн = (Рхн л pf = 1)) л (|г,я - Т2Н [ > - А.) л (г,я - Т2" > 0) ■- движение ^л,,

С2' = (Р„ = (Р,н а Рг" = 1)) Л - Г2" | £ Л (7;" - Г2Я < 0) - движение Л,Д,,

шах

С3' = (Р„ = (Р,я л if = 1)) л (¡7]н -Т" | < ф-) - движение встречное, С4'=(^=(^аР/=1))л(^-Г2'г|>А-)л(7;'г^Г/<0) -движение ЗД,

пах

Ci =(?, = (/f a if = 1)) Л (|7f - 7f | > a (7f - Тгк < 0) - движение ад,

max

С6<- = (/>„ = (if Л Ргк = 1)) Л (|т;к - Г* | < -4-) Л (7f - Г/ < О) - движение встречное

С учетом значений функции Сг возможны следующие модели ситуаций на КУМ М= С, л С4 - фиксируется движение объекта от JJj к R,, Л/,' = С2 а С5 - фиксируется движения объекта от Rt к Яг, Ма = С, л С4 - фиксируется встречное движение В случае возникновения совместных событий вида

Л/,' = С, л Cs, W' = С2 л С4, = С3 л С4, = С, л Cs фиксируется модель геоситуации типа неопределенность Неопределенность вида Ml5 - Af,7 можно раскрыть и считать, как ситуации С,, С2, С3 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 местно-сти(КТМ), образованную одним КСУ

К =рн= (Р" = 0) а (.Р2Н = 1 ),РК= (Pf = 0) л (If = 1),

рн = tf"=1) А (р2"=о),рк= (pf = 1) л (pf = о) 12

В случае М# = (Рн = Рк = 0), т е Р" =Р" = 0 - фиксируется отказ линейно-

го 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 дискретно-скользящего 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 нечеткой базы знаний, являющейся носителем экспертной информации, и позволяющей осуществить автоматическое распознавание одиночных и групповых движущихся ТО, с учетом влияния контекста получения КГИ (рис 2)

При этом сформулирована задача классификации и предложено ее 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, У ), Т - координаты и текущее значение времени, связанное с конкретным групповым ТО, соответственно, В = <Э, С, П > - вид группового ТО, определяемый, в свою очередь, структурой (Б), составом (С) и параметрами движения(П) Б=< Ь, Я >,

Предварительная

обработка в соответствии с формальной модечью

Вычисление оценки

обобщенного критерия качества внешних условий

сообщений КСУ

База внешних условий

Анализ 1 Коррекция Формирова-

.еоситуаиий ние нового

I описания описания

База знаний

з г

Рис 2 Структура методики вторичного распознавания движущихся групповых ТО где Ь = Ьц+Ь12+ +Ь(,+ +Ь1П+Ь21+Ь22+ +Ь2т+ - набор Ъ,, видов одиночных

объектов движения, двигающихся в определенном порядке (Я), И. = Ч* (3, Т) - порядок следования зависит от решаемой 1рупповым ТО задачи (3) и времени ее выполнения (Т), Под параметрами группового ТО понимается кортеж вида

П = < и V, н >,

где Ь - линейный размер ГО, V, Н - скорость и направление движения ГО, соответственно

Предложено признаковое пространство эталона группового ТО представлять в виде совокупности нечетко определенных информационных признаков, задаваемых модечью вида

у = <ХУ, Уу, Ру>,

где Му, Уу , ,- наименование, область определения, нечеткое подмножество на области определения нечеткого признака у, соответственно, ру = |др (у)|у, у э \у , где (Хр (у)|у - функция принадлежности имеет вид

.Р ~~ ( \(х~а)12ст]+\,х<а'

где а - математическое ожидание наблюдаемого информационного признака, которое определяется множеством возможных предписанных значений 8,С,П (априорно заданных нормативами выполнения различного класса задач согласно руководящих документов и предписаний)

Разработанное описание послужило основой для создания банка формализованных описаний (БФО) движущихся групповых ТО вероятных нарушителей

На основе анализа технологии работы операторов различного уровня принятия решений в ОММ, с использованием результатов глав 1, 2 предложены модели представления зна-

14

ний и логического вывода при решении задач отождествления и распознавания ТО Модели знаний имеют вид продукции, например, при отождествлении объектов на КУМе могут иметь следующий вид

Потучено пять предикатных соотношений, являющихся логическими условиями их истинности в зависимости от способов организации КУМ и пространственно-временных условий взаимодействия движущихся одиночных и/или группового объекта и средств наблюдения Соотношения имеют структуру стедующего вида, например

где Ь:/ - расстояние между 1-ыми у-ым КТМами КУМа, Т" ,Т" - время прихода на-

чальной и конечной кодограммы по объекту от г - го прибора, у - го КТМа, соответственно, У ,У - минимально и максимачьно допустимые скорости движения объекта по КУМу, выбираемые системой обработки вторичной информации автоматически на основании априорной информации, содержащейся в БФО В случае выполнения данных условий предикат Р, считается истинным

Учитывая, что неопределенность условий в системе «движущийся групповой объект -внешняя среда — КСУ» часто приводит к эффектам размножения или сокращения числа движущихся объектов в группе, решение задачи их нечеткого отождествления/ распознавания потребовало разработки специального метода оценки степени соответствия наблюдаемого признакового пространства объекта признаковому пространству классов-эталонов различной размерности

Особенностью данного метода явтяется иерархическая классификация с применением специально организованных матриц, информация внутри которых группируется по 3-м категориям признаков контекст получения сообщения, представленный в виде индекса качества, структурно-параметрические признаки и оценки подобия движущихся объектов Подобие определяется как результат сравнения их образов в виде строковых последовательностей различной длины на основе использования метрики Левенштейна Данная метрика учитывает полную группу возможных единичных событий на выходе первичной схемы принятия решений КСУ типа размножение, пропуск, ошибочная или правильная классификации движущихся объектов

■ к

< V,

Функция Левенштейна рассчитывается, используя метод динамического программирования, на основе вычисления следующего рекуррентного выражения

= пшй-1,, + Ч*.. е). <*,,,-1 + Че. У]).4-1,1-х + Ч*, > )}

По матрице «объект - признак» рассчитываются меры сходства , ^) для каждой пары объектов, например, для пары объектов 0(5], .5мера сходства будет выглядеть следующим образом

п

= , „ 1=1 1=1

На основании полученных мер строится матрица мер сходства для объектов распознавания

Определяется и метится элемент, имеющий максимальное значение меры сходства , SJ )ггах Для этой пары классов вычисляется мера сходства в(Н;, Нк )

0{Н],Нк) = 0 50(Н],Ни) + 0 5С(Н],Н1), Я, = ^ О = 1?7), Нк^{Ни,Н1)

Полученный массив редуцируется заменой ^,52 на б^, З^). где ^/)тах итак

шаг за шагом, пока размерность матрицы С не станет 2x2 В результате работы алгоритма находится перечень индексов классов в том порядке, в котором они объединялись в новые классы, а также уровни сходства, на которых это объединение происходило Предложенные алгоритмы отождествления и классификации реализуют процедуры автоматического выбора из множества альтернатив представителя, обладающего минимальным (или пороговым) значением меры подобия

Апробация разработанных алгоритмов в полевых условиях на полигонах в составе макета ЦОГИ ОММ показала их практическую реализуемость на отечественном парке вычислительных средств и определенную их эффективность Однако малочисленность движущихся групповых объектов, их случайный состав и малые объемы экспериментальных данных (эти ограничения связаны со значительными экономическими издержками полигонных испытаний) не позволили исследовать потенциальную эффективность разработашшх алгоритмов Для ликвидации указанного недостатка в работе разработана система и\штационного моделирования (СИМ) вторичной обработки информации в ОММ С помощью данной СИМ было выполнено экспериментальное исследование эффективности распознавания движущихся групповых объектов по нечеткой и неполной информации со снятыми ограничениями на размер группового объекта, параметры его движения и диапазон изменения геопростанствешшх и климатических условий функционирования КСУ

16

В четвертой главе для определения работоспособности разработанных методов предложена обобщенная структура и основные алгоритмы функционирования системы имитационного моделирования (СИМ) вторичной обработки информации в ОММ Данная СИМ, кроме выше упомянутого предназначения, может использоваться в СППР ЦОГИ как средство прогнозирования развития ситуаций обстановки, анализа последствий от принимаемых решений и для информационной поддержки, обеспечивающей возможность принятия упреждающих управленческих решений

СИМ состоит из модулей задания внешних условий функционирования КСУ, описания состава и структуры ОММ, библиотек алгоритмов вторичной обработки КГИ, баз данных и знаний СИМ и электронной карты местности (рис 3)

БД системы моделирования

БД системы представления геоситуации

Рис 3 Структура системы имитационного моделирования вторичной обработки в ОММ

Отличительной особенностью синтезированных в СИМ аналитико-имитационных моделей процессов первичного обнаружения и распознавания движущихся одиночных и групповых ТО является представление КСУ в виде последовательности взаимосвязанных систем

- системы массового обслуживания, имеющей один или несколько каналов обслуживания потока возмущений движущимся объектом физического пространства на входе сенсорного устройства в сочетании с временным окном алгоритма обнаружения,

- нелинейного фильтра, решающего задачу классификации движущихся объектов

Алгоритмы вторичного отождествления и распознавания движущихся объектов по нечеткой и неполной исходной информации реализуют рассмотренные в главе 3 соответствующие модели и метод ее обработки

Интерфейс конечного пользователя обеспечивает функционирование СИМ в следующих режимах задание структуры и состава ОММ, вывод структуры и настройка параметров модели геоинформационных условий функционирования КСУ, синтез структуры и парамет-

17

ров движения одиночного или групповых объектов, создание, модификация базы данных формализованных описаний движущихся групповых объектов в табличном или графическом виде, планирование координат мест установки сети КСУ с учетом выполнения требований к тактико-техническим характеристикам УКВ - канала связи, вторичная классификация и отождествление движущихся одиночных и групповых объектов на уровне КТМ, КУМ, маршрута

Выполненное экспериментальное компьютерное модетирование вторичного отождествления и распознавания движущихся объектов показало, что при вероятности первичного распознавания одиночных объектов в пределах 0 65-0 80, вероятность правильного вторичного распознавания групповых объектов длиной до 500 единиц специальной техники, разнородной по составу, составила не ниже 0 9, распознавание групповых объектов в 70-90% случаев осуществлялось в автоматическом режиме, а в остальных требовало участия эксперта, оперативность подготовки решений по обстановке и планированию к применению ОММ, включая вопросы организации линий радиосвязи между средствами наблюдения и центром обработки информации, повысилась в 2-3 раза по сравнению с существующими способами

ВЫВОДЫ ПО РАБОТЕ

1 Разработаны геоинформационные модели внешних условий обнаружения и распознавания движущихся ТО в ОММ, выполнено их разбиение на группы, установлена связь конкретных групп условий с возможными исходами принятия решений (классификаций) на выходе КСУ

2 Разработана методика вторичного распознавания движущихся объектов по нечеткой и противоречивой информации от сети автономных КСУ, основанных на продукционных правилах, нечетком логическом выводе и лингвистических термах, с использованием оригинального обобщенного критерия качества условий принятия решений

3 Разработано формализованное описание движущихся объектов с использованием нечетких количественных и качественных информационных признаков, позволившее разработать электронный формуляр эталона движущегося группового объекта специальной техники и банк их формализованных описаний

4 Разработаны и исследованы алгоритмы вторичного отождествления и распознавания движущихся объектов по нечеткой и неполной исходной информации, использующие событийно-временную логику работы КСУ, разработанную процедуру нечеткой оценки степени соответствия наблюдаемого признакового пространства объекта признаковому пространству классов-эталонов различной размерности на основе вычисляемого расстояния Левенштейна.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ I В изданиях из рекомендованного ВАК перечня

1 Геомоделирование в системах управления навигационным и гидрографическим обеспечением в зоне ответственности ГС флота//Записки по гидрографии -2004, №265а,-С 1926 (соавтор Биденко СИ)

2 Классификация территориальных объектов в системе наблюдения района гидрографической стужбы // Записки по гидрографии - 2005, № 266а, - С 18-24 (соавтор Биденко С И )

II В остальных изданиях

3 Моделирование и представление потей распределенных контрочьно-сигнализационных устройств в задачах оценки и классификации территориальной обстановки // Труды 15-ой межвузовской НТК «Военная радиоэтектроника опыт испочьзования и проблемы подготовки специалистов» - Петродворец Изд-во ВМИРЭ, 2004,- С 56-57

4 Геомодечирование территориальных полей контрольно-сигнальных устройств в системах охранного мониторинга местности // «Известия СПбГЭТУ «ЛЭТИ»», серия «Информатика, управление и компьютерные технологии» — 2004 - Выпуск - С 18-24 (соавторы Биденко С И , Яшин А И )

5 Имитационное моделирование системы охранного мониторинга местности // Труды науч-но-теоретич конф «Современное состояние военно-морского образования» - СПб СПбВМИ, 2004, - С 35-37 (соавтор Биденко С И )

6 Геомодечирование территориальной обстановки в системе наблюдения гидрографической службы // Навигация и гидрография - 2004, № 8, - С 29-33 (соавтор Биденко СИ)

7 Геоделирование динамических территориальных объектов и геоситуаций на основе их вторичных информационных признаков // Труды 16-ой межвузовской НТК «Военная радиоэлектроника опыт использования и проблемы подготовки специалистов» - Петродворец Изд-во ВМИРЭ, 2005, - С 79-80 (соавтор Биденко С И)

8 Метод вторичного распознавания движущихся территориальных объектов по нечеткой и противоречивой ГИ от сети автономных источников контрольной информации // Труды 17-ой межвузовской НТК «Военная радиоэлектроника опыт использования и проблемы подготовки специалистов» - Петродворец Изд-во ВМИРЭ, 2006,- С 68-67

9 Методика классификации территориальных ситуаций в системах охранного мониторинга // Труды межрегиональн конф «Проблемы навигационной и экологической безопасности южных морей РФ» - Геленджик Изд-во НИПИОкеангеофизика, 2005,- С 28-32 (соавтор Ярославцев НА)

10 Обработка координатно-временной информации от датчиков охранного мониторинга // Труды РИРВ, Сер 1 (Навигация), № 4с, (33), 2005,- С 218-224 (соавторы Биденко С И , Семенов ГА)

11 Пространственная модель представления территориальной ситуации в системе освещения обстановки в ближней и средней зонах // Политехника, № б, 2005,- С 23-29 (соавторы Би-денко С И , Самотонин Д Н)

12 Геоинформационный метод отображения и оценки обстановки в интересах управления сложными территориальными объектами // Труды научно-технич конф ГМА им адм С О Макарова, СПб Изд-во ГМА, 2006,-С 112-114

13 Моделирование геоситуаций в АСУ территориальными объектами // Труды научно-технич конф ГМА им адм СО Макарова, СПб Изд-во ГМА, 2006,-С 115-119 (соавтор Биденко СИ)

14 Принципы обработки нечеткой контрольной геоинформации в распределенных системах наблюдения // Труды X Санкт-Петербургской международной конференции «Региональная информатика-2006», СПб Изд-во СПОИСУ, 2006,- С 257-258 (соавтор Биденко С И )

15 Организация многоуровневой обработки геоинформации в системах мониторинга территории // Труды межведомств конф «Проблемы военно-морского образования и науки» -СПб Изд-во ВСОК, 2006,-С 28-32

16 Методика распознавания движущихся территориальных объектов по неполной и нечеткой исходной контрольной геоинформации // Межвузовский сборник научных трудов Выл 14 / Под ред С И Биденко - СПб Изд-во ГМА, 2007,- С 29-34

17 Аналитико-имитационная модель процессов распознавания движущихся территориальных объектов // Межвузовский сборник научных трудов Выл 14/ Под ред С И Биденко -СПб Изд-во ГМА, 2007,-С 35-39 (соавтор Биденко С И)

Подписано в печать 18 04 07 Формат 60x841/16

Бумага офсетная Печать офсетная Уся печ листов 1,16 Тираж 100 экз Заказ № 17

ЦОП типографии Издательства СПбГУ 199061, С-Петербург, Средний пр, д 41

Содержание диссертации, кандидата технических наук, Мирошниченко, Владимир Алексеевич

Список сокращений и обозначений.

Введение.

1. Анализ современного состояния вопроса распознавания геоситуаций в системах охранного мониторинга местности (ОММ)

1 1. Современное состояние вопроса построения отечественных и зарубежных средств и систем ОММ.

12 Особенности организации многоуровневой обработки геоинформации в системах ОММ.

1 3. Обобщенная модель процесса вторичной обработки геоинформации в системах мониторинга территорий.

1.4 Метод распознавания движущихся объектов по нечеткой и неполной исходной информации и постановка задачи исследования.

1.5. Выводы по главе 1.

2 Разработка геоинформационных моделей неопределенности условий вторичного отождествления и распознавания движущихся территориальных объектов в охранном мониторинге местности.

2.1. Обобщенная модель геоинформационного пространства охранного мониторинга местности.

2.2. Геоинформационная модель условий вторичного распознавания движущихся геообъектов на уровне КСУ.

2 3. Геоинформационные модели условий вторичного отождествления и распознавания движущихся территориальных объектов на уровне группы КСУ.

2 4 Выводы по главе 2.

3 Разработка описаний, моделей представления знаний и алгоритмов вторичного распознавания движущихся Т0по неполной и нечеткой исходной Г&Зинформации.

3 1. Формализованное описание движущихся одиночных и групповых территориальных объектов на уровне их вторичных информационных признаков.

3.1 1 Формализованное описание движущихся одиночных территориальных объектов.

3.1.2 Формализованное описание движущихся групповых территориальных объектов.

3.2. Модели представления знаний для распознавания движущихся одиночных и групповых ТО по их вторичным геоинформационным признакам.

3 2.1 Модель представления геоинформации для распознавания движущихся одиночных ТО.

3 2 2 Модель представления знаний для распознавания движущихся групповых ТО.

3 3. Алгоритмы многоуровневого отождествления движущихся одиночных и групповых территориальных объектов.

3.3.1 Алгоритм отождествления движущихся территориальных объектов по их геоинформационным особенностям.

3 3 2 Алгоритм отождествления движущихся территориальных объектов по их структурно-параметрическим особенностям.

3 4. Алгоритмы вторичного распознавания движущихся одиночных и групповых территориальных объектов.

3.4.1 Алгоритм нечеткого логического вывода, использующий обобщенное дерево структуры геоситуации.

3.4.2 Алгоритм распознавания движущихся одиночных и групповых территориальных объектов.

3.5. Выводы по главе 3.

Проверка работоспособности разработанных /~-£фмоделей Разработка системы имитационного моделирования вторичной обработки информации в ОММ.

4 1. Структура системы имитационного моделирования вторичной обработки геоинформации в ОММ.

4.2. Аналитико-имитационные модели процессов и алгоритмы первичного обнаружения и распознавания движущихся ТО на уровне сигнализационного устройства.

4.3. Обобщенный алгоритм моделирования вторичной обработки в ОММ.

4.4. Методика проведения и результаты экспериментального исследования эффективности распознавания движущихся территориальных ТО по неполной и нечеткой исходной геоинформации.

4 5 Выводы по главе 4.

Введение Диссертация по наукам о земле, на тему "Геоинформационный метод представления и анализа территориальной обстановки в системах охранного мониторинга"

Актуальность. 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 ГО становится актуальным в связи с возрастающими в настоящее время угрозами терроризма и техногенных катастроф.

Системы охраны территориальных объектов (ТО) осуществляют мониторинг расположенных на ЗП подконтрольных и других ТО в зоне ответственности, и при этом обрабатывают большие объемы априорной и оперативной геоинформации.

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 геоиформатики - 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 целей 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 целей) от сети источников информации (ИИ) может быть значительным и не соответствовать требованиям систем территориального наблюдения.

Вторичная обработка ГИ 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).

Современные автоматизированные системы мониторинга территорий представляют собой сложные технические комплексы, имеющие структурную (общая зона ответственности для нескольких технических комплексов средств наблюдения за обстановкой) и информационную (получение информации об объекте по совокупности независимых каналов различной физической природы) избыточность. Характерной особенностью такого вектора первичной информации является его непостоянство как по компонентному составу (количеству каналов поступления информации), так и качеству исходной для принятия решений информации (неполнота, нечеткость, а иногда и ее противоречивость) в процессе решения отдельных либо групповых практических задач.

Эффективность таких систем во многом определяется не только уровнем автоматизации управления, избыточностью, но и, самое главное, качеством обработки информации, определяющим решение задачи оперативного обнаружения и классификации подвижных и неподвижных объектов по неполной, нечеткой и противоречивой информации, получаемой одновременно или в различное время от сосредоточенных или пространственно разнесенных источников различной физической природы (радиолокационные, оптические, тепловизионные, акустические, сейсмические и др.) в перекрываемых зонах их ответственности.

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, метода и алгоритмов обработки нечеткой и противоречивой ГИ от сети АИИ для повышения эффективности распознавания и представления движущихся объектов в ОММ.

Для достижения поставленной цели в работе решались следующие научные задачи:

1. Анализ принципов построения и методов обработки информации в существующих отечественных и зарубежных ОММ, анализ современных методов обнаружения и классификации динамических ТО по неполной и нечеткой исходной ГИ.

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

3. Разработка геомоделей условий обнаружения и распознавания динамических ТО в ОММ.

4. Разработка метода распознавания динамических ТО по нечеткой и неполной исходной ГИ.

5. Проверка работоспособности и эффективности разработанных научных 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.

На защиту выносится совокупность научных результатов в области обработки ГИ в ОММ, составляющих ядро алгоритмического и программного обеспечения типовой территориальной АСУ, реализующей основанную на знаниях ГИТ:

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 научных результатов заключается в том, что в ней предложены и реализованы:

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 ИИ.

2. Методика и алгоритмы вторичного распознавания движущихся объектов по нечеткой и противоречивой ГИ от сети автономных ИИ отличаются комплексной ситуативной обработкой ГИ от ИИ, 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 методов и моделей прикладного исчисления предикатов, имитационным и аналитико-имитационным моделированием; изготовлением и проверкой макета ОММ на испытательных полигонах, внедрением разработанных результатов в НИОКР.

Практическая значимость. 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 ИИ, 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.

Достоверность и значимость практических результатов были подтверждены при испытаниях макетного образца интеллектуальной системы обработки вторичной ГИ в ОММ на базе отечественной ГИС ВН «Панорама» на полигонах МО РФ и в 3-м ЦНИИ МО РФ (Москва); использованием разработанных моделей, методов и алгоритмов ГНИНГИ МО РФ, предприятиями «Вектор» (Санкт-Петербург), «ВНИИС» (Воронеж) в НИОКР, выполняемых ими по государственным заказам, в учебном процессе СПбГЭТУ (ЛЭТИ), ГМА, МГА, ВМИРЭ. Внедрение результатов подтверждается соответствующими актами.

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 X Международной конференции «Региональная информатика - 2006», в период с 2004 - 2006 г.г.

Публикации. Результаты исследований отражены в 17 опубликованных работах, в том числе: 6 научных статьях, 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.

Заключение Диссертация по теме "Геоинформатика", Мирошниченко, Владимир Алексеевич

Основные результаты работы состоят в следующем.

Теоретические результаты:

Разработан метод вторичного распознавания движущихся ТО по нечеткой и противоречивой информации от сети автономных КСУ, впервые учитывающий геофакторы и совокупность внешних условий.

Практические результаты:

Разработаны новые средства (модели, алгоритмы) для распознавания однослойных и многослойных моделей оперативно-тактической обстановки по неполной и нечеткой исходной информации.

Экспериментальные и прикладные результаты:

На практическом материале проверена конструктивность идей и инженерная пригодность метода и алгоритмов отождествления и распознавания одиночных и групповых движущихся ТО в ОММ.

Осуществлено внедрение основных положений теории, практики и выводов построения подсистемы вторичной обработки информации в ОММ на основе интеллектуальной геоинформационной технологии в учебный процесс двух вузов.

ЗАКЛЮЧЕНИЕ.

Библиография Диссертация по наукам о земле, кандидата технических наук, Мирошниченко, Владимир Алексеевич, Санкт-Петербург

1. Авалиани Г.В. Эвристические методы в распознавании образов. -Тбилиси: Мецниереба, 1988. 75 с.

2. Айвазян С.А. и др. Прикладная статистика: Исследование зависимостей. -М.: Финансы и статистика, 1985. 487с.

3. Айвазян С.А. и др. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Юнити, 1998. - 1023 с.

5. Андрейчиков А.В, Андрейчикова О.Н. Анализ, синтез, планирование в экономике. М: Финансы и статистика, 2002. - 368 с.

6. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении. М.: Финансы и статистика, 2003. - 368 с.

7. Берлянт A.M. Геоиконика. М.: Астрея, 1996, 208 с.

8. Бондаренко Н.И. Методология системного подхода к решению проблем. -СПб.: СПбУЭиФ, 1997.

9. Васильев В.И. Распознающие системы. Справочник. Киев: Наукова думка, 1983.-422 с.

10. Ю.Вентцель Е.С. Теория вероятностей: Учебник/ 4-е изд, стереотип. М.: Наука, 1969. - 576 с.

11. Вентцель Е.С. Теория вероятностей и её инженерные приложения. М.: Высшая школа, 2000. - 480 с.

12. Верхаген К, Дёйн Р., Грун Ф. и др. Распознавание образов: состояние и перспективы. М.: Радио и связь, 1985. - 104 с.

13. Гайдышев И. Анализ и обработка данных: специальный справочник. -СПб: Питер, 2001.-752 с.

14. Гасфилд Д. Строки, деревья и последовательности в алгоритмах: Информатика и вычислительная биология. СПб.: Невский диалект; БХВ-Петербург, 2003. - 654 с.

15. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1977. 479 с.

16. Горелик А.Д., Скрипкин В.А. Построение систем распознавания. М.: Советское радио, 1974. - 224 с.

17. П.Горелик A.JI. и др. Селекция и распознавание на основе локационной информации. М.: Радио и связь, 1990. - 240 с.

18. Горский Н., Анисимов В., Горская JI. Распознавание рукописного текста: от теории к практике. СПб.: Политехника, 1997. - 126 с.

19. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистика, 2000. - 352 с.

20. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.

21. Дюк В., Самойленко A. Data Mining: учебный курс. СПб.: Питер, 2001. -368 с.

22. Информационно-управляющие человеко-машинные системы: Исследование, проектирование, испытания: Справочник / А.Н. Адаменко, А.Т. Ашеров, И.Л. Бердников, и др.; Под общ. ред. А.И. Губинского и В.Г. Евграфова. М.: Машиностроение, 1993. - 528 с.

23. Жукова А.И., Рог А.И., Степанян Н.А. Использование методов математической статистики в медико-биологических исследованиях. -Воронеж: ВГТУ. 196 с.

24. Искусственный интеллект. В 3-х кн. Справочник. Под ред. Д.А.Поспелова. М.: Радио и связь, 1990.

25. Кофман А. Введение в теорию нечётких множеств. М.: Радио и связь, 1982.-432 с.

26. Лурье И.К. Основы геоинформатики и создание ГИС. / Дистанционное зондирование и географические информационные системы. М.: Инэкс, 2002.

27. Мартыненко А.А. Три периода развития военной картографии: разработка новых концепций и технологий // Геодезия и картография. 1996. -№7. - с. 44-47.

28. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272с.

29. Мосалёв В. Системы дистанционного наблюдения за полем боя на базе разведывательно-сигнализационных приборов. // Общие Военные проблемы «Зарубежное военное обозрение». -М.: 2000, №2.

30. Мосалёв В. Средства охраны ВС США и перспективы их развития. // «Зарубежное военное обозрение». М.: 2001, №3-4.

31. Нечёткие множества и теория возможностей. Последние достижения. Пер. с англ./ Под ред. Рональда Р. Ягера. М.: Радио и связь, 1986. - 408 с.

32. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 206 с.

33. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981.-232 с.

34. Прикладные нечёткие системы / Под. ред. Т. Тэрано, М. Сугэно. М: Мир, 1993.-368 с.

35. Сигорский В.П. Математический аппарат инженера. Киев: Техника, 1975.-768 с.

36. Сигел Э. Практическая бизнес-статистика. М.: Издательский дом «Вильяме», 2002. - 1056 с.

37. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985.-271 с.

38. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. М.: Энергия, 1971. - 424 с.

39. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.

40. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере / Под ред. В.Э. Фигурнова. М.: Инфра-М, Финансы и статистика, 1995.

41. Цветков В. Я. Геоинформационные системы и технологии. -М.: Финансы и статистика, 1998.

42. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 183.- 184 с.

43. Шикин Е.В., Чхартишвили А.Г. Математические методы в управлении. -М.: Дело, 2002.-440 с.

44. Anderson J.R., Hardy Е.Е., Roach J.T., Witmer R.E. A Land Use and Land Cver Classification for Use with Remote Sensor Data. Gelogical Survey Professional Paper 964, U.S. Gelogical Survey Washigton, D.C.: U.S. Goverment Printing Office.

45. Anquettil E., Lorette G. On-line Handwriting Character Recognition System Based jn Hierarhical Qualitative Fuzzy Modellling. Proc. Jf the Fifth Int. Workshop on Frontiers m Handwriting Recognition, University of Essex, England, 1996, pp. 47-53.

46. Burrough P.A., McDonnell R.A. Principes of Geografical Information Systems. Oxford University Press. 1998. 333 pp.

47. Chawla S., Shekhar S. Spatial Databases: A Tour . New Jersey, 2002.

48. DeMers N. Michael Fundamentals of Geographic information systems. New Mexico State University, 1998.

49. Document Image Analysis. Eds. O'Gorman L., Kasturi R. N.Y.: IEEE Computer Society Press, 1995.

50. Faloutsos C., Sellis T. Analysis of object oriented spatial accesss methods. In Proceedings of the 1987 ACM SIGMOD international Conference on management of Data, pp. 426-439.

51. Fedorowicz J., Williams G.B. Representing Modeling Knowledge in an Intelligent Decision Suppport System. // Decisin Support System. 1986. - №2. pp.3-14.

52. Ford F.N. Decision Suppport Systems and Expert Systems: A Comparison. // Inform, and Management. 1985. - №8. pp.21-26.

53. Trier O., Jain A.K., Taxt T Feature Extraction Methods for Character Recognition A Survey. Pattern Recognition, 1996. Vol.29, No.4, pp. 641-662.

54. Научно-технический отчёт о НИР «Поисковые исследования по математическим методам и алгоритмам обобщения данных для информационных комплексов с целью повышения их ТТХ». // Шифр «Жердь-РВО». СПб.: СПбГЭТУ «ЛЭТИ», 2001 г.

55. А1. Геомоделирование в системах управления навигационным и гидрографическим обеспечением в зоне ответственности ГС флота // Записки по гидрографии. 2004, № 265а, - С. 19-26. (соавтор Биденко С.И.)

56. А2. Классификация территориальных объектов в системе наблюдения района гидрографической службы // Записки по гидрографии. 2005, № 266а, - С. 18-24. (соавтор Биденко С.И.)

57. А5. Имитационное моделирование системы охранного мониторинга местности // Труды научно-теоретич. конф. «Современное состояние военно-морского образования». СПб: СПбВМИ, 2004, - С. 35-37. (соавтор Биденко С.И.)

58. А6. Геомоделирование территориальной обстановки в системе наблюдения гидрографической службы // Навигация и гидрография 2004, № 8, - С. 29-33. (соавтор Биденко С.И.)

59. А10. Обработка координатно-временной информации от датчиков охранного мониторинга // Труды РИРВ, Сер. 1 (Навигация), № 4с, (33), 2005,-С. 218-224. (соавторы Биденко С.И., Семенов Г.А.)

60. All. Пространственная модель представления территориальной ситуации в системе освещения обстановки в ближней и средней зонах // Политехника, № 6, 2005,- С. 23-29. (соавторы Биденко С.И., Самотонин Д.Н.)

61. А12. Геоинформационный метод отображения и оценки обстановки в интересах управления сложными территориальными объектами // Труды научно-технич. конф. ГМА им. адм. С.О. Макарова, СПб: Изд-во ГМА, 2006,-С. 112-114.

62. А13. Моделирование геоситуаций в АСУ территориальными объектами // Труды научно-технич. конф. ГМА им. адм. С.О. Макарова, СПб: Изд-во ГМА, 2006,- С. 115-119. (соавтор Биденко С.И.)

63. А14. Принципы обработки нечёткой контрольной геоинформации в распределённых системах наблюдения // Труды X Санкт-Петербургской международной конференции «Региональная информатика-2006», СПб: Изд-во СПОИСУ, 2006,- С. 257-258. (соавтор Биденко С.И.)

64. А17. Аналитико-имитационная модель процессов распознавания движущихся территориальных объектов // Межвузовский сборник научных трудов. Вып. 14 / Под ред. С.И. Биденко. СПб: Изд-во ГМА, 2007,- С. 35-39. (соавтор Биденко С.И.)