一体化指挥调度:复杂系统安全场景数字化

刘玉超 李璞 马文学 窦笑然

1．一体化指挥调度技术国家工程实验室北京100192 2.中国指挥与控制学会北京100089

21世纪平台经济崛起,从2000年左右以信息交流、门户平台为特征开启的社交互联网,到2010年左右以产品交易、电商平台为特征启动的消费互联网,再到今天以知识共享、生态平台为特征启动的产业互联网[1].人人联网、万物互联,虚实结合的数字孪生体系已然形成—信息物理系统(Cyber Physical System,CPS)[2].平台经济强化了主体的多样性、关联性、互动性,人类社会基于信息交互能力拓展的社会分工和协作水平极大深化,同时大规模、多角色、实时互动的网络协同使得组织边界被不断重新定义,形成了基于网络平台的广泛协作交互体系.

平台交互驱动的生产关系有协作,同时也有博弈,在不断消亡和涌现中演化,人类社会面临的不确定性呈指数增长,社会治理所面临的问题更加错综复杂.与此同时,复杂系统研究也已成为科学前沿焦点.英国著名物理学家霍金称:“21世纪将是复杂性科学的世纪”.复杂系统科学是交叉学科,为研究社会复杂问题提供了重要的支撑理论和方法.

如图1所示[3],复杂系统具有多层次、多粒度、演化、涌现等特性.成思危教授在《复杂性科学与管理》一文中指出:“研究复杂系统的基本方法应当是在唯物辩证法指导下的系统科学方法”,提出4 方面结合:定性判断与定量计算、微观分析与宏观分析、还原论与整体论、科学推理与哲学思辨相结合.

1 社会治理中的安全场景数字化

社会本质上是一个开放演化、具有耦合作用和适应性的复杂网络系统,社会治理是一项庞大而复杂的系统工程[4].面对社会交互的复杂性、不确定性,社会治理需要突破传统的自上而下的树形指挥模式,走向数字化、网络化、扁平化、服务化的治理形态.早在20世纪80年代,钱学森先生在创建系统学的进程中,就把社会系统作为发展开放复杂巨系统理论的一个重要对象,强调发展社会系统与其环境之间协调发展的组织管理技术,运用从定性到定量的综合集成方法,实现总体分析、总体设计、总体协调与总体规划[5].

1.1 社会治理核心问题

图1 复杂系统具有多层次、多粒度、演化、涌现等特性

党的十八届三中全会提出,创新社会治理体制,改进社会治理方式,必须“坚持系统治理,加强党委领导,发挥政府主导作用,鼓励和支持社会各方面参与,实现政府治理和社会自我调节、居民自治良性互动”.2014年3月,习近平总书记在全国“两会”上参加上海代表团审议时明确指出:“加强和创新社会治理,关键在体制创新,核心是人,只有人与人和谐相处,社会才会安定有序”.2018年2月5日,习近平总书记在主持“实施国家大数据战略”集体学习时强调“要运用大数据提升国家治理现代化水平.要建立健全大数据辅助科学决策和社会治理的机制,推进政府管理和社会治理模式创新,实现政府决策科学化、社会治理精准化、公共服务高效化”.

在习近平同志的系列讲话中,对社会治理的核心问题和解决路径指明了方向:系统治理,多方参与,紧紧抓住人这个核心,充分利用大数据辅助科学决策和社会治理.

1.2 社会大数据基础

在政府层面,社会管理和治理的制度体系不断发展完善,公共安全数据体系建设取得长足发展.以人口信息百城联网为出发点,建立了身份数据、车驾管数据等各种基础数据库;围绕天网工程[6]、雪亮工程[7]、平安城市[8]、智慧城市[9]等重点项目积累了海量的安防数据、互联网数据、网络安全数据、缉查布控数据、重点人群管控数据、PGIS 数据等,建设了完整的公共安全数据采集、治理、挖掘、应用的数据体系.

在大众层面,社交互联网、消费互联网积累了丰富的生活场景大数据.电话、微博、QQ、微信、购物、出行等,个人的一切在线行为都在被“数字化”,大数据渗透到社会生活方方面面,每时每刻都在产生新数据,用户画像也应运而生.互联网和卫星定位导航[1]这两个20世纪伟大的发明相结合,创造了“基于位置的服务”[11]这一商业模式,增加了社交网络交互复杂性,但同时也提供了强大的时空数据支撑体系.

1.3 安全场景数字化方法

加强和创新社会治理,关键在数据支撑的体制创新,核心是人的画像,基于时空属性的关系画像会有效降低社会治理的不确定性难度.

首先,以力量到边和力量无边的理念去构建政府和基层自治组织的同心圆.社会治理体系现代化的基础性工作落在基层.从指挥控制的角度分析,政府对全社会的行政力量延伸至基层,基层组织作为边缘组织对其所代表的群体进行协调和服务.从信息化角度分析,两条线应首先建设无障碍、全面沟通的社会治理平台,并以党建领衔开展民生和民主建设,从上往下精准切片赋能,从下往上发挥群众力量,真正实现对社会的共建、共治、共享.

其次,以“人”为本,以点带面建立社会治理关系网络画像[12].所有社会活动均是以人为主,做好社会治理的核心是掌握社会各类人员信息,包括户籍数据、身份证数据、车驾管数据、犯罪数据等,并结合国土资源、商业、公安、能源以及互联网等各类数据建立人与人、人与物、人与环境等关系画像.

再次,以“事” 为核心,分级分类构建社会治理专项场景画像.社会治理工作具有多领域交织的特点,通过“事”的分类、分级触发场景全息画像,通过事件画像分类业务和资源配置优化,建立“感知–认知–行动” 的回路.以社区治理为例,当前我国基层社区治理主要有政府主导、市场主导、社会自治、专家参与4 种模式,各种模式与所涉领域纵横交织催生海量需求,需要不同的应用和资源来支撑.

2 一体化指挥调度支撑体系

一体化指挥调度就是使用信息化手段以及与信息化相适应的工作机制,将互不相同、相互补充、互不隶属、相对独立的指挥要素、执行力量以及相关资源有机地融合为一个整体,以实现组织策划的目标.一体化指挥调度是解决社会公共安全问题的方法论体系,为安全场景数字化提供理论、技术、工程以及标准支撑[13].

2.1 基于OODA 的方法论

一体化指挥调度在学科上属于指挥与控制系统工程[14],理论基础源自赛博控制论.王飞跃教授在《机器崛起》中详细阐述了赛博的演进过程[15].1845年,法国哲学家安培在社会管理科学中首次提出赛博一词,在此之后,1945年美国应用数学家诺伯特·维纳从生物学和机器智能角度创立了赛博控制论.同时,赛博在其他领域的研究也取得了突破性进展.1951年,在朝鲜战场诞生了军事指挥控制,1955年我国著名科学家钱学森在机械和电机控制领域创立工程控制论,直至1956年达特茅斯会议,赛博成为了与AI 争鸣的重要学派,今天面对社会复杂交互系统问题,赛博与AI 走向融合.

20世纪70年代美国空军上校约翰·包以德受毛泽东军事思想启发,提出著名的“OODA” 环(Observe-Orient-Decide-Act)—指挥决策问题方法论,详见图2所示.

图2 不同维度理解“OODA”环

从数据流来看,物理世界的事情一直都在发生,只是我们是否能感知到这些隐性的数据,状态感知就是解决数据从隐性到显性的问题,现实中发生了什么？这是数据链条的第一环节;分析研判,也可以叫态势分析、态势研判,实现数据到信息,为什么会发生？接下来会怎么样？趋势是什么？科学决策就是信息到知识,这也是认知智能的核心,解决我们该怎么办的问题,要充分利用专家经验知识、机器智能、群体智能,从主观思维决策到智能辅助决策,形成定性定量相结合的科学的认知决策优势;最后是调度执行,让知识决策变为行动反馈到物理世界,完成数据优化的闭环.还有一个维度,就是我们说的工业革命的机械化、信息化、智能化,机械化主要在物理空间延伸人类的肢体—行动能力;信息化是在赛博空间延伸人的感官—感知分析能力;智能化将是要延伸我们的智力—研判决策能力.

随着万物互联、虚实结合、人机共融,信息化向智能化发展,感知快、研判快、决策快、行动快,不论在军事作战、社会治理、企业管理都将迎来新的质的飞跃[16].

2.2 面向4 域的技术生态体系

一体化指挥调度技术体系主要涉及信息通信、人工智能、指挥与控制3 个学科专业方向,基于“OODA”的数据流视角,可以从感知域、认知域、行动域和保障域4 个方面构建技术生态和标准体系.一体化指挥调度技术群结构如图3所示.

一体化指挥调度技术群包含4 个域:

1)感知域:解决数据在哪里,以及如何获取的问题.通过智能芯片、传感器、边缘计算等技术实现智能感知;面向场景目标画像,运用信息融合理论与技术实现多源异构态势信息融合;综合运用地理信息系统、3D 建模、VR/AR、人机交互等技术,实现多维度、多层次、具有时空属性的态势呈现.

2)认知域:主要解决数据怎么用的问题.通过构建行业知识形式化、标准体系,实现知识封装与重构;研究基于行业知识图谱的智能预案规划;利用人机博弈、仿真推演技术,积累数据优化模型,推动任务规划和智能决策水平的提升.

3)行动域:主要解决数据谁在用,以及应用效果如何的问题.资源优化调度是最终目标,是“OODA”环从赛博空间回到物理空间的本轮优化终点;智能化、自动化、无人化时代云、边、端的协同分工,人与机器、机器与机器之间的交互系统成为重要研究方向.

4)保障域:解决场景画像中各种资源的协同保障问题.基于5G、物联网、区块链等前沿技术,探索去中心、扁平化、智能化、灵活组网等信息资源保障模式.

2.3 场景驱动的“端+脑”解决方案

不同于消费互联网时代,产业互联网最显著的特征是行业场景知识,行业认知大脑构建的核心也是如何通过数字化、网络化、智能化技术积累和沉淀行业知识.基于此,我们提出从单体智能走向群体智能,将人类的场景经验智能与人工智能技术相结合,面向场景、数据驱动、平台支撑、脑+端、人机融合,走出一条人机融合的超级智能决策之路:HI+AI = SI ( HI,AI,SI 分别为Human Intelligence,Artificial Intelligence,Super Intelligence 缩写).具体见图4所示.

2.3.1 基于知识图谱的智能规划

图3 一体化指挥调度技术体系

图4 “HI+AI=SI”方法论体系

根据“OODA” 环,面向场景的行业认知大脑系统本质是利用领域知识图谱,通过态势感知构建综合态势;根据综合态势智能发现潜在事件目标;根据约束条件和评价准则对事件目标智能分级,并确定行动方案决策偏好;根据决策偏好,智能生成行动方案;根据行动方案,自动转化为指令,影响现场态势,同时获取执行情况信息,反馈到方案系统,进行调整优化.因此,行业认知大脑可以划分为五大系统:知识系统、态势系统、事件系统、方案系统和执行系统.指挥调度认知大脑系统架构具体见图5所示.

运用知识图谱等相关技术,基于预案中的专家知识、领域规则、专业数据等内容,通过知识建模、识别和抽取、结构存储、智能匹配、知识推理以及自动生成等方法,系统可以实现预案知识的共享和重用.

2.3.2 自上而下的赋能体系与自下而上的数据体系

在传统指挥控制领域,常常是自上而下的G 端(政府端)思维,强调顶层设计、体系规划,这本身也是G 端的职责所在,需要自上而下的系统性管控,通过制定体系标准和机制制度来解决系统之间的交互问题.现在,“指挥控制力量到边”的思想越来越明确,自上而下的指挥体系向赋能体系转变,要力量下沉,为一线、为边缘、为端赋能.平台经济带来自底向上的C 端(用户端)思维,更加注重交互平台,通过标准接口实现点对点交互服务,充分发挥C 端的群体参与优势,通过正向引导汇聚群体智能,有望出现力量无边的效果.面对平台经济时代的社会治理,需要赋能体系和数据体系相互结合,如图6所示.

2.3.3 基于群体智能的智力共享生态平台

图5 指挥调度认知大脑系统架构

图6 自上而下的赋能体系与自下而上的数据体系结合

为解决数据共享过程中的信息安全、个人隐私、合法使用等问题,近年来学术界提出联邦学习,在多参与方或多计算结点之间开展高效率的机器学习,杨强教授等开展了深入研究,并搭建了应用平台[17].从数据共享到知识共享,以知识生态平台为核心的产业互联网时代,承载行业知识大脑的数字化模型和行业端应用成为平台交易的重点.以场景为驱动,采用大数据处理和知识形式化技术实现个体智力的知识封装,通过网络环境下的群体智能技术构建智力开放共享生态平台,从而使行业用户能够快捷地分享知识、传承知识、应用知识,甚至创造知识,最终实现生态群体协作、共享和赋能.面向智慧警务场景应用的警务智力共享平台如图7所示.

2.3.4 人机融合的智能安防

面向安防场景,将机器人技术、自动驾驶技术与指挥调度系统结合[18−19],构建“人在回路上”的智能安防巡逻系统.智能车作为一个移动的边缘智能平台,和指挥调度相互补充,相互促进.通过指挥中心云端赋能,很大程度上弥补了自动驾驶智能化程度不足的缺陷,有效解决感知、认知瓶颈难题;其次,自动驾驶是指挥调度的拓展和延伸,智能车不但是情报采集和执行力量的移动智能终端,同时也是一个移动的指挥调度节点,既可以作为一线智能巡逻终端,又可以成为一个边缘指挥中心.面向安防场景应用的人机融合智能安防巡逻系统原理如图8所示.

3 行业应用拓展分析

一体化指挥调度通过信息化理论、技术和手段解决安全问题,从公共安全业务场景中提炼和积累的指挥调度、大数据、区块链、人工智能等应用技术,一体化、扁平化、属地化、服务化的业务运行机制,跨区域、跨部门、跨平台的共享服务模式,自上而下、力量到边的赋能体系与自下而上、力量无边的数据体系相结合的方法论,不仅可以服务于公共安全、应急管理、城市治理,同样适用于行业的数字化转型[20−25].

一体化、扁平化、属地化、服务化、智能化,是指挥调度发展的必然趋势.一体化指挥调度外延可以延伸到安全的供需矛盾问题,需求侧日益增长的复杂交互安全需求,传统的指挥调度效率已经难以应对.纵观行业发展态势,自上而下、以领导为中心的指挥机制必然走向云端指挥中枢向下赋能,力量要到边;运用好面向老百姓的社会服务生态圈,充分发挥大众力量参与社会治理,群防群治,实现边缘侧聚能,达到力量无边的效果.从业务、技术、标准和模式等各方面去思考、研究,构建这样一个生态智能协同平台,一边驱动扁平化指挥调度,一边实现交互式群体智能,打通两个生态圈,并支撑其融合发展.这就可以实现真正意义上的基于位置的安全服务(Location Based Security Service,LBSS).汇聚感知域、认知域、行动域、保障域全产业链条,打通供给侧的指挥中枢到需求侧的群体智能,从根本上破解供需矛盾难题.一体化指挥调度外延的详细描述见图9所示.

4 结论

平台经济带来的不确定性交互已经成为当今时代的显著特征,社会治理问题成为复杂系统科学研究的重要载体.本文基于“OODA” 环视角,提出了“面向场景、数据驱动、平台支撑、脑+端、人机融合”的方法论体系,从理论、技术、解决方案等角度开展了初步的探索研究和应用实践.一体化指挥调度的最终目标是实现科学决策和资源优化,关键是CPS 技术支撑的信息流主导,主线是全域产业生态构建,实践是具体的场景解决方案.未来,面向产业互联网时代的知识共享、生态平台,随着技术的不断发展,一体化指挥调度有望为更多面向场景的行业数字化转型提供有力支撑.

图7 警务智力共享平台

图8 人机融合的智能安防巡逻系统原理图

图9 一体化指挥调度外延愿景