張俊峰，竇長(zhǎng)旭，陳企華，張 揚(yáng)

（1.解放軍32370 部隊(duì)，北京 100091；2.華北計(jì)算技術(shù)研究所，北京 100083）

0 引言

軍事標(biāo)圖是指將敵我雙方軍事活動(dòng)的有關(guān)情況，用軍標(biāo)符號(hào)和文字標(biāo)記的方式描述在數(shù)字地圖等載體中。在信息化作戰(zhàn)條件下，標(biāo)繪要圖是描述敵我雙方態(tài)勢(shì)、反映作戰(zhàn)決心、組織指揮的重要手段，是指揮員和參謀人員應(yīng)具備的業(yè)務(wù)技能。在訓(xùn)練考核中，計(jì)算機(jī)標(biāo)圖作業(yè)一般以人工評(píng)判為主，如何利用信息化手段，客觀、準(zhǔn)確、快捷地評(píng)判標(biāo)圖作業(yè)是需要研究的重點(diǎn)問(wèn)題。

軍隊(duì)標(biāo)號(hào)是軍事標(biāo)圖中的基本元素，由隊(duì)標(biāo)和隊(duì)號(hào)組成的符號(hào)系統(tǒng)。隊(duì)標(biāo)用以表示軍隊(duì)的一切活動(dòng)、各種兵器、器材和各種設(shè)施，在地圖上的表現(xiàn)形式是圖形；隊(duì)號(hào)用以注明軍隊(duì)番號(hào)的數(shù)字和代字，以代字、文字和數(shù)字的形式表示。標(biāo)圖作業(yè)的評(píng)判主要是針對(duì)標(biāo)號(hào)的評(píng)判，對(duì)比圖形相似度和標(biāo)號(hào)屬性兩個(gè)方面。傳統(tǒng)的評(píng)判僅靠肉眼將標(biāo)準(zhǔn)答案和考生答案進(jìn)行比對(duì)獲得結(jié)果，評(píng)判效率低，人為因素多；計(jì)算機(jī)評(píng)判標(biāo)準(zhǔn)統(tǒng)一，較人工評(píng)判有不可比擬的速度優(yōu)勢(shì)，但也存在很大的挑戰(zhàn)：1）圖形相似，但是含義不同，不易識(shí)別；2）標(biāo)繪方式不同，但是圖形顯示相同；3）針對(duì)不同作業(yè)條件，評(píng)判標(biāo)準(zhǔn)也不同。計(jì)算機(jī)評(píng)判一方面要規(guī)避人工評(píng)判的問(wèn)題，提高工作效率；另一方面要融入專家知識(shí)，避免評(píng)判標(biāo)準(zhǔn)呆板，實(shí)用性、智能化程度不高的問(wèn)題。

研究標(biāo)圖的文獻(xiàn)較多，文獻(xiàn)［1］提出一種基于ArcGIS 圖元的非規(guī)則軍標(biāo)描述方法；文獻(xiàn)［2］提出基于SVG 的標(biāo)圖符號(hào)設(shè)計(jì)方法，用于縮短標(biāo)圖符號(hào)設(shè)計(jì)周期、減少數(shù)據(jù)冗余；文獻(xiàn)［3］闡述了通用標(biāo)圖軟件中態(tài)勢(shì)標(biāo)繪管理層的設(shè)計(jì)與實(shí)現(xiàn)。上述文獻(xiàn)均未涉及有關(guān)標(biāo)圖評(píng)判的內(nèi)容。文獻(xiàn)［4］區(qū)分圖幅整飾判定、軍標(biāo)判定及要圖布局等類型，利用動(dòng)態(tài)加載規(guī)則的方式進(jìn)行標(biāo)號(hào)判定，比較系統(tǒng)地梳理了標(biāo)圖判定的各要素，但是其尚未觸及同一標(biāo)號(hào)標(biāo)繪方式不同等情況產(chǎn)生的評(píng)判問(wèn)題，評(píng)判的適用性、準(zhǔn)確性需要進(jìn)一步研究。

在把握標(biāo)圖作業(yè)一般特點(diǎn)和規(guī)律的基礎(chǔ)上，利用知識(shí)推理技術(shù)將專家知識(shí)和軍事規(guī)則融入到評(píng)判過(guò)程中，同時(shí)采用興趣區(qū)域過(guò)濾等方法提高評(píng)判的精確度，實(shí)現(xiàn)針對(duì)標(biāo)圖作業(yè)的定量化、智能化評(píng)判。

1 基于知識(shí)推理的評(píng)判方法

知識(shí)推理的基本原理是將軍事領(lǐng)域的規(guī)則、專家經(jīng)驗(yàn)定義為知識(shí)，利用邏輯的形式符號(hào)化，通過(guò)邏輯推理得出具體結(jié)果。常見(jiàn)的方式有基于規(guī)則推理（rule-based reasoning，RBR）［5］和基于案例推理［6］（case-based reasoning，CBR）?；谝?guī)則推理是將知識(shí)以規(guī)則的形式表達(dá)，進(jìn)而制定規(guī)則庫(kù)，規(guī)則庫(kù)中包含著變換規(guī)則，可將問(wèn)題從初始狀態(tài)轉(zhuǎn)換成目標(biāo)狀態(tài)，從既有事實(shí)中推理出隱含結(jié)論。標(biāo)圖作業(yè)的評(píng)判也遵循標(biāo)圖知識(shí)表示、構(gòu)建評(píng)判規(guī)則庫(kù)、進(jìn)行知識(shí)推理這一過(guò)程，如圖1 所示。

圖1 基于規(guī)則的知識(shí)推理Fig.1 Rule-based knowledge reasoning

1.1 知識(shí)表示

規(guī)則推理首先要將專家經(jīng)驗(yàn)和作戰(zhàn)標(biāo)圖規(guī)定等轉(zhuǎn)化為知識(shí)表示。研究標(biāo)號(hào)特點(diǎn)以及評(píng)判的重要因素，對(duì)標(biāo)號(hào)進(jìn)行特征抽取，將評(píng)判知識(shí)實(shí)體對(duì)象區(qū)分為整飾要素和內(nèi)容要素兩類。整飾要素是標(biāo)圖作業(yè)的重要組成部分，從內(nèi)容上分為標(biāo)題、密級(jí)以及落款等，從具體屬性上分為文字內(nèi)容、顏色、字號(hào)和字體等；根據(jù)標(biāo)號(hào)顯示的一般特點(diǎn)，進(jìn)行特征抽取，標(biāo)號(hào)內(nèi)容要素區(qū)分為屬方、位置、顏色、注記、線型、方向、子標(biāo)號(hào)等。在此基礎(chǔ)上構(gòu)建評(píng)判規(guī)則庫(kù)。規(guī)則知識(shí)庫(kù)［8］是規(guī)則推理的重要部分，一方面要覆蓋標(biāo)圖評(píng)判的方方面面，標(biāo)號(hào)庫(kù)的任一標(biāo)號(hào)都要有評(píng)判規(guī)則；另一方面評(píng)判規(guī)則不能呆板，需要設(shè)置一定的范圍，同時(shí)針對(duì)自定義的標(biāo)號(hào)，同樣要具備評(píng)判規(guī)則。

評(píng)判規(guī)則可以用產(chǎn)生式規(guī)則［9］的方式表示。則“如果滿足這個(gè)條件，就判定為真”表示為：

if c（1）∧c（2）∧…∧c（n）then judge=true

如果某條規(guī)則的條件滿足了，那么就產(chǎn)生相應(yīng)的結(jié)果。以標(biāo)圖作業(yè)為例，基于標(biāo)號(hào)唯一標(biāo)識(shí)符編碼、標(biāo)號(hào)含義以及標(biāo)繪方式等設(shè)置標(biāo)號(hào)評(píng)判知識(shí)庫(kù)。針對(duì)同義異形的標(biāo)號(hào)，需要細(xì)致地構(gòu)建知識(shí)庫(kù)規(guī)則，以確保評(píng)判規(guī)則的實(shí)用性。比如針對(duì)作戰(zhàn)想定的某一描述，采用A 標(biāo)號(hào)是正確的，B 標(biāo)號(hào)也是正確的，那么就設(shè)置該種情況下，A 和B 均為正確，避免了評(píng)判的不精確。某些標(biāo)號(hào)繪制方式雖然多樣，但圖形顯示相同，則評(píng)判規(guī)則更為復(fù)雜。比如：某標(biāo)號(hào)標(biāo)繪時(shí)，可采用兩種標(biāo)繪方式，從左至右設(shè)置關(guān)鍵點(diǎn)，或者從右至左設(shè)置關(guān)鍵點(diǎn)，繼而改變標(biāo)號(hào)方向獲取的標(biāo)繪圖形是相同的，均應(yīng)視為正確。則在知識(shí)庫(kù)建立規(guī)則R1、R2，描述為某標(biāo)號(hào)的標(biāo)繪在滿足條件C1或者C2條件時(shí)，產(chǎn)生的結(jié)果視為等同。

在標(biāo)繪方式1 情況下的規(guī)則R1：

R1： IF Ms：MarkS（type＝＝“TypeX”）Md：MarkD（|MarkD.Dir-MarkS.Dir|

在標(biāo)繪方式2 情況下的規(guī)則R2：

R2： IF Ms：MarkS（type＝＝“TypeX”）Md：MarkD（|MarkD.Dir+MarkS.Dir|

知識(shí)表示相當(dāng)于定義了標(biāo)圖作業(yè)的彈性評(píng)判標(biāo)準(zhǔn)，為智能化評(píng)判方法運(yùn)用提供條件。

1.2 知識(shí)推理過(guò)程

正向推理過(guò)程是將事實(shí)與已有的知識(shí)進(jìn)行模式匹配，找到符合事實(shí)的知識(shí)，得出結(jié)論。Rete 算法［10］（Rete 在拉丁語(yǔ)中代表網(wǎng)絡(luò)）是用于產(chǎn)生式專家系統(tǒng)的模式匹配算法，在標(biāo)圖評(píng)判規(guī)則推理中的應(yīng)用過(guò)程是：創(chuàng)建規(guī)則集對(duì)應(yīng)的Rete 推理網(wǎng)絡(luò)，將所有的規(guī)則解釋生成一個(gè)識(shí)別網(wǎng)絡(luò)，當(dāng)事實(shí)進(jìn)入系統(tǒng)后，在Rete 網(wǎng)絡(luò)上匹配規(guī)則進(jìn)而傳播，直到抵達(dá)網(wǎng)絡(luò)的終止節(jié)點(diǎn)，完成一條規(guī)則的匹配后，即可觸發(fā)該規(guī)則預(yù)定義動(dòng)作。Rete 算法網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 Rete 算法網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Network structure of Rete algorithm

Rete 網(wǎng)絡(luò)包括alpha 模式網(wǎng)絡(luò)和beta 連接網(wǎng)絡(luò)。節(jié)點(diǎn)類型包括：Root 節(jié)點(diǎn)、Type 節(jié)點(diǎn)、Select 節(jié)點(diǎn)、Alpha memory 節(jié)點(diǎn)、Beta memory 節(jié)點(diǎn)、Joint 節(jié)點(diǎn)等。

Root 節(jié)點(diǎn)是所有事實(shí)進(jìn)入Rete 網(wǎng)絡(luò)的入口；Type 節(jié)點(diǎn)根據(jù)事實(shí)或事件對(duì)象的類型進(jìn)行過(guò)濾，符合條件繼續(xù)傳播；

Select 節(jié)點(diǎn)根據(jù)模式的屬性對(duì)事實(shí)進(jìn)行過(guò)濾，符合條件繼續(xù)傳播；

Alpha memory 節(jié)點(diǎn)存儲(chǔ)所有通過(guò)常量約束測(cè)試的事實(shí)對(duì)象；

Beta memory 節(jié)點(diǎn)存儲(chǔ)事實(shí)對(duì)象元組；

Joint 節(jié)點(diǎn)是雙輸入節(jié)點(diǎn)，左輸入通常為事實(shí)對(duì)象元組，右輸入通常為事實(shí)對(duì)象。該節(jié)點(diǎn)判斷兩個(gè)事實(shí)或事件對(duì)象在某一屬性值上的關(guān)系，如果條件符合，進(jìn)行連接操作，向后傳播；當(dāng)事實(shí)或事件數(shù)據(jù)傳播到某葉子節(jié)點(diǎn)時(shí)，表明該條規(guī)則完全匹配，將規(guī)則加入議程。

標(biāo)圖作業(yè)中的標(biāo)號(hào)在Rete 網(wǎng)絡(luò)中匹配傳播，直到抵達(dá)規(guī)則的終止節(jié)點(diǎn)，進(jìn)而觸發(fā)該規(guī)則預(yù)設(shè)動(dòng)作。

2 基于興趣區(qū)域過(guò)濾的作業(yè)評(píng)判

由于存在評(píng)判標(biāo)準(zhǔn)不統(tǒng)一、主觀因素較多的問(wèn)題，標(biāo)圖作業(yè)的評(píng)判一直以來(lái)缺乏可靠的技術(shù)手段。在設(shè)置評(píng)判標(biāo)準(zhǔn)、構(gòu)建規(guī)則知識(shí)庫(kù)的基礎(chǔ)上，采用基于興趣區(qū)域的智能評(píng)判方法，實(shí)現(xiàn)了對(duì)標(biāo)圖作業(yè)快速定量化的評(píng)判。軍標(biāo)可分為規(guī)則軍標(biāo)和不規(guī)則軍標(biāo)。規(guī)則軍標(biāo)可由直線、曲線、圓弧、矩形、多邊形、圓、文字等基本圖元組合而成；非規(guī)則軍標(biāo)是由一組無(wú)規(guī)律的圖形符號(hào)組合而成，往往涉及到Bezier 曲線之類的算法。

標(biāo)繪作業(yè)中包含有數(shù)十種類型的上百個(gè)標(biāo)號(hào)與注記，有些標(biāo)號(hào)與注記的類型是相同的，給標(biāo)圖作業(yè)的評(píng)判帶來(lái)干擾與困難。在某一具體標(biāo)號(hào)的評(píng)判中，對(duì)其興趣區(qū)域進(jìn)行限定，可大大縮小評(píng)判的搜索范圍，提高評(píng)判準(zhǔn)確度，繼而采用規(guī)則推理等方法，得出最終評(píng)判結(jié)果。基于興趣區(qū)域的作戰(zhàn)標(biāo)圖評(píng)判如圖3 所示。處理方式如下：

1）獲取某一標(biāo)號(hào)的包圍區(qū)域，將包圍區(qū)域原始邊界作為內(nèi)邊界并進(jìn)行膨脹處理，得到包圍區(qū)域的外邊界；

2）遍歷符號(hào)集合內(nèi)所有符號(hào)，根據(jù)定位點(diǎn)確定與外邊界之間的位置關(guān)系；

3）將外邊界內(nèi)和外邊界相交的符號(hào)加入到興趣集內(nèi)。

利用遍歷算法，對(duì)參考人員文件和標(biāo)準(zhǔn)文件中標(biāo)號(hào)進(jìn)行逐項(xiàng)遍歷比對(duì)，自動(dòng)評(píng)判。某一標(biāo)號(hào)的具體評(píng)判過(guò)程如圖4 所示，具體如下：

圖4 標(biāo)圖評(píng)判算法流程Fig.4 Algorithm process of plotting operation judgment

1）獲取標(biāo)圖答案和參考人員作業(yè)標(biāo)號(hào)列表，以及標(biāo)號(hào)評(píng)判設(shè)定；

2）判斷標(biāo)號(hào)類型，按照點(diǎn)狀標(biāo)號(hào)、線狀標(biāo)號(hào)和面狀標(biāo)號(hào)等不同分類進(jìn)行判定，不同類型的標(biāo)號(hào)其評(píng)判邏輯不同；

3）獲取該標(biāo)號(hào)評(píng)判興趣區(qū)域的受考答案標(biāo)號(hào)集合，如果興趣區(qū)域內(nèi)有標(biāo)號(hào)，則繼續(xù)下一步；

4）獲取興趣區(qū)域的參考人員作業(yè)某標(biāo)號(hào)，獲取其標(biāo)號(hào)類型；

5）判斷標(biāo)號(hào)類型是否為同類型，如果是，繼續(xù)下一步；

6）利用規(guī)則知識(shí)庫(kù)進(jìn)行判斷，查詢判斷結(jié)果，若根據(jù)知識(shí)庫(kù)規(guī)則，返回結(jié)果為True，則繼續(xù)下一步；

7）判斷標(biāo)號(hào)的若干個(gè)關(guān)鍵點(diǎn)是否均在評(píng)判閾值范圍內(nèi)，如果是，則繼續(xù)下一步；

8）判斷標(biāo)號(hào)的方向偏差是否在評(píng)判閾值內(nèi)，如果是，則繼續(xù)下一步；

9）判斷標(biāo)號(hào)的線型和顏色是否符合評(píng)判設(shè)定，如果是，則繼續(xù)下一步；

10）進(jìn)行標(biāo)號(hào)相似度判定，進(jìn)行相似度排序，取最大相似度標(biāo)號(hào)；

11）如果相似度大于標(biāo)準(zhǔn)值0.9，則繼續(xù)下一步；

12）計(jì)算得分，處理符號(hào)錯(cuò)誤信息；

13）輸出有關(guān)信息。

標(biāo)圖作業(yè)評(píng)判涉及標(biāo)號(hào)數(shù)量較多且規(guī)則復(fù)雜，為清晰地定位錯(cuò)誤標(biāo)號(hào)的相關(guān)信息，設(shè)計(jì)標(biāo)圖作業(yè)和參考答案的同窗口可視化比對(duì)顯示，以增強(qiáng)智能化評(píng)判的實(shí)用性。將標(biāo)圖作業(yè)、參考答案和評(píng)判信息區(qū)分為不同的圖層，在評(píng)判信息層，可高亮顯示正確的標(biāo)號(hào)、錯(cuò)誤的標(biāo)號(hào)，可清晰地顯示參考答案中標(biāo)號(hào)的興趣區(qū)域；錯(cuò)誤標(biāo)號(hào)的相關(guān)信息通過(guò)調(diào)用評(píng)判規(guī)則庫(kù)接口獲取，錯(cuò)誤信息不僅包括方向、線型以及關(guān)鍵點(diǎn)等錯(cuò)誤類型，還包括諸如定位點(diǎn)偏差距離、方向偏離角度等詳細(xì)信息。

3 算法應(yīng)用

基于本文所提方法，在標(biāo)圖軟件的基礎(chǔ)上添加標(biāo)圖作業(yè)評(píng)判模塊，構(gòu)建標(biāo)圖訓(xùn)練系統(tǒng)，能夠定量化評(píng)定作業(yè)成果，有助于參訓(xùn)人員提升指揮技能。

3.1 標(biāo)圖作業(yè)評(píng)判模塊架構(gòu)

該模塊主要包括界面顯示、智能評(píng)判和底層支撐等部分，如圖5 所示。

圖5 標(biāo)圖作業(yè)評(píng)判模塊框架Fig.5 Framework of plotting operation judgment module

底層支撐模塊主要是地理信息系統(tǒng)，可提供軍標(biāo)顯示功能，數(shù)據(jù)庫(kù)中間件和文件解析模塊用于知識(shí)庫(kù)操作、評(píng)判規(guī)則載入、標(biāo)圖文件解析等。

界面顯示模塊包括考核評(píng)判設(shè)置和評(píng)判信息顯示。評(píng)判設(shè)置可設(shè)置標(biāo)圖作業(yè)的整體設(shè)置、整飾設(shè)置和標(biāo)號(hào)設(shè)置，可設(shè)定不同標(biāo)號(hào)及各個(gè)屬性的評(píng)判權(quán)重，增強(qiáng)標(biāo)圖評(píng)判靈活度。評(píng)判信息顯示用于顯示參考答案、考生答案以及標(biāo)號(hào)錯(cuò)誤信息等，輔助快速定位到標(biāo)繪錯(cuò)誤。

智能評(píng)判模塊用于實(shí)現(xiàn)標(biāo)圖作業(yè)整飾要素和標(biāo)號(hào)的綜合評(píng)判。先判定標(biāo)題、密級(jí)以及落款等整飾內(nèi)容，再判定圖中標(biāo)號(hào)的得分。在實(shí)現(xiàn)一般唯一性標(biāo)號(hào)評(píng)判的基礎(chǔ)上，還可實(shí)現(xiàn)同一表述多種答案的靈活智能評(píng)判。

3.2 算法應(yīng)用驗(yàn)證

標(biāo)圖作業(yè)評(píng)判模塊中采用基于知識(shí)推理和興趣區(qū)域過(guò)濾的智能化評(píng)判方法，取得了良好的效果。一方面，在評(píng)判效率和精確度上，都較人工評(píng)判有明顯優(yōu)勢(shì)，采用機(jī)器評(píng)判提升了工作效率，評(píng)判時(shí)間以s 計(jì)算，不及人工方式的1%，且隨著試卷數(shù)量的提升優(yōu)勢(shì)更為明顯；另一方面，與一般基于規(guī)則的標(biāo)圖判定方法相比，通過(guò)設(shè)置靈活的評(píng)判規(guī)則進(jìn)行知識(shí)推理，并融入興趣區(qū)域過(guò)濾算法，不僅實(shí)現(xiàn)了同形異義和同義異形標(biāo)號(hào)的智能評(píng)判，而且在此基礎(chǔ)上提高了評(píng)判結(jié)果的精準(zhǔn)度。在系統(tǒng)應(yīng)用過(guò)程中，針對(duì)3 種難度類型的標(biāo)圖作業(yè)進(jìn)行實(shí)驗(yàn)，其中，難度較易的作業(yè)約含50 個(gè)標(biāo)號(hào)，難度中等的約含75 個(gè)標(biāo)號(hào)，難度較難的約含100 個(gè)標(biāo)號(hào)，評(píng)判精準(zhǔn)度和評(píng)判能力效果驗(yàn)證效果如表1 所示。

表1 評(píng)判精準(zhǔn)度和評(píng)判能力驗(yàn)證結(jié)果/%Table 1 Verification results of judgment accuracy and capability/%

從結(jié)果可以看出，標(biāo)圖作業(yè)的難易程度對(duì)評(píng)判準(zhǔn)確率幾乎沒(méi)有影響，而采用本文方法的標(biāo)圖作業(yè)評(píng)判準(zhǔn)確率遠(yuǎn)高于一般基于規(guī)則評(píng)定的方法，且滿足評(píng)判嚴(yán)格準(zhǔn)確的應(yīng)用需求。目前該標(biāo)圖訓(xùn)練系統(tǒng)已經(jīng)取代人工評(píng)判手段，在參謀人員技能訓(xùn)練中得到廣泛使用。

4 結(jié)論

本文提出基于知識(shí)推理和興趣區(qū)域的標(biāo)圖評(píng)判方法，并在此基礎(chǔ)上實(shí)現(xiàn)了標(biāo)圖作業(yè)的自動(dòng)化評(píng)判，有效解決了人工評(píng)判效率低且容易出錯(cuò)的問(wèn)題，為標(biāo)圖作業(yè)訓(xùn)練考核提供了智能化手段。

本文研究標(biāo)圖作業(yè)的一般特點(diǎn)，尤其是標(biāo)號(hào)的屬性特點(diǎn)，將軍事知識(shí)和專家經(jīng)驗(yàn)轉(zhuǎn)化為知識(shí)表示，利用Rete 算法進(jìn)行規(guī)則推理得出結(jié)果；在此基礎(chǔ)上，利用興趣區(qū)域過(guò)濾的方法縮小標(biāo)號(hào)匹配范圍，提出標(biāo)號(hào)評(píng)判的整體流程；在標(biāo)圖訓(xùn)練系統(tǒng)中構(gòu)建作業(yè)結(jié)果評(píng)判模塊，開(kāi)展具體應(yīng)用實(shí)踐。下一步將繼續(xù)研究標(biāo)圖規(guī)則表示，完善知識(shí)推理模型，提升評(píng)判的智能性和通用性。