文献综述（或调研报告）:
（1）态势评估技术国内外研究现状:
态势评估是信息融合技术的重要过程,这一概念最早应用于军事领域内, 是对战场上环境要素进行感知, 分析当前战场状况并预测战场走势。自上世纪七十年代至今的三十多年中,国内外已经发展了许多态势评估相关理论及研究方法。在理论研究上,主要分为功能模型和数据型模型。在 20 世纪 80 年代,功能模型主要有 UK 情报环形和 Boyd控制回路模型,数据模型则主要是以美国国防部实验室联合理事会在 1984 年提出了 JDL模型为代表。UK 情报环把信息处理作为一个环形结构,包括采集、整理、评估和分发四个步骤,这种模型的优点是信息可达性好,能够保证信息不受破坏,缺点是应用范围较小。Boyd 提出的控制回路模型即 ODDA 环,包括四个阶段:观测、定向、决策和执行,该模型的优点使各个阶段闭合成环,减少信息丢失,而不足之处在于决策和执行阶段对其他阶段的影响能力较低。 JDL 模型是一个分层结构,分为三级,包括:目标识别,态势估计及威胁等级划分。JDL 模型为后来态势评估的研究具有重要影响。到 20 世纪90 年代, Bedworth 和 Orsquo;Brien 通过对比各种模型的优缺点,综合分析后提出了 Omnibus混合模型[1],该模型既有 Waterfall 层次清晰的特点,也具有 Boyd 环路控制模型的闭合特点。进入 21 世纪后,态势评估模型的开发不单单集中于军事领域,在其他领域内态势评估的研究也取得了相应的进展。首先在军事领域内,James[2]等人将 JDL 模型进行修改和扩展,加强了信息感知功能,增加了信息处理的途径和方法,包括在信息融合过程中,使用归纳演绎推理,增加质量控制和一致性分析,保证态势估计的准确性,将知识推理的方法应用到态势估计过程中,以适应目前流行的分布式信息融合。在其他领域内,Tim Bass[3]第一次将态势评估的概念引入到网络安全检测当中,并建立网络安全态势感知模型； U.Scheunert[4]等人通过对 JDL 模型的修改和拓展,将其运用到智能交通领域,处理交通突发事件前期态势的预测。
相对国外,国内态势评估起步较晚,国内学术理论在 90 年代才逐渐出现。国防科技大学在态势评估建模方面取得一定进展,姚春燕[5]建立了基于时空推理的态势评估方法,认为事件的发生是一个持续性过程,把时间序列引入到事件的发展之中,利用似然比检验理论,估计不确定时间顺序的方法；李兵[6]利用条件代数知识库方法,给出事件条件证据的组合方法。西安电子科技大学态势评估的研究也相对较多,王三民[7]、李伟生通过构建贝叶斯网络,利用贝叶斯网络进行态势评估；李伟生[8]建立了基于模板和多Agent 模型的态势评估方法；王晓帆[9]基于粗糙集的方法,分析了态势察觉中信息的不确定性。
- 贝叶斯网络的国内外研究现状:
贝叶斯网络的定义是由 Pearl提出的,他对贝叶斯网络推理、信息传播、网络构建进行了早期的研究［10］；Dagum amp; Luby指出并证明了贝叶斯网络中的概率推理是NP难题［11］。N.Fredman对缺失数据的贝叶斯网络学习进行了研究；D.Heckerman对贝叶斯网络的结构学习进行了研究；S.Shetty利用SGA(语义遗传算法)进行网络结构的学习。美国Microsoft公司对贝叶斯网络的研究较为深入,并开发出基于Windows平台的相关软件,用于贝叶斯网络的建造和推理。在网络推理学习方面,研究熟点主要是贝叶斯网络的推理机制、对不确定性知识的表达以及从数据中进行贝叶斯网络学习的方法。基于贝叶斯网络的推理通常可分为精确推理和近似推理两个方法,主要研究高效的推理算法。在网络规模比较小时,一般采用精确推理算法,如基于Poly Tree Propagation的算法［12］、基于Clique Tree Propagation的算法［13］、基于Graph Reduction Propagation的算法、基于组合优化问题的求解方法等。当网络规模比较大时,采用近似推理算法,如基于Monte Carlo基本思想的Straight Simulation、Likelihood Weighting、Forward Simulation等算法和基于搜索的方法。
国内对于贝叶斯网络的研究起步较晚,但是最近几年在数掘挖掘领域和故障分析领域大量学者对贝叶斯网络进行了深入研究。清华大学的林士敏［l4］和武汉大学的黄解军将贝叶斯网络应用于数据挖掘。清华大学电机系的曹冬明等［15］利用贝叶斯网络技术进行故大连理工大学硕十学位论文障定位,西安电子科技大学计算机学院的李伟生等［16］将贝叶斯网络用于规划识别,上海交通大学电子信息学院的邓勇等［17］将贝叶斯网络用于模型诊断,国防科技大学的李检川［18］将贝叶斯应用于故障诊断和维修决策,霍利刚［19］使用贝叶斯网络进行电力系统可靠性评估等等。
国内外在交通领域中贝叶斯网络的应用研究也取得了一定进展,例如Cheol oh［20］将贝叶斯网络应用于交通危急状况的警告系统。清华大学的张长水［21］将贝叶斯网络应用于交通流预测,重庆大学［22］将贝叶斯网络应用于交通事故的预测,武汉理工大学［23］用贝叶斯网络在桥梁故障诊断方面做了一些研究工作,吉林大学［24］把贝叶斯网络应用于交通信息系统取得了一定的研究成果,欧海涛、张卫力等对贝叶斯学习的城市交通多智能体系统进行了研究。
- 现有成果总结
在态势评估方面,国内外在其实现方法的研究上取得了较大进展。实现态势评估系统的方法很多,主要的实现技术有:品质因数方法、模板技术、基于知识的系统、贝叶斯网络、模糊逻辑技术、遗传算法等。品质因数法开发困难,模版技术法数据结构静态,基于知识的系统推理方法单一,模糊逻辑技术和遗传算法只能辅助,这几类技术根本不适应交通突发事件发展的不确定性以及实时处理的需求。但贝叶斯网络技术具有以下优点:
1）贝叶斯网络的推理是基于概率论中的贝叶斯公式进行的,有较强的数学基础,避免了其他系统中人为因素的干扰；
2）突发事件态势评估要素通常较难获得非常完整的数据,因此在数据不完整的情况下能够较为准确的对事件进行评估显得尤为重要。贝叶斯网络采用定量和定性相结合的方法,能够在数据缺失的情况下较好的完成整个事件的推理,并进行概率表示；
