許宇棟，周敬博，尹嘉昭，謝劍鋒，武炳陽

(北京市遙感信息研究所，北京 100192)

0 引言

在對地觀測技術(shù)應(yīng)用初期，由于衛(wèi)星數(shù)量和種類不多、載荷能力有限，用戶來源較為單一，所需衛(wèi)星及成像窗口在多數(shù)情況下均有明確指定，因而任務(wù)規(guī)劃相對簡單。地面運控系統(tǒng)一般采用單星管理應(yīng)用模式，如美國的EO-1衛(wèi)星系統(tǒng)、LandSat7衛(wèi)星系統(tǒng)以及法國的SPOT-5衛(wèi)星系統(tǒng)等均面向單顆衛(wèi)星進(jìn)行調(diào)度管理。

單星管理模式的優(yōu)勢在于能夠保證觀測任務(wù)嚴(yán)格按照用戶意愿實施，然而在遙感衛(wèi)星技術(shù)飛速發(fā)展的背景下，衛(wèi)星數(shù)量類型急劇增加，用戶來源更為多元化，目標(biāo)觀測需求的數(shù)量飛速增長，由此遙感衛(wèi)星任務(wù)規(guī)劃的復(fù)雜度急劇增加，原有各型衛(wèi)星相互獨立的運行控制模式難以滿足未來多用戶需求，必須考慮如何在多星多用戶條件下提升衛(wèi)星觀測效益。

觀測任務(wù)預(yù)處理環(huán)節(jié)負(fù)責(zé)將來源于不同用戶的觀測需求規(guī)范化表述，并完成區(qū)域目標(biāo)分解和點目標(biāo)聚類；模型與算法構(gòu)建環(huán)節(jié)針對規(guī)劃問題的特點及優(yōu)化目標(biāo)，搭建規(guī)劃模型、選取規(guī)劃算法；工程應(yīng)用環(huán)節(jié)關(guān)注的重點是如何將理論模型應(yīng)用于業(yè)務(wù)運行，以解決實際問題；效能評估環(huán)節(jié)是對任務(wù)規(guī)劃策略的應(yīng)用效果進(jìn)行多維度評價，給出規(guī)劃策略的改進(jìn)意見。本文圍繞上述4個環(huán)節(jié)對當(dāng)前觀測衛(wèi)星任務(wù)規(guī)劃策略研究現(xiàn)狀進(jìn)行分析論證，以期為觀測衛(wèi)星地面運控系統(tǒng)建設(shè)提供有益借鑒。

1 觀測任務(wù)預(yù)處理技術(shù)

觀測任務(wù)預(yù)處理技術(shù)可細(xì)分為任務(wù)分析技術(shù)、任務(wù)分解技術(shù)和任務(wù)合成聚類技術(shù)等。預(yù)處理的目的是按照既定標(biāo)準(zhǔn)將用戶提出的觀測需求規(guī)范化表述后轉(zhuǎn)換為元任務(wù)，以此作為任務(wù)規(guī)劃的輸入。通過對觀測任務(wù)的預(yù)處理，可以更為簡單高效地進(jìn)行遙感衛(wèi)星任務(wù)規(guī)劃，提升觀測效益。一般而言，對地觀測衛(wèi)星任務(wù)規(guī)劃策略的應(yīng)用與實施包含4個關(guān)鍵環(huán)節(jié)，如圖1所示。

圖1 任務(wù)規(guī)劃策略應(yīng)用與實施的4個階段Fig.1 Four stages of the application and implementation of mission planning strategy

1.1 需求分析技術(shù)

需求分析是衛(wèi)星任務(wù)規(guī)劃前端輸入的處理環(huán)節(jié)，主要任務(wù)是通過解析用戶提交的觀測需求，完成對需求的準(zhǔn)確描述與建模。來自不同專業(yè)領(lǐng)域的用戶往往對觀測任務(wù)的理解與描述存在差異，與要素完備、含義單一的“明確”任務(wù)相比，多用戶環(huán)境中存在著自然語言描述、語言描述與任務(wù)要素混合、任務(wù)要素不完備等“模糊”需求。對于后者，需要在任務(wù)規(guī)劃前對觀測需求準(zhǔn)確描述并建模，生成要素完備、含義明確的觀測元任務(wù)。

文獻(xiàn)[1]針對不同用戶提交的對地觀測需求特征，運用本體技術(shù)構(gòu)建領(lǐng)域用戶的標(biāo)準(zhǔn)化需求模型，從時間、空間和光譜3個維度出發(fā)通過關(guān)聯(lián)分析提取需求要素，然后進(jìn)一步對各要素組織分類，進(jìn)而完成需求要素與觀測衛(wèi)星有效載荷之間的關(guān)聯(lián)映射。該文獻(xiàn)提出的通用模型能夠覆蓋大部分需求類型，但難以支持更為精細(xì)化、定制化的觀測需求。文獻(xiàn)[2]在以領(lǐng)域本體對原始觀測需求建模的基礎(chǔ)上，構(gòu)建“空間分辨率—時間分辨率”需求分類決策樹，對觀測需求進(jìn)行分類綜合。為更好應(yīng)對多元化的觀測需求，這一方法需要不斷根據(jù)新的需求類型調(diào)整領(lǐng)域本體模型和決策樹分類。

文獻(xiàn)[3]運用自然語言處理技術(shù)抽取非格式化用戶需求所包含的關(guān)鍵信息，再通過轉(zhuǎn)義將其轉(zhuǎn)換為格式化的用戶需求。關(guān)鍵信息抽取環(huán)節(jié)采用知識本體構(gòu)建信息抽取知識庫，對抽取規(guī)則進(jìn)行組織和管理。文獻(xiàn)將關(guān)鍵信息歸納為4項概念要素：時間、地域、任務(wù)和影像參數(shù)，其中“任務(wù)”是一個抽象描述，需要預(yù)先在知識庫中建立其與影像參數(shù)間的映射關(guān)系。自然語言處理技術(shù)的難點在于本體知識庫的搭建。

為更好分析不同來源的用戶需求，研究者大多采用本體技術(shù)，通過建立本體模型，抽取觀測需求中的關(guān)鍵信息，完成需求的格式化轉(zhuǎn)換。這一技術(shù)的關(guān)鍵在于本體知識庫能否涵蓋幾乎全部的用戶需求類型，此外關(guān)鍵信息的界定也是需要充分論證的問題。

1.2 區(qū)域目標(biāo)分解技術(shù)

常見的需求類型包括目標(biāo)觀測、區(qū)域覆蓋和移動跟蹤等，后2種需求往往需要由多顆衛(wèi)星在一段時間內(nèi)協(xié)同配合完成觀測任務(wù)。受制于成像幅寬、側(cè)擺能力等因素，單顆衛(wèi)星無法在單次過頂時完成區(qū)域觀測任務(wù)，如圖2所示。對移動目標(biāo)的普遍處理步驟是首先構(gòu)建目標(biāo)潛在區(qū)域，然后再利用區(qū)域目標(biāo)分解技術(shù)對潛在區(qū)域分解[4]。

圖2 點目標(biāo)與區(qū)域目標(biāo)示意Fig.2 Schematic diagram of point target and area target

傳統(tǒng)的區(qū)域目標(biāo)分解技術(shù)主要采用集合覆蓋問題的解決思路，即首先沿衛(wèi)星軌道方向按照標(biāo)準(zhǔn)成像幅寬等間距分割區(qū)域目標(biāo)，其次沿軌道垂直方向按照標(biāo)準(zhǔn)像幅尺寸將區(qū)域目標(biāo)分割成獨立場景，確保以盡量少的場景數(shù)量完成覆蓋，從而將區(qū)域目標(biāo)轉(zhuǎn)換為點目標(biāo)群[5]。與之相關(guān)的后續(xù)研究集中于如何提升區(qū)域目標(biāo)覆蓋率，減少獨立場景數(shù)目。文獻(xiàn)[6]采用相互平行的矩形條帶對區(qū)域目標(biāo)進(jìn)行劃分，條帶的方向與偏移量取決于衛(wèi)星軌道及成像幅寬。文獻(xiàn)[7]以網(wǎng)格形式劃分區(qū)域目標(biāo)，建立以最大化覆蓋率為最終優(yōu)化目標(biāo)的整數(shù)規(guī)劃模型，在此基礎(chǔ)上選取優(yōu)化算法進(jìn)行分割。此項研究的基本假設(shè)是參與觀測的衛(wèi)星側(cè)擺能力相同，且只能選擇固定的側(cè)擺角度。

一些針對遙感衛(wèi)星的專用調(diào)度系統(tǒng)采用預(yù)定義的參考系對區(qū)域目標(biāo)進(jìn)行分割，比較有代表性的是Space Image公司的全球參考系統(tǒng)(World Reference System，WRS)和歐空局的網(wǎng)格參考系統(tǒng)(Grid Reference System,GRS)。在受理到區(qū)域覆蓋任務(wù)后，調(diào)度系統(tǒng)根據(jù)參考系選擇與區(qū)域相關(guān)的場景進(jìn)行任務(wù)規(guī)劃。WRS以“Path/Row”坐標(biāo)系表示；GRS則以星下點軌跡為參考，采用“衛(wèi)星飛行方向/飛行垂直方向”坐標(biāo)系。

隨著遙感衛(wèi)星平臺、載荷的異構(gòu)化特征日趨明顯，上述靜態(tài)的區(qū)域目標(biāo)分解方法難以充分發(fā)揮遙感衛(wèi)星資源整體觀測效能。文獻(xiàn)[8]提出了區(qū)域目標(biāo)動態(tài)分解方法，根據(jù)遙感衛(wèi)星任務(wù)規(guī)劃結(jié)果確定區(qū)域分解方案，實質(zhì)上是通過倒置任務(wù)控制流程在提高區(qū)域目標(biāo)覆蓋率的同時兼顧各型衛(wèi)星的載荷特性。文獻(xiàn)[9]在上述研究的基礎(chǔ)上設(shè)計了基于高斯投影的動態(tài)目標(biāo)分解方法，通過將區(qū)域目標(biāo)在高斯坐標(biāo)系與大地坐標(biāo)系之間轉(zhuǎn)換提升分解精度，該方法適用于低緯度經(jīng)度差別不大的區(qū)域，計算較為復(fù)雜。

文獻(xiàn)[10]針對敏捷衛(wèi)星區(qū)域覆蓋問題，設(shè)計了同軌多條帶拼幅成像的衛(wèi)星工作模式，根據(jù)星載相機(jī)視場角對區(qū)域目標(biāo)進(jìn)行動態(tài)劃分，劃分結(jié)果依據(jù)衛(wèi)星成像側(cè)擺角平方和確定各條帶觀測順序。文獻(xiàn)[11]進(jìn)一步對條帶的重疊度開展研究，針對不同目標(biāo)類型、不同衛(wèi)星姿態(tài)設(shè)置不同的重疊寬度閾值，從而在保證成像質(zhì)量的同時減少條帶數(shù)量，提高成像效率。

靜態(tài)區(qū)域目標(biāo)分解方法計算相對簡單，在工程應(yīng)用中易于實現(xiàn)，但難以適用于多星協(xié)同的場景，特別是在遙感衛(wèi)星異構(gòu)化條件下，區(qū)域目標(biāo)的分割難度大，存在重復(fù)觀測的問題；相較而言，動態(tài)分解方法能夠充分發(fā)揮各型衛(wèi)星的觀測效能，但在實際應(yīng)用中可能會導(dǎo)致迭代計算，增加任務(wù)規(guī)劃耗時。

1.3 任務(wù)聚類合成技術(shù)

任務(wù)聚類合成技術(shù)是將相同或者相似的用戶需求融合歸并，通過減少任務(wù)規(guī)劃的求解空間減少規(guī)劃耗時、提升遙感資源利用率。觀測任務(wù)在聚類合成時需要考慮衛(wèi)星與目標(biāo)之間的可見弧段、成像側(cè)擺角度、目標(biāo)之間的地理位置關(guān)系等，技術(shù)難點在于聚類約束及規(guī)則的確定。

文獻(xiàn)[12]運用圖論解決觀測任務(wù)的聚類問題，分別采用啟發(fā)式算法和基于相容關(guān)系的算法完成多星條件下的任務(wù)聚類，這一方法適用性強(qiáng)但計算復(fù)雜度較高，沒有考慮后續(xù)的任務(wù)規(guī)劃效能。文獻(xiàn)[13]研究了點目標(biāo)聚類方法，提出先聚類后調(diào)度再修復(fù)的多星分階段規(guī)劃策略，分階段的求解方法雖然能夠顯著降低計算復(fù)雜度，但難以保證獲得全局優(yōu)化解。文獻(xiàn)[14]采用上述分階段的計算框架，針對敏捷衛(wèi)星的密集點目標(biāo)聚類問題開展研究，采用團(tuán)劃分算法完成任務(wù)聚類，以聚類結(jié)果為輸入運用啟發(fā)式蟻群算法生成任務(wù)規(guī)劃方案。

分階段的“任務(wù)聚類—任務(wù)調(diào)度”計算框架實質(zhì)上是一種靜態(tài)解決方案，即任務(wù)聚類階段生成的任務(wù)，在任務(wù)調(diào)度階段不作調(diào)整，只確定任務(wù)的執(zhí)行與否以及執(zhí)行的具體時段。為進(jìn)一步提升任務(wù)聚類對觀測效能的優(yōu)化作用，文獻(xiàn)[15]提出動態(tài)化的聚類策略，并在后續(xù)的任務(wù)調(diào)度階段采用自適應(yīng)模擬退火調(diào)度算法，從而實現(xiàn)聚類與調(diào)度兩個環(huán)節(jié)之間的交互。

任務(wù)聚類合成技術(shù)需要基于先驗信息，如地理位置、統(tǒng)計學(xué)特性等，按照一定規(guī)則和約束抽取原始任務(wù)中的關(guān)鍵信息，將其映射至多維空間，然后對空間距離相近的目標(biāo)進(jìn)行合成。需要注意的是，任務(wù)聚類合成可能會引起圖像分辨率降低甚至畸變，對需要精確成像的目標(biāo)影響較大。此外，聚類合成后新任務(wù)的優(yōu)先級如何確定也是需要解決的問題。

2 任務(wù)規(guī)劃建模與算法研究

對地觀測衛(wèi)星任務(wù)規(guī)劃需要應(yīng)對眾多的需求和繁雜的約束，為充分發(fā)揮衛(wèi)星觀測效益，必須構(gòu)建與應(yīng)用場景相適應(yīng)的規(guī)劃方法。本節(jié)對近年來被廣泛研究應(yīng)用的多星協(xié)同規(guī)劃方法、快速響應(yīng)規(guī)劃方法和星上自主規(guī)劃方法進(jìn)行歸納梳理。

2.1 多星協(xié)同規(guī)劃

2.1.1 多星協(xié)同規(guī)劃模型

在針對多星協(xié)同規(guī)劃模型的研究中，埃姆斯研究中心AIG研究團(tuán)隊設(shè)計了考慮衛(wèi)星側(cè)擺能力及載荷約束的協(xié)同規(guī)劃模型；文獻(xiàn)[16]設(shè)計了基于約束的模型表示；文獻(xiàn)[17]建立了求解速度更快的約束滿足模型，這幾項研究未給出模型細(xì)節(jié)且模型的適用范圍有限。

文獻(xiàn)[18]設(shè)計了多維背包模型并求解，這一方式難以確保得到最優(yōu)解；文獻(xiàn)[19]建立了以三項優(yōu)化為目標(biāo)的多資源聯(lián)合調(diào)度模型，并給出三種優(yōu)化目標(biāo)：未完成的成像任務(wù)數(shù)量最小化、成像載荷的空閑時間最小化以及未達(dá)到任務(wù)要求的最低分辨率的差值最小化；近幾年很多研究者采用多Agent模型為基本進(jìn)行研究，取得了良好效果；文獻(xiàn)[20]將基于策略的管理技術(shù)引入衛(wèi)星管控領(lǐng)域，實現(xiàn)基于事件驅(qū)動的衛(wèi)星集群自動響應(yīng)。表 1對具有代表性的研究進(jìn)行了歸納。

表1 多星協(xié)同規(guī)劃模型研究Tab.1 Research on multi-satellite collaborative programming model

綜上所述，多星協(xié)同規(guī)劃本質(zhì)上是通過建立模型解決時間和資源的分配以完成任務(wù)的過程，主要特點如下：

① 多任務(wù)統(tǒng)籌：一是任務(wù)數(shù)量多，需建立排隊隊列；二是任務(wù)要求多樣，包含成像類型、分辨率及時間要求等。

② 多資源選擇：同一任務(wù)可有多顆衛(wèi)星，對每一圈資源都有多顆衛(wèi)星可以使用，要選擇最佳資源組合。

③ 多時間窗口：除靜止軌道衛(wèi)星外，協(xié)同規(guī)劃除了要考慮衛(wèi)星與訪問窗口多對多的關(guān)系，還要多星協(xié)同時的窗口間隔。

④ 多優(yōu)化目標(biāo)：結(jié)合實際問題，可選取任務(wù)完成最大化、資源使用最大化、綜合效益最大化等一個或多個優(yōu)化目標(biāo)。

⑤ 多約束條件：一是衛(wèi)星約束，如星上存儲容量、側(cè)擺范圍等;二是協(xié)同約束，如協(xié)同間隔、協(xié)同覆蓋等。

2.1.2 多星協(xié)同規(guī)劃算法

現(xiàn)有研究多傾向于采用啟發(fā)式算法和搜索算法，其中啟發(fā)式算法可細(xì)分為鄰域搜索、貪婪算法等，搜索算法分為禁忌搜索、遺傳算法、模擬退火等，梳理情況如表 2所示。

表2 多星協(xié)同規(guī)劃算法研究Tab.2 Research on multi-satellite collaborative programming algorithm

文獻(xiàn)[6]通過6組實驗表明貪婪算法速度較快，約束算法性能較差；文獻(xiàn)[21]研究表明,完全搜索算法適合規(guī)模較小規(guī)劃，禁忌搜索算法適合規(guī)模較大問題；文獻(xiàn)[22]研究表明，PA 算法適用于衛(wèi)星數(shù)量較少時的任務(wù)規(guī)劃，LA 算法在衛(wèi)星數(shù)量增加時可適用但計算速度不快。

通過分析多星協(xié)同規(guī)劃算法，可總結(jié)出各算法特性：

① 禁忌搜索和Russian Doll Search因?qū)θ蝿?wù)的合成情況考慮不足，在中小規(guī)模協(xié)同時使用較普遍。

② 遺傳算法能夠適用大規(guī)模任務(wù)和數(shù)傳問題的求解，但耗時長且在以效率優(yōu)先為目標(biāo)時結(jié)果一般。

③ 貪婪啟發(fā)式算法因?qū)崿F(xiàn)簡單從而求解較快，但優(yōu)化性不足。

④ 標(biāo)記更新算法能達(dá)到局部最優(yōu)效果，但無法收斂到最優(yōu)解。

⑤ 鄰域搜索算法因分割了任務(wù)和時間窗的關(guān)系因而整體評價值不如遺傳算法和標(biāo)記更新算法。

2.2 快速響應(yīng)任務(wù)規(guī)劃

“快速響應(yīng)”是新興的遙感衛(wèi)星應(yīng)用技術(shù)概念。在任務(wù)規(guī)劃領(lǐng)域，快速響應(yīng)任務(wù)規(guī)劃系統(tǒng)的主要評價標(biāo)準(zhǔn)有以下兩個方面：一是對動態(tài)環(huán)境的適應(yīng)能力，在快速響應(yīng)應(yīng)用模式中，用戶隨時可能提出新的目標(biāo)獲取需求或者目標(biāo)更改需求，任務(wù)規(guī)劃系統(tǒng)需要根據(jù)需求對原有規(guī)劃進(jìn)行調(diào)整；二是對用戶需求的快速回應(yīng)，快速響應(yīng)任務(wù)規(guī)劃系統(tǒng)需要在較短時間內(nèi)告知用戶其需求是否可以得到滿足。

經(jīng)典的任務(wù)規(guī)劃算法難以充分應(yīng)對這種動態(tài)性，常用的處理方法為，在用戶提交新的需求后重新啟動規(guī)劃算法，然而重啟規(guī)劃無法在短時間內(nèi)對需求做出響應(yīng)。假定新規(guī)劃方案與當(dāng)前規(guī)劃方案接近，若能對當(dāng)前規(guī)劃進(jìn)行選擇性保存，則可以快速生成新規(guī)劃，所以快速響應(yīng)任務(wù)規(guī)劃的關(guān)鍵在于如何在需求環(huán)境變化時選擇要保留的信息。當(dāng)前可應(yīng)用于快速響應(yīng)的規(guī)劃方法有進(jìn)化算法、自然啟發(fā)算法、自組織系統(tǒng)等。

2.2.1 進(jìn)化算法

進(jìn)化算法的本質(zhì)是通過進(jìn)化適應(yīng)環(huán)境的動態(tài)變化，是受自然進(jìn)化啟發(fā)的算法。這一算法應(yīng)對動態(tài)規(guī)劃問題時，在每次種群進(jìn)化之后插入新的目標(biāo)請求。雖然該算法在重新規(guī)劃的過程中會保留之前計算的基因，但是處理速度依然較慢，原因在于即使在每次插入請求后都沒有從初始狀態(tài)重新啟動，必須重新收斂到一個新的解。

2.2.2 自然啟發(fā)算法

這類算法的靈感來自于螞蟻、蜜蜂、魚類等群居物種的集體行為。被學(xué)術(shù)界廣泛研究和使用的基于自然啟發(fā)的優(yōu)化算法是蟻群算法和粒子群優(yōu)化算法(PSO)。這些算法屬于多Agent系統(tǒng)。

2.2.3 粒子群優(yōu)化算法

PSO通過維持一個群隨機(jī)解來解決動態(tài)環(huán)境問題。Agent的行為受到自然生物的啟發(fā)，如鳥的群居。在群體中，每個個體利用局部感知保持和其他個體的最佳距離。因此，每只動物的行為都與鄰居的行為聯(lián)系在一起：每個個體都試圖優(yōu)化自己尋找食物的機(jī)會，并通過跟隨來躲避捕食者。在粒子群算法中，每個Agent(粒子)隨機(jī)進(jìn)入空間搜索，并維持相同速度，每個Agent都是問題的候選解，且都能記住訪問過的最佳解，并與其他Agent交互。單個粒子是通過其鄰居和局部感知來找到一個解決方案，由此整個粒子群可以向最優(yōu)解收斂。粒子群優(yōu)化算法已應(yīng)用于多衛(wèi)星任務(wù)規(guī)劃[23]。

2.2.4 蟻群算法

蟻群優(yōu)化(Ant Colony Optimization,ACO)算法本質(zhì)上也屬于多Agent系統(tǒng)，其核心思想是利用通信機(jī)制復(fù)制簡單的螞蟻行為。在蟻群算法中，由于信息素的作用，Agent通過標(biāo)記有希望的區(qū)域與環(huán)境間接互動。在每一步中，Agent都會將信息素釋放到被訪問的位置，信息素本身受到蒸發(fā)和強(qiáng)化過程的影響。因此，單個Agent探索過的區(qū)域更容易被遺忘，因為信息素會消失。根據(jù)當(dāng)前局部解，每個Agent可以決定從相鄰集合中添加一個可行解組件。難點在于初始化，蟻群算法中有許多參數(shù)需要調(diào)整：如Agent的數(shù)量、信息素的初始值和蒸發(fā)速率等。

文獻(xiàn)[24]利用混合蟻群算法規(guī)劃SAR衛(wèi)星的任務(wù)，所采用的蟻群算法可在30多分鐘內(nèi)收斂到一個解。文獻(xiàn)[25]利用混合蟻群算法規(guī)劃調(diào)度地觀測衛(wèi)星。

2.2.5 自組織系統(tǒng)

近年來，自組織系統(tǒng)被用來解決動態(tài)問題，其特點在于擁有適應(yīng)環(huán)境的能力。自適應(yīng)多Agent系統(tǒng)已在多個應(yīng)用領(lǐng)域證明了它的優(yōu)勢，例如Boes等人開發(fā)了一種用于熱機(jī)動態(tài)控制的自適應(yīng)多智能體系統(tǒng)；Jorquera等人提出了一種應(yīng)用于多學(xué)科優(yōu)化問題的自適應(yīng)多智能體系統(tǒng)。文獻(xiàn)[26]提出了利用自適應(yīng)多Agent系統(tǒng)進(jìn)行快速響應(yīng)條件下的多星規(guī)劃方法。

綜上所述，對快速響應(yīng)任務(wù)進(jìn)行規(guī)劃的方式有很多，這些研究需要面對的主要問題為如何快速給出規(guī)劃方案。技術(shù)難點為以下三個方面：第一，如何構(gòu)造Agent模型；第二，合理調(diào)節(jié)系統(tǒng)參數(shù)；第三，正確選擇初始狀態(tài)，初始狀態(tài)的選擇決定計算速度以及最終結(jié)果是局部最優(yōu)還是全局最優(yōu)。

2.3 星上自主任務(wù)規(guī)劃

在以地面控制為主的管控模式中，遙感衛(wèi)星僅具備任務(wù)執(zhí)行能力，也就是嚴(yán)格按照地面上注的指令執(zhí)行載荷動作。若將衛(wèi)星視為被動的執(zhí)行者，則難以充分應(yīng)對動態(tài)化的觀測需求。近幾年，隨著智能控制技術(shù)逐步從理念走向應(yīng)用，研究者對于遙感衛(wèi)星自主任務(wù)規(guī)劃的研究也隨之不斷深入。NASA和美國空軍于20世紀(jì)末已開始在衛(wèi)星自主控制領(lǐng)域布局，在衛(wèi)星自主控制技術(shù)的應(yīng)用目的、任務(wù)要求以及實現(xiàn)模式等方面開展系系統(tǒng)性論證。美國空軍實驗室(AFRL)通過TechSat-21計劃驗證小型航天器集群的自主管理性能，該項計劃的星載處理器采用OSE操作系統(tǒng)。OSE系統(tǒng)的特點在于通過消息傳遞完成分布式功能調(diào)用，其實現(xiàn)自主決策依賴于3個重要組件：① 星載智能算法，用于分析圖像數(shù)據(jù)、檢測觸發(fā)條件等；② 基于模型的模式識別與執(zhí)行(MIR)模塊，通過硬件模型分析異常情況，并針對異常生成指令序列；③ 連續(xù)活動調(diào)度規(guī)劃執(zhí)行和重新規(guī)劃(CASPER)軟件，基于先前軌道周期的觀測結(jié)果重新規(guī)劃任務(wù)，調(diào)度下行鏈路；④ 容錯性強(qiáng)的執(zhí)行管理軟件，采用航天器指令語言(SCL)實現(xiàn)事件驅(qū)動和低級別的自治[27]。

文獻(xiàn)[28]針對觀測衛(wèi)星拍攝前云量難以預(yù)測的問題，采用“反應(yīng)—審議”架構(gòu)(Reactive-Deliberative Architecture)實現(xiàn)星上自主決策，其中“反應(yīng)”模塊根據(jù)當(dāng)前環(huán)境生成規(guī)劃方案并激活“審議”模塊，“審議”模塊對規(guī)劃方案進(jìn)行優(yōu)化并將結(jié)果返回。“反應(yīng)”模塊負(fù)責(zé)最終決策，執(zhí)行的計算相對簡單；而“審議”模塊需要消耗較多的時間和內(nèi)存資源。文獻(xiàn)[29]提出兩種基于動態(tài)規(guī)劃理念的調(diào)度算法，分別為離線調(diào)度和在線自主調(diào)度，經(jīng)簡化模型的仿真驗證，后者能夠更好地應(yīng)對動態(tài)用戶需求。

文獻(xiàn)[30]將基于Agent的軟件體系架構(gòu)引入衛(wèi)星集群管理領(lǐng)域，采用MAS(Multi Agent-based System)架構(gòu)實現(xiàn)衛(wèi)星集群的高度自治。在MAS架構(gòu)中，每顆衛(wèi)星都根據(jù)集群中的角色劃分虛擬為不同的功能代理，如交互代理、決策代理、組織代理等。MAS可進(jìn)一步劃分為集中式體系和分布式體系，前者采用主從構(gòu)架，兩種體系的應(yīng)用性能取決于軟件體系的可靠性。文獻(xiàn)[31]針對多星協(xié)同觀測問題，基于MAS理論設(shè)計了分布式的多維多代理任務(wù)協(xié)同構(gòu)架，該構(gòu)架將遙感衛(wèi)星分為管理層和工作層，管理層衛(wèi)星除擔(dān)負(fù)工作層基本職能外還負(fù)責(zé)觀測任務(wù)的協(xié)商與分發(fā)。以管理層與工作層之間的協(xié)商為前提，文獻(xiàn)進(jìn)一步探討了交互重規(guī)劃方法(Interactive Re-planning Method)以應(yīng)對異常發(fā)生時任務(wù)分配與重規(guī)劃問題。IRM的基本理念是將新任務(wù)或者未完成任務(wù)盡可能添加到衛(wèi)星有效載荷空閑時段內(nèi)，如果任務(wù)間存在沖突，則用高優(yōu)先級任務(wù)替代低優(yōu)先級任務(wù)。經(jīng)仿真驗證，多維多代理模型較集中式MAS模型計算耗時更短。

綜上，當(dāng)前關(guān)于衛(wèi)星自主規(guī)劃的研究大致可分為兩類：① 通過配置星載軟件提升衛(wèi)星自動化管理水平，主要針對敏捷衛(wèi)星；② 將衛(wèi)星集群視為智能體集合，采用MAS架構(gòu)通過星間協(xié)作實現(xiàn)集群的自動控制。在工程應(yīng)用中，為降低衛(wèi)星自主規(guī)劃運行的不可預(yù)見性，研究者大多采用地面運控中心有限參與控制與星上自主任務(wù)規(guī)劃相結(jié)合的機(jī)制。

3 規(guī)劃策略實際應(yīng)用情況

本節(jié)主要介紹美國、歐洲等國家和地區(qū)的常規(guī)地面調(diào)度系統(tǒng)、快速響應(yīng)調(diào)度系統(tǒng)以及自主任務(wù)調(diào)度系統(tǒng)的應(yīng)用現(xiàn)狀和發(fā)展趨勢。

3.1 常規(guī)地面調(diào)度系統(tǒng)

美國各軍種均有自己專屬的衛(wèi)星調(diào)度系統(tǒng)，其中空軍衛(wèi)星控制網(wǎng)(Air Force Satellite Control Network,AFSCN)是美國最大的衛(wèi)星地面調(diào)度系統(tǒng)，負(fù)責(zé)管理軍用衛(wèi)星和測控站之間的通信。系統(tǒng)包含公用網(wǎng)絡(luò)和專用網(wǎng)絡(luò)，公用網(wǎng)絡(luò)負(fù)責(zé)調(diào)度多種通用型衛(wèi)星系統(tǒng)，專用網(wǎng)絡(luò)則只調(diào)度專門的衛(wèi)星系統(tǒng)[32]。大部分美國軍用衛(wèi)星由AFSCN控制，其4個主要組成部分為：① 衛(wèi)星；② 任務(wù)控制系統(tǒng)(MCCs)；③ 遠(yuǎn)程跟蹤站(RTSs)；④ 資源控制系統(tǒng)(RCCs)。

AFSCN支持的衛(wèi)星包括低軌、中軌、高軌3個級別。衛(wèi)星調(diào)度取決于任務(wù)需求、衛(wèi)星可見的接收站數(shù)量以及衛(wèi)星對于每個接收站的可視時間。任務(wù)控制系統(tǒng)負(fù)責(zé)對衛(wèi)星的任務(wù)進(jìn)行規(guī)劃，制定衛(wèi)星載荷控制指令，并對衛(wèi)星傳回的數(shù)據(jù)進(jìn)行分析。資源控制系統(tǒng)監(jiān)視整個AFSCN系統(tǒng)，負(fù)責(zé)調(diào)度資源，并管理衛(wèi)星和接收站之間的所有數(shù)據(jù)/信息傳輸[33]。

美國衛(wèi)星網(wǎng)絡(luò)“煙囪”式的組織模式，導(dǎo)致專用網(wǎng)絡(luò)建設(shè)成本高昂，資源綜合使用效率低，故近年來美國開始推行“企業(yè)級地面系統(tǒng)(Enterprise Ground System)”。EGS的主要目標(biāo)是建立一個通用地面體系，以整合各種獨立的地面控制系統(tǒng)。EGS 預(yù)計將在 2020 年代早期實際運用于衛(wèi)星指揮和控制[32]。

歐洲地區(qū)有著許多不同的地面系統(tǒng)。通常情況下，一個空間系統(tǒng)的操作和運行在不同階段需要調(diào)用多個系統(tǒng)，然而這些現(xiàn)有系統(tǒng)使用的多為舊的軟件技術(shù)和硬件平臺，有許多已經(jīng)或即將報廢。隨著時間的推移，這些系統(tǒng)的維護(hù)成本升高，與其他系統(tǒng)的信息兼容和交換也很困難，導(dǎo)致不同任務(wù)之間缺少協(xié)同。為有效應(yīng)對這一局面，歐空局(ESA)與包括Astrium Satellites，Astrium Space Transportation，Thales Alenia Space (France and Italy)，OHB System在內(nèi)的歐洲大型系統(tǒng)集成商討論協(xié)作開發(fā)歐洲地面系統(tǒng)共同核心(EGS-CC)。法國與德國的國家航天機(jī)構(gòu)、法國國家空間研究中心和德國空間研究中心也表示出加入該計劃的意愿[34]。

總的來看，當(dāng)前衛(wèi)星調(diào)度地面系統(tǒng)的發(fā)展趨勢為通用化，即開發(fā)通用的衛(wèi)星地面控制系統(tǒng)，整合當(dāng)前分散的衛(wèi)星測控、運控資源，加強(qiáng)任務(wù)間的協(xié)同，降低系統(tǒng)維護(hù)成本。

3.2 快速響應(yīng)調(diào)度系統(tǒng)

2012年2月，美國 ORS-1衛(wèi)星及地面系統(tǒng)通過最終運行驗收。ORS是美軍基于“快速響應(yīng)”理念提出的“快速響應(yīng)航天 (Operationally Responsive Space，ORS)”計劃?！翱焖夙憫?yīng)”是軍事衛(wèi)星技術(shù)的重要概念，其基本特征為衛(wèi)星研制速度快，目標(biāo)獲取速度快，數(shù)據(jù)下傳速度快。ORS計劃中提出了適用于快響衛(wèi)星的“地面系統(tǒng)企業(yè)(Ground System Enterprise，GSE)”，上節(jié)介紹的EGS系統(tǒng)是對GSE的升級擴(kuò)展。ORS的地面系統(tǒng)構(gòu)建于美軍各軍種已有系統(tǒng)的基礎(chǔ)，主要的調(diào)度系統(tǒng)為多任務(wù)衛(wèi)星操作中心 (Multi-Mission Satellite Operation Center,MMSOC)。

MMSOC的地面系統(tǒng)架構(gòu)(GSA)是由美國航天與導(dǎo)彈系統(tǒng)中心空間發(fā)展與試驗聯(lián)隊(SDTW)開發(fā)的通用系統(tǒng)，用來為多種空間任務(wù)提供靈活的總體地面系統(tǒng)架構(gòu)。MMSOC-GSA的結(jié)構(gòu)可以滿足多種需求，其中包括美國國防部的試驗衛(wèi)星任務(wù)以及ORS計劃。MMSOC-GSA是一個開放系統(tǒng)，其遙測、跟蹤和控制能力基于COTS和NDI，主要技術(shù)支持由洛克希德馬丁公司、SAGES和STK提供[35]。

美國政府和美國國防部聯(lián)合發(fā)起一項名為虛擬任務(wù)操作中心(VMOC)的計劃，旨在開發(fā)基于互聯(lián)網(wǎng)協(xié)議的空間或近空間系統(tǒng)，系統(tǒng)允許任何連接到互聯(lián)網(wǎng)的計算機(jī)執(zhí)行有效的載荷動態(tài)任務(wù)提交以及跟蹤、遙測和控制(TT&C)操作[36]。通過標(biāo)準(zhǔn)化的星地接口，VMOC可以使操作人員以較低的成本，快速完成衛(wèi)星任務(wù)規(guī)劃和資源調(diào)度，實現(xiàn)快速響應(yīng)作業(yè)[37]。

3.3 自主任務(wù)調(diào)度系統(tǒng)

隨著分布式微小衛(wèi)星在功能上逐漸完善以及星載計算能力的提升，星上自主任務(wù)規(guī)劃已成為衛(wèi)星系統(tǒng)發(fā)展的主要趨勢。

美國地球觀測一號(EO-1)航天器和TechSat21三星星座系統(tǒng)采用了自主科學(xué)飛行器實驗(Autonomous Sciencecraft Experiment，ASE)軟件[38]。星載自主項目(PROBA)由歐空局支持研發(fā)，其主要目的是測試衛(wèi)星平臺設(shè)計中的一些涉及姿態(tài)控制和錯誤恢復(fù)的創(chuàng)新技術(shù)，這些技術(shù)將使衛(wèi)星能夠在最少地面干涉的情況下自主操作。PROBA項目的第一顆試驗衛(wèi)星PROBA-1于2001年發(fā)射，從項目提出到衛(wèi)星升空僅用時4年[39]。

航天器自主任務(wù)規(guī)劃驗證系統(tǒng)(VAMOS)由德國航空航天中心/德國空間操作中心(DLR /GSOC)任務(wù)規(guī)劃團(tuán)隊提出，搭載于Biros衛(wèi)星，屬于綜合規(guī)劃系統(tǒng)，由在有效載荷處理單元(PPU)上實現(xiàn)的星載組件和FireBird任務(wù)規(guī)劃系統(tǒng)的地面擴(kuò)展組件組成。此系統(tǒng)可以進(jìn)行實時遙測檢查，以確定任務(wù)是否可以執(zhí)行，此外還可以通過事件以及遙測檢查，觸發(fā)新的圖像采集任務(wù)[40]。

4 規(guī)劃策略效能評估體系

通過前文研究可看出，關(guān)于任務(wù)規(guī)劃的技術(shù)、模型、算法與應(yīng)用多種多樣，必須依托有效的評估體系對規(guī)劃策略進(jìn)行分析。本節(jié)對國內(nèi)外研究資料梳納整理，將效能評估大致分為面向需求、面向算法和面向系統(tǒng)3個大類。

4.1 面向需求滿足度的效能評估

關(guān)于遙感衛(wèi)星觀測需求滿足度的研究較少，但其對整個系統(tǒng)設(shè)計具有重要意義。本節(jié)對國內(nèi)外具有代表性的研究進(jìn)行分析，概略如表 3所示。

表3 面向需求滿足度的效能評估Tab.3 Effectiveness evaluation oriented to demand satisfaction

文獻(xiàn)[41]從信息完備性、準(zhǔn)確性和及時性3個維度出發(fā)，運用概率論、信息論和效用論方法建立概念模型，以通用方程進(jìn)行評價，這一方法緊密關(guān)聯(lián)需求，理論性較強(qiáng)，實際應(yīng)用有待研究；蘭德公司在一份研究報告中，選取觀測時間、觀測區(qū)域和圖像質(zhì)量3個指標(biāo)評價需求滿意度；意大利CNR構(gòu)建空間分辨率等四類指標(biāo)體系，這些方法對策略應(yīng)用效果的單方面評估完善，但整體性不強(qiáng)；氣象組織面向全球，建立了包含氣象、化學(xué)和地理等多方需求的評估工具，涵蓋深廣，相應(yīng)投入時間精力較多[1]。

綜上所述，關(guān)于需求滿意度的評估有2個特點：① 基于通用理論模型研究，而對于需求覆蓋范圍沒有進(jìn)一步討論；② 沒有深入考慮衛(wèi)星應(yīng)急觀測、成像條件等技術(shù)指標(biāo)間的關(guān)聯(lián)性對需求滿足度的影響。

基于上述特點，目前對滿意度的評估大多采用如下思路：① 結(jié)合用戶需求，建立評估指標(biāo)體系；② 考慮多種約束，進(jìn)行需求覆蓋仿真；③ 進(jìn)行滿意度評估，得出結(jié)論。

4.2 面向算法性能的效能評估

算法性能評估需要建立在對算法深入了解的基礎(chǔ)上，本節(jié)對具有代表性的研究進(jìn)行分析，概略見如表 4所示。

表4 面向算法性能的效能評估Tab.4 Effectiveness evaluation oriented to algorithm performance

Barbulescu L等人[42]經(jīng)30組實驗，驗證了啟發(fā)式遺傳算法應(yīng)用于規(guī)模較大的場景時規(guī)劃效果較好；圖盧茲研究中心證明求解小規(guī)模最優(yōu)解時完全搜索算法較好，而大規(guī)模時應(yīng)采用禁忌搜索算法[5]；Verfaillie G.研究團(tuán)隊認(rèn)為在線性條件下動態(tài)規(guī)劃算法較好，而在非線性條件下局部搜索算法較好。

綜上所述，關(guān)于算法性能的評估有2個特點：① 規(guī)劃模型及算法因衛(wèi)星系統(tǒng)的多樣與復(fù)雜而類型較多；② 遺傳算法等近似算法是規(guī)劃求解主要方法，而精確算法在因耗時長等原因適用范圍受限。

基于上述特點，目前對算法性能評估大多采用如下思路：① 抽象出觀測約束，建立規(guī)劃模型；② 建立優(yōu)化函數(shù)反映算法性能；③ 比較各算法結(jié)果得出結(jié)論。

4.3 面向系統(tǒng)的效能評估

學(xué)術(shù)界對面向系統(tǒng)的效能評估研究較早，對文獻(xiàn)[30，43-47]的梳理如表 5所示。

表5 面向系統(tǒng)的效能評估Tab.5 System-oriented effectiveness evaluation

綜上，觀測系統(tǒng)評估整體上可以劃分為3個階段：① 探索階段:主要以概率和運籌學(xué)為主；② 中期階段：轉(zhuǎn)變?yōu)橄到y(tǒng)工程的方法論體系；③ 第三階段：基于觀測應(yīng)用全過程的效能理論，定性與定量相結(jié)合。

4.4 借鑒意義

4.4.1 加強(qiáng)頂層設(shè)計，構(gòu)建遙感衛(wèi)星對地觀測系統(tǒng)體系

隨著對地觀測需求的數(shù)量與復(fù)雜度不斷提升，必須從以往考慮衛(wèi)星的構(gòu)造、效能等方面真正向應(yīng)用轉(zhuǎn)變。一定要注重將觀測需要、應(yīng)用需求到指標(biāo)評估的迭代轉(zhuǎn)化，以及復(fù)雜多變的全球場景和動態(tài)的目標(biāo)保障。

效能評估指標(biāo)體系的構(gòu)建可以從單項效能、系統(tǒng)效能到觀測效能3個層次進(jìn)行分析。單項效能從衛(wèi)星、傳感器、地面測控站、數(shù)據(jù)接收站等應(yīng)用過程中梳理得出；系統(tǒng)效能根據(jù)任務(wù)完成度梳理得出；對地觀測效能主要從目標(biāo)獲取中梳理得出，示意如圖 3所示。

圖3 綜合系統(tǒng)體系示意Fig.3 Schematic diagram of integrated system

4.4.2 融合評價方法，創(chuàng)建效能評估仿真模型

對于規(guī)劃策略的評估，必須通過仿真加以驗證。為了更好地貼近應(yīng)用需求，需要選取衛(wèi)星系統(tǒng)、地面系統(tǒng)、全球環(huán)境和觀測目標(biāo)等進(jìn)行仿真。衛(wèi)星仿真應(yīng)包括平臺、載荷等要素；地面仿真應(yīng)包括接收、測控等因素；全球環(huán)境應(yīng)包含地理、水文等環(huán)境情況，如圖 4所示。

圖4 仿真模型示意Fig.4 Schematic diagram of simulation model

5 結(jié)束語

隨著航天技術(shù)的進(jìn)步，我國在軌對地觀測衛(wèi)星的數(shù)量和種類不斷增加，用戶需求也隨之更為復(fù)雜和多樣。特別是近幾年，隨著一系列政策的出臺，我國衛(wèi)星應(yīng)用邁入“快車道”。在這一應(yīng)用背景下，如何基于現(xiàn)有遙感衛(wèi)星觀測能力，兼顧后續(xù)發(fā)展，面向來自不同行業(yè)不同領(lǐng)域用戶提出的觀測需求，選取適當(dāng)?shù)娜蝿?wù)規(guī)劃策略、優(yōu)化調(diào)度方案，是需要重點關(guān)注的問題。本文圍繞任務(wù)規(guī)劃的四個關(guān)鍵環(huán)節(jié)開展研究，梳理歸納了國內(nèi)外相關(guān)領(lǐng)域的研究進(jìn)展，總結(jié)各自特點和適用范圍，期望能夠為對地觀測衛(wèi)星任務(wù)控制系統(tǒng)建設(shè)提供有益借鑒。