態勢感知水平的解析化度量模型

張東戈, 孟　輝, 趙慧赟

(1. 解放軍理工大學指揮信息系統學院, 江蘇 南京 210007; 2. 山西大學科學技術哲學研究中心,山西 太原, 030006; 3. 解放軍駐太原鐵路局軍事代表辦事處, 山西 太原 030013)

?

態勢感知水平的解析化度量模型

張東戈1, 孟輝2,3, 趙慧赟1

(1. 解放軍理工大學指揮信息系統學院, 江蘇 南京 210007; 2. 山西大學科學技術哲學研究中心,山西 太原, 030006; 3. 解放軍駐太原鐵路局軍事代表辦事處, 山西 太原 030013)

態勢感知研究領域一個尚未解決的重要問題,是對態勢感知程度水平進行解析化計算描述。在Ensley態勢感知認知模型的基礎上,對態勢感知過程中流動的信息包數量、耗費時間和信息處理速度、信息存續時限等進行了量化的定義和描述,根據現實經驗將信息處理的原則特征歸納為5條假設,在此基礎上建立了一個能夠度量態勢感知水平的解析化數學模型,通過案例計算得到了與實際相符的態勢感知水平變化曲線,檢驗了模型分析的有效性。

態勢感知; Endsley模型; 測度函數; 解析計算

0　引　言

態勢感知(situation awareness,SA)是人機工效學中的一個重要研究領域[1]。目前,態勢感知的研究方法主要是以各種認知模型為基礎,對具體場景(想定)下操作的動作時間響應進行實驗和統計分析[2-5],很少能夠對模型進行解析化地深入研究,態勢感知研究成果更多地表現為一種“統計經驗”,對態勢感知問題的規律認識尚“不夠科學”,這就大大地限制了態勢感知理論可分析的對象和可以應用的領域。特別是面對那些復雜龐大的工業系統、軍事電子信息系統、人工社會系統等,傳統實驗和統計方法無法滿足“預先的態勢感知參數計算”的應用需要[6-7]。以戰斗機飛行員為例,統計和實驗可以對某一具體類型戰斗機飛行員的態勢感知能力進行分析比較[3],但是戰斗機飛行員在執行任務中屬于整個空情、火力、導航和指揮控制等多個系統的一部分,單單分析戰斗機飛行員態勢感知能力是遠遠不夠的,還需要分析整個系統中其他單元的態勢感知能力,進而分析整個體系的態勢感知能力,據此來完成頂層設計。因此,工程和設計上迫切需要在更加抽象的層次上進行理論分析和參數計算,唯有這樣才有可能對整個系統的態勢感知能力給出合理的分配,從而確保系統和體系能夠彼此協同地完成使命任務。

本文在Ensley態勢感知認知模型的基礎上,對態勢感知過程進行了抽象,將態勢感知過程中的關鍵階段歸納為5條可量化分析的假設,并在這些假設的基礎上建立了一個能夠度量態勢感知水平的解析化數學模型,通過計算得到了與實際相符的態勢感知水平變化曲線,檢驗了該模型分析問題的有效性。

1　研究現狀分析

目前,Endsley模型是國際上應用最廣的一種態勢感知認知模型,它通過統計測量獲取系統實驗的參數,來建立操作質量、失誤率之間的關系,從而確定態勢感知的程度和水平[8],其中,文獻[9]提出用相似性尺度,度量團隊共享態勢感知情況,文獻[10]將模糊認知圖技術(fuzzy cognitive mapping, FCM)與Endsley模型相結合來描述高層次的態勢感知情況,此方法,通過數據要素的影響權重來確定步兵中排級分隊指揮官的態勢感知水平,文獻[11]在此基礎上進一步分析了人和計算機協作的態勢共享模式。上述這些方法對以個體操作為主要對象的態勢感知研究,較為有效。然而,這種統計測量技術均僅能應用于特定的場景(想定),這就使得度量態勢感知的程度和水平只能處于實際測量階段[12-13],它不能有效地實現態勢感知程度和水平的“事先估計”,不能在系統設計規劃階段提供有效的態勢感知參數支撐。在態勢感知測量實驗中Carpenter發現,在決策任務中,人們的反應時間(reaction time, RT)服從正態分布[14],該結論得到了一些神經生理學數據的支持[15],文獻[16]進一步用隨機微分方程討論了證據的非線性累積情況。從研究層次上看,該模型是決策反應時間在神經生理學層面的研究,沒有具體的環境背景,屬心理學中的基礎研究;從內容上看,該研究針對的是一次性決策的反應時間,無法應用于事件動態變化環境和持續決策行為。文獻[17]研究了戰斗機間的協同,分析了不同技術手段下,共享態勢感知在時間上可能造成的差異。文獻[18]建立了基于網絡拓撲結構的態勢感知評估方法,并將這種方法應用到C4ISR網絡效能度量上。該研究假定所有網絡節點都是彼此合作的,而并未考慮到C4ISR用戶間會存在資源競爭關系,而這種競爭關系有可能會對結果產生巨大的影響。另有文獻[19]認為,當有用信息提供的速率超過一定閾值時,態勢感知過程會出現混沌現象。在國內,文獻[20]提出用戶感知是對信息流的感知,而非對單一信息的孤立感知,并在此基礎上建立了描述態勢感知速度變化的數學模型;文獻[21]研究了協同態勢感知效能方法;文獻[22]提出了無人戰斗機的態勢感知模型框架;文獻[23]進一步明確了戰場態勢的劃分;文獻[24]從信息交互角度,結合耗散結構理論對戰場態勢和態勢估計進行了新的詮釋;文獻[25]針對現有網絡態勢感知技術無法反映網絡整體運行質量的問題,提出了網絡運行態勢的概念和模型。

上述學者在態勢感知問題研究方面取得了重要成果,然而同時也都缺少包含完整信息輸入和最終結果輸出時間過程的態勢感知過程的解析化描述。在復雜的態勢感知技術應用場景想定中,先前的態勢感知水平以及決策者的行為反應,會反復地影響著后繼的態勢感知程度和水平。比如,戰場指揮員要根據當前態勢感知的結果做出一系列復雜的決策,這些決策所帶來的行為結果,又影響著下一步的態勢感知程度和水平,假如缺少模型化的解析分析,會讓很多重要的態勢感知問題缺乏分析手段。

本文將Endsley態勢感知框架模型向解析計算的方向進行了拓展,建立了衡量態勢感知程度水平的一種數學模型,提出了一種評價態勢感知程度水平的測度函數,為解析計算研究態勢感知問題,提供了一種新的方法。

2　Endsley模型拓展

Endsley態勢感知模型將態勢感知分為3個層次[26-27]。第一層次是對環境中各種要素的“察覺”。因察覺而獲得的信息,是態勢感知的基礎信息,是態勢感知加工處理的初始源頭信息。第二層次是結合已有知識和資料,對態勢要素的“狀態參數”進行理解。“理解”建立在察覺的基礎上,它描述的是,“一種客觀態勢參數屬性(值)對于觀察者意味著什么”。態勢感知人員通過對“察覺信息”的感知處理,得到“理解信息”。第三層次是結合資料、知識或經驗,綜合當前的“察覺信息”、“理解信息”,然后對客觀事物走勢進行估計,從而形成“預測信息”。通常,只有生成了預測信息,才標志著感知主體完成了一次態勢感知循環過程,連續態勢感知,就包括著許多個這樣的循環過程。

Endsley框架模型闡明,態勢感知的過程就是將外在的客觀信息轉化為內在的主觀認識的過程。在此基礎上,如果要想將Endsley框架模型發展為一種動態模型,需要解決3個方面的問題。

(1) 如何體現態勢感知信息的時效性。態勢感知處理和輸出的信息,具有時效性,“感知”總是對當前態勢的感知?？陀^態勢如果已經發生了明顯可察覺的變化,若相應的態勢感知結果輸出不能隨之發生相應變化,那么態勢感知結果因為不能反映真實的態勢情況,就會表現為失效。

(2) 如何體現態勢感知的動態累積性。隨著客觀態勢的不斷變化,在態勢感知處理系統中,除了新到達的更新信息外,還包括未失效的尚待處理的察覺信息和理解信息。這些信息會隨著時間的變化和感知節奏快慢的不同,而產生前后不同的相互影響和相互作用,會呈現出不同的感知累積效應。累積效應是指,人們對于已知的東西,有了經驗的東西認知更為容易,對于未知的東西,沒有經驗的東西認知更為困難;對于變化慢的東西,因為有更長的反應時間,所以認知更為容易,對于變化快的東西,可供反應的時間短,所以認知更為困難。

(3) 如何體現態勢感知的連續性。態勢感知的信息輸出變化是一個連續的過程,它是關于時間的連續函數。比如面對突發事件,第一階段到達的察覺信息會讓感知主體形成對態勢的初步認識,接下來,隨著察覺信息到達數量的逐漸增多,同時伴隨著態勢感知主體不斷將察覺信息轉換為理解信息,態勢的感知者,對態勢的認識的規律也會隨之改變。

為了探索上述問題,采用的方法是,根據態勢感知的不同階段各種信息條數數量隨時間的變化,來表征當前的感知程度和水平,這樣就可以將Endsley框架模型拓展為可分析計算的動態數學模型,進而反映態勢感知過程中的時效性、動態性和連續性。

3　態勢感知動態過程的抽象化分析及模型假設

3.1態勢感知主體的界定

態勢感知分析的基礎是個體對周圍(決策)環境的認識,在復雜系統應用中,感知主體更多時候會是一個團隊。一個由很多個體組成的團隊在協同決策的時候,如果從外部觀察,它會如同一個黑箱,他人所能看到的,只是它的外部特征,而看不到內在細節。因此,在確定態勢感知主體的時候,將符合“察覺接收—感知處理—預測輸出”模式的個體實體或者團隊都稱為態勢感知主體。這樣定義感知主體有兩個好處:一是擴大研究涵蓋的對象和內容。在快速變化戰場態勢環境背景想定下,就個體而言,它(他)處理信息的速度大小通常相對固定于某個較窄的區間,而在團隊中,態勢感知參數會隨著團隊規模的變化而變化,會隨著態勢感知工作組織方式的不同而不同。經過這樣的拓展,模型不僅可以分析個體,也可分析團體。二是實現了態勢感知程度水平的統一度量。以往的態勢感知度量都是在特定環境下測量特定人員的態勢感知程度和水平,背景想定的差異,導致想要合理比較衡量不同環境和不同感知主體的感知水平較為困難。通過感知行為來界定態勢感知主體,可以以時間為尺度來分析態勢感知過程。時間的客觀唯一性,使得不同態勢感知個體之間的比較,有了統一而客觀的衡量標準尺度。從該定義出發,對于一個行動指揮部,無論內部有多少人共同參與態勢感知,從宏觀上看,這個指揮部都只是在完成“察覺接收—感知處理—預測輸出”過程,這個行動指揮部就看作一個態勢感知主體。需要說明的是,在現實環境中,不同層次的感知主體關注的對象數量和屬性不同。例如一名坦克連長關注的可能是所屬10多輛坦克的位置、戰技狀態等信息,而一名裝甲師長則可以獲得數百輛坦克的數據信息。但是由于人的感知能力所限,短時間內感知這些數據是不可能的,裝甲師長更關注的是數百輛坦克所屬10多個裝甲分隊整體的位置、隊形等信息。也就是說,無論是連長還是裝甲師長,雖然層次不同,但是對于感知主體而言,所關注對象中包含的態勢信息量是一定的。由此,本文所討論的模型可以適合于不同層次感知主體的分析。

3.2察覺信息和理解信息的定義分析

在三階段Endsley模型中,察覺信息、理解信息、預測信息的基本含義有定義說明[8],但是它只是一個定性的概念模型,并未區別3種信息的時間屬性和特點。在態勢感知過程中,察覺信息是由傳感器系統提供的一種原始信息,但是這些信息無法直接形成預測信息,需要經過一系列的處理和轉化之后才能夠生成預測信息。

對于態勢感知而言,如果不考慮原始察覺信息的表達復雜度,在處理上可以將其簡化為以條為單位的信息。在我們的態勢感知解析計算模型中,既包括察覺信息,又包括了理解信息,還包括了預測信息,因此,進行初始定義的時候,就需要包括兩個不同的內容,即信息的條數定義和信息的內容取值的定義。在信息“理解計算”的時候,本文關心信息的條數,在獲得產生預測信息的時候,本文關心信息的內容取值。這樣綜合起來考慮定義,雖然有些復雜,但是處理起來卻會非常簡單。它給了一種定義以雙重應用,因此這是一種高效率的定義。

設要對客觀存在的O物體(或者是事物)進行態勢感知,這里稱O為態勢感知的客體,而所要感知的內容,則體現在它的屬性參數值α之中。

定義 1令Pt(O,α)表示某態勢感知個體在t時刻獲得的一條關于O客體α屬性參數值的信息(或者是消息)。如果從時刻t=0開始接收察覺信息,每隔Δt時間就接收一條察覺信息,則可以知道,到時刻t為止,接收的察覺信息的條數合計為

(1)

式中,|P0(O,α),PΔt(O,α),P2Δt(O,α),…,PN·Δt(O,α)|為已接收察覺信息集合的基數(集合論中的概念),N為自然數。已接收察覺信息集合,是一個有限集合。

例如,有雷達每隔Δt=1秒探測接收一次飛機方位角數據,則60s共接收到60次飛機方位角數據,由此N(t)=60,這些方位角數據的值用Pt(O,α)表示,例如,在某個時刻t,Pt(O,α)=30,即表明了這一時刻的方位角數值為30。

從時間上看,理解信息是一種瞬時信息,當預測和決策完成后,相應的理解信息就會轉變為與時間無關的“資料信息”,會從與時間相關的態勢感知過程中丟棄,并被放入經驗參數中,這點我們稱之為理解信息的時間效應。這也潛在地意味著,本文所談到的決策是單線索目標決策。一般來說,要想讓預測達到一定精度,必須有足夠多的理解信息作為支撐,這樣才會產生相應精度的預測信息(這點在下面的示例1中進行說明)。因此,可以假設理解信息越多,相應的預測和決策質量就越好(本文只關心理解信預測和決策的影響,因此有此假設,同時在非對稱博弈理論里面,由于評價的標準不同,這條假設不成立)。這樣,本文就可以將同時存在的,未被丟棄的理解信息條數數量作為衡量態勢感知水平的標準。

3.3態勢感知過程分析

3.3.1從察覺信息向理解信息的轉換

察覺信息可以是圖像、聲音、信號等,假定這些聲音、圖像、信號信息已經經過技術處理,感知主體可以“閱讀”這些察覺信息,然后通過復雜的計算和處理,形成理解信息。這個過程,也可以通過計算機的信息識別系統完成,道理和過程類似。將這種“閱讀理解”稱之為察覺信息向理解信息的轉換。

定義 2理解信息轉換系數 假設某態勢感知主體對N條“察覺信息”進行感知處理,可以得到n條“理解信息”,則該態勢感知主體的“察覺—理解”信息轉換系數γ為：γ=n/N(γ≥0)。

理解信息的生成過程,即為“察覺—理解”信息轉換過程。若態勢感知主體收到N條察覺信息后開始處理并轉換生成理解信息,設理解信息轉換系數γ是一常數,則N條察覺信息預計可以生成γ·N條理解信息。

在這里并不需要知道這個過程在生理上是如何完成的(這屬于心理學和神經生理學范疇),但是從外在結果看,察覺信息的產生是由態勢“變化”引起的,如果假設觀測器觀測的速度足夠快,即Δt足夠小,可以認為態勢變化是連續的[20]。

3.3.2理解信息的感知生成系統

認知心理學將人的記憶分為工作記憶和長時記憶,其中工作記憶是指人們在完成認知任務的過程中將信息暫時儲存的系統[28]。一般情況下,工作記憶的容量是同時存儲7個組塊左右的信息并同時處理2個左右的組塊信息,即Miller提出的7+2模型,但是長期記憶卻沒有這些限制[29]。文獻[30]研究表明,工作記憶的好壞與態勢感知表現存在很強的相關性,按照Endsley模型,預測信息由理解信息綜合形成,而人們的決策則基于預測信息作出。類似地,我們將感知主體用于儲存和處理理解信息的系統稱為理解信息感知生成系統(comprehensionawarenesssystem,CAS),它和前述工作記憶類似。完成態勢感知的個體,它(他)能夠同時處理的理解信息的數量有限,超過容量限制之后,由于處理不過來,就只能丟棄。在現實中,我們也會丟棄那些實在處理不過來的東西。由此,我們將CAS中能容納的最大理解信息條數數量稱為態勢感知容量(situationawarenesscapacity,SAC)。

說明性示例 1有司機P1現要駕車到A市B小區,在距離A市還有50km時,他從廣播獲得1條察覺信息a1:“A市r路擁堵”。假設司機知道,正常情況下到B小區需要經過r路,于是形成1條理解信息b1:“r路擁堵對自己行程有影響,可能需要改變行進路線,備選方案有…”,10min后在司機P1行將進入市區時,如果廣播中沒有更新路況信息,則司機P1產生1條預測信息c1:“擁堵將繼續存在”(相當于這期間Pt(O,α)數值維持不變),因此他決定改變行車路線。假如,另外有一個對A市交通狀況非常熟悉的司機P2,他也同樣從廣播中獲得了這1條察覺信息a1,但是由于他有很多預先的經驗,知道r路擁堵必然連帶v路擁堵,由此,P2從這1條察覺信息a1出發,不僅產生1條理解信息b1,還將產生1條理解信息b2:“v路擁堵”,P2的行車路線改變預測,將比P1更加準確。兩者差別的原因是,P2的感知水平要高于P1。因此,歸納起來,我們可以有如下假設。

假設 1察覺信息轉換為理解信息后,會進入CAS,CAS中的理解信息條數反映了感知主體的態勢感知水平。單一場景條件下,CAS中的理解信息越多,我們就認為其感知水平越高。通俗的理解比喻就是,一個人腦子里時效性信息裝的越多,這個人對當下態勢的理解力就越強。

定義 3理解信息生成速率 設Δt時間內CAS中新生成Δx條理解信息,則稱v0(t)=Δx/Δt為理解信息生成速率。

設到t時刻為止,已經收到N條“察覺信息”,它可以生成γ·N條理解信息,如果t時刻CAS中已經生成的理解信息條數為x0(t),則尚未生成的理解信息數量為γ·N-x0(t)。因為“生成理解”這個過程需要耗費認知資源(比如處理器時間、存儲容量等(在快速變化態勢環境和大容量信息條件下,這種時間和空間的消耗,不能忽略。尤其是對于以秒或者是毫秒為單位的戰場火力裝備環境下,這一問題,比較突出。)),而在理解信息生成的過程中,認知過程會同步生成預測信息(態勢感知過程具有連續性)。開始時,CAS中的理解信息少,同步形成預測信息耗費的認知資源就少,理解信息生成速率就較大,隨著理解信息數量的不斷增加,同步形成預測信息耗費的認知資源增大,用于生成理解信息的資源減少,導致理解信息生成速率下降。因此可以有如下假設。

假設 2在一定時間內,理解信息生成速率v0(t)與尚未生成的理解信息數量γ·N-x0(t)成正比。

3.3.3理解信息的有效時間和理解信息的丟棄

通常當CAS中的理解信息達到生成預測信息要求的基準數量后,感知主體會進入Endsley模型的第三層次階段,并持續性地形成預測信息。為了計算穩定狀態下的態勢感知速度,我們可以假設在t=0時刻,即已進入第三層次階段,這種處理,隱含地是相當于進行了時間坐標系的平移處理,這樣并不影響結論的普遍性,但是分析起來卻更為簡單。

人們一旦獲得有效的結果之后,相關信息將會成為一種歷史經驗。與人類記憶的遺忘作用類似,丟棄理解信息的目的主要在于釋放相關資源,因為CAS的容量有限,如果不能及時清除無關或者是冗余的理解信息,例如,在不提供新信息的情況下,“同樣的話”人們不用說它兩遍,當其數量超過SAC的容量時,就會造成CAS的存儲溢出。因此可以有如下假設。

假設 3一旦相關信息使用完成,根據理解信息的時間效應,相關理解信息將會被丟棄。

定義 4理解信息的有效存續時間 設某1條理解信息a進入CAS的時刻為t1,感知主體經過處理,形成預測信息的時刻為t2,若理解信息a在t2時刻被丟棄離開CAS,則稱t2-t1為這條理解信息a的有效存續時間。

定義 5理解信息丟棄速率 若Δt時間內CAS中的理解信息數量減少Δx條,則稱v1(t)=Δx/Δt為理解信息丟棄速率。

在說明性示例1中,當司機作出改變路線的決定后,CAS中的2條理解信息b1和b2將不再具有現實直接使用價值,感知主體會在使用后將b1和b2這2條信息丟棄。從b1和b2生成到丟棄的時間間隔就是理解信息的“有效存續時間”。不同環境要求下,理解信息的丟棄速率是不同的。比如,在駕駛過程中,如果司機發現前面車輛傳遞出“剎車燈亮,并且觀察到其速度顯著下降”的信號(即司機獲得了一條察覺信息),那么司機馬上會意識到前方車輛實施了“緊急剎車”這個動作(即相應地生成了1條理解信息),接下來會預計到前方車輛“將會完全停止”(形成了預測信息:“速度將趨近于0”,形式化表示即為Pt(O,α)→0),于是司機采取緊急制動(使用這個信息從而引發一個動作)。在這個場景想定中,整個過程持續時間很短,完成預測和實施過相應動作后,其中所形成的理解信息,馬上就會失去現實直接應用價值,由此會馬上被丟棄,在這個場景想定中,理解信息的有效存續時間只有數秒,而在示例1中,理解信息有效存續時間長達20min。因此可以有如下假設。

假設 4態勢環境變化快且響應時間的時限性要求高時,理解信息的丟棄速率較高,如果環境變化慢且響應時間的時限性要求低時,理解信息的丟棄率則較低。

這體現的現實思想是,環境變化越快,信息就越容易“過時”,單條信息的現實參考價值就越低,也就越容易被丟棄。

由于CAS容量有限,當CAS中的理解信息越多時,為了維持足夠的認知資源,理解信息的丟棄率也會相應提高,因此可以有如下假設。

假設 5理解信息的丟棄速率與CAS中的理解信息條數成正比。

根據上述分析,我們將Endsley框架模型經過解析化擴展后為如圖1所示的動態信息流動處理關系過程。

圖1　態勢感知中動態信息流動處理關系過程

4　態勢感知水平度量的數學模型

4.1態勢感知水平測度函數

定義 6態勢感知水平測度函數 設w(t)為t時刻CAS中理解信息的條數,相應的SAC大小設定為W,將s(t)=w(t)/W稱之為態勢感知水平測度函數。根據假設1,對同一態勢感知主體而言,測度函數s(t)數值越大,則感知水平越高,反之則越小。

4.2模型的建立

為了計算出理解信息條數數量隨時間變化的關系,設t時刻CAS中已經生成的理解信息條數為x0(t),尚未生成的理解信息數量為γ·N-x0(t),由假設2得

(2)

我們假設沒有預先的理解信息,由此可以令x0(0)=0。其中,k0>0為理解信息生成系數,解方程(2)得

設v0(t)為理解信息生成速率,則

(3)

又根據假設5有,理解信息丟棄速率v1(t)=k1w(t),其中k1>0為設定的理解信息丟棄系數,則有

即

(4)

假定初始時刻CAS中的理解信息數量為零,即w(0)=0

解方程(4)得

(5)

根據定義6,態勢感知水平的態勢感知測度函數為

(6)

4.3模型特性討論

在態勢感知過程中,理解信息生成系數k0與單個感知主體經驗、群感知的感知方式有關,它體現的是感知個體態勢感知的能力,工程上可以通過常規實驗測量的方式獲取這一參數。

(1) 當k0>k1時,e-k1t-e-k0t>0,反之,當k00恒成立。

(2) 當k0=k1時,令k0→k1,取極限得

(7)

從式(7)函數s(t)表達式可知其為一個單峰函數。當態勢發生變化時,會產生一系列察覺信息,此時感知主體開始對態勢進行感知。假如“世界是可通過所給信息而得到(被)充分認識的”,那么如果有充分足夠的時間,感知主體一定可以對察覺信息完成感知,并會在某個時刻,達到最佳態勢感知程度水平。如果態勢環境持續變化,那么在假定態勢感知結果不變的條件下,則態勢感知結果與實際態勢情況的差距,會隨著時間的增加而不斷變大(換一種解釋就是:如果面對的是一個固定的環境,即態勢參數不發生變化,那么隨著時間的推移,“態勢參數不變”的可信度也會隨著時間的推移而逐漸變小);如果一直沒有新的察覺信息來更新感知,態勢感知的程度水平將會逐漸趨近于0。這體現的思想是:世界如果變化了,若人的認知凝固不變,那么人們對世界的了解會逐漸趨近于零。這點既與這哲學認識相符,也與實際經驗相符。

測度函數性質如果丟棄系數k1為常數,理解信息生成系數k0(k0≠k1)越大,式(7)態勢測度函數s(t)最高水平形成所需的時間就越少。

證明根據式(1)對s(t)求導并令其等于0以求極值:

即有k1e-k1t=k0e-k0t,兩邊取對數得

lnk1-k1t=lnk0-k0t

解之得

即當t取此值時,態勢測度s(t)達到最高感知水平。

在同一事件中,設丟棄率k1不變,則它可看作常數,由此記

對其求導

令g(x)=1-x+lnx,則g′(x)=1/x-1,g(1)=0,g′(1)=0當x>1時,g′(x)<0,g(x)為減函數,當x<1時,g′(x)>0,g(x)為增函數,所以g(x)≤g(1)=0。

當x=k1/k0,得1-k1/k0+lnk1/k0≤0,當k0=k1時,等號成立。

由此,當k0≠k1時,1-k1/k0+lnk1/k0<0,(k0-k1)2>0,因此dt(k0)/dk0<0,t(k0)為減函數,所以,k0越大,態勢測度越早達到高點。

證畢

性質表明,理解信息生成系數k0(k0≠k1)越大,也就是理解信息生成得越快,態勢感知達到較高程度水平花費的時間就越少,這與實踐經驗相符,由此也進一步印證了態勢感知測度函數的有效性。

4.4演算示例分析

態勢感知主體A,對應曲線s1(t):

態勢感知主體B,對應曲線s2(t):

態勢感知主體C,對應曲線s3(t):

運用Matlab7.0軟件計算描繪,得到三者的態勢感知測度函數曲線如圖2所示。

圖2　態勢感知程度水平測度函數曲線

討論從圖2中s1(t),s2(t)和s3(t)這3條曲線的變化情況可以得出如下結論。

(1) 丟棄率一定的條件下,生成速率越大,開始時有效態勢感知水平增長越快,也就是s1(t)開始增長最快,s3(t)開始增長最慢,這體現了性質1,說明s1(t)達到最佳感知水平的速度最快,從圖中的峰值也看出s1(t)達到的態勢感知水平最高。

(2) 從s1(t)，s2(t)和s3(t)這3條曲線的變化情況可以看到,有效態勢感知水平達到最高點后會快速衰減。特別是當t>6之后,較快達到最高態勢感知水平的主體A,其態勢感知水平曲線會變得更低。這是因為,對于態勢感知主體A,如果獲得的態勢感知程度水平高,在生成預測信息后,它(他)會將CAS中已經無效的理解信息迅速丟棄,以便有更多感知資源去完成下一步的任務。在利用態勢感知測度函數比較態勢感知水平時,達到最佳態勢感知水平的程度和形成時間是最為關鍵的兩個因素。

5　結束語

本文對態勢感知過程的分析及相關數學模型的建立,主要有兩方面的意義:①不同于通行的基于情景實驗的數理統計分析方法,本文采用了基于量化參數的概念化分析對態勢感知能力和態勢感知過程進行解析化理論分析,屬于是研究方法上的創新。通行的基于統計或者是框架式的概念分析,其優勢是可以對特定領域(比如飛行員、網絡態勢等)的感知特點進行深入分析,缺點是無法在更為廣義的層次和對復雜的系統進行解析分析和參數計算,特別是在概念模型設計階段,統計法不能滿足設計所需。同時,以往的文獻很少在態勢感知基礎理論方面開展工作,大多數是以態勢感知領域應用最廣的Ensley概念模型作為基礎[31],開展應用研究。而采用可量化參數的分析思路以及解析化方法,可以從認知行為機理的角度對整個態勢感知過程進行量化分析。②建立了一個符合實際情況的具體可分析計算的態勢感知數學模型,從而說明用理論的方法而非統計的方法,解析化分析計算和比較態勢感知水平可行。通過對模型算例的分析計算,得到了符合實際預期的結果,雖然這是一種抽象意義上的分析結果,但是這表明了在各種不同系統條件下對態勢感知進行一般性的分析計算是可能的,這也為分析各種大型綜合信息系統的態勢感知能力提供了一種分析方法。

雖然對態勢感知的形式化解析計算進行了一些研究,但是還有更多重要問題需要進一步研究,比如,文獻[32]指出,體系態勢感知的真正挑戰在于,復雜的實時交互過程以及大量的循環反饋過程、觀察的不確定性、體系的柔性配置等都會對態勢感知產生很大影響,如何將本模型應用到不同的體系結構,對其進行態勢感知分析仍然是一項重要而復雜的研究任務。

[1] Paul M S, Neville A S, Guy H W. Measuring situation awareness in complex systems: comparison of measures study[J].InternationalJournalofIndustrialErgonomics,2009,39(3):490-500.

[2] Durso F T, Gronlund S D.Situationawareness[M]. Handbook of Applied Cognition. New York:Wiley,1999:283-314.

[3] Endsley M R.Situationawarenessinaviationsystems[M]. Handbook of Aviation Human Factors, New York: Erlbaum, 1999: 257-276.

[4] Hoff D N, Folleso K, Strand-Volden F, et al. Development of a situation awareness measure to evaluate advanced alarm systems in nuclear power plant control rooms[J].Ergonomics, 2007, 38(11):2394-2413.

[5] Webb J, Ahmad A, Maynard S B, et al. A situation awareness model for information security risk management[J].Computers&Security, 2014, 44(2):1-15.

[6] Endsley M R, Jones W M. Situation awareness, information dominance & information warfare[R]. United States Air Force Armstrong Laboratory, 1997.

[7] Paul S, Neville S, Guy W, et al. Situation awareness measurement: a review of applicability for C4I environments[J].AppliedErgonomics, 2006, 37(2):225-238.

[8] Endsley M R, Garland D J. Situation awareness analysis and measurement[R]. Mahwah, NJ: Erlbaum, 2000.

[9] Saner L D,Bolstad C A,Gonzalez C, et al. Measuring and predicting shared situation awareness in teams[J].JournalofCognitiveEngineeringandDecisionMaking, 2009, 3(3):280-308.

[10] Jones R E T, Connors E S, Mossey M E, et al. Modeling situation awareness for army infantry platoon leaders using fuzzy cognitive mapping techniques[J].ComputationalandMathematicalOrganizationTheory, 2011, 17(3):272-295.

[11] Kokar M M, Endsley M R. Situation awareness and cognitive modeling[J].IEEEIntelligentSystems, 2012, 27(27):91-96.

[12] Kirlik A, Strauss R. Situation awareness as judgment I: statistical modeling and quantitative measurement[J].InternationalJournalofIndustrialErgonomics, 2006, 36(5):463-474.

[13] Kirlika A, Strauss R. Situation awareness as judgment II: experimental demonstration[J].InternationalJournalofIndustrialErgonomics, 2006, 36(5):475-484.

[14] Carpenter R H S.Oculomotorprocrastinationineyemovements:cognitionandvisualperception[M]. Eye Movement,1981:237-246.

[15] Nakahara H, Nakamura K, Hikosaka O. Extended later model can account for trial-by-trial variability of both pre-and post-processes[J].NeuralNetworks, 2006, 19(8):1027-1046.

[16] Martin F. A theory of RT distributions[R]. Laboratoire de Psychologie Cognitive, 2009.

[17] Kingston G, Martell C. Degrees of shared awareness[C]∥Proc.ofthe9thInternationalCommandandControlResearchandTechnologySymposium, 2004.

[18] Monsuur H. Assessing situation awareness in networks of cooperating entities: a mathematical approach[J].MilitaryOperationsResearch, 2007, 12(3):5-15.

[19] Sharma S, Ivancevic V G. Nonlinear dynamical characteristics of situation awareness[J].TheoreticalIssuesinErgonomicsScience, 2010, 11(5):448-460.

[20] Meng H, Zhang D. Model of situation awareness velocity under continuous changing situation[J].SystemsEngineeringandElectronics, 2009, 31(12):2909-2913. (孟輝, 張東戈. 連續態勢變化條件下態勢感知速度模型[J].系統工程與電子技術, 2009, 31(12):2909-2913).

[21] Wang X, Yao P Y, Zhou X X, et al. Efficiency model of cooperative situation awareness based on logistic equation[J].ElectronicsOptics&Control,2011,18(10):6-10.(王欣,姚佩陽,周翔翔.Logistic方程在協同態勢感知效能分析上的應用[J].電光與控制,2011, 18(10):6-10).

[22] Yang Y L, Gao X G. A model framework of situation awareness for uninhabited combat air vehicle[J].FlightDynamics, 2003, 21(3):6-9. (楊有龍, 高曉光. 無人戰斗機的態勢感知模型框架[J].飛行力學, 2003, 21(3):6-9).

[23] Zhao Z G, Li J L, Wang K. The concept, structure and efficiency of battlefield situation assessment[J].JournalofChinaAcademyofElectronicsandInformationTechnology, 2010,5(3):226-230.(趙宗貴, 李君靈, 王珂. 戰場態勢估計概念、結構與效能[J].中國電子科學研究院學報, 2010,5(3):226-230).

[24] Li Y, Liu G, Lao S. A new interpretation of battle field situation and battle situation assessment[J].FireControl&CommandControl, 2012,37(9):1-5.(李赟,劉鋼,老松楊.戰場態勢及態勢估計的新見解[J].火力與指揮控制,2012,37(9):1-5).

[25] Bai J, Xia J, Zhong Y, et al. Network running situation awareness technology and its model[J].JournalofPLAUniversityofScienceandTechnology(NaturalScienceEdition),2015,16(1):16-22).(柏駿,夏靖波,鐘赟,等.網絡運行態勢感知技術及其模型[J].解放軍理工大學學報(自然科學版),2015,16(1):16-22).

[26] Endsley M R. Toward a theory of situation awareness in dynamic systems[J].HumanFactors, 1995, 37(1):32-64.

[27] Endsley M R. Measurement of situation awareness in dynamic systems[J].HumanFactors, 1995, 37(1):65-84.

[28] Baddeley A D. The episodic buffer: a new component of working memory?[J].TrendsinCognitiveScience, 2000, 4(11):417-423.

[29] Mayer R E.Multimedialearning[M]. 2nd ed. New York: Cambridge University Press, 2009: 57-59.

[30] Gonzalez C, Wimisberg J. Situation awareness in dynamic decision making: effects of practice and working memory[J].JournalofCognitiveEngineering&DecisionMaking, 2007, 1(1):56-74.

[31] Endsley M R. Situation awareness misconceptions and misunderstandings[J].JournalofCognitiveEngineering&DecisionMaking, 2015, 9(1):4-32.

[32] Laar P V D, Tretmans J, Borth M.Situationawarenesswithsystemsofsystems[M]. Springer, 2013: 39-53.

Analytical measurement model of situation awareness

ZHANG Dong-ge1, MENG Hui2,3, ZHAO Hui-yun1

(1. College of Command Information Systems, PLA University of Science and Technology, Nanjing 210007, China;2. Research Center for Philosophy of Science and Technology, Shanxi University, Taiyuan 030006, China;3. Military Representative Office of Taiyuan Railway Bureau, Taiyuan 030013, China)

To analytically describe and calculate the situation awareness of certain operator is an important but still unresolved issue in research of situation awareness. On the basis of the Endsley’s situation awareness model, we quantitatively define the number of the flowing information packages, time cost, information processing rate and valid time of the information in the situation awareness process. In addition, we conclude five hypotheses about the principles of the information process based on practical experience, and a mathematical model to analytically measure situation awareness of operators is established according to the hypotheses. Validity of our model is verified by case study.

situation awareness; Endsley model; measure function; analytical calculation

2015-01-08；

2016-02-16；網絡優先出版日期：2016-05-12。

國家自然科學基金(61174198)；全軍軍事學研究生課題(2011JY002-163)資助課題

TP 391

A

10.3969/j.issn.1001-506X.2016.08.15

張東戈(1965-),男,教授,主要研究方向為復雜軍事系統分析、態勢感知理論與技術、軍事信息學、軍事運籌學。

E-mail:DongGeZhang@hotmail.com

孟輝(1981-),男,工程師,博士研究生,主要研究方向為科技哲學、軍事信息學、軍事復雜系統分析。

E-mail:MengHui032200@126.com

趙慧赟(1990-),女,博士研究生,主要研究方向為軍事復雜系統分析。

E-mail:zhaohuiyun1819@126.com

網絡優先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160512.0913.012.html