面向网络信息体系的人与多机制整合指挥控制模型

彭莉莎 郑华利 周献中,3

文献[1−4] 对“指挥”和“控制”的本源和内涵做了详细介绍,“指挥”用于传递意图,“控制”用于达到目的,指挥与控制(Command and Control,C2)密不可分、相辅相成,为此,本文将“指挥与控制”简述为“指挥控制”.在军事领域,围绕指挥控制功能侧面展开的C2 概念模型研究层出不穷,约翰·博伊德(John R.Boyd)提出了经典的OODA环模型[5−6].该模型后被扩展为迭代OODA环、RPD-OODA、CECA模型、基于NCW和EBO的OODA环、M-OODA 等[4,7],詹斯· 拉斯穆森(Jens Rasmussen)构建了能力层级(Calevel)模型[8],麦卡·恩德斯蕾(M R.Endsley)构建了一个动态决策情景下的态势感知(SA)模型[9−10].2014年周丰等人结合主动感知和信息挖掘提出了IMIS 指挥控制模型[11].

从指挥控制基本原理和功能实现上分析,上述模型各具优势,然而,从指挥控制的本质及发展角度看,这些模型已较难适应现代网络信息体系[12]和未来智能时代的指挥控制需求,为此,整合和扩充各个模型中有突出优势的局部指挥控制环节,同时,考虑到指挥控制要素和要素关系、涉及的技术和方法组成的有机整体符合“机制”[13]的内涵,且人需要扮演各种角色与各个机制进行交互以提高指挥控制效能,面向指挥控制内部功能侧面构建基于信息网络体系的人与多机制整合的指挥控制模型,详细阐述了该模型的特性及各个机制,并简要分析了人工智能对该模型中各机制的影响.

1 现有主要C2模型分析

概念模型是对现实世界中人事物的结构、行为和功能等本质特征的抽象与描述,指挥控制活动要素及要素间相互关系需要通过概念模型来理清和呈现,本部分简要概述并分析4种C2 概念模型的机理及特点,用以作为本文构建新型指挥控制模型的基础知识和重要启发.

1.1 OODA环模型

1987年,博伊德提出经典的OODA环作战指挥控制模型[2−5],该模型描述了指挥控制系统在物理域、信息域、认知域的基本行为方式和周期循环过程,如图1所示,观察始于物理域,行动作用于物理域,与环境交互;定位和决策产生于认知域,与人密不可分;4个环节通过信息流进行交互与指导,数据、信息或知识不可或缺,因此,都发生于信息域.

图1 经典OODA环Fig.1 The classical OODA loop

经典OODA模型具备诸多优势,如其独特的简洁构成形式、突出的速度特性[6]和明显的周期性,此外,面向不同层级的作战单元可构建不同的OODA,并相互嵌套,充分体现了局部性和整体性,从对作战需求角度来说,这种“既见森林,又见树木”的概念模型对作战指挥控制活动具有良好的透明性、关联性和鲁棒性.

然而,随着指挥控制任务和指挥控制环境日益复杂化,经典OODA的局限性逐渐显现,例如,其缺乏环节之间的反馈,不利于构建动态决策过程,此外,其为严格的单入口线性模型,仅表示流程的单个序列,因此,较难适应不同专业水平的各级决策者和实际任务中面临的各种复杂和特殊的任务环境,为此,博伊德对经典OODA环做了一些改进,其在拓展的OODA模型中将定位环节强调为核心环节,并将其细化为图2所示的五要素[6],以更加体现预测、关联、映射和否定等相互作用的思维过程,同时,各环节之间的内部指挥控制和实时反馈也得到进一步体现,此后,很多研究学者提出了诸多OODA 扩展模型,这些扩展模型的提出或为弥补经典OODA 存在的某些不足,或为适应更多应用领域或满足新的需求等,如文献[7]综合数据收集、态势理解、方案选择和方案执行这4大模块构建了一个M-OODA模型,并与众多OODA 扩展模型进行了对比.

1.2 CaLevel模型

20世纪80年代,丹麦学者詹斯拉斯穆森提出了基于人类思维的能力层级(CaLevel)模型[8],如图3所示,底层决策方式无需“思考”和推理,是单纯的基于技能的“刺激→反应”式决策;中层决策方式基于规则快速匹配系统态势,进行推理并作出决策;顶层决策方式为依据自身经验或“知识”的推理方式进行决策.

图2 拓展的OODA环Fig,2 The extended OODA loop

图3 CaLevel 能力层级模型Fig.3 The CaLevel capability hierarchy model

基于三层决策模式的CaLevel模型将人类思维活动自然分割成基于技能的简单行为刺激反应、基于规则的认知推理和基于经验知识的决策方式,同时也将这三者进行了有机融合,更好地刻画了人的思维意识在决策过程中起到的关键作用,为决策支持提供了理论基础,对指挥控制系统建模的分析设计提供了一种方法学.

1.3 SA模型

为提高操作员的态势感知能力,有效设计辅助动态决策系统[9−10],美国女科学家麦卡恩德斯蕾于1995年提出了动态决策情景下的态势感知(Situation Awareness,SA)模型.

如图4所示,环境引起态势感知,态势感知影响决策,决策指导行动,行动反作用于环境,进而引起新的态势感知,态势感知是SA模型中的核心环节,它的优劣直接决定后续决策的有效程度和行动的实施效果,包含3个递进的层级[10]:1级SA——态势察觉(Situation Perception);2级SA——态势理解;3级SA——态势预测(Situation Projection),任务需求引发SA,因此SA 由目标或期望驱动.如果说1级SA是单词阅读,那么2级SA 便是阅读理解,自然,3级SA则是答案选择.

通常来说,充分的SA 有助于形成较好的决策,但不排除在某些近乎完美的SA 下,决策者也可能受技术限制或其个人因素(优柔寡断、冲动或冒险)导致错误决策,文献[9] 根据当时的一项研究发现,尽管机组人员在决策之前已有足够的态势感知,但仍有将近26.6%的飞机事故与人为的决策失误有关.同样,在某些差强人意的SA 下,决策者也可能凭借其丰富的作战经验和战略指导而得到近乎完美的决策,因此,从理论上讲,SA、决策和行动实施可以被看作是不同的阶段,它们在一个不断循环的指挥控制周期中相互影响,但又可以通过各种其他因素(任务要素、系统性能和个人因素)而解耦.

1.4 IMIS模型

为适应瞬息万变和时刻产生海量数据的战场环境,周丰提出基于信息挖掘和主动感知的IMIS(Information Mining,Initiative Sensing)指挥控制系统模型,如图5所示,该模型主要考虑了数据流的信息挖掘、作战空间的态势分析以及传感器的主动感知3大模块[11],1)信息挖掘模块包含4个阶段,在信息收集阶段,传感器实时检测和收集战场实况,并向观测者发布传感器报告;在信息处理和信息挖掘阶段,信息经过整合、分析和处理后获取目标对象的状态和威胁程度等,再利用数据挖掘算法获得战场要素关系和作战规则等价值信息.在计划识别阶段,敌方的作战意图被全面描述,并有效服务于指挥决策人员,2)态势分析模块处于信息挖掘模块的后一阶段.态势感测是信息收集后对信息的关注和感知;态势合成是信息处理后形成的态势描述;态势发觉是信息挖掘后结合先验知识对战场动态环境的进一步感知和解读;态势推演是依据计划识别结果预测未来态势以及当前军事行动对战场态势可能造成的影响.3)主动感知模块与信息挖掘模块相辅相成,由于传感器型号多样,工作机理和探测能力各异,难以全方位探测复杂的战场环境,况且战场瞬息万状,经过信息融合和挖掘后获得的目标跟踪信息和威胁程度的准确性可能已经不符合实时战场态势情景,为此,IMIS 指挥控制系统对计划识别结果进行校验分析,然后通过主动感知技术实时调度传感器,防止传感器重叠探测,使传感器得到充分利用.

图4 动态决策情景下的态势感知模型Fig.4 The situational awareness model in dynamic decision-making scenario

图5 引入信息挖掘与主动感知的指挥控制模型Fig.5 The C2 model based on information mining and initiative sensing

1.5 上述C2模型特性分析

从指挥控制的基本原理和功能实现上来分析和理解OODA、IMIS、SA和CaLevel 指挥控制概念模型的特性,从整体上来看,前三者的连续反馈调节过程以及互联互通的特性,使它们都具备较好的粘合性和鲁棒性,同时也具备一定程度的系统生命力和功能涌现性,CaLevel模型无反馈环节且非闭环,但其也具备一定的系统生命力和适应性,从局部分析,扩展的OODA环强调了新信息和个人主观能力在定位环节的关键作用;基于人类思维活动的CaLevel模型,为指挥控制过程中的决策支持提供了有效参考,为分析设计更具智慧的指挥控制系统提供了新思考;SA模型详细分析了态势感知各子环节在指挥控制中的核心地位;IMIS模型强调了网络信息技术在指挥控制中的高效应用.

从整体上来说,人始终是指挥控制的主角,而上述4个模型并未充分考虑人在指挥控制过程中起到的智能作用,对C2 中人的思维和人机交互过程并未得到充分体现,在系统适应能力和竞争能力上偏弱,不利于作战指挥控制中的智能对抗、控制和反控制.上述模型也未充分体现指挥控制过程中的信息共享问题,因此,较难把握好信息交换节奏来减少信息共享误差,再者,指挥控制模型是一个融合了多环节的统一整体,各环节对高效的指挥控制都十分关键,然而上述模型并未给出各环节尤其是决策和行动环节中详细的要素组成和有机结构,不利于指挥员进行战略部署,包括资源调度、作战任务分配和行动方案制订等,也不利于指挥控制任务准确高效地执行,以致于影响指挥控制系统的任务管理和决策指挥管理功能.

从细节上来说,扩展的OODA和CaLevel模型都是在信息时代发展初期提出,因此,没能考虑在指挥控制过程中有效利用信息网络技术,不能很好地通过资源共享合作同步平台实现信息共享,态势共享和行动单元的互操作功能,从而不能有效通过增大资源空间来减少任务执行时间,难以在达成指挥控制目标方向上快速收敛,也不能更好地利用信息网络将装备、人员、程序等资源,整合成新的体系结构以实现新的指挥控制功能,削弱了指挥控制系统的综合竞争力,CaLevel模型中基于知识的决策层在没有现有的决策结果支持的情况下,决策过程过度依赖于个人主观能力,使决策实施更难,决策风险更大,决策时间更长,从而可能导致指挥误差增大或错失最佳决策时机,并且该模型的指挥控制过程开环且不存在反馈调节信息流,因此,在自学习、自适应和进化能力方面稍显薄弱,再者,IMIS模型中的信息收集、信息挖掘和计划识别阶段,对应于SA模型中的态势察觉(感测)、态势理解(发掘)和态势预测(推演),信息融合对应态势合成阶段,然而,仔细分析发现,SA模型和IMIS模型存在一定关联但并非强关联或绝对的一一对应关系,例如,信息融合阶段实际上就已经产生了态势合成和态势发掘以及威胁分析的一些行为表现,而且计划识别本身也是态势推演的过程,二者之间并没有明显的先后顺序,而IMIS对这些程序的混淆不利于清晰有序地进行各项指挥控制活动,尤其在威胁管理和任务管理阶段.

综上所述,指挥控制是项复杂的系统工程,指挥控制有其内在的基本功能需求及相互作用逻辑,不同功能侧面有不同的实现机理,上述4个C2模型虽在功能实现上各有优势,但在诸多方面还存在较大发展空间,尤其是网络信息体系下的指挥控制和人机交互方面.

2 人与多机制整合的指挥控制模型(HMMI)

2.1 “机制”的内涵

网络信息体系下的指挥控制模型应从其客观存在的内部机理来提炼,而“机制”一词则合理地体现了这层含义.《辞海》(上海辞书出版社,1979年缩印本,第1250 页)给出“机制”的内涵通常为机器的构造和动作原理,后泛指社会或自然现象的内在组织和运行的变化规律,根据“MBA 智库百科”的解释[13],“机制”最早源于古希腊文,在各领域中的内涵有所不同,比如,在生物学中,“机制”表示有机体内发生生理或病理变化时,各器官之间相互联系、作用和调节的方式;在经济学中,“经济机制”表示经济肌体内各构成要素之间相互联系和作用的关系及其功能;除此之外,“机制”也频频出现在改革专家研讨会、报章杂志乃至红头文件中,总体而言,“机制”大致解释为有机体的构造、功能和相互关系或一个工作系统的组织或部分之间相互作用的过程和方式等.据此,“机制” 一词恰可用于表示指挥控制系统中各环节的要素、要素关系(结构)、功能及其变化规律和相互作用逻辑.

2.2 HMMI的构建

为适应并契合信息网络体系下指挥控制不断面临的新目标和更加丰富的功能需求,需重构现有指挥控制模型以获得新结构、新功能和新技术,为此,本文将指挥控制3 大基本功能(威胁管理、任务管理和决策指挥管理)细化为信息收集、信息共享、信息处理、态势感知、决策生成和任务执行这6 项功能,这些功能的实现都离不开人的参与和主导,且实现机理符合“机制”的内涵,由此,综合人机交互与经典指挥控制模型的优势,尝试面向网络信息体系构建出一个人与多机制整合(HumanandMulti-Mechanism Integration,HMMI)的新型指挥控制概念模型,如图6所示,其中,各“机制”表示实现对应指挥控制功能所涉及的要素、要素之间的关联和技术方法等的有机组合.为便于理解,本文预设机制名与功能名一致,但需要说明的是两者并非对等概念.

图6展示了“以人为中心、机制为节点、网络为载体、信息为桥梁”的网络信息体系下的指挥控制环,人与各个机制在体系下互相协作并有序地实现各项指挥控制功能.在信息收集机制中,通过规划和调度情报人员以及探测设备实时收集战场中我、友、敌等环境信息;在信息共享机制中,通过科学的信息共享方式将信息高效、准确、安全地分享到联合作战体系中各需求单元;在信息处理机制中,对新信息和有用的历史信息进行整合、分析和处理操作以获得威胁分析和计划识别等所需知识,与此同时,利用设备优化调度机制校验融合结果的性能指标是否满足实际目标需求以实时调整传感设备的工作状态;在态势感知机制中,依据信息处理结果和已有的基础知识库对战场进行态势分析、态势理解和态势预测,包括战场环境特性分析、冲突状况分析、冲突方可能行动等各个方面,进而得到整体态势多重视图和预测报告;随后,指挥员依据态势感知结果,利用决策生成机制进行行动方针和行动预案的制订、修订与选择;最后,在任务执行机制中,各执行实体根据作战方案执行相应战略、战役和战术任务,此过程还涉及舆论导向和后勤支援等其他作战领域;所有军事行动和作战方案的执行将引起战场环境发生变化,从而引发新一轮的作战指挥控制环的运行.

需要特别说明的是,在HMMI中,带有明确目的的人既是独立于各个机制之外的要素,可以独立完成任务,又是与各个机制中的人员、机器、数据、资源等进行必要交互的关联要素,人与各个机制共同实现智慧指挥控制、高效指挥控制、精准指挥控制.

2.3 人机(机制)交互

为简便描述,全文将人与机制交互称为“人机交互”,包含但区别于传统意义上的人机交互,面对主观性、思维性、创造性、局势意识和涉及伦理的武器等人类大脑特性指挥控制问题,以及战术选择、战斗编组、打击时机等决策功能需求,单靠机器很难实现和突破,因此,人的参与对指挥控制过程的有效运作十分关键.为此,将人机交互行为嵌入到HMMI 指挥控制闭环模型的各个机制中:

1)人或主动或被指挥地通过直接观察战场环境获取宏观战场信息,并将其直接或预处理后存入信息获取机制的计算机要素中,经过传输后与其他探测设备获取的战场信息进行融合.

图6 网络信息体系下人与多机制整合指挥控制模型Fig.6 The NISs-based human and multi-mechanism integration C2 model

2)人参与传感器优化资源调度过程中的性能指标校验、调度算法编程、人为调度等工作.

3)人遵循作战整体意图和作战经验主导态势感知整个任务的有效有序执行.

4)人参与和主导方案的制订、选择、决策和优化.

5)人参与作战指挥、执行人员与物资调控、作战武器操作和伤员救治以及后勤保障等诸多任务.以上“人”只是统称,对各指挥控制机制而言,则可能是指挥员、侦察员、情报员、操作员、设备管理员、数据分析师、参谋员、决策者以及作战、运输、医疗、后勤等复杂军事体系中的所有执行实体,也可能是被攻击的目标对象.

简而言之,在HMMI 指挥控制模型中,人和机器对于其中一方难以或无法实现的功能起到辅助或弥补作用,互相协作共同完成任务,人与机器的合作嵌入到人与机制的交互中,使战场指挥控制体系始终保持实时、有序、高效和按需运作的状态,使指挥控制任务完成效率和质量得到保障,进而增大战争赢取胜利的可能.

3 HMMI中各机制的细节描述

不同机制包含各自的和共同的活动要素,各自的活动要素通过有效的方法和技术为其所在机制的功能服务,而不同机制下的相同要素间的关系存在差异,同时也在实现总的指挥控制目标的过程中,由于人的关联而相互影响和相互协作,为了更加真实地描绘现实信息化指挥控制环境中各个机制的内部结构,下面将对各个机制内的活动要素、要素之间的关系、行为方式和所涉及到的一些技术方法进行详细阐述.

3.1 战场环境

战场指挥控制系统完成任务所处的环境为战场环境,如图7和图8所示,海、陆、天、空、网五域作战空间的综合态势包括内部环境的我情和友情,还包括外部环境的敌情和战场情况,内部环境含我方和友方指挥控制系统中各要素的数量、位置和特征等自身状态;外部环境含敌方的敌机型号、航向和速度等要素状态,还包括敌我双方所处的自然环境和社会环境,如天气状况、作战地形、人文形态、政治格局和舆论压力等外在条件.

3.2 信息收集机制

在网络信息体系中,信息主导指挥控制中各个机制的有效运作.信息收集机制的构建如图9所示,其信息需求为参战要素的兵力部署、特征性能、地形地貌、气象条件等所需战场态势信息,可通过人工和自动等方式进行收集,人从环境中直接或间接观察到的情报信息,以及由人与人之间交流产生的语言、动作和思想等,通常需要经过格式转换或信道传输或直接规范化存入计算机内,自动方式主要由传感装置等探测设备收集物体电磁波转化而成的数字、图像等信息,通常自动存入计算机.探测设备在信息收集工作中发挥重要作用,是信息处理机制的信息“采样器”,其收集到的原始观测信号是信息处理机制得以运转的输入性“原料”,在信息收集过程中,指挥控制中心需要情报人员来管控各种信息探测设备,并对获取人基和物基信息的各类资源进行管理和调度.

图7 战场环境要素Fig.7 The factors of combat situation

图8 五维作战空间Fig.8 The f ve-dimensional combat space

图9 信息收集机制Fig.9 The information collection mechanism

受战场地形地貌、气候、软硬件技术限制和信号干扰等因素影响,探测装备可能难以全方位无缝探测战场信息,时间和空间上难免存在探测“漏洞”,此外,战场环境瞬息万变,从信息收集到信息处理之间产生时间差,可能导致信息处理结果与实际战场情景存在偏差,即信息的覆盖率和精确度等性能指标无法满足实际需求,间接影响后续一系列指挥控制活动,为此,增加设备优化调度机制,用于依据信息处理结果对探测资源进行人工或自动地优化调度,以实现不重叠、全方位、互相协作、实时准确地探测和收集信息,此过程中人接收信息处理机制的信息反馈后对融合性能进行评价,并始终管控着优化调度机制的运行.

信息收集机制应具备及时性、准确性、连续性和安全性,其中,及时性指获取信息时要保证时效性,第一时间收集的情报信息有利于后续作出快速的指挥控制反应;准确性指所收集的信息应与真实情况一致,准确真实的信息有利于灵活和精确指挥控制;连续性指信息收集应保持不间断,连续的信息片段有利于指挥分析人员全面描述战场环境整体画面,构造全局态势图进而达到全面指挥控制的目的,安全性指在可能存在恶意破坏或干扰的情况下仍然能顺利收集信息,以上对信息收集机制的4 项要求是实现及时、精准、全面、灵活和稳健的指挥控制的必要前提,因此,在信息收集过程中,应确保各类探测设备的完好性、灵敏性、精确性和较强的抗干扰和防衰减能力,以及应急情况下的信息收集手段.

3.3 信息共享机制

在信息共享机制中,基于HMMI的网络化结构,“五域”作战空间中的作战信息共享至部队内部各层级部门和作战单元等,通过在时间和空间上有效的信息交换和共享实现信息增值,以满足指挥控制中态势共享、协同决策和联合任务执行等机制的信息需求,信息共享是信息化指挥控制的运行基础,快速、实时、准确的跨域信息共享可提高态势感知力、决策生成时效性和任务执行协同性,极大地提高联合作战获胜概率.

除了先进的硬件技术,高效的信息共享还依托于科学的共享方式,信息推送、信息检索和专项供给服务是信息共享的常用方式,面向供给方和需求方的“推-拉-订”模式是一种新型信息共享模式[17].“推”是供给方将信息推向网络,通过按需分发有效解决信息载体权限不同、信息量过大问题.通常面向全体参战者或面向特定用户实行按需分发,前者旨在告知每位参与者关于全局作战目标所涉及的共同的任务信息和一般性态势信息,促使他们充分发挥自主性;后者旨在直接告知对信息的威胁等级、时间敏感性有限制或者与信息更相关的特殊需求方,使信息共享更具时效性,“拉”是需求方从网络中拉取信息,由于战场信息瞬息万变,当“推”模式无法满足用户需求时,需求方可通过自主查询数据库或向信息生产者发送文本、语音等请求来获取信息,“拉”模式需要设置自主查询权限,“订”是需求方向指挥控制中心或特定情报部门预订信息,适用于执行特种侦察、定点清除等特殊任务的作战实体.“推-拉-订”模式顾全了信息供求双方的各种关系,使信息共享更加灵活.

信息共享机制的运作机理如图10所示,为了实现规范有序、科学高效的信息共享,规避时有发生的“规律性障碍”,应做到:信息输入精简、抗干扰,避免信息过载;信息系统简单易操作;指挥控制中心和情报部门要根据战场态势及时更新数据库;消除等级思维定势,以信息价值最大化为基准设定信息优先权;构建统一的信息交换模型标准体系,使战场信息语境统一、用语规范、语义准确、表述简洁,此外,还应不断改进电磁频谱管理技术和信息传输安全管理技术,并制定相关政策,以实现更安全更高效的信息共享.

图10 信息共享机制Fig.10 The information sharing mechanism

3.4 信息处理机制

互联互通的网络环境下,瞬息万变的战场环境时刻产生海量混合数据,信息处理机制需要对新收集和传输过来的多源混合数据和先前过滤掉的有效数据,通过传统融合算法和现代数据挖掘算法进行优化整合处理,以实现目标的属性识别、类型识别、状态估计、威胁估计和计划识别等功能,进一步为态势感知服务.如图11所示,信息处理机制需要经过诸多环节来完成[19−20]:首先,各类信息数据库和通过数据库接口连接的其他异构数据源进入到数据预处理环节,然后,数据预处理系统对这些数据进行数据筛选、甄别和判断,抽取整合样本,对数据进行结构化、符号化和格式规范化,并统一存储等系列操作,接着,数据被清理、转换、集成、融合后集中加载到大型分布式数据仓库中,以便于数据挖掘,在战场信息处理过程中,通过Bayes 准则、证据理论、模糊集理论、时空对准和航迹连等传统融合算法和神经网络、序列模式分析、关联分析、聚类分析和分类识别等现代数据挖掘方法以及军事应用组件库算法,从大数据中找出常规数据特征获得信息模型,再进行模式评估形成模式库,最后经过知识提取获得知识库,并通过分析员对结果做出合理解释,信息处理机制将指挥员从复杂的数据和图形中解放出来,为指挥员的态势感知和决策分析提供智能化、自动化的辅助手段,提高系统智能化决策的科学性和及时性.因此,信息处理机制在整个HMMI中至关重要.

信息处理机制注重信息反馈和行为触发,主要体现在以下两方面:1)传感器和各侦探设备通常独立工作且存在时空差,因此,在信息处理前需要数据校准,通过时间搬移和坐标变换统一传感器的时间和空间参考点;在信息处理时,需要比对不同传感器反馈信息源和同一传感器反馈的新旧信息源,以判断这些不同时空的信息是否来源于同一目标,在进行新旧信息融合时,根据传感器反馈的观测值估计目标参数,并以此参数估计目标的位置、速度、航向和未来状态等,然后再依据已知类别的目标比对实测特征向量来识别被测目标的类别,以上工作都需要人的参与.2)军事领域存在多种基于像素级、特征级和决策级的信息融合模型和基于集中式、分布式、混合式和多级式结构的融合方式,不同级别的融合模型在计算量、容错性、精度等处理性能上各有优劣,不同结构的融合方式在信息损失、通信宽带和性能控制方面也各有优劣,因此,指挥员在面临不断变化的战场环境和决策需求时,必须根据当前信息处理反馈结果重新选择或动态调整信息融合模型和融合方法.

图11 信息处理机制Fig.11 The information processing mechanism

3.5 态势感知机制

信息处理结果使网络信息体系下的HMMI 不断进行适应性调整,为指挥员动态形成态势感知和作战意图提供了有效的定性定量参考依据,如图12所示,在态势感知机制中,指挥员依据信息处理机制获得实时知识库、作战基本理论和知识经验对战场环境进行系统的态势感知,获得战场态势情景图,以服务于决策生成机制,一张张碎片式的战场信息被态势感知机制合理地拼接成一张完整的战场态势情景图,即海、陆、空、天、网络电磁空间中的我情、敌情和环境的全面洞悉结论,如兵力、火力等双方作战效能、战争风险代价、ISR(情报、监视和侦察)报告、机动能力和后勤保障情况等.

态势感知机制以作战目的为导向,以指挥员为主导,首先,通过态势察觉分析信息处理的输出结果,包括属性识别(距离、方位、速度、经纬度等)、目标识别(战术实体类型和战术单元类型等)、已知和潜在状态估计(威胁程度、作战效能优劣比等),此过程可通过聚类分析、知识推理和知识发现等技术实现[18],良好的态势察觉需要有知道如何发现并理解重要线索的个人能力,也需要个人不断训练和累积经验;然后,通过态势理解对感知要素进行分类和组合,并通过树图等可视化形式尽可能地描绘要素特征及其空间位置约束关系,以获取战术单元作用、全局态势描述、敌方作战意图和作战实体行为模式,此过程涉及历史文化、政治经济、国防军事等基础作战理论以及动态贝叶斯网络等技术;最后,通过态势预测判断战争演变趋势,如可能的战争结果和代价以及其他军事活动对战场局势造成的消极或积极影响等,此过程涉及指挥员的作战经验,主观判断、专家系统和机器学习等.

3.6 决策生成机制

HMMI的网络化结构和信息共享的是协同决策的基础支撑,在决策生成机制中,军事分析(参谋)人员依据整体作战意图和态势感知结论,借助辅助决策系统完成作战规划、生成作战决策、制订和选择最优或满意作战方案,并为方案的执行创造和准备一切有利条件,决策过程是主观意见和客观条件的矛盾思维活动,是主观需要转变为客观事实的必要手段[20].

图12 态势感知机制Fig.12 The situation awareness mechanism

某种程度上认为,网络信息体系是一个特殊的信息物理系统,其包含“人-机”、“人-人”、“机-机”交互系统等多种子系统,网络信息系统将人与机器关联结构扁平化、整体化,扩大了决策范围.决策生成机制反映了这些子系统之间围绕指挥控制任务进行的协同和交互,其中,“人-机”交互系统处于核心地位,用于明确和解决决策问题,其中包括数据、参数和模型的选择等,使决策过程充分体现决策者意志,使决策更加高效和智能.

基于“人-机”(此处的“机”指辅助决策系统)系统交互的决策生成过程的两个关键步骤:1)识别问题:用户通过人机接口输入决策问题描述,自然语言处理系统对问题进行收集和预处理,并根据知识库判断和识别问题,此过程需指挥员和计算机通过人机接口进行多通道对话,以解决识别过程中出现的问题,直至问题明确,同时将决策问题存入数据库[20].2)解决问题:分析决策问题的特征构造,当决策问题属于结构化可量化计算时,调用模型库和方法库管理系统寻找合适的模型和方法进行定量组合计算,获得最优决策方案;当决策问题属于非结构化定性问题时,则调用数据库和知识库管理系统,利用推理机匹配决策问题数据和知识库中的规则条件,获得可行方案;当决策问题属于半结构化问题时,则需要调用四库管理系统进行定量与定性相结合的方式,获得满意决策方案;最终决策方案和评估结果再通过人机接口反馈给决策用户.

图13 决策生成机制Fig.13 The decision generation mechanism

辅助决策系统启发和引导决策者解决各类决策难题,实现了决策者、专家知识和模型方法的综合集成[20],同时,在辅助决策系统实现步骤2)的过程中,基于“机-机” 协作的问题处理系统发挥关键作用[21],其中,分析子系统分析问题结构,协助方案自动生成子系统生成决策方案,评级(推理)决策子系统借助模拟和解释子系统形成决策结论,反馈给问题处理系统,并最终通过人机接口显示给决策用户.

在基于“人-人” 子系统的决策过程中,较好的态势感知结论和有效的决策方法有利于提升决策效果,但高效的决策与人(决策者)对战争认知程度、作战经验、谋略、素质、抗压性、洞察力、协作能力等主观能力密不可分,在如图13所示的决策生成机制中,所涉及的人员要素包括领域专家、总体设计人员、开发人员、管理人员、流程设计人员和决策用户等,他们参与领域建模、业务分析、服务开发、系统管理维护、流程编排和问题求解等工作.军事领域的决策具备进行军事斗争的对抗性、应对流动易变的作战行动的时效性、模糊多样决策环境下的复杂性、各种不确定决策可能造成军事后果的风险性,以及在不同时空、目的和环境下的偶发战争行动前进行决策的非重复性,如此复杂高要求的军事决策单靠个人无法完成,必须通过基于“人-群组”系统的群决策来实现,群决策综合了集体决策优势,囊括了不同专家的智慧、跨领域知识、不同角度的决策观点,使决策更加周到和科学.但同时群决策的优点也带来一些缺陷,如效率低、群体转移等,当群体中存在管理者,则可能会因更关心个人目标导致决策目标偏离等问题.因此,决策群体应该遵循一些原则:1)集合能促进创造性思考的领导、跨领域专业型人才、不受组织约束的外部专家,2)每位成员全身心投入、一起探索、群体内部主动相互交流,而不仅倾向于领导,3)适当分离决策思想与决策思想评价、决策问题识别与决策方案.4)适时转移角色、创造轻松开放的决策氛围,5)追求个人意见表达和达成一致之间的平衡,6)决策环境多变时,强调任务式指挥和独立自主性决策,经典群决策方法有头脑风暴法、德尔菲法等,现代关于群决策的研究一直经久不衰,相关的具体方向和文献相当多,此处不再细述.

辅助决策技术是决策生成机制中的关键技术,也是C2系统理论与技术中的重点模块之一.辅助决策人-机系统通常有面向决策过程和面向决策问题两种形式,前者旨在军队指挥过程中辅助指挥员作出正确决策,后者旨在解决指挥员面临的决策问题.决策方法有传统的判断分析法、效用分析法、专家系统法等,现在还广泛采用新的自然智能与AI 智能相结合的混合智能技术,这些处理技术可认为是知识库+推理机的结构形式:1)模型驱动的军事运筹学是C2系统辅助决策的基本技术,其通过数学方法和现代计算机技术研究武器装备、军队编制、人员训练、指挥决策等军事活动中要素之间的数量关系,以获得有效方案,帮助指挥员面对数量大、内容复杂的信息时快速下定决心和组织协同,进而缩短战役、战术计划制订周期.2)知识驱动的专家系统是C2系统辅助决策的中级技术,其利用专家过往经验和专家知识对战场态势结论进行反复解释、预测和核实,再经过计算、规则生成和逻辑推理等一系列操作,为决策者提供辅助性决策建议,3)数据驱动的神经网络和机器学习等是C2系统辅助决策的高级技术,其中,人工神经网络利用大量类似于神经元的处理单元相互连接成非线性复杂网络,再模拟大脑处理和记忆信息,反复学习以达到自动、准确辅助决策的目的,神经网络弥补了专家系统在知识表示、获取、优化计算和并行推理方面的不足,并且具有成熟的学习算法和良好的容错能力,而机器学习主要通过自学习算法从数据中归纳综合、自动获取规律,并利用规律预测新知识.

3.7 任务执行机制

在任务执行机制中,军事体系中各层级各职能部门依据下达的命令和军事行动方案进行资源调度、任务分配和任务执行,各类执行实体或作战单元依据方案执行各自的战略、战役和战术任务,并联合完成军事行动总目标,指挥员始终处于协同或联合作战的核心位置,整个任务执行机制的运作如图14所示,由于各作战平台在不同时段可能执行不同的作战任务,在网络信息体系支撑下,上层指挥控制关系的适应性演化和适当调整也有利于底层被指挥控制单元协作关系的灵活调整,为此,文献[14]给出了C4ISR系统的指挥控制关系适应性演化模型和方法,文献[15]研究了基于CPSS(信息物理社会)系统的作战平台:物理域的海陆空天的“明战”;信息域的“赛博空间”和高科技“暗战”;社会域的政治压力和舆论监控“观战”.在新的作战指挥控制形势下,以虚实互动、跨域行动的方式达到预期的行动目标.

廖仲恺《致蒋介石函电》之五:“盖时事瞬息万状,而尤以军队情形为然,非日夕与各方消息接触,恐少逊随机应变之妙用”,指挥员必须随机应变以应对瞬息万变战场,时刻把握稍纵即逝的战机,因此,在任务执行机制中,应急处理单元必不可少,应急通常包含两种情况:一种是来不及反应和推理必须立即采取行动的应急;另一种是可以不用立刻采取行动的应急,如支援部队临危加入、上级接到下级的作战反馈信息等,这种情况一般是临时重新调整作战规划.

任务执行机制的有序运作引发敌我双方战场环境实时变动,情报人员和探测设备持续性地对战场信息的实时收集,由此引发下一轮信息共享、信息处理、态势感知、指挥决策和任务执行的指挥控制环.

4 HMMI的特点分析

信息化HMMI 结合了网络信息体系和人机交互来提高指挥控制效用:

1)互联互通的网络化结构优化了指挥控制过程中的信息流程,可实现信息收集、存储、共享和处理的网络一体化、自动化和实时化,确保了信息收集和信息共享的全面性、时效性和持续性,也可满足信息挖掘所需的超大数据量和高效高质量计算.

图14 任务执行机制Fig.14 The task execution mechanism

2)整合了感知机制、决策机制和执行机制的执行网络囊括了人、基础知识、装备、信息处理结果、辅助决策系统等各项资源,其中,人的思维及人机(机制)交互技术的嵌入使感知、决策和执行更加智慧化,使指挥控制更加准确高效,同时,基于执行网络的共享合作同步原则,可通过资源空间的扩大换取任务执行的时间的压缩,以更快地收敛于预期目标.

3)整合了信息网络、执行网络、人以及其他指挥控制力量的指挥控制系统是网络系统,因此,遵循网络法则(网络的能力与节点的平方成正比),即高层系统具备底层系统不具备的新功能和新潜能.

4)相同要素在不同机制下形成不同的相互关系,以便于在动态战场态势下有机整合以完成不同的指挥控制任务.在HMMI中,人即为这样一个要素.人扮演各种角色与各个机制进行适应性的互动,人是不同机制之间相互关联和协作的桥梁,是对不同机制进行有机整合的主心骨,也是整个HMMI 指挥控制环进行有序、有效和敏捷运作的关键.

5)基于资源整合和人机(机制)交互的网络信息体系下的HMMI 充分利用信息技术的互连互通互操作功能,使其具备指挥控制的粘合性、鲁棒性和适应性,赋予指挥控制系统面对外部环境和内部事变的应变能力,使其具备更强的指挥控制生命力和竞争力,有利于实现指挥控制过程中信息共享、精确融合、多级开放式决策和实时动态调控等功能.

5 HMMI模型展望

5.1 HMMI 在网络信息体系发展中的适应性分析

信息通信技术在民用和商用领域的飞速发展和广泛应用将推动军事指挥控制向网络化转型和发展[23],主要体现在:1)指挥结构由树状向网状转型,网络赋能的组织形式更加分散化、边缘化和扁平化.信息流贯穿各层次指挥单元的横向到边性和直达最小作战单元的纵向到底性,每位参战者都可以通过网络实时获取、记录和共享各方的行动信息,以短而多的链路和大而宽的跨度实现态势共享、快速指挥决策和任务执行等各项军事活动.2)任务式指挥[23]效用升级,在经典的任务式指挥中,指挥官发布包含总体目标和原则性指示的基本命令,下属有相当大的自主权可根据其面对的战争实况制定作战细节.而军事互联网的互联互通性和实时性加强了其军事活动的有效性和覆盖面,由此任务式指挥在该网络中得到前所未有的高效应用,3)加强对商用通信技术的有效利用,商用通信技术的数据速率比军用通信技术高一个甚至多个数量级,未来,军事通信甚至可通过适当放松对耐用性和安全性的要求来推动这一发展.当然,当商用通信技术某方面无法满足军事通信与联网需求时,后者也可进行专项研究.4)采纳更多的民用创新模式,如利用基于最终用户、研发人员和工程人员反复交互的链式研发生产模式实现指挥控制快速部署和临时决策,5)“数字原生代”的加入,面向熟练掌握计算机互联网新技术的“数字原生代”征收的新兵将会改变传统C2的相关技术和政策,6)频谱管理相关政策和技术未来需加大力度发展.在信息技术的广泛应用下,频谱环境将愈加复杂,频谱资源将愈加珍贵,谁能更好地管理和高效利用电磁频谱,占据信息优势,谁就更有可能赢得战争的胜利.

如本文第4小节所述,面向网络信息体系构建的HMMI 具备“以人为中心、以网络为载体、以信息为桥梁”的特征和各个机制完成指挥控制任务所需的互联互通互操作性,因此,其能较好地适应上述网络化信息体系的发展,并能随着信息网络技术的发展而变得更加强健,如信息共享将更加便捷安全稳定、信息处理将更加高效智能、态势感知将更加同步和统一,决策范围将更加分散、指挥结构更加扁平化、任务式指挥发挥更大效益,决策和行动更加符合现实需求等,各方面呈现良性的改善趋势.

5.2 人工智能对HMMI中机制演化的助推

鉴于鲁棒的网络环境对未来指挥控制的影响和人工智能技术在军事领域的应用,战争形态和指挥控制的智能化变革将是大势所趋[24−25],进而对HMMI中各个机制的组织形式和运作机理造成深远的影响:1)军事无人系统在侦察、情报和监视等作战保障任务中发挥重要作用,并且诸多军事无人系统还具备数据智能分析能力,在很多情况下,数据无需再传送到数据和情报中心集中处理,这意味着用于信息收集和信息处理的要素已变得更加多样,可收集的信息将更加丰富和复杂,如此也将带来信息共享机制的变革,部分信息传输系统可能因此而被取代或消亡,2)AI 芯片和AI算法的超强计算能力和分析挖掘能力实现高效率、高质量的信息处理,不断提升的AI算法将更加有效地发掘要素关系和事物规律,帮助决策者准确预测和判断战争演变形式,这意味着未来指挥控制在信息处理、态势感知和指挥决策方面的运作效率和质量都将得到提升,3)人工智能以各种形式间接转化成战斗力,智能化武器装备、智能弹药、无人作战平台可执行常规的军事任务或高强度的对抗行动;信息横向一体化推进“五域”协同作战;集探测、共享、规划、决策、战斗、甚至武器生产于一身的“全能武士”的出现,将使军事行动更加灵敏可变;智能后勤的出现将改善军事后勤的灵活性、可视性与保障性能······,这些都必然改变指挥控制中任务执行机制的作战模式、资源调度和责任分配.

总而言之,军事指挥控制未来将以网络为基础,以人工智能为主导的方向发展,智能化无人系统和智能算法的持续涌现和更新,将促使智能化指挥控制在信息处理机制、决策生成机制和任务执行机制中取得重大突破,同时,也将带动其他机制发生变化.

6 结论

面向当今和未来指挥控制系统的基本功能需求,构建了网络信息体系下人与多机制整合的新型指挥控制模型,其中人与各个机制相互协作,形成了人机(机制)交互的高效智能指挥控制体系,通过可视化结构图文对各个机制中的运作机理、要素和要素关系以及涉及的技术和方法进行了清晰的整理和描述,并对指挥控制的网络化发展趋势和人工智能对指挥控制机制的影响做了简要探讨,顶尖的军事智能化技术将决定谁能在未来的智能时代的军事舞台上巍然屹立,智能化指挥控制值得且有必要需要更多人参与研究,这也将是我们未来的努力方向.