Дуленко В.А. кандидат технических наук, доцент, Уфимский государственный авиационный технический университет

Пестриков В.А. кандидат технических наук, доцент, Уфимский филиал Северо-Западного института повышения квалификации ФСКН России

НЕКОТОРЫЕ ПОДХОДЫ К ПОСТРОЕНИЮ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЕКТАХ «БЕЗОПАСНЫЙ ГОРОД»

Существующие подходы к созданию городской системы комплексной безопасности основаны на сборе информации с различных источников (датчиков, систем) и её последующем хранении и обработке с помощью соответствующих методов (технологий), причем анализ полученной информации на практике часто производится «вручную», т.е. конкретный оператор распознает номера машин, места парковок, складывающуюся ситуацию на объекте и т.д.

Однако, для создания эффективной городской системы безопасности этого явно недостаточно. Необходимо применение современных систем поддержки принятия решений, использующих методы теории распознавания образов и ситуационного управления. Вместе с тем, как уже отмечалось в настоящее время подобные системы ориентированы в основном на использование информации, получаемой от систем наружного видеонаблюдения.

В общем случае, системы поддержки принятия решений (СППР) (от англ. – Decision Support Systems, DSS) представляют собой класс автоматизированных информационных систем, поддерживающих деятельность лица, принимающего решения (ЛПР). Одним из основных компонентов СППР является экспертная подсистема, основанная на правилах (или прецедентах) и соответствующих механизмах вывода.

Выделяют несколько классов СППР:

· экспертные системы, или системы, основанные на знаниях (Knowledge – Based Systems);

· системы вывода, основанные на прецедентах (Case – Based Reasoning , CBR);

· информационные СППР, использующие архивы электронных инструкций.

Остановимся вкратце на характеристиках этих систем.

Экспертные системы – это системы, целью функционирования которых является формирование рекомендаций по решению проблем, интересующих пользователя, на основе накопленных знаний и опыта в конкретной предметной области. По своей структуре, экспертная система – это интеллектуальная система, включающая базу знаний и механизм вывода, а также компоненты обучения и объяснения выдаваемых рекомендаций.

Алгоритм обработки знаний для решения проблем называется механизмом логического вывода и определяется моделью представления знаний. Механизм логического вывода активно использует информацию, содержащуюся в базе знаний, для поиска правил и формирования рекомендаций по принятию решений в форме рекомендаций (советов) или команд управления.

Для общения с экспертной системой создается интерфейс пользователя, обеспечивающий пользователю возможность в диалоге формулировать запросы к экспертной системе и вводить исходные данные по интересующей пользователя проблеме, а также представлять рекомендации экспертной системы. Для объяснения рекомендаций, формируемых экспертной системой, служит объяснительная компонента экспертной системы, которая обычно ссылается на правила, использованные механизмом вывода в процессе решения задач. Для накопления новых знаний служит компонента обучения.

Формализм описания знаний называется моделью представления знаний. Знания в экспертных системах могут быть представлены с помощью различных моделей: логической, продукционной, фреймовой, объектно–ориентированной, естественной, гибридной и прочих. В большинстве экспертных систем знания представлены в форме правил–продукций «Если…, то…». В экспертных системах выбор модели представления знаний определяет возможности используемой базы знаний.

Например, знания о принятии решений в конкретной ситуации могут быть представлены в виде логической модели, и их обработка с помощью средств логического вывода позволяет получать некоторые предпочтения на множестве альтернатив с целью выбора одной из них. Модели представления знаний разрабатываются на основе знаний экспертов. Вместе с тем, так называемые «гибридные» экспертные системы могут использовать и традиционные алгоритмы, базирующиеся на уравнениях динамики или других известных вычислительных алгоритмах, что расширяет класс решаемых задач,

Системы вывода на основе прецедентов составляют альтернативу экспертным системам, основанным на правилах. Вместо классического контроля параметров объектов для оценки текущей ситуации при этом используется информация о том, как в подобных случаях поступали раньше, т.е. производится анализ прецедентов.

Прецедент – это описание проблемы или ситуации с подробным указанием действий, предпринимаемых в аналогичной ситуации для решения подобной проблемы. Подход, основанный на прецедентах, сводится к выполнению следующего алгоритма:

· получение подробной информации о текущей ситуации;

· сопоставление этой информации с признаками прецедентов, хранящихся в базе знаний, для выявления аналогичных прецедентов;

· выбор прецедента, наиболее близкого к текущей ситуации, из базы прецедентов;

· адаптация выбранного решения к текущей проблеме, если это необходимо;

· проверка эффективности полученного решения;

· занесение детальной информации о новом прецеденте в базу знаний (прецедентов).

Таким образом, вывод, основанный на прецедентах, представляет собой метод вывода решения относительно данной проблемы или ситуации по результатам поиска аналогий, хранящихся в базе прецедентов.

Вывод, основанный на прецедентах, связан с обращением к прошлому опыту, а не к цепочке дедуктивных выводов, поэтому в ряде случаев он имеет серьезные преимущества по сравнению с выводом, основанным на правилах. Подобное свойство человеческого мышления позволяет при дефиците времени на обдумывание и логические выводы иметь наготове наиболее удачный прошлый опыт. Для получения дополнительной информации, облегчающей осознание проблемы, человек (оператор) приводит аналогии с прецедентами, имевшими место в прошлом. Чтобы обеспечить наиболее адекватный отклик человека на возникшую ситуацию, необходима поддержка принятия решений, осуществляемая на основе использования прошлого опыта управления, зафиксированного в базе знаний.

Обратная связь, возникающая при сохранении решений для новых ситуаций, означает, что система выводов на основе прецедентов по своей сути является «самообучающейся» технологией, т.е. рабочие характеристики базы прецедентов с течением времени и накоплением опыта непрерывно улучшаются.

Информационные системы поддержки принятия решений (ИСППР) – это диалоговые системы, которые обеспечивают пользователю доступ к моделям принятия решения и данным для того, чтобы поддержать слабоструктурированные и неструктурированные задачи принятия решений. К структурированным относят такие задачи, которые могут быть решены известными аналитическими методами. Полуструктурированные или неструктурированные задачи принятия решений – те, в которых есть необходимость в дополнительной информации, конкретных знаниях или экспертных знаниях, что не входит в алгоритмический процесс.

ИСППР обеспечивает поддержку лицу, принимающему решения, помогая в организации и обеспечивая доступ к результатам моделирования. Эта процедура отличается от принятия решений с помощью экспертных систем и от обеспечения отчетами по запросам к базам данных или выполнения повторяющегося процесса обработки, как это делается в традиционных информационных управляющих системах. Более мощные ИСППР, включающие базу знаний и машину вывода, должны находить наилучшее решение проблемы, а не только более или менее предпочтительное.

Функциями ИСППР при управлении в экстремальных ситуациях являются:

- предоставление необходимых данных о состоянии объекта в экстремальных ситуациях;

- анализ экстремальной ситуации;

- разрешение экстремальной ситуации (нахождение оптимального или удовлетворительного решения);

- объяснение рекомендуемого решения.

В классе систем поддержки принятия решений обычно выделяется отдельный класс систем оперативной аналитической обработки (OLAP, On–Line Analysis Processing), однако в современных системах поддержки принятия решений, данные системы используются главным образом на начальных этапах обработки информации (первичная обработка и анализ данных, получение знаний из имеющихся «сырых» данных).

Проведенный анализ показывает, что наиболее перспективным для решения указанного класса задач является построение СППР в классе гибридных систем на основе объединения механизмов вывода экспертных систем, основанных на знаниях, и систем вывода по прецедентам (Case Based Reasoning), что позволяет более адекватно охватить различные классы экстремальных ситуаций (ЭС) и, в конечном итоге, повысить оперативность и эффективность принимаемых решений по управлению в ЭС.