автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Онтология и модели для информационной поддержки управления кризисными ситуациями с множественными угрозами

На правах рукописи

Мещерин Сергей Андреевич

онтология и модели для информационной поддержки управления кризисными ситуациями с множественными угрозами

05.13.01 - Системный анализ, управление и обработка информации (информационно-вычислительное обеспечение)

2 8 НОЯ 2013

автореферат

диссертации на соискание ученой степени кандидата технических наук

г. Москва-2013

005539717

005539717

Работа выполнена на кафедре физико-технической информатики Московского физико-технического института (МФТИ (ГУ)).

Научный руководитель: кандидат физико-математических наук, доцент,

Кириллов Игорь Александрович, ведущий научный сотрудник НИЦ «Курчатовский институт», г. Москва

Официальные оппоненты:

доктор физико-математических наук, доцент Хорошевский Владимир Фёдорович, заведующий сектором интеллектуальных прикладных систем в вычислительном центре РАН им. Дородницына, г. Москва

Ведущая организация:

доктор технических наук, профессор, Хачумов Вячеслав Михайлович, заведующий лабораторией 0-4 «Методы интеллектуального управления» ФГБУН Института системного анализа Российской академии наук (ИСА РАН), г. Москва

Санкт-Петербургский национальный

исследовательский университет информационных технологий, механики и оптики (НИУ ИТМО)

Защита состоится «19» декабря 2013 г. в 11:00 часов на заседании диссертационного совета Д 002086.02 при ФГБУН Институте системного анализа Российской академии наук по адресу: 117312, Москва, проспект 60-летия Октября, 9.

С диссертацией можно ознакомиться в библиотеке Федерального государственного бюджетного учреждения науки (ФГБУН) Института системного анализа Российской академии наук.

Автореферат диссертации разослан «18» ноября 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, направлять по адресу: 117312, Москва, проспект 60-летия Октября, 9, ученому секретарю диссертационного совета Д 002086.02.

Ученый секретарь диссертационного совета, доктор технических наук, профессор

А.И. Пропой

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования

Крупные катастрофы последнего десятилетия, включая террористическую атаку на Центр Мировой Торговли (США, 2001 ) и аварию на атомной станции Фукусима (Япония, 2011), ясно продемонстрировали ограниченную эффектавность существующих концептуальных подходов к комплексному обеспечению безопасности критически важных объектов (КВО) во многих промышленно развитых странах мира. Одной из наиболее актуальных научно-технических проблем обеспечения безопасности является проблема повышения оперативности и качества существующих информационных систем управления чрезвычайными ситуациями (ЧС), особенно в условиях действия множественных угроз/опасностей (удар -взрыв - пожар, землетрясение - цунами - техногенная авария, и т.д.).

В Российской Федерации практическая работа в указанных направлениях в соответствии с пунктом 107 "Стратегии национальной безопасности РФ до 2020 года" проводится с "использованием системы распределенных ситуационных центров, работающих по единому регламенту взаимодействия".

Однако в настоящее время большинство отечественных заинтересованных ведомств имеют свои собственные словари, информационно-аналитические и управляющие системы, отдельные организационные иерархии и процедуры, которые не гармонизированы ни друг с другом, ни с глобальными/региональными информационными сетями и системами, нацеленными на снижение рисков кризисных и чрезвычайных ситуаций различной природы.

Остроту проблемы низкой (в настоящее время) информационной интероперабельности участников ликвидации ЧС можно снизить, если всю доступную и несекретную информацию об оперативной, тактической и стратегической обстановке представить для совместного использования в каждой из ведомственных информационных систем в виде формализованного (человеко- и машиночитаемого) описания - онтологии чрезвычайной ситуации. Совместно используемое осознание ситуации (shared situation awareness), жизненно необходимое для выработки эффективных решений и координации действий в условиях ЧС, невозможно без общей системы терминов, в которых описывается ситуация.

Таким образом, существует необходимость в разработке новых концептуальных подходов к комплексному обеспечению безопасности критически важных объектов, развитии методов оценки уязвимости КВО к множественным опасностям/угрозам (multi-hazard vulnerability), метамоделей и онтологии предметной области "управление кризисной ситуацией с множественными опасностями/угрозами".

з

Объект исследования

Объектом исследования является «система распределенных ситуационных центров» («system of systems») различных ведомств, задействованных в управлении кризисными и чрезвычайными ситуациями. Предмет исследования

Предметом исследования являются модели и методы анализа сложных (иерархических систем), включая методы оценки индикаторов безопасности (риска, уязвимости) сложных систем.

Цель исследования - повысить интероперабельность распределенных ситуационных центров различных ведомств, задействованных в управлении кризисными и чрезвычайными ситуациями с множественными угрозами/опасностями. Указанная цель достигается решением следующих задач:

1) разработка высокоуровневой концептуальной модели (метамодели) предметной области «кризисная ситуация с множественными угрозами/опасностями», позволяющей обеспечить семантическую интероперабельность информационных подсистем различных ведомств и организаций, участвующих в управлении кризисной ситуацией;

2) разработка формальной онтологии предметной области "кризисная ситуация с множественными угрозами/опасностями" с уровнем детализации, обеспечивающим описание оперативной, тактической и стратегической картины ситуации;

3) синтез метода риск-информированной оценки уязвимости сложных инженерных объектов (высотные, уникальные и подземные здания) на основе шкал Ликерта (Rensis Likert);

4) разработка и апробация прототипа интегрированной системы информационно-аналитической поддержки управления кризисными ситуациями с множественными угрозами\опасностями. Обмен информацией между ведомственными системами должен происходить на базе онтологии из задачи 2.

Научная новизна

-Разработана метамодель кризисной ситуации, основанная на новом подходе к комплексному обеспечению безопасности сложных систем -концепции стойкости к множественным угрозам (multi-hazard resilience). В отличие от классической парадигмы комплексного обеспечения безопасности - управления риском, в концепции стойкости введены три новых компонента. Во-первых, сделан упор на живучесть и адаптационные возможности самого объекта защиты. Во-вторых, анализ стойкости проводится в контексте множественных угроз, а не отдельных видов угроз (пожарный риск, риск землетрясения и т.д.). В третьих, управление стойкостью сложной системы предполагает мониторинг факторов риска множественных угроз/опасностей в реальном времени путем использования информационных систем различных ведомств. Оптимизация стойкости системы производится путём управления уязвимостями объекта защиты и

доступными адаптивными возможностями как самого объекта защиты, так и возможностями вовлеченных ведомств. В метамодели стойкости наряду с классическим риск-информированным циклом управления ЧС введен цикл управления стойкостью самого объекта защиты, характеризующий изменение его уязвимостей и адаптивных возможностей;

- Разработана детальная онтология кризисной ситуации, которая описывает 1) основные этапы цикла управления кризисной ситуацией: смягчение последствий, подготовка, реакция и восстановление, 2) основные характеристики ситуации (погодные условия, описание места происшествия), 3) базовые действия ведомств, вовлеченных в спасательные или восстановительные работы. Новизна разработанной онтологии состоит в том, что она разработана в рамках концепции управления стойкостью1. Поскольку парадигма стойкости является расширением (помимо оценки риска, проводится оценка дополнительных индикаторов безопасности -уязвимости (vulnerability), адаптационных возможностей (robustness) и совместно используемого осознания ситуации (shared situation awareness)) парадигмы управления риском, то предложенная онтология содержит также все понятия и термины необходимые для анализа и управления рисками. Данная особенность дает возможность использовать разработанную онтологию как в рамках действующей сегодня парадигмы управления риском, так и при переходе к управлению стойкостью;

- Разработана технологическая архитектура интегрированной системы информационной поддержки принятия решений. Особенность разработанной архитектуры состоит в том, что помимо семантических данных о кризисной ситуации она позволяет хранить геопривязанные ЗВ-модели объектов защиты. Для ЗБ-моделей определены форматы хранения геоданных и алгоритмы для загрузки и геопривязки внешних ЗО-моделей. Для эффективных трехмерных вычислений ЗО-модели хранятся в локальной топоцентрической системе координат. Для локальной топоцентрической системы координат задан оптимальный размер ячейки, которую она должна покрывать.

- Разработан и апробирован прототип системы управления кризисной ситуацией, основанный на базе хранилища семантических данных и разработанной онтологии. Особенность данного прототипа состоит в том, что он позволяет в реальном времени предоставлять доступ к информации, необходимой для управления стойкостью защищаемого объекта, а именно информацию по уровню риска, адаптивным возможностям и текущим уязвимостям. Ключевые особенности системы — модульность и расширяемость. Использование OWL-онтологии в качестве схемы данных позволяет быстро внедрять процедуры импорта данных из гетерогенных источников (как скалярные ряды от одиночных сенсоров, расположенных на

1 I. Kirillov, S. Mescherin, S. Klimenko Towards Multi-Hazard Resilience as a New Engineering

объекте защиты, так и поля данных от высокопроизводительных вычислительных систем). Достоверность

Достоверность полученных результатов обеспечивалась сравнительной проверкой полноты метамодели с существующими метамоделями и онтологиями кризисных ситуаций, положительными результатами внедрения разработанной модели уязвимости в практику разработки специальных технических условий высотных и уникальных зданий в ряде организаций г. Москвы.

Теоретическая и практическая ценность работы

Разработанная онтология аварийной ситуации и методика риск-информированного анализа уязвимости систем использовалась ООО «Конструкторское Бюро Спецпроект» при разработке специальных технических условий (СТУ) на проектирование трех высотных и уникальных зданий в г. Москве.

Разработанный двуязычный (русский, английский) тезаурус по теме «межведомственное взаимодействие при ЧС с множественными угрозами/опасностями» использовался при подготовке проекта "Концепции гармонизации российских и европейских систем нормативных документов в области пожарной безопасности", принятой на секции "Комплексная безопасность и антитеррористическая защищенность" Национального объединения проектировщиков.

Исследования, описанные в диссертации, поддержаны грантами РФФИ под номерами 12-07-31170 («Разработка онтологии открытой системы комплексного управления кризисными ситуациями»), 11-07-00329 («Исследование и разработка информационно-аналитической системы для принятия решений на основе сети распределенных ситуационных центров»), 11-07-00506 («Исследование и разработка средств информационной поддержки спасательных формирований в чрезвычайных ситуациях на основе технологий виртуальной и расширенной реальности»), 11-07-13166 («Программно-технический комплекс ситуационного центра для мониторинга и управления объектами железнодорожной инфраструктуры»). Методы исследования

В работе использовались теория систем, теория реляционных баз данных и хранилищ данных, методы графического моделирования UML, методы семантического моделирования, дескрипционная логика, технологический стек Semantic Web (RDF, RDFS, OWL). Положения, выносимые на защиту

1. Метамодель кризисной ситуации с множественными угрозами/опасностями, описывающая состояние объекта защиты, его окружение и риск-информированные процессы управления уязвимостями и адаптационными возможностями объекта защиты.

2. Формальная онтология кризисной ситуации, разработанная на базе метамодели.

3. Метод риск-информированной оценки уязвимости сложных инженерных объектов (высотные, уникальные и подземные здания) на основе шкал Ликерга ([лкеП)

4. Технологическая архитектура интегрированной системы информационной поддержки управления кризисной ситуацией на базе хранилища семантических данных и разработанной онтологии. Апробация результатов исследования

Основные результаты работы докладывались и обсуждались на следующих конференциях:

1) 52-я научная конференция МФТИ (2009, Россия, Долгопрудный)

2) Международная конференция МЕБ1А8-2010 (2010, Кипр, Лимассол)

3) 53-я научная конференция МФТИ (2010, Россия, Долгопрудный)

4) Международная конференция МЕБ1А8-2011 (2011, Кипр, Лимассол)

5) 54-я научная конференция МФТИ (2011, Россия, Долгопрудный)

6) Международная конференция МЕБ1А8-2012 (2012, Кипр, Лимассол)

7) Международная конференция СуЬепуогШ 2012 (2012, Дармштадт, Германия)

8) 3-я Российская конференция с международным участием УКИ-2012 (2012, Россия, Москва)

9) Комплексные подходы к безопасности в строительстве на промышленных объектах и урбанизированных территориях (2013, Россия, Москва)

10) Международная конференция по передовым информационным технологиям для бизнеса и управления 1СА1СТВМ 2013 (2013, Хайнань, Китай)

11) Международная конференция СуЬегууогШв 2013 (2013, Иокогама, Япония)

Публикации

По материалам диссертационной работы опубликовано 6 статей и 9 тезисов на всероссийских и международных конференциях. Из 6 статей 2 опубликованы в изданиях, включенных в перечень рецензируемых научных журналов, рекомендованных ВАК.

Структура и объем диссертации

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Общий объем основного текста диссертации составляет 110 страниц, список литературы состоит из 92 наименований. В работе содержится 40 рисунка и 5 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении сформулированы цели настоящего исследования, проведена их декомпозиция на задачи. Обоснована актуальность проведенной работы, зафиксированы основные полученные результаты. Дано краткое описание диссертационной работы по главам и сформулированы выводы.

В первой главе приводится краткое описание предметной области управления кризисными ситуациями; приводится краткий обзор текущих наработок в сферах систем управления кризисными ситуациями и концептуального моделирования кризисной ситуации.

На сегодняшний день имеется значительный опыт использования онтологии в контексте ситуационного моделирования и информационной поддержки принятия решений. По данной тематике в первой главе отмечены работы А. В. Бухановского по вычислительным моделям экстремальных явлений и технологиям экстренных вычислений, В. А. Виттиха и С. В. Смирнова по ситуационному управлению, работы А. П. Кулешова по метамоделям, работы Г. С. Осипова по интеллектуальным динамическим системам, основанных на правилах, работы В. Ф. Хорошевского по онтологическим моделям.

Также кратко рассмотрены различные прикладные онтологии, направленные на моделирование конкретных аспектов кризисной ситуации, такие как SEM4A (моделирование систем оповещения), SoKNOS (интеграция данных сенсоров); работы по моделированию кризисной ситуации в целом (AKTiveSA, Disaster Management Metamodel); работы по автоматическому построению онтологии из текстовых данных; работы по мультиагентным системам.

Важно отметить, что формализованная модель знаний сама по себе не дает совместно используемого осознания ситуации. Для достижения этого необходимо построить вокруг онтологии информационную систему, которая будет позволять обмениваться информацией о кризисной ситуации (shared situation awareness). Только в этом случае можно добиться интероперабельносги между участниками ликвидации ЧС.

Среди работ по разработке систем для поддержки принятия решений при ЧС отмечена работа Т. В. Левашовой по контекстно-зависимым системам. В работе подробно описаны алгоритмы, с помощью которых производится поддержка принятия решений на основе имеющихся данных. Однако в ней мало внимания уделяется разработке непосредственно онтологии, описывающей кризисную ситуацию. Также отмечена работа по созданию концепции интегрированной информационно-аналитической системы HAC4i (А. П. Афанасьев и др., 2010). Некоторые идеи из этой работы были воплощены в разработанном в ходе диссертации прототипе. В контексте распределенных GRID-систем были рассмотрены работы Попкова Ю. С. по динамическим стохастическим сетям. В значительной мере на разработку онтологии повлиял межевропейский проект OaSiS.

Вторая глава посвящена разработке метамодели кризисной ситуации в рамках новой концепции управления стойкости объекта защиты. Ниже приведены основные сущности разработанной метамодели.

Защищаемая система(ЗС) или объект защиты (ОЗ) — объект, подверженный повышенному риску и риск которого нужно минимизировать. Это может быть, например, уникальное (высотное, подземное) здание или электростанция (атомная, гидротехническая).

Система поддержки принятия решений (СППР) — информационная система, основная задача которой — информационная поддержка объекта защиты и организация взаимодействия ведомств, участвующих в ликвидации ЧС.

Совместно используемое осознание ситуации (СИОС) (shared situation awareness) — разделяемое и сформулированное в общих терминах понимание оперативной обстановки всеми участниками процесса (населением, подвергнутому риску, спасательными службами, полицией, медицинскими службами).

Доступные адаптивные возможности (ДАВ) — ресурсы или неотъемлемые свойства 03, позволяющие сопротивляться воздействию вредоносных факторов и способность к контролируемому разрушению (такому разрушению 03, при котором вред, нанесенный ценным активам, населению и окружающей среде минимален). Примеры ДАВ: датчики температуры и дыма, спринклеры, пожарные гидранты, надежные пути эвакуации.

Актуальные уязвимости (АУ) — характеристики ОЗ, способствующие реализации факторов риска и внешних угроз. Примеры: недостаточная устойчивость к опно стальных конструкций, заблокированные пути эвакуации, повреждённая система пожаротушения.

Важно, что ЗС и СППР выделены в отдельные подсистемы. СППР и ЗС характеризуются совершенно различными жизненными циклами. Жизненный цикл СППР описывает ЧС "извне", с позиции управления, он широко известен и описан в литературе. Цикл состоит из 4х фаз: смягчение, подготовка, реакция и восстановление.

«Изнутри» защищаемой системы гораздо более важна информация о ее текущем состоянии, т. е. о наборе параметров, характеризующие степень риска для данной ЗС. Поэтому в метамодели введен отдельный цикл, описывающий состояние системы и уровень риска с помощью ряда параметров.

Цикл ЗС состоит из 4х фаз (рис. 1) — функционирование в штатном режиме, предкризисная фаза, кризисная фаза и фаза восстановления (посткризис). Отдельно отметим предкризисную фазу цикла 03 (справа на рис. 1). Как раз в предкризисной фазе своевременное обнаружение и оценка уязвимостей и доступных адаптивных возможностей критически важно для предотвращения эскалации кризисной ситуации. Предкризисную фазу можно условно разделить на 3 этапа. Первый этап — Отклонение, который начинается в момент поступления первых сигналов о возросшем уровне

риска. Если сигналы остались без внимания или не были замечены, наступает фаза Инцидент, при которой работоспособность системы нарушается, вероятность эскалации существенно возрастает. Наконец, если кризисную ситуацию предотвратить не удалось, система переходит в фазу Авария, в которой ущерб нарастает до максимального значения.

ООтатмо»? сиигменмр} рйгётая По^этшка^

является частью

Рисунок 1- Цикл ЗС (внутренний) и его соответствие циклу СППР (внешний)

Опираясь на изложенные концепции, можно ввести понятие стойкости (см. [2]), которая представляет собой совокупность нескольких принципов:

1. Создание совместно используемого осознания ситуации на базе высокопроизводительных компьютерных сетей

2. Риск-информированный мониторинг действующих уязвимостей, угроз, активов на оперативном, тактическом и стратегическом уровнях

3. Создание количественных метрик эксплуатационных характеристик здания с помощью данных, полученных с помощью сенсоров и вычислительных моделей (используемых в ведомственных ситуационных центрах)

4. Поддержка принятия решений на основе оценок риска, постоянного мониторинга угроз и уязвимостей объекта защиты

Совместно используемое осознание ситуации — центральное понятие для управления стойкостью ЗС. Без согласованного и актуального понимания ситуации как на стороне ЗС, так и на стороне СППР, эффективное предотвращение и ликвидация ЧС невозможно. Концептуальная схема СИОС показана на рисунке 2.

Рисунок 2 - Концептуальная схема совместно используемого осознания ситуации

В главе 2 приведено описание методики риск-информированного анализа уязвимостей для высотных и уникальных зданий к множественным угрозам, которая была синтезирована с использованием методик оценки уязвимостей, разработанных на базе шкал Ликерта для химических производств (Ashcroft 1998) и для компьютерных сетей (ISO 27001). Риск при этом оценивается по формуле

ЩА.Т) = С(Л) ■ V(A,T) • Р(Г) (1)

где R(A, Т) — риск для объекта защиты A (asset) для угрозы Т (threat), С (А) - ценность объекта защиты, V (А, Т) — уязвимость (vulnerability) выбранного элемента 03 к фиксированной угрозе, Р(Т) — вероятность возникновения угрозы.

В этой же главе описана процедура оценки уязвимости коллективом экспертов по безопасности, инженерным системам и строительным конструкциям зданий.

Оценки от нескольких экспертов усреднялись, формируя итоговую оценку уязвимости. Также на основе дисперсии оценок делались выводы о согласованности экспертов и степени доверия к полученным оценкам. Для этого использовался коэффициент вариации, представленный на уравнении 2.

W)===" Ю0% (2)

Из опытных соображений было принято, что оценка уязвимости заслуживает доверия, если Уу(л,г) > 33%. В противном случае оценка уязвимости ОЗ к данной угрозе считалась неизвестной или проводилась заново с другим коллективом экспертов.

и

Далее в главе, помимо описания на уровне концептуальных карт, метамодель описана

на более формальном уровне ЦМЬ-диаграмм. ЦМЬ-диаграмма, описывающая основные концепции, с которыми работает СППР, приведена

Рисунок 3 — Базовые концепции метамодели управления кризисной

ситуацией

К метамодели СППР относятся концепции, описывающие задачи в рамках цикла смягчение - подготовка - реакция - восстановление. Центральная концепция метамодели СППР — Событие. Под концепцией Событие подразумевается событие, произошедшее или прогнозируемое, требующее ответной реакции. Реакция может носить превентивный характер или иметь место по факту свершившегося события. Событие включает в себя события различного масштаба, от локальных отклонений ЗС от штатного режима {Аномалия) до катастроф национального масштаба {Катастрофа). Заметим, что основные классы {Событие, Миссия, Ресурс) формируют тактическое ядро субмодели СППР. Данное ядро полностью соответствуют опорным концепциям метамодели межевропейского проекта Оа8182.

Для реакции на событие необходимо выполнить набор задач {Задача). Отметим, что в концепт Задача входят только задачи по реакции на Событие. Примерами задач могут служить операции по эвакуации, поисково-спасательные операции, тушение пожаров и т. д.

Задачи выполняются участником реакции ЧС {Ликвидатор). Каждому участнику процесса соответствует набор миссий, которые он потенциально может выполнять. Потенциальные задачи можно рассматривать как сервисы,

2 ИНр:/Лзоес|Иог.5оигсе^где пе!Усоп1ех< Ыт!

которые Ликвидатор может оказывать. Связь ликвидаторов ЧС с миссиями отражена в ассоциации предоставляет сервис. Отметим, что Ликвидатор — это частный случай участника ЧС {Участник). В разработанной модели выделено 2 частных случая участника ЧС — упомянутый Ликвидатор и жертва ЧС {Жертва). Под жертвами понимаются как погибшие люди, так и пострадавшие различной степени тяжести. Также в этот концепт попадают вынужденно перемещенные и лишенные жилья люди. Для выполнения каждой задачи нужен определенный набор ресурсов {Ресурс), что отражено ассоциацией «требует ресурс». Ресурсы не существуют сами по себе, они всегда принадлежат кому-либо из участников ЧС, что отражено в ассоциации «имеет ресурс».

Далее в главе описывается метамодель риска в рамках концепции риск-информированного управления стойкостью. Метамодель риска представлена на рисунке 4.

Рисунок 4 - Метамодель риска

Риск определен только для данного актива {Объект Защиты) и данной угрозы, R = R{A, Т).

Основные факторы риска это вероятность потерь и величина возможных последствий {Величина Потерь). Последствия можно разделить на потери активов и человеческие потери (жертвы и раненые). Вероятность потерь определяется 2мя факторами — частоте возникновения угрозы {Возникновение Угрозы) и уязвимости ЗС перед угрозой. Уязвимость, в свою очередь, зависит от возможностей угрозы и максимального уровня воздействия, который способен выдержать объект защиты {Предел Прочности). Чем больше сила угрозы и меньше устойчивость системы, тем

больше ее уязвимость. Вероятность возникновения угрозы определяется частотой столкновения ЗС с угрозой (Контакт Угрозы) и частотой действий угрозы против ЗС (Действия Угрозы). Чем больше оба компонента, тем больше общая вероятность возникновения угрозы.

Третья глава посвящена разработке формальной онтологии на базе метамодели. Для создания детальной онтологии нужно получить информацию от экспертов предметной области — медиков, пожарных, спасателей, полиции, и т. д. При этом информация от экспертов должна быть перенесена в онтологию максимально точно. Однако, эксперты, как правило, далеки от информационных технологий и построения онтологий. В связи с этим был предложен процесс построения онтологии совместно с кризисными экспертами с помощью диаграмм классов ЦМЬ с последующим автоматическим преобразованием в онтологию. Процесс разработки онтологии совместно с кризисными экспертами изображен на рисунке 5.

Рисунок 5 - процесс разработки формальной онтологии

На первом этапе кризисные эксперты совместно с разработчиками онтологии создают диаграмму классов UML, отражающую структурную схему определенного типа кризисных ситуаций. Затем запускается автоматическое М2М-преобразование, переводящее диаграмму классов UML в OWL-онтологию. Полученная онтология содержит информацию от кризисных экспертов с максимально полной информацией.

Схема М2М-преобразования выглядит следующим образом:

АМ2М

ms + Ms + Mt-» mt

В рассматриваемом случае преобразования UML в OWL ms— UML-модель, разработанная совместно с экспертами, mt— результирующая OWL-модель, Ms , Mt— метамодели UML и OWL соответственно3, АМ2М — алгоритм сопоставления метамоделей UML и OWL (маппинг).

Для реализации преобразования была разработана метамодель OWL и алгоритм преобразования метамодели диаграмм классов UML в метамодель OWL. Несмотря на различия в концепциях UML (графический язык, ориентированный на человека) и OWL (формальный язык, ориентированный

3 Отметим, что здесь слово «метамодель» имеет смысл моделирования самих средств моделирования, в данном случае UML-диаграмм классов и языка OWL.

на машинную обработку), можно сформулировать маппинг от концепций UML в концепции OWL, по большей части сохраняющий смысл исходной модели классов UML. Алгоритм был реализован в рамках фреймворка EMF4 на языке ATL5.

Несмотря на максимальную полноту представленной информации, онтология, полученная из UML, не может быть сразу использована в приложении. Во-первых, автоматически полученная онтология слабо формализована. Другими словами, в слабо формализованной онтологии отношение количества декларируемых утверждений к выведенным

"inferred « тт

—-1-= 1. Что лишает онтологию одного из главных преимуществ —

" asserted

возможности автоматического вывода.

Во-вторых, как и при написании программного кода, при разработке онтологии следует по возможности использовать существующие онтологии, поэтому промежуточные классы и свойства, которые возникли при переводе из UML необходимо заменить более общими формализованными концептами из существующих общепринятых широко используемых онтологии.

В целом, процесс получения онтологии из UML служит средством переноса содержания, максимально полного количества сущностей, а не структуры знаний, которая для онтологии должна создаваться отдельно.

Сформулируем основные принципы, согласно которым строилась онтология СИОС:

1. Соответствие предметной области

2. Компактность

3. Полнота

4. Степень формализации

Основным критерием «качества» онтологии является способность отвечать на поставленные перед ней вопросы. Разработанная онтология описывает совместно используемую картину ситуации, позволяет выделять критичные события, требующие немедленной реакции, создает единый пул задач и ресурсов. В этом смысле онтология соответствует предметной области и отвечает на запросы, связанные с интероперабельностью, с достаточной степенью детализации.

Компактность в контексте разработки онтологии означает, что выделение именованного класса происходит, только если этот класс использован более чем в одном свойстве или классе онтологии. Например, не имеет смысла заводить отдельный класс ResourceCapability, если он используется только в свойстве hasResourceCapability. Также следует задавать rdfs:domain и rdfs:range свойств только если это необходимо для автоматического вывода. Например, свойства hasURI,, hasName, hasWeight

4 http://www.eclipse.org/modelirig/emf/?project=emf

s http://www.eclipse.org/atl/

не имеют rdfs:domain и могут быть свободно заданы для любого экземпляра. Это предпочтительнее использование набора специализированных свойств вида hasResourceName, hasEventName, hasMissionName и т. д.

К принципу компактности также можно отнести правило: именованный класс может быть добавлен в онтологию тогда и только тогда, когда он либо дает новые утверждения для автоматического вывода, либо если он добавляет новую информацию в контексте приложения.

Полнота онтологии определяет, насколько классы и экземпляры онтологии покрывают понятия моделируемой предметной области. Полноту можно оценить, собрав понятия из аналогичных или связанных онтологий и сравнив их с понятиями разрабатываемой онтологии. Для сравнения были выбраны наиболее близкие и полные модели кризисной ситуации из моделей и метамоделей, упомянутых в первой главе. После оценки полноты важные недостающие классы были добавлены в онтологию.

Формализация онтологии позволяет перенести существенную часть работы с оператора СППР или ЗС на решающий движок онтологии. Например, по введенным параметрам или показаниям датчиков (температура, задымленность, влажность, напряжения, давление) и правилам онтологии тип события определяется автоматически.

Основные классы онтологии можно поделить на 2 группы. В первую входят Event, Mission, Resource, Actor. Формально, описание кризисной ситуации на оперативном уровне это набор кортежей {(е, m, г, а)} : е е Е,т 6 M, г 6 R, а € А, где Е — множество событий, связанных с кризисной ситуацией, M — множество задач, которые необходимо решить для реакции на ситуацию, R — множество доступных для задач ресурсов, А — множество участников ликвидации кризисной ситуации. При этом элементами множеств E,M,R,A являются конкретные события, миссии, ресурсы и участники. Примером события из Е может служить Чернобыльская авария.

Также формализованы связи между событиями, миссиями и ресурсами при определенных видах ЧС. Введём Е = [Efi^.Ei с Е - набор типов событий,M = с M - набор типов миссий, Р = Ri ей -

набор типов ресурсов. Тогда возможными миссиями при ЧС является отношение ц с ЕхМ. Возможные миссии определяют, какие действия могут оказаться полезными в случае различных типов ЧС. Аналогично, отношение р с M X Р определяет типы необходимых ресурсов для типов миссий. Каждый участник ликвидации ЧС может заполнить ц и р исходя из своих внутренних регламентов. Также отношения могут быть изменены на протяжении жизненного цикла онтологии.

При возникновении кризисной ситуации совместно используемая картина ситуации создается следующим образом:

1. В A Box создаётся событие е В Е,

2. На основе отношения ц формируется набор типов задач к исполнению Ме = ц(е),

3. На основе отношения р формируется набор требуемых типов ресурсов Ре = р(е),

4. По результатам запроса к ТВох формируется набор кортежей (e,mp,{rp},[ap}),mv EU Ме,rp 6U Ре, в котором ш планируемая задача, г.а — набор доступных ресурсов и агентов, которые могут быть использованы для выполнения миссии

5. После принятия решений в АВох вводится набор кортежей

{{e,m,r,a)}^lv описывающий фактически принятое решение о назначенных миссиях, используемых ресурсах и участниках ликвидации ЧС.

Для реализации описанной модели в онтологии был выбран способ, использующий только выразительные средства OWL DL. В отличие от механизма правил или императивных процедур, такой выбор обеспечивает разрешимость и переносимость результирующей онтологии. Отношения ц и р реализованы с помощью owl:Restriction. Например, событие типа Wiidfire связано с задачами следующим образом:

Wiidfire с (3hasPlannedMission.Evacua.tion П

3hasPlannedMission.FireExtiguishing).

Вторая группа классов описывает оценку риска, это классы RiskAssessment, Risk, LossMagnitude, LossProbability, Vulnerability, ThreatFrequency, AdaptiveCapacity. В целом, эти классы повторяют концепты метамодели без существенных изменений.

Дополнительно к простой таксономии, подклассы онтологии по возможности задаются через формальные определения. Например, класс ForecastedEvent определен как

ForecastedEvent = Event П 3hasProbability.décimal. В онтологии активно используются другие внешние онтологии. Например, для представления времени используется OWL Time6, для представления пространственных отношений — W3C Geospatial Vocabulary7, для представления данных сенсоров — Semantic Sensor Network Ontology8.

Онтология поддерживает историчность данных. Для любого утверждения мотуг быть добавлены свойства timerhasBeginning и time:hasEnd. Таким образом, возможно создать SPARQL-запрос, отражающий СИОС на определенный момент времени.

Онтология опубликована и доступна по адресу http://ivfiztex.rU/ontologies/2013/l/crisis_onto.owl

Четвертая глава посвящена разработке технологической архитектуры интегрированной СППР и ее реализации в работающем прототипе. В целом,

8 http://www.w3.org/TR/owl-time/

7ttp://www.w3.org/2005/lncubator/geo/XGR-geo/

8 http://www.w3.org/2005/lncubator/ssn/ssnx/ssn

архитектура СППР следует классической трехуровневой схеме: уровень данных, уровень приложения, клиентские приложения.

Уровень данных содержит несколько подмодулей: модуль хранения геоданных, в который включены 2Б и ЗЭ модели объектов защиты, модуль хранения атрибутивной информации и модуль хранения семантических данных (см. рис. 6). При этом атрибутивная информация и геоданные хранятся в реляционной СУБД, а семантические данные — в 1ШР-хранилище. Данные в хранилище попадают с помощью модуля загрузки данных (справа на рис. 6). Загрузчик поддерживает загрузку геопривязанных данных в форматах вМЦ КМЬ, ЗскМах, а также загрузку семантических данных.

Импорт, преобразование координат

Рисунок 6 - схема хранилища данных СППР Особое внимание уделено описанию загрузки и хранения геопривязанных ЗО-моделей. В большинстве известных форматов (за исключением КМЬ) ЗО-модели описаны в локальной декартовой системе координат. Более того, помимо данных о координатах, в модель включены текстуры, шейдеры и прочие бинарные данные для визуализации. Этого достаточно для визуализации моделей, но недостаточно для выполнения т. н. пространственных запросов (запросов, в которых учитываются пространственные отношения объектов), в которых участвуют глобальные географические координаты, например координаты \VGS84.

Кроме того, при хранении точек ЗО-модели в 84 (или ей

подобных), расчет пространственных отношений был бы неэффективным по скорости расчета из-за углового представления координат.

Поэтому был предложен такой способ организации данных в БД, который с одной стороны позволяет эффективно выполнять анализ данных с географической привязкой, а с другой стороны позволяет эффективно производить рендеринг сцен в системах виртуального окружения. Во-первых, данные для визуализации отделены от данных для пространственных расчетов и связаны друг с другом через глобальные идентификаторы. Данные для пространственных расчетов получаются извлечением векторных данных из ЗО-моделей. Во-вторых, ЗБ-данные

хранятся в наборе локальных системах координат С5!(А1, <р\),..., сзп{Яп, (рп), где Я|, (р1 — локальные долгота и широта центра.

На целевую область накладывается сетка с "квадратной" ячейкой требуемого размера. Оптимальный размер ячейки зависит от максимально допустимых искажений высоты. Из простых геометрических соображений можно показать, что максимально допустимая погрешность связана с размером ячейки следующим образом:

Здесь <5Л - угловой размер ячейки ôz — допустимая погрешность высоты, R - средний радиус Земли, (р - средняя широта. Например, для допустимой погрешности 1 см получаем размер ячейки ~ 20". Размер ячейки в 1 ' обеспечивает погрешность менее 10 см.

Центр каждой ячейки является центром ее ортографической проекции, которой соответствует локальная декартова система координат. Такое построение позволяет производить эффективные расчеты пространственных отношений между 3 D-объектами, находящимися в одной ячейке. Если же объекты находятся в разных, но близких ячейках, расчеты ведутся в динамической декартовой системе координат с началом координат в геометрическом центре объектов.

Далее в главе описан процесс непосредственного построения прототипа информационно-аналитической системы на базе разработанной архитектуры. Показано, как результаты предыдущих глав совместно используются в прототипе СППР. Разработанный прототип позволяет:

• интегрировать данные из разнородных источников (СУБД, "плоские файлы", веб-сервисы)

• предоставлять информацию об событиях, миссиях и ресурсах, формируя СИОС

• производить навигацию по концептам онтологии, выполняя функции базы знаний

Прототип состоит из следующих основных частей: RDF-хранилище, точка доступа SPARQL, web-интерфейс для визуализации и модули импорта данных. Важно, что все модули независимы друг от друга и могут быть заменены альтернативными реализациями. Технологическая схема прототипа изображена на рисунке 9.

К хранилищу прилагаются средства импорта информации из разнородных источников и web-интерфейс для визуализации основных кризисных категорий (события, миссии, ресурсы). Также разработаны интерфейсы для создания событий, миссий и ресурсов и помещения данных в хранилище.

Для хранилища семантических данных используется стек Jena Framework, в текущей реализации используется Jena-TDB. К хранилищу подключен решающий движок, который высчитывает расширение

(3)

онтологии. В текущей реализации расширенные факты хранятся в оперативной памяти, тогда как утвержденные данные располагаются в RDF-хранилище. Важно, что онтология (ТВох) и фактические данные хранятся раздельно, т. к. это существенно увеличивает скорость расчета расширенных фактов. Отметим, что в качестве хранилища может быть любой программный продукт, поддерживающий SPARQL-точку доступа и стандарт SPARQL Update. Например, с помощью Jena SDB в качестве RDF-хранилища можно использовать практически любую СУБД, включая MySQL, Postgre SQL, Oracle, MS SQL Server.

Веб-сервер (CherryPy)

Визуализация: SIMILE Exhibit

Отображение на карте: Google Maps API

Браузер (взаимодействие с человеком)

Ö

Данные

SPARQL endpoint (Jena Fuseki)

SPARQL, SPARQL Update

Машинно-машинное взаимодействие

Ü

Данные

RDF-хранилище (Jena TDB}

TBox (онтология)

ABox (факты)

Данные (TBox)

Ф

Модуль загрузки данных

Загрузчик EMDAT

Загрузчик Freebase

Рисунок 7 - Архитектура интегрированной системы информационной поддержки принятия решений

Над хранилищем настроена SPARQL-точка доступа Jena Fuseki, которая позволяет задавать SPARQL-запросы к расширенным решающим движком фактам. Точка доступа используется как и веб-интерфейсом для людей, так и другими приложениями, которым нужен максимально полный и гибкий доступ к данным системы.

Для публикации данных в человекочитаемом виде используется вебсервер CherryPy в совокупности с шаблонным движком Mako. Для сложной визуализации, в том числе отображении фактов на карте, используется веб-фреймворк SIMILE Exhibit.

Для пополнения хранилища новыми данными разработаны процедуры импорта данных, преобразующие всю информацию в формат RDF, который совместим с онтологией (АВох). Разработаны процедуры импорта данных из 2х источников: Freebase и EMDAT. Недостаток такого подхода в том, что для каждого нового источника данных нужно разрабатывать новую процедуру импорта.

Приведём примеры вопросов, на, которые может отвечать разработанная система:

• Показать все события регионального масштаба в регионе х за промежуток времени у (навигация по событиям)

• Показать доступные пожарные бригады, находящиеся в х километрах от точки у (рекомендации по реакции)

• Что такое концепт ForecastedEvent и как он связан с другими понятиями (навигация по базе знаний)

Также с помощью SPARQL-интерфейса можно задать совершенно произвольный запрос. Запрос должен быть задан в терминах онтологии

сиос.

Разработанный прототип был успешно опробован кризисными экспертами. Во-первых, информации, которую предоставляет онтология, достаточно для эффективной координации кризисных служб и обеспечения совместного видения ситуации. Во-вторых, была отмечена высокая информативность веб-сервиса, визуализирующего основную информацию о кризисных ситуациях на карте. В-третьих, наличие RDF-хранилища и модуля импорта данных позволяет в сжатые сроки разработать модули работы с хранилищем для сторонних систем (органы государственной власти, МЧС, медицинские службы, полиция).

В заключении перечислены основные результаты, полученные в рамках диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработана метамодель предметной области "кризисная ситуация с множественными угрозами/опасностями", позволяющая обеспечить семантическую интероперабельность информационных подсистем распределыынх ситуационных центров различных ведомств и организаций, участвующих в управлении кризисной ситуацией

2. На базе метамодели кризисной ситуации разработана онтология на языке OWL DL, формально описывающая понятия, составляющие совместно используемое оперативное понимание ситуации. Онтология содержит все концепты метамодели риск-информированного управления стойкостью с уровнем детализации, обеспечивающим описание оперативной, тактической и стратегической картины кризисной ситуации.

3. Синтезирован метод риск-информированной оценки уязвимости сложных инженерных объектов (высотные, уникальные и

подземные здания) на основе шкал Ликерта (Rensis Likert). Метод опробован на практике при разработке специальных технических условий на проектирование высотных и уникальных здания в г. Москве.

4. Разработан и апробирован прототип системы информационно-аналитической интеграции информационных систем различных ведомств, обеспечивающих управление ЧС. В отличие от известных в научной литературе систем управления кризисными ситуации, разработанный прототип позволяет в явном виде работать с данными о стойкости объектов защиты. Прототип поддерживает концепцию ЗО-документов и семантической интеграции данных. В отличие от классических схем данных СУБД, разработанная архитектура позволяет хранить как 3D-модели зданий, так и связанную семантическую информацию. Данная архитектура позволяет клиентам СУБД использовать как традиционные SQL-запросы, так и семантические SPARQL-запросы.

Публикации в изданиях из перечня рецензируемых научных журналов:

1. Мещерин С. А., Кириллов И. А., Клименко С. В. Метамодель совместно используемого осознания ситуации для управления стойкостью сооружений повышенной ответственности // Пожаровзрывобезопасность, 6-2013, стр. 40-51, ISSN 0869-7493

2. I. Kirillov, S. Mescherin, S. Klimenko Towards Multi-Hazard Resilience as a New Engineering Paradigm for Safety and Security Provision of Built Environment // Springer, Transactions on Computational Science XVIII Lecture Notes in Computer Science Volume 7848, 2013, pp 121-136, doi: 10.1007/978-3-642-38803-3_7, ISBN 978-3-642-38802-6

Прочие публикации:

3. S. Mescherin, I. Kirillov, S. Klimenko, Leveraging UML and Concept Maps for Constructing Crisis Management Ontology. // Proceedings of Cyberworlds 2012 international conference, pp. 130-136, doi: 10.1109/CW.2012.25 IEEE Xplore, Washington, 2012, ISBN 8-1-46732736-7

4. S. Mescherin, I. Kirillov, S. Klimenko, Ontology of emergency shared situation awareness and crisis interoperability. // Proceedings of Cyberworlds 2013 international conference, pp. 159-162, doi: 10.1109/CW.2013.61, IEEE Xplore, Washington, 2013,

5. I. Kirillov, S. Mescherin, S. Klimenko, Metamodel of Shared Situation Awareness for Resilience Management of Built Environment. // Proceedings of Cyberworlds 2012 international conference, pp. 137-143, doi: 0.U09/CW.2012.26 IEEE Xplore, Washington, 2012, ISBN 8-1-46732736-7

6. Мещерин С. А. Интегрированная система управления кризисной ситуацией на базе формализованной онтологии. // MEDIAS2012 Труды Международной научной конференции, 07-14 мая 2012 г., Лимассол, Республика Кипр, Изд.ИФТИ, С.276-

7. Мещерин С. А., Кириллов И. А., Клименко С. В. Использование UML для эффективного построения кризисных онтологий. // Международная конференция MEDIAS 2011. — Кипр, Лимассол, 2011. - ISBN 978-588835-032-4 - С. 149-154.

8. Мещерин С. А., Клименко С. В. Интеграция хранилищ данных и систем виртуального окружения на примере Oracle Spatial и AvangoNG. // Международная конференция MEDIAS 2010. — Кипр, Лимассол, 2010 - ISBN 978-5-88835-030-0 -С. 36-41.

9. Афанасьев В. О., Бугров Н. В., Какауридзе Д. Г., Карпенко А. С., Кириллов И. А., Клименко А. С., Клименко С. В., Мещерин С. А., Райков А. Н., Серебров А. А. Программно-технический комплекс ситуационного центра для мониторинга и управления объектами железнодорожной инфраструктуры. // УКИ-2012. М.:ИПУ РАН, 2012 -1 электрон, опт. диск (CD-ROM) - ISBN 978-5-91450-100-3 - С.334-345

Личный вклад автора в работах, опубликованных в соавторстве, заключается в следующем: в [2] и [5] автор формализовал концепцию стойкости в виде UML-диаграмм, а также предложил методики разработки онтологии; в [9] автор предложил технологическую архитектуру хранилища данных для ситуационного центра.

Подписано в печать 15.11.2013 Заказ № 11352 Тираж 80 экз. Объем 1 п.л.

Формат 60x90/16 Отпечатано: ООО «ВП24» г. Москва, ул. Трубная, д. 21 Телефон 651-64-48 www.vp24.ru