|
国外指挥与控制应用研究进展（2） 刘琰 张力涛 邓苏 本报告主要从联合作战指挥与控制系统、网络作战指挥与控制系统、无人作战指挥与控制系统、太空作战指挥与控制系统、公共安全指挥与控制系统以及交通指挥与控制系统等方面总结了国外指挥与控制应用的研究进展。 5 公共安全指挥与控制系统 （1）公共安全指挥控制系统日趋完善。突发事件应急指挥系统（ICS）是美国实施应急指挥的一套政策工具，是联邦及各州应急管理机制的核心组成部分，现已成为美国应急管理中广泛采用的标准现场指挥体系。2003年成立的美国国土安全部与2006年新组建的联邦应急管理署是美国应急管理的主要机构。 ICS起源于针对应急管理中协调问题的持续探索，其概念最初形成于1968年亚利桑那州凤凰城消防部门高层会议上。1972年，ICS受到美国国会资助逐步推广至美国各界，作为一种多部门间协调系统被美国海岸警卫队、职业健康与安全委员会、环境保护署接纳采用。随后，ICS在一系列突发事件的有效应对中扮演了重要角色，如1984年的洛杉矶奥运会和1995年的俄克拉荷马穆拉联邦大楼爆炸案等。2003年，布什政府建立了国家突发事件管理系统（NIMS），要求在所有突发事件应对中使用ICS。当年，最初源于加州的标准化应急管理系统（SEMS）在全国推广，并通过国土安全5号总统指令（HSPD5）要求从联邦到地方掌握使用NIMS，通过财政拨款的形式鼓励应用NIMS来管理突发事件。 2017年10月17日，美国联邦政府发布了第三版的《全国突发事件事件管理系统》(National Incident Management System，NIMS)，这标志着美国第三代全国突发事件管理系统的诞生。 ICS不仅在美国历经了40多年的实践检验，在其他地区与组织中也同样发挥了重要作用，如英国、加拿大以及联合国等。另外，还有一些国家仿照美国的ICS，开发应用了符合本国国情的突发事件应急指挥系统，如新西兰的CIMS、澳大利亚的AISIMS、巴西的CBMERJ等。 日本作为世界领先的发达国家，其在自然灾害预警系统建设方面无疑走在了国际前列。2006年，日本政府发布了《日本自然灾害预警系统与国际合作行动》报告，对日本自然灾害预警系统的建设以及参与国际合作的状况做了全面披露。作为一个地震多发国家，一旦地震在本土或者周边海域发生，日本气象厅会向少数机构提供地震预警（地震速报），信息由当地电视台和手机运营商通过网络向影响区域内的公众进行传播。公众的手机会在同一时间以一种特定的极大的声音进行报警，这种手机报警模式由政府统一规范，用户无法选择关闭。虽然时间差短暂，但也可以减少或避免地震灾难可能带来的生命财产损失。如果引发海啸，在地震发生后大约3分钟内，发布海啸警报，同时将信息传递给灾害管理组织，通过防灾信息网络与卫星系统，将海啸警报及时传递给民众和海上船只。而基于防洪警报，市政的防洪管理部门以及其他参与防洪的组织，会采取必要的灾害响应措施，开展备灾行动。 欧盟范围内大多数国家已经建立起完善的预警发布系统，并且在欧盟内部遵从统一的业务规范。为了提高欧盟预警系统的有效性，多个国家共同研究建立起预警网站，使得各个国家预警在欧盟内部更好地共享、共用。 （2）公共安全指挥控制技术在理论分析和建模评估方面越发成熟 1）风险评估与预防技术。国外在风险评估方面很早就开始了理论层面的研究，有学者指出城市安全风险涉及3种灾害类型:自然灾害、人为技术事故和恐怖破坏，从突发事件角度看，可将城市安全问题划分为城市自然灾害、事故灾难、公共卫生事件和社会公共安全事件4类；有学者为波哥大首都提出了灾难风险管理规划的原则、概念模型及其结构框架；有学者通过分析洛杉矶地区的公共安全现状，认为物资及物资分布、城市特征以及种族构成是地区公共安全的重要决定因素。在评价指标体系构建方面，目前主要采用的专家分析法，并在逐渐向量化分析和大数据分析方法转变，如有关文献提出了层次分析法，利用运筹学理论对公共安全各个风险指标进行权重计算，并取得了很好的效果；有关文献提出基于大数据对城市运输安全风险领域的应用进行研究。 2）监测预测预警技术。在监测数据的采集和共享方面，美国运用遥感卫星、无人机航拍、气象雷达、地面传感器、物联网等现代信息技术手段对洪水、飓风、地震等灾害进行实时监测，并将监测数据传输到计算机基站的同时上传到万维网上，及时对公众开放。这样做既可以方便群众及时掌握灾险情，也为相关科研人员开展灾害研究提供基础数据。在数据分析与预测模型的研究方面，美国利用其强大的数学、力学理论基础和先进的计算机技术，大力研发数值分析与计算机模拟预测模型，如径流及洪水追踪模型、河流-河口-海洋联接模型、流域水质水量模型等。这些模型可以通过运用实施监测数据，结合实际不同的场景进行灾害现状分析与模拟预测，灾害过后，技术人员会对比模拟预测的结果与实际发生的灾情，不断地优化和校准模型，使模型的预测模拟更贴近实际。在预警预报信息的发布方面，预警预报信息制作完成后，美国会及时将其发送给第一响应者，如警察、消防部门、救援队和应急管理人员，让他们警告居民，以防止生命和财产损失，居民也可以通过电子邮件订阅接收监测和预警信息。 3）应急处置与救援技术。在突发性事故应急响应处置系统开发与应用方面，美国学者进行了大量的研究，并开发出了一些较为完善的应对突发性重大事故应急响应处置系统，具体包括突发事故应急决策系统、突发事件应急数据库等，对决策人员与救援人员的行动、选取合适应急预案与措施、危害评估都有很大帮助。有学者提出在地质多发灾害山区的应急管理上可以运用无人机遥感（UAVRS）技术将采集到的数据结合GIS空间分析以辅助决策。有学者提出将非结构化信息管理系统（UIMS）应用于应急管理，概念关系模型（CRM）和突发事件的动态知识流模型（DKFM）用于组织和表示应急知识，该模型可使决策者对有关紧急的、必要概念之间的相关度有更好的了解。有学者介绍了针对应急管理的支持团队工作的协作感知、决策系统，提出基于角色的多视角设计，以帮助团队成员分析地理空间信息、共享和整合关键信息，并监控各个活动，采用坐标地图和活动可视化来辅助决策。有学者将风险分析和应急决策模型化，对突发事件风险分析软件（RAW）进行了研究。有学者提出了应急指挥可视化平台，致力于将移动终端采集到的图像向指挥中心传输，以辅助应急处置和决策。 4）综合保障技术。各国公共安全部门为了执法，加强了对公民活动的监督，如美国、俄罗斯、土耳其等国家在增加对大数据收集和情报收集的投资，借此实现大量人员的内部安全。如美国NIST在2015年发布了基于位置服务的路线图，2016年发布了公共安全分析研发路线图。NIST的公共安全分析研发路线图评估了软件、网络和设备技术，这些技术可以加强未来20年的公共安全响应、通信和运营，而在路线图中数据分析被定义为将数据转化为洞察力，以做出更好决策。再如美国Felony Lane Gang专案中数据分析起到了关键的作用，而执法机构认识到这一点后，为更进一步发挥数据分析提供决策支持的功能，已经开始吸引更多技术人员参与到公共安全的数据分析当中，如2017年美国统计协会针对大学学生，在亚特兰大这样的城市收集关于“911中心”呼叫类型的数据和响应细节，开展了2017年警察数据挑战赛；美国警察基金会组织了“公开仇恨犯罪数据挑战赛”。 （3）国内外对比分析结论。美国、日本、澳大利亚和加拿大等国，都已经建立起一套有针对性的公共安全应急管理体系，形成了特色鲜明的应急机制与具体做法。我国的公共安全应急管理体系的建设起步相对较晚，需要参考海外比较成熟、完善的应急管理体系，尤其是针对综合性灾害的应急管理体系来说更是如此。 国外的风险评估和预防技术研究起步较早，从理论层面和模型建立方面都比较先进。目前主流的风险评估模型都来自于国外学者的研究，国内学者的研究多集中于结合当地具体情况对模型进行本地化改进，以适应我国的社会公共安全环境。 目前我国在环境灾害监测预警预报方面取了很大进展，初步建成了灾害监测预警预报体系。但精细化预报以及预警预报信息发布能力等与美国、日本相比还存在一定差距，学习借鉴国外先进经验，可推进我国监测预警预报体系建设。 国外应急管理指挥系统的研究大多基于本国的实际情况，适用于西方国家应急管理工作的实际情况。其应急管理系统的组成、关键技术在应急管理系统上的应用等方面于我国应急管理指挥系统建设有一定的借鉴意义。相对而言，国内在应急管理指挥系统设计中，各组织之间缺少高效的联系和沟通，资源不能得到很好的集中处理和利用，无法使应急力量在应对突发事件时发挥出最大的功效。 此外，由于国外的公共安全起步早于我国，在公共安全装备、公共安全数据分析方面的应用领先于我国。 6 交通指挥与控制系统 （1）空中交通指挥与控制系统。欧美正在研制下一代空管系统，在美国FAA推进的NextGen以及欧控推进的SESAR等项目中，法国泰雷兹、美国霍尼韦尔、比利时AirTOpsoft公司等国际空管厂商等都已经逐步开展了对人工智能、信息服务、云平台、大数据等技术的应用研究，针对不同的空管业务，研发人员使用了专家系统、深度神经网络、语音识别、计算机视觉等人工智能技术，提升空管系统的智能化、优化决策能力。 1）智能感知方面，应用红外摄像机与图像增强技术，无人值守远程塔台已得到初步应用。 瑞典萨博空中交通管理公司等利用高清数字摄像机、气象传感器、麦克风以及其他相关设备，研制了远程塔台空中交通管理系统，可以操作远程机场所有的传感器、灯光、告警和其他塔台设备进行远程管制指挥，利用红外摄像机与图像增强系统，实现低能见度条件下和夜间辅助运行。在2015年，经过10年的严格测试之后，萨博的首个远程塔台系统宣布在瑞典的Örnsköldsvik机场投入使用；2017年将新增两个机场使用这一系统。德国航空航天中心（DLR）的Schmidt·M 小组在布伦瑞克机场针对远程塔台系统进行了试验。 2）大数据应用方面，从信息层面开展数据治理和信息集成，已开展全球的示范验证。 美国FAA已经研制了基于大数据的国家飞行数据中心和广域航空信息管理系统，为国防部、国土安全局、空管局、机场、飞行员提供空域、监视、气象、飞行等各类数据服务，并基于大数据技术分析境内航班的起飞、到达和延误数据。欧洲在“SESAR”计划中，欧盟大多数国家采用HDFS分布式数据库系统作为主导的空管大数据系统来处理数以万计的空管系统大数据，并实现欧盟国家内数据的共享和分析服务。 学术界针对空管大数据分析也进行了相关研究，包括开发了空管大数据存储和分析工具——ATLAS，提出了基于大数据技术的一体化门到门管理概念，基于机器学习的不确定天气预测，ADS-B数据的挖掘分析，基于Granger因果分析的空中交通运行效能评估，基于深度学习的航班延误预测等。 3）管制智能辅助方面，应用语音识别技术，大大降低管制员的工作压力，减少“错、忘、漏”等带来的安全隐患。 法国泰雷兹先进技术实验室正在研究未来空管工作站——Shape控制台，用来提升管制员的工作效率。该系统利用语音识别引擎将口头指令转变为动作，通过追踪管制员眼睛注视点和识别分析管制员语音内容，实现管制人员与自动化系统、飞机之间的智能化交互；同时利用深度学习技术识别与预测终端区复杂环境，协助解决空中拥堵问题。霍尼韦尔的前沿技术团队正着手于研究管制语音识别工具，并通过融合机器学习技术来降低错误率，还能对给出的指令进行视觉确认，保障起降安全。利用基于深度学习的LSTM‑RNN模型校验陆空通话的一致性。 4）智能流量管理方面，国外学者在飞行流量的智能化管理方面已开展了部分研究，并取得了一定的研究成果。 美国已经建成了较为成熟的ETMS空中流量管理系统，欧洲建成了CFMU中央流量空中交通系统，将多种智能化的技术相互结合，初步形成了较为先进的管理体系。英国伦敦的希思罗机场建立战略机场容量管理平台，可以通过仿真来评估各种因素对运行的影响，以及分析历史数据得到更好的运行经验。 （2）地面交通指挥与控制系统。 1）信号控制。美国、日本、欧洲都依据各自的目标，分段开发了相应的交通控制集成系统软件。美国的RHODES等就是在美国先进的交通管理系统ATMS的框架指导下，以提高交通服务水平为目标，集成了交通信号控制、出行者信息，交通需求，事件管理、排放检测等出行交通管理服务等的集成控制系统。RHODES系统依托自适应交通信号控制系统，扩展到公交的结合，实现公交信号优先和公交信息发布。日本的集成控制系统以UTMS为代表，其目标是实现交通信息采集智能化、信号控制智能化、交通信息提供智能化，并能够与交通流诱导系统VICS互相联动。同样，这种集成系统在欧洲发展也很快，欧洲的TABASCO系统，将实时采集的交通数据，自适应交通控制系统，公路匝道调节，动态信息显示整合起来，主要是用于高峰期间平衡路网交通负荷。 2）智能交通系统。2004年，美国国会通过《公平交通法案》，该法案规定进行智能交通系统研究、开发与运行试验，推进智能基础设施、车辆和控制技术的集成。《美国交通部ITS战略规划2015-2019》中，美国交通部制定了两个战略重点，实现汽车互联技术和推进汽车自动化，并制定了五个战略主题，打造更安全、更高效、更环保、更先进的ITS体系。日本正在大力发展自动驾驶技术和车联网技术，打算在2020年前借助这些技术建立世界领先的智能交通系统。2016年底欧洲通过“欧洲合作式智能交通系统战略”，计划于2019年在欧盟国家道路上大规模配置合作式智能交通系统，实现汽车与汽车之间、汽车与道路设施之间的智能化沟通。 （3）水上交通指挥与控制系统。国外VTS研究主要在固态VTS雷达和VTS通信方面取得进展。 VTS固态雷达方面，国外技术研究成熟度稿，产品开始推广应用。相比传统磁控管雷达，VTS固态雷达由于使用了固态功率放大器，无需更换磁控管，降低了定期维护的要求；此外，提高了穿透不利气候条件的能力，便于小目标检测；同时，具有比磁控管雷达更干净的频谱分布，降低了所有分配频带之外的辐射。 VTS通信方面，国外VTS当局正在无线站点和内部通信中利用IP技术，采用VoIP解决方案。该解决方案可以更有效地使用网络基础设施，使系统设计更加灵活和优化。需要注意的是，由于VoIP技术（特别是用在VTS无线电通信）对IP网络中的延迟非常敏感，延迟过大将会造成VHF通信质量显著下降。 （4）国内外对比分析结论。整体上，在交通指挥与控制系统方面，国外发展起步较早，已形成世界领先的交通指挥与控制系统成熟产品，且各方面技术都较为领先。相比之下，国内发展起步较晚，但紧跟国际步伐，开展了大量了研究工作，虽离实际应用尚有一定差距，但在智能交通指挥与控制方面，近几年也呈现了蓬勃的发展态势，技术进步较快。 未完待续 明日将连载第13篇 作者：刘琰 张力涛 邓苏 |
|
|
