Интеллектуальные методы оптимизации планирования космической съемки
Предложены новые подходы к решению задач планирования космической съемки на основе методов многокритериальной оптимизации и геопространственного интеллекта. Степень удовлетворения потребностей конкретных ведомств в спутниковой информации определяется частными критериями, которые формируются по резул...
Saved in:
| Published in: | Кибернетика и вычислительная техника |
|---|---|
| Date: | 2011 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України
2011
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/45690 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Интеллектуальные методы оптимизации планирования космической съемки / С.Л. Янчевский // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 47-54. — Бібліогр.: 21 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859613050442612736 |
|---|---|
| author | Янчевский, С.Л. |
| author_facet | Янчевский, С.Л. |
| citation_txt | Интеллектуальные методы оптимизации планирования космической съемки / С.Л. Янчевский // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 47-54. — Бібліогр.: 21 назв. — рос. |
| collection | DSpace DC |
| container_title | Кибернетика и вычислительная техника |
| description | Предложены новые подходы к решению задач планирования космической съемки на основе методов многокритериальной оптимизации и геопространственного интеллекта. Степень удовлетворения потребностей конкретных ведомств в спутниковой информации определяется частными критериями, которые формируются по результатам экспертного опроса с использованием геопространственного анализа нечеткой экспертной информации. Полученная в результате постобработки карта приоритетности в сочетании с объективными ограничениями оптимизирует планирование съемки КА ДЗЗ. Определение оптимального маршрута съемки с отклонением КА ДЗЗ от надира производится с помощью генетического алгоритма.
|
| first_indexed | 2025-11-28T15:00:43Z |
| format | Article |
| fulltext |
47
Дискретные системы управления
УДК 681.51
С.Л. Янчевский
ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ОПТИМИЗАЦИИ
ПЛАНИРОВАНИЯ КОСМИЧЕСКОЙ СЪЕМКИ
Предложены новые подходы к решению задач планирования косми-
ческой съемки на основе методов многокритериальной оптимизации и геопространст-
венного интеллекта. Степень удовлетворения потребностей конкретных ведомств
в спутниковой информации определяется частными критериями, которые формируются
по результатам экспертного опроса с использованием геопространственного анализа
нечеткой экспертной информации. Полученная в результате постобработки карта при-
оритетности в сочетании с объективными ограничениями оптимизирует планирование
съемки КА ДЗЗ. Определение оптимального маршрута съемки с отклонением КА ДЗЗ
от надира производится с помощью генетического алгоритма.
Введение
В настоящее время есть все основания утверждать, что в странах-участ-
ницах СНГ, которые имеют собственную космическую отрасль для планирова-
ния съемки земной поверхности космическими аппаратами (КА) дистан-
ционного зондирования Земли (ДЗЗ), используются несколько устаревшие
подходы. Большинство органов, принимающих решение (ОПР), ориентируются
на КА прошлых поколений, которые имели невысокую производительность и
использовались преимущественно для нужд оборонных ведомств
и спецслужб как главных потребителей. Однако теперь все большую важность
обретают задачи мониторинга аграрного сектора, чрезвычайных ситуаций, эко-
логического контроля и т.д. Возросло количество потребителей данных ДЗЗ,
каждый из которых в зависимости от ситуации может получать статус главно-
го.
В 2011 г. намечены запуски белорусского КА ДЗЗ «БелКА-2», российского
— «Канопус-Б» и украинского «Сич-2». Учитывая потребности этих стран, не-
обходимо обеспечить наиболее рациональное использование
возможностей этих спутников. Оптимизация использования целевой аппа-
ратуры КА ДЗЗ, в том числе с режимом программных поворотов (РПП), поз-
волит выполнить максимально возможное количество заявок потребителей из
разных ведомств.
Интересы органов исполнительной власти (ОИВ) относительно данных
ДЗЗ в определенные периоды времени могут не совпадать, что усиливает
потребность в рациональном планировании работы целевой аппаратуры КА.
Для решения этой задачи необходимо оценить заинтересованность каждого
ОИВ в данных ДЗЗ на общий район интереса (территория Украины). Это поз-
волит эффективно планировать съемку по имеющимся заявкам и работу целе-
С.Л. Янчевский, 2011
ISSN 0452-9910. Кибернетика и вычисл. техника. 2010. Вып. 166
48
вой аппаратуры при отсутствии заявок или наличии свободного ресурса КА
ДЗЗ. В этой связи планирование предлагается проводить на основе данных
экспертного опроса с учетом ограничений, обусловленных метеоусловиями, се-
зонностью природных явлений и особенностями полета КА ДЗЗ.
В данной работе формулируется задача многокритериальной оптимизации
плана космической съемки для КА ДЗЗ высокого разрешения «Сич-2»
с учетом потребностей различных ОИВ и имеющихся ограничений, а также за-
дача выбора оптимального маршрута съемки.
1. Анализ существующих подходов к решению задачи
планирования съемки
Существующие алгоритмы перспективного и долгосрочного планирования
достаточно полно рассмотрены в работе [1], отдельные подходы к планирова-
нию работы КА ДЗЗ описаны в [2], оригинальная методика планирования ра-
боты бортовой целевой аппаратуры (ЦА) предложена в [3–5]. Однако указан-
ные работы не обеспечивают решения упомянутых выше проблем.
Для их комплексного решения целесообразно более гибко применить
методы многокритериальной оптимизации [6] и системного анализа [7].
В работах [8, 9] предложен подход к многокритериальной оптимизации плани-
рования покупки спутниковых снимков низкого и среднего разрешения
с учетом потребностей различных ведомств, а также имеющихся финансовых
ограничений. Подход основывается на оптимизации векторозначной функции
степени удовлетворения нужд ОИВ, заинтересованных в использовании спут-
никовой информации. В основу предложенного подхода положены функции
потребностей ведомств, которые строятся по результатам экспертного опроса.
Причем эксперты должны определить не только время съемки, но и указать
территорию, которая представляет наибольший интерес.
Соответственно в ходе экспертного опроса и обработки оценок возникает
необходимость оценки геопространственной информации субъективного
характера. Для решения такой задачи использовались методы геопрост-
ранственного интеллекта [10]. Для формализации неопределенности субъек-
тивного характера использовался математический аппарат теории нечетких
множеств [11], а для итогового определения оптимального маршрута съемки
применялись генетические алгоритмы.
2. Постановка задачи многокритериальной оптимизации плана съемки
Пусть задана определенная территория (в нашем случае Украина и при-
граничная полоса), относительно которой необходимо составить оперативный
план космической съемки для КА ДЗЗ «Сич-2» с учетом всей совокупности
заявок от ОИВ.
Для этой территории формируется определенное количество заявок, кото-
рые должны быть выполнены почти в одно и то же время. Исходя из ТТХ КА
«Сич-2» [12], имеется возможность проведения съемки с отклонением
от надира ± 35°, что расширяет полосу захвата с 48,8 км до 1000 км .)500(±
Отсюда возникает задача составления плана съемок с отклонением КА
от надира в интересах наиболее заинтересованных и наиболее важных пот-
49
ребителей. Множество решений определяется временами съемки и географиче-
скими координатами. Качество решения оценивается по совокупности частных
критериев, определяющихся целевыми функциями потребностей конкретных
ведомств-потребителей.
3. Метод решения задачи
Частными критериями качества оптимального планирования съемки яв-
ляются степени удовлетворения потребностей в получении информации ДЗЗ на
определенном интервале времени для каждого из ОИВ с учетом ограничений,
которые накладываются ситуацией С. Ситуация в конкретный момент времени
определяется следующими факторами (ограничениями): расчетной оптической
видимостью районов съемки (Е); геометрической видимостью (К); прогнози-
руемой (статистической) видимостью районов съемки )(γ . Факторы (ограниче-
ния) рассчитываются по классическим методикам, изложенным
в [1–5]. Функции потребностей конкретных ведомств формируются на основе
экспертного опроса. В роли экспертов выступают опытные специалисты ОИВ,
четко понимающие потребности ОИВ в данных ДЗЗ. Они определяют время
съемки и территорию, представляющую наибольший интерес. Для таких опро-
сов неприменимы традиционные способы анкетирования [13], поэтому и воз-
никла потребность учета геопространственной информации в экспертном оце-
нивании и применении для ее обработки методов геопространственного интел-
лекта [10]. Разработана специальная анкета, позволяющая выделять
области интереса.
Так была получена базовая информация для проведения планирования на
весь год (по месяцам). Каждый район интереса выделялся контуром определен-
ного цвета с определенными семантическими значениями, которые определяли
степень потребности в данных ДЗЗ. Для формализации данных экспертного
опроса на геопривязанной контурной карте Украины сформируем
регулярную сетку с размерами ячейки (а, в). Каждая ячейка ),( 21 xxA с коорди-
натами центра ),( 21 xx характеризуется оценкой потребности. Экспертная
оценка потребности может принимать значения от 0 до 3. Так определяются
параметры функции принадлежности для каждой ячейки геопространственной
анкеты (точки дискретного пространства) (рис. 1).
Рис. 1. Общая карта и ее фрагмент с результатами формализации экспертных оценок
50
По результатам постобработки совокупности экспертных оценок сос-
тавляется интегральная «нечеткая» карта или трехмерное «тело потребностей»
(рис. 2) и карта потребностей для одного ведомства (рис. 3).
3
2,5
2
1,5
1
0,5
0
Best mark at level 0,5. Month 0,3
100
3
2
1
0
100
120
80
80
60
60
40
40
20
0
20
0
Ри
с. 2. Трехмерное «тело потребностей» (на январь для МЧС)
3
2,5
2
1,5
1
0,5
0
Best mark at level 0,5. Month 0,3
Рис. 3. Карта потребностей в данных ДЗЗ (на январь для МЧС)
Подобный подход обеспечивают формирование частных критериев в зада-
че многокритериальной оптимизации планирования космической съемки,
а также создание интегральной карты потребностей на каждый месяц года
для каждого из заинтересованных ведомств и в дальнейшем для всех ведомств
одновременно.
4. Формирование оптимального маршрута съемки
Карты обобщенных потребностей ОИВ можно использовать в процессе
планирования космической съемки. Получение интегральной оценки нужд раз-
ных ведомств позволит более обоснованно осуществлять планирование
и проводить съемку наиболее актуальных районов, независимо от наличия зая-
вок, в режиме так называемых «холостых проходов», которые имеют место при
51
наличии свободного ресурса, при отсутствии заявок или их небольшом количе-
стве на n-проход над определенной территорией. Кроме того, это значительно
упрощает задачу планирования для ОПР и процесс оптимизации маршрутов
при проведении съемок в режиме программных поворотов.
В рамках дальнейшей оптимизации планирования на карту обобщенных
потребностей ОИВ предлагается добавлять маски облачности (по данным ме-
теоспутников) и маски статистической сезонной видимости районов
съемки (рис. 4).
Районы интереса
согласно заявкам
Оптимальный
маршрут
съемки
Один из
возможных
маршрутов
съемки
Рис. 4. Использование интегральной карты потребностей ведомств
в процессе планирования космической съемки
При наложении на такую интегральную карту прогнозируемой трассы КА
ДЗЗ полосы захвата аппаратуры бортового специального комплекса, шейп-
файлов имеющихся заявок на съемку и указанных выше масок ограничений
ЛПР при планировании съемок КА ДЗЗ получает полную картину относитель-
но того, какие заявки попадают в полосу захвата и, следовательно, могут быть
сняты за данный проход (или в течение суток); районы наибольшего совокуп-
ного интереса для нескольких потребителей одновременно,
которые попадают в полосу захвата; возможность качественной съемки
по каждой из заявок; возможность проведения съемок эвентуальных районов
интереса при наличии свободного бортового ресурса; совокупность «конф-
ликтующих» заявок от различных потребителей со схожим приоритетом.
Оптимизация маршрута съемки выполняется с использованием интеллек-
туальных вычислений [14] с учетом возможности отклонения КА ДЗЗ
от надира на угол ± 35° в режиме программных поворотов.
5. Генетический алгоритм оптимизации маршрута съемки
Поскольку поверхность в пространстве параметров, на которой осуществ-
ляется оптимизация, не обладает свойством гладкости, и какая-либо допол-
нительная информация о ее форме отсутствует, для оптимизации мате-
матической модели нельзя воспользоваться традиционными методами
52
оптимизации. В такой ситуации целесообразно применить один из методов эво-
люционных вычислений [15], методология которых базируется на моделирова-
нии основных механизмов развития биологических видов, связанных с естест-
венным отбором и генетическим наследованием [16]. Среди моделей выделяют
три основные парадигмы: генетические алгоритмы, эволюционные стратегии и
эволюционное программирование [17]. Для рассматриваемой
постановки задачи целесообразно использовать генетический алгоритм,
который представляет собой метод поиска, оперирующий в каждый момент
времени не одним приближением, а набором (популяцией) приближений.
Каждое из приближений представляет собой бинарную строку, кодирующую
неизвестную величину. В процессе выполнения генетического алгоритма (ГА)
на основе моделирования механизмов биологической эволюции итеративно
формируется последовательность популяций, элементы (особи) которых
на каждой следующей итерации удовлетворяют критерию качества не хуже
своих предшественников.
К основным операциям ГА относятся скрещивание, мутации и естествен-
ный отбор. Формализация этих операций многократно описана в литературе
(например, [16, 17]) и не зависит от решаемой задачи. Предметная
область решаемой задачи определяет способ формирования бинарных строк ко-
да неизвестного вектора и вид критерия качества, применяемого для отбора
лучших представителей популяции. Таким образом, для рассматриваемой зада-
чи формирования маршрута съемки необходимо определить способ кодирова-
ния вектора параметров маршрута и критерий качества.
ГА оптимизации маршрута требует выполнения следующих действий [17].
1. Инициализировать популяцию, т.е. задать набор начальных приближе-
ний вектора S. Учитывая достаточно высокую сложность решаемой задачи,
размер популяции µ целесообразно выбрать достаточно большим, например,
равным 100.
2. Выполнить рекомбинацию (скрещивание) с использованием µ роди-
тельских особей для получения λ потомков. Как принято в эволюционных вы-
числениях, число потомков λ должно в 5–7 раз превышать количество роди-
тельских особей.
3. Выполнить мутацию (случайное зашумление) для каждого из λ по-
томков.
4. Оценить λ или λ+µ представителей популяции согласно выбранному
критерию.
5. Выбрать µ лучших представителей для формирования новой популяции.
6. Если требуемая точность оценивания не достигнута, перейти к шагу 2, в
противном случае завершить алгоритм.
Для эффективной реализации этого алгоритма необходимо использовать
инфраструктуру высокопроизводительных вычислений, описанную в [18–20].
6. Результаты моделирования
Предложенная методология построения маршрута съемки реализована
в виде программного обеспечения на язык PYTHON с учетом реальных техни-
53
ческих характеристик и параметров орбиты спутника ДЗЗ. На основе текущего
положения спутника, параметров его орбиты и приоритетности съемки,
вычисленной согласно методу, описанному в разд. 3 и в работе [21], программа
строит множество возможных маршрутов съемки, которое может использовать-
ся в системе поддержки принятия решений при оперативном планировании
спутниковой съемки. Пример множества возможных маршрутов съемки с уче-
том потребностей ведомств (результатов обработки нечеткой геопространст-
венной экспертной информации) представлен на рис. 5.
– 40
– 20
0
20
40
60
80
100
120
– 20 0 20 40 60 80 100 120 140
Рис. 5. Множество возможных маршрутов съемки для системы
поддержки принятия решений
Выводы
В настоящей работе сформулирована многокритериальная задача оптими-
зации планирования космической съемки для КА ДЗЗ «Сич-2» с учетом по-
требностей различных ведомств в получении информации для конкретного
времени и региона. Формируемая на основе экспертных оценок интегральная
карта потребностей позволяет оптимизировать процесс планирования съемок
по заданным районам интереса с максимально возможным учетом потребно-
стей всех ОИВ, а генетические алгоритмы на базе обработанных данных экс-
пертного опроса и объективных ограничений дают возможность отбора опти-
мального маршрута съемки.
Такой подход обеспечивает ОПР априорной базовой информацией по каж-
дой точке главной зоны интереса и определенным периодам времени, что оп-
тимизирует процесс планирования и повышает эффективность работы КА ДЗЗ.
1. Пясковский Д.В., Парфенюк В.Г. Основы построения систем управления космическими
аппаратами. Ч.1. Конспект лекций. — Житомир: ЖВИРЭ, 1998. — 187 с.
2. Лебедев А.А., Несторенко О.П. Космические системы наблюдения. Синтез и модели-
54
рование. — М.: Машиностроение, 1991. — 224 с.
3. Скребушевский Б.С. Формирование орбит космических аппаратов. — М.: Машино-
строение, 1990. — 256 с.
4. Ханцеверов Ф.Р., Остроухов В.В. Моделирование космических систем изучения естест-
венных ресурсов Земли. — М.: Машиностроение, 1989. — 264 с.
5. Машков О.А., Фриз С.П. Методика оптимизации планирования работы орбитальных
средств космических систем наблюдения // Сб. науч. работ. — Житомир: ЖВИРЭ, 2003.
— С. 80–91.
6. Воронин А.Н., Зиатдинов Ю.К., Харченко А.В. Сложные технические и эргатические
системы: методы исследования. — Харьков: Факт, 1997. — 240 с.
7. Згуровский М.З., Панкратова Н.Д. Системный анализ. Проблемы, методология, прило-
жения. — Киев: Научн. мысль, 2005. — 189 с.
8. Куссуль Н.Н., Фриз В.П., Янчевский С.Л. Возможный подход к рациональному планиро-
ванию космической съемки Земли на основе многокритериальной оптимизации // Проб-
леми створення, випробування, застосування та експлуатації складних інформаційних
систем. — 2011. — № 4. — С. 97–105.
9. Янчевский С.Л. Оптимизация использования информационного ресурса космических
систем дистанционного зондирования Земле для нужд системы государственного управ-
ления // Материалы докл. Второй всеукр. конф. «Аэрокосмические наблюдения в инте-
ресах постоянного развития и безопасности GEO-UA 2010». — Киев: Освіта України,
2010. — С. 166–168.
10. Bacastow T.S., Bellafiore D.J. Redefining geospatial intelligence // American Intell. J. —
2009. — P. 38–40.
11. Zadeh L.A., The concept of a linguistic variable and its application to approximate reasoning
//
Inform. Sci., 1975. — 8. — P. 199–249; 301–357.
12. Тактико-техническое задание на опытно-конструкторскую работу «Космическая систе-
ма оптико-электронного наблюдения и связи «Сич-2» от 07.02.2002 г. (КБ «Южное»). —
2002. — С. 7, 8.
13. Самохвалов Ю.Я., Науменко Э.М. Экспертное оценивание. Методический аспект. —
К.: ДУИКТ, 2007. — 262 с.
14. Shelestov A.Yu., Kussul N.N. Using the Fuzzy-Ellipsoid Method for Robust Estimation of the
State of a Grid System Node // Cybernetics and Systems Analysis. — 2008. — 44, N 6. —
P. 847–854.
15. Fogel D.B. Evolutionary computation: toward a new philosophy of machine intelligence //
New York: IEEE Press, 1995. — 272 p.
16. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации
систем. — Санкт-Петербург: Наука и техника, 2003. — 384 с.
17. Eberhart R., Simpson P., Dobbins R. Computational Intelligence PC Tools. — New York:
AP Professional, 1996. — 464 p.
18. The Data Fusion Grid Infrastructure: Project Objectives and Achievements / L. Hluchy, N.
Kussul, A. Shelestov, S. Skakun, O. Kravchenko, Y. Gripich, P. Kopp, E. Lupian // Comput.
and Inform. — 2010. — 29, N 2. — P. 319–334.
19. Kussul N., Shelestov A., Skakun S. Grid System for Flood Extent Extraction from Satellite
Images // Earth Sci. Inform. — 2008. — 1(3–4). — P. 105–117.
20. Шелестов А.Ю., Куссуль Н.Н., Скакун С.В. Grid-технологии в системах мониторинга на
основе спутниковых данных // Проблемы управления и информатики. — 2006. — № 1–
2. — С. 259–270.
21. Янчевский С.Л. Многокритериальная оптимизация планирования космической съемки
на основе геопространственной экспертной информации // Вісн. НТУУ «КПІ». Інфор-
матика, управління та обчислювальна техніка: Зб. наук. праць. — 2011. — № 53. —
С. 96–105.
Государственное космическое агентство Украины, Киев Получено 15.07.2011
|
| id | nasplib_isofts_kiev_ua-123456789-45690 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0452-9910 |
| language | Russian |
| last_indexed | 2025-11-28T15:00:43Z |
| publishDate | 2011 |
| publisher | Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України |
| record_format | dspace |
| spelling | Янчевский, С.Л. 2013-06-17T18:55:13Z 2013-06-17T18:55:13Z 2011 Интеллектуальные методы оптимизации планирования космической съемки / С.Л. Янчевский // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 47-54. — Бібліогр.: 21 назв. — рос. 0452-9910 https://nasplib.isofts.kiev.ua/handle/123456789/45690 681.51 Предложены новые подходы к решению задач планирования космической съемки на основе методов многокритериальной оптимизации и геопространственного интеллекта. Степень удовлетворения потребностей конкретных ведомств в спутниковой информации определяется частными критериями, которые формируются по результатам экспертного опроса с использованием геопространственного анализа нечеткой экспертной информации. Полученная в результате постобработки карта приоритетности в сочетании с объективными ограничениями оптимизирует планирование съемки КА ДЗЗ. Определение оптимального маршрута съемки с отклонением КА ДЗЗ от надира производится с помощью генетического алгоритма. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України Кибернетика и вычислительная техника Дискретные системы управления Интеллектуальные методы оптимизации планирования космической съемки Article published earlier |
| spellingShingle | Интеллектуальные методы оптимизации планирования космической съемки Янчевский, С.Л. Дискретные системы управления |
| title | Интеллектуальные методы оптимизации планирования космической съемки |
| title_full | Интеллектуальные методы оптимизации планирования космической съемки |
| title_fullStr | Интеллектуальные методы оптимизации планирования космической съемки |
| title_full_unstemmed | Интеллектуальные методы оптимизации планирования космической съемки |
| title_short | Интеллектуальные методы оптимизации планирования космической съемки |
| title_sort | интеллектуальные методы оптимизации планирования космической съемки |
| topic | Дискретные системы управления |
| topic_facet | Дискретные системы управления |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/45690 |
| work_keys_str_mv | AT ânčevskiisl intellektualʹnyemetodyoptimizaciiplanirovaniâkosmičeskoisʺemki |