關(guān)于PNT智能服務(wù)的研究
楊元喜1,2, 楊誠(chéng)3, 任夏1,2
1. 地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710054;
2. 西安測(cè)繪研究所, 陜西 西安 710054;
3. 中國(guó)地質(zhì)大學(xué)(北京)土地科學(xué)技術(shù)學(xué)院, 北京 100083
基金項(xiàng)目：國(guó)家自然科學(xué)基金(41931076;L1924033);國(guó)家自然科學(xué)基金青年基金(41804036;41904042)
定位導(dǎo)航定時(shí)(PNT)發(fā)展的重要方向是智能PNT服務(wù)。智能PNT服務(wù)必須首先感知用戶PNT服務(wù)需求， 以及用戶所處的相關(guān)環(huán)境， 進(jìn)而實(shí)現(xiàn)多源PNT信息智能集成、觀測(cè)模型智能優(yōu)化及多源PNT信息智能融合，最終實(shí)現(xiàn)PNT信息的智能推送。
本文從PNT智能感知、智能模型、智能數(shù)據(jù)融合到智能服務(wù)各個(gè)環(huán)節(jié)論述“智能PNT”的關(guān)鍵技術(shù)， 并分析其內(nèi)涵；提出PNT信息智能集成的“可用性準(zhǔn)則”, PNT觀測(cè)函數(shù)模型智能優(yōu)化的“可靠性準(zhǔn)則”， PNT多源觀測(cè)隨機(jī)模型優(yōu)化依據(jù)的“不確定性準(zhǔn)則”， 多源PNT信息融合的“精確性準(zhǔn)則”， PNT服務(wù)的“高效性準(zhǔn)則”及高動(dòng)態(tài)用戶的“連續(xù)性準(zhǔn)則”。分析認(rèn)為， 綜合PNT是彈性PNT的基礎(chǔ)， 彈性PNT是智能PNT的基礎(chǔ)，智能PNT是PNT服務(wù)的重點(diǎn)發(fā)展方向。
關(guān)鍵詞：定位 導(dǎo)航定時(shí) 智能感知 智能模型 智能融合 智能服務(wù)
引文格式：楊元喜, 楊誠(chéng), 任夏. PNT智能服務(wù)[J]. 測(cè)繪學(xué)報(bào)，2021，50(8)：1006-1012. DOI: 10.11947/j.AGCS.2021.20210051
YANG Yuanxi, YANG Cheng, REN Xia. PNT intelligent services[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(8): 1006-1012. DOI: 10.11947/j.AGCS.2021.20210051
人工智能(artificial intelligence，簡(jiǎn)稱AI)是計(jì)算機(jī)科學(xué)的一個(gè)分支。自從20世紀(jì)50年代人工智能理論被提出，已經(jīng)滲入到各行各業(yè)，擁有較為完整的理論框架和算法體系[3]。人工智能的核心是將專家智慧變成機(jī)器智能，實(shí)現(xiàn)機(jī)器代替人的行為和操作。主要分支領(lǐng)域包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)[3-4]。
近幾年，人工智能的發(fā)展，促進(jìn)了測(cè)繪科學(xué)與技術(shù)的智能化進(jìn)展。在互聯(lián)網(wǎng)人與人信息便捷交互的大背景下，滿足人與社會(huì)及人與環(huán)境多種需求的泛在測(cè)繪成為可能[5]。但是，要實(shí)現(xiàn)智能化測(cè)繪與服務(wù)需求，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)必須向具有精準(zhǔn)時(shí)空位置感知能力的泛在網(wǎng)演進(jìn)；在綜合對(duì)地觀測(cè)日臻完善的大背景下，各類地理空間信息將十分豐富，于是，未來(lái)實(shí)現(xiàn)用戶定位、導(dǎo)航、授時(shí)、影像及地理信息的實(shí)時(shí)智能服務(wù)不僅成為可能，而且會(huì)將成為趨勢(shì)[6]；特別是，在空天地集成化傳感網(wǎng)的支持下，實(shí)現(xiàn)城市的智能感知、智能決策，即所謂的智慧城市將是智能測(cè)繪發(fā)展的重點(diǎn)[7]。
在衛(wèi)星遙感領(lǐng)域，智能化遙感衛(wèi)星和智能化在軌衛(wèi)星遙感影像處理可能成為未來(lái)的發(fā)展趨勢(shì)[8]；隨著各種實(shí)時(shí)影像采集方法與手段的進(jìn)步，如激光掃描、傾斜攝影等海量影像數(shù)據(jù)的出現(xiàn)，如何從海量數(shù)據(jù)中快速、精確獲取有效的三維地理信息成為測(cè)繪地理信息領(lǐng)域迫切需要解決的難題。于是點(diǎn)云數(shù)據(jù)的智能處理將成為重點(diǎn)研究方向之一[9]。
在PNT領(lǐng)域，人工智能也有著廣泛的應(yīng)用前景[10-11]。但是，迄今為止，PNT體系的智能往往側(cè)重PNT信息的智能建模，如附加系統(tǒng)誤差補(bǔ)償參數(shù)的觀測(cè)模型優(yōu)化[12]，附加周期誤差補(bǔ)償函數(shù)的水下聲吶定位觀測(cè)模型等；有的側(cè)重于觀測(cè)隨機(jī)模型的智能調(diào)整，如基于方差分量估計(jì)的隨機(jī)模型調(diào)整法[13-14]等；在動(dòng)態(tài)導(dǎo)航方面，自適應(yīng)Kalman濾波也采用了智能調(diào)整動(dòng)力學(xué)模型貢獻(xiàn)的方法，降低異常動(dòng)力模型對(duì)動(dòng)態(tài)導(dǎo)航的影響[15-16]。
但是，無(wú)論是智能PNT體系，還是智能PNT服務(wù)或智能PNT應(yīng)用，都需要真正將計(jì)算機(jī)領(lǐng)域的人工智能與PNT服務(wù)相結(jié)合，解決PNT應(yīng)用與服務(wù)的智能化問(wèn)題，例如，PNT應(yīng)用與服務(wù)的專家系統(tǒng)的構(gòu)建，PNT服務(wù)的知識(shí)圖譜建設(shè)，智能PNT服務(wù)的深度學(xué)習(xí)方法等，都需要深入研究與探討。
智能PNT服務(wù)可定義為：將PNT專家的思想、知識(shí)和用戶的需求相結(jié)合，并實(shí)現(xiàn)算法優(yōu)化，建立適應(yīng)用戶需求的專家系統(tǒng)，再將PNT專家系統(tǒng)轉(zhuǎn)化到機(jī)器可識(shí)別的知識(shí)圖譜，最后實(shí)現(xiàn)PNT智能保障和智能服務(wù)的全過(guò)程。
PNT專家系統(tǒng)生成的“智”要轉(zhuǎn)化成“能”還必須解決PNT感知與服務(wù)的邏輯推理問(wèn)題，即將PNT專家系統(tǒng)轉(zhuǎn)化為“PNT腦”，使其具備感知、分析、識(shí)別、推理和決策的能力。如此，需要將PNT專家的知識(shí)轉(zhuǎn)化為“規(guī)則”，進(jìn)而表示成計(jì)算機(jī)可理解的語(yǔ)言(即專家知識(shí)表示)，也就是用計(jì)算機(jī)符號(hào)表示PNT專家大腦中的知識(shí)，并通過(guò)符號(hào)之間的運(yùn)算模擬PNT專家大腦的推理過(guò)程，實(shí)現(xiàn)PNT專家或工程師的知識(shí)以及PNT用戶需求的“可讀、可寫、可視、可分析、可推理”，即用邏輯支撐語(yǔ)義，生成知識(shí)圖譜(knowledge graph)。
PNT的專家知識(shí)和知識(shí)圖譜要轉(zhuǎn)化成PNT服務(wù)智能，還必須實(shí)時(shí)感知PNT用戶的實(shí)際需求和實(shí)際PNT應(yīng)用環(huán)境，于是各類PNT信息的“可用性感知”和PNT信息的“可靠性判斷”也是智能PNT應(yīng)用的先決條件。這種感知PNT的應(yīng)用環(huán)境和判斷PNT信息的可用性、可靠性和精確性等屬于機(jī)器學(xué)習(xí)范疇。機(jī)器學(xué)習(xí)是根據(jù)專家知識(shí)和知識(shí)圖譜實(shí)現(xiàn)PNT智能的重要環(huán)節(jié)。理解用戶需求是一種“學(xué)習(xí)”，判斷PNT信息的可用性、可靠性和連續(xù)性等也是“學(xué)習(xí)”。實(shí)時(shí)或準(zhǔn)實(shí)時(shí)“學(xué)習(xí)”是了解PNT環(huán)境、獲取新的知識(shí)或技能的重要途徑，也是重新優(yōu)化已有的PNT模型和知識(shí)結(jié)構(gòu)的重要內(nèi)容。
監(jiān)督學(xué)習(xí)通過(guò)對(duì)有標(biāo)簽(參考模型或參考標(biāo)簽)的數(shù)據(jù)進(jìn)行訓(xùn)練，以某種誤差最小準(zhǔn)則，構(gòu)建模型誤差與參考模型誤差之間的函數(shù)關(guān)系，從而在更廣泛的應(yīng)用中對(duì)模型誤差進(jìn)行修正，實(shí)現(xiàn)所謂的機(jī)器智能。如神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)[19]就屬于監(jiān)督學(xué)習(xí)法，已有不少學(xué)者利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)進(jìn)行動(dòng)力學(xué)模型改進(jìn)研究[20-22]。
半監(jiān)督學(xué)習(xí)法與監(jiān)督學(xué)習(xí)法的區(qū)別在于，參考模型(標(biāo)簽)不足以作為模型優(yōu)化的參考，特征較少，一般是綜合利用具有部分參考標(biāo)簽的有限樣本進(jìn)行學(xué)習(xí)，獲得標(biāo)簽數(shù)據(jù)和特征參數(shù)之間較為精確的函數(shù)關(guān)系。半監(jiān)督學(xué)習(xí)法已經(jīng)在室內(nèi)定位方面開(kāi)展過(guò)嘗試[23]。
無(wú)監(jiān)督學(xué)習(xí)法無(wú)須足夠的先驗(yàn)知識(shí)，或者參考信息，一般利用訓(xùn)練樣本解決類別未知(沒(méi)有被標(biāo)記)的模式識(shí)別問(wèn)題，稱之為無(wú)監(jiān)督學(xué)習(xí)。無(wú)監(jiān)督學(xué)習(xí)的典型例子是聚類學(xué)習(xí)[27]，聚類學(xué)習(xí)的目的是將相似的內(nèi)容聚在一起，計(jì)算相似度；此外，還有分割聚類算法如k-means算法、k-medoids算法和k近鄰學(xué)習(xí)等[27]。無(wú)監(jiān)督學(xué)習(xí)可以用于導(dǎo)航衛(wèi)星信號(hào)的非視線傳輸(NLOS)的檢測(cè)問(wèn)題[28]。
如果沒(méi)有冗余PNT信息，即使有專家知識(shí)，也不能生成智能，也談不上用戶PNT服務(wù)的智能決策和智能服務(wù)。因?yàn)?，要將PNT科學(xué)家的“知”“識(shí)”“智”轉(zhuǎn)換成PNT用戶的“能”，需要足夠的感知信息、冗余信息，為各類智能學(xué)習(xí)提供基礎(chǔ)；如果還有標(biāo)簽信息(及外部參考信息)，則更能支持機(jī)器學(xué)習(xí)(監(jiān)督學(xué)習(xí))，實(shí)現(xiàn)PNT應(yīng)用的“智”與“能”。圖1給出了智能PNT信息生成的基本框架。
圖 1 專家知識(shí)轉(zhuǎn)換成機(jī)器智能流程
PNT智能服務(wù)的核心是：用最適合的PNT服務(wù)模式服務(wù)于最適合的用戶。這里涉及若干關(guān)鍵環(huán)節(jié)，每個(gè)環(huán)節(jié)都應(yīng)該遵循特定的準(zhǔn)則。
不同環(huán)境下，即使同一類PNT感知信息，受各類環(huán)境的影響，觀測(cè)誤差特性也會(huì)存在差別，于是，相應(yīng)的觀測(cè)模型所包含的誤差參數(shù)的特性和變化規(guī)律也應(yīng)該有所差別。通常認(rèn)為，“智能函數(shù)模型”一般是基于機(jī)器學(xué)習(xí)擬合模型誤差規(guī)律，進(jìn)而優(yōu)化觀測(cè)模型[11]，其中神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法[19-22, 29]是機(jī)器學(xué)習(xí)使用最為廣泛的智能學(xué)習(xí)方法之一。其實(shí)，有時(shí)很簡(jiǎn)單學(xué)習(xí)法也能起到函數(shù)模型智能優(yōu)化的效果。例如開(kāi)窗擬合法可以擬合模型系統(tǒng)誤差趨勢(shì)(類似于簡(jiǎn)單回歸分析建模)，并補(bǔ)償?shù)接^測(cè)模型中，用于改進(jìn)函數(shù)模型[12]，屬于函數(shù)模型智能優(yōu)化的一種；如果在函數(shù)模型中附加待定誤差補(bǔ)償參數(shù)項(xiàng)，如周期函數(shù)、指數(shù)函數(shù)、多項(xiàng)式等，使函數(shù)模型更適應(yīng)實(shí)際觀測(cè)或?qū)嶋H運(yùn)動(dòng)學(xué)特征，也屬于函數(shù)模型智能化的方法之一；所謂的彈性函數(shù)模型[2]實(shí)質(zhì)上也是函數(shù)模型智能化策略之一。
作為一個(gè)典型的海洋PNT智能建模的例子，文獻(xiàn)[30]針對(duì)不同海區(qū)的不同聲速變化和聲線彎曲，構(gòu)建了具有周期誤差函數(shù)項(xiàng)的觀測(cè)模型，這類模型的周期和振幅是根據(jù)不同海洋環(huán)境的變化而變化的，于是這類聲吶觀測(cè)模型不僅顯示了彈性化，也隱含了智能化。常用的函數(shù)模型優(yōu)化大多數(shù)不是監(jiān)督學(xué)習(xí)法，而是半監(jiān)督學(xué)習(xí)(即依據(jù)部分高精度參考信息實(shí)施模型誤差識(shí)別與智能優(yōu)化)或自監(jiān)督學(xué)習(xí)法(即根據(jù)模型參數(shù)估計(jì)后的觀測(cè)殘差，沒(méi)有任何外部參考信息的幫助的條件下，重新擬合模型系統(tǒng)誤差，并進(jìn)行模型優(yōu)化)。
特別強(qiáng)調(diào)，同時(shí)存在顯著的函數(shù)模型誤差和隨機(jī)模型誤差，則需要同時(shí)優(yōu)化函數(shù)模型和隨機(jī)模型，這類混合智能模型優(yōu)化十分困難，值得深入研究。
筆者早期建立的自適應(yīng)Kalman濾波[15-16]理論，將動(dòng)力學(xué)模型信息與實(shí)時(shí)PNT感知信息實(shí)施自適應(yīng)融合，即根據(jù)動(dòng)力學(xué)模型信息與觀測(cè)模型信息的偏差，確定動(dòng)力學(xué)模型信息和觀測(cè)信息在PNT融合結(jié)果中的貢獻(xiàn)，這是簡(jiǎn)單的智能融合；之后建立的多源導(dǎo)航傳感器自適應(yīng)融合模型[33]也屬于PNT信息的智能數(shù)據(jù)融合。當(dāng)然，智能PNT數(shù)據(jù)融合存在復(fù)雜的環(huán)境適應(yīng)性判斷，需要實(shí)時(shí)感知各類PNT觀測(cè)信息的不確定性和觀測(cè)模型的可靠性。
當(dāng)“綜合PNT服務(wù)平臺(tái)”感知用戶需求，并能實(shí)施用戶需求的智能判斷，則可以實(shí)現(xiàn)對(duì)用戶PNT服務(wù)的智能推送。顯然，智能PNT服務(wù)的核心是為合作用戶提供或推薦多手段集成的最實(shí)用的、最精確的、最可靠的PNT信息。上述智能PNT服務(wù)流程及遵循的準(zhǔn)則如圖2所示。
智能PNT的核心是智能PNT服務(wù)和應(yīng)用。只有將PNT專家的“知”與“識(shí)”規(guī)則化，生成PNT應(yīng)用的“智”，即專家知識(shí)庫(kù)，計(jì)算機(jī)才能識(shí)別和利用專家知識(shí)；在專家知識(shí)庫(kù)的基礎(chǔ)上，還需進(jìn)一步生成PNT知識(shí)圖譜，使專家知識(shí)轉(zhuǎn)化成計(jì)算機(jī)可識(shí)別的語(yǔ)言，為智能PNT的“能”提供基礎(chǔ)。
PNT智能服務(wù)的準(zhǔn)則可以歸納為：PNT信息集成的可用準(zhǔn)則，函數(shù)模型智能優(yōu)化的可靠性準(zhǔn)則，隨機(jī)模型智能優(yōu)化的不確定性準(zhǔn)則，信息智能融合的精確性準(zhǔn)則，大眾用戶PNT信息智能應(yīng)用的高效性準(zhǔn)則，以及高安全用戶PNT應(yīng)用的高連續(xù)性和完好性準(zhǔn)則。
總體來(lái)說(shuō)，PNT智能服務(wù)是感知、經(jīng)驗(yàn)、理論、模型、技術(shù)、方法、效能的綜合，智能PNT體系及智能PNT應(yīng)用的研究才剛剛起步，需要研究的內(nèi)容十分豐富。
作者簡(jiǎn)介
第一作者簡(jiǎn)介：楊元喜(1956—)，男，博士， 研究員，中國(guó)科學(xué)院院士，主要從事動(dòng)態(tài)大地測(cè)量數(shù)據(jù)與衛(wèi)星導(dǎo)航數(shù)據(jù)處理研究。
更多行業(yè)動(dòng)態(tài)資訊
