魏鑫，汪洋

中国科学院计算机网络信息中心，北京 100190

引言

“态势感知(Situation Awareness，SA)”最早由美国空军首席科学家 Endsley 于20世纪 80年代提出，覆盖感知(感觉)、理解和预测三个层次。90年代，态势感知的概念开始被逐渐接受，并随着网络的发展升级为“网络态势感知(Cyberspace Situation Awareness，CSA)”。近年来，随着信息与网络技术的飞速发展，态势感知理论和技术在网络安全、情报系统、电力系统、智能交通系统等许多领域都有广泛的用途，提高态势感知能力成为系统和组织机制设计中不可或缺的一部分[1–3]。

本文从态势感知的概念出发，首先阐述其在军方战场及网络方面的应用，并在此基础上给出科研管理态势感知的概念，探讨态势感知技术在科技管理中的全新应用。

1 态势感知

美国心理学家 Endsley1988年在分析飞机驾驶员和领航员(机组人员)对周围(空中环境和飞机状态)的感知程度对其活动行为的影响时,给出了态势感知的定义[4]：“态势感知是对一定时间和空间环境内的态势要素进行感知，并对获得的信息进行理解，进而形成对这些态势要素下一时刻状态的预测”。1995年Endsley 提出了态势感知的三级模型[5](如图1)。

(1)一级 SA：察觉(perception)。察觉是指获取所需的态势要素，并掌握各要素之间的关系；

(2)二级 SA：理解(comprehension)。理解是综合集成所获取的态势信息，并形成对各态势要素重要性和性质的判断；

(3)三级 SA：预测(projection)。预测是对未来态势发展变化趋势的估计，它通过对当前态势信息的理解，形成对当前态势在未来一段时间内变化趋势的推测。

Endsley的定义强调了“一定时间和空间环境”，即将态势感知限制在一个短暂的时空范围内，但事实上态势感知是一个与过去、现在和将来都有关系的概念，是全局性的、动态的。因此，本文结合态势感知目前的应用情况及信息技术发展现状，将态势感知定义为：态势感知是一种基于环境的、动态、整体地洞悉系统状态的能力，是以大数据为基础，从全局视角提升对关键信息的发现识别、理解分析、预测能力的一种方式，最终是为了决策与行动，是综合展示系统与决策支持系统的融合。

2 战场态势感知

2.1 战场态势感知及态势要素概念

知己知彼，才能百战不殆。全面准确地掌握战场态势，是正确决策和占据战场主动的基础。战场态势感知活动的作用域主要有物理域、信息域和认知域，不同领域的专家关注的侧重点不同，对战场态势感知的理解和定义也不尽相同。比如，在军事领域，赵宗贵研究员将战场态势(Battlefield Situation，BS)定义为[5]：战场态势是指战场中兵力分布及战场环境的当前状态和发展变化趋势；而态势要素则指构成战场态势的兵力、目标、环境等要素。

图1 态势感知的三级模型及嵌入式应用Fig.1 A three-phase model for situation awareness and its embedded application

不同的作战场景、作战目标所包含的态势要素不尽相同，抛开特定的作战场景，从总体上讲，战场态势由五类要素构成[5]：(1)兵力部署与作战能力类；(2)重要动态目标类；(3)战场环境类；(4)社会/政治/经济环境类；(5)对抗措施类。每类所含态势要素的分层结构，如图2所示。

2.2 战场态势感知系统框架

战场态势感知系统[6]主要由感知节点(如雷达、红外探测器等)、信息处理节点(如信息融合、处理器等)、指控节点等组成，广泛作用于物理域、信息域和认知域。战场态势感知系统框架如图3所示。实际的战场战情是十分复杂的，战场态势感知系统也是多种多样的，图3只是简单示意。

2.3 战场态势感知应用实践

战场战情瞬息万变，指挥部需要随时了解战情，对成千上万个作战单元进行指挥，指挥任务复杂且艰巨。“空间战场态势感知指挥可视化系统”的出现，很好地解决了这一难题。

空间战场态势感知指挥可视化系统通过前端传感器收集作站平台参数，包括主要性能参数、各分队位置、集群数量、组织情况等，并将收集到的信息经过分析、处理后，传到后端进行可视化呈现。系统可进行全空间战场实时动态显示、二三维地理信息显示、三维战场态势显示等，支持多屏关联分析，用户可以根据需求查看所需要的信息，还可通过手持设备对大屏幕进行交互控制。目前该系统在航天系统及船舶部门得到了成功应用，后续将在部队中进一步推广，指挥部队日常训练及作战演习。空间战场态势感知指挥可视化系统如图4所示。

3 网络态势感知

3.1 网络态势感知概念

网络态势感知(Cyberspace situational Awareness，CSA)是在1999年被提出的。网络态势感知[7]是指在动态网络环境中，对能够引起网络态势变化的各种要素进行获取、分析及评估，并预测其发展趋势，为决策提供依据。它既包括对内部网络系统运行状况、安全态势的感知，也包括对外部网络态势的感知。

图2 战场态势要素层次结构Fig.2 Hierarchical structure showing battlefield situation elements

与物理空间的战场态势感知不同，网络空间是虚拟的数字世界，研究对象不再局限于传统的设备，还包括虚拟对象，如身份 ID、网络服务、应用等。同时，由于网络中的信息具有瞬时可达性，物理空间中的距离、方位等要素在网络空间中已不具有太大意义。

3.2 网络态势感知研究框架

网络态势感知通过融合各种感知数据，并对数据信息进行分析、评估，预测网络发展趋势，为决策提供支持。网络态势感知涵盖多方面的研究内容，抛开具体研究内容，其整体研究框架[8]如图5所示。

网络态势感知包括态势要素提取、当前态势分析和未来态势预测几个部分,具体涉及如下几个方面：

图3 战场态势感知系统框架Fig.3 Framework of the battlefield situation awareness system

图4 空间战场态势感知指挥可视化系统Fig.4 Command visualization system for spatial battlefield situation awareness

(1)从多个维度、利用数据挖掘、融合技术，对网络空间要素进行实时监测获取,为态势评估做准备；

(2)对采集到的信息采用分类、归并等方式进行数据融合，通过特征分析、深度挖掘等技术确定事件发生的深层次原因,确立态势评价指标,评估网络当前态势；

(3)根据网络当前运行状况，运用预测技术对网络发展趋势进行预测，及时采取有效措施，避免大规模安全事故的发生；

(4)运用可视化技术将网络态势状况进行直观、清晰的展示，为网络管理员提供辅助决策支持。

3.3 网络态势感知模型

几十年来，研究者提出了多种数据融合模型，其中美国国防部实验室联合领导机构(Joint Directors of Laboratories，JDL)模型[8]最受欢迎。该模型最初用于军事领域，将数据融合过程分为信息预处理、对象精炼、态势评估等5个层次，如图6所示。

JDL 模型将采集到的数据经过信息预处理实现数据的初步筛选，对象精炼结合参数、身份等信息对数据进行进一步处理，为后续态势、威胁评估做准备。

图5 网络态势感知研究框架Fig.5 Research framework for network situation awareness

2000年，Tim Bass 提出 BASS 模型，应用数据融合技术建立网络态势感知系统。BASS 模型共分 5层，分别为数据精炼、攻击对象识别、态势精炼等,如图7所示。BASS 模型的出现，为态势感知研究领域提出了新的思路，后续出现了多种基于多源异构信息的模型。

图6 JDL 模型Fig.6 IDL model

图7 BASS 模型Fig.7 BASS model

4 科研管理态势感知

4.1 在“十三五”信息化规划中的概念

在“四个率先”战略导向下，中科院《“十三五”信息化发展规划》确立了“两个面向”和“三个显著提升”的发展目标，提出了实施五大工程的战略举措，旨在全面构筑新型科研信息化体系。在大数据时代，中科院建设了一系列应用系统，在科研和管理过程中采集了海量的数据信息，如何有效的利用这些数据来帮助提升管理工作、辅助决策，是建设智慧中科院的关键一环。本文提出建设“科研管理态势感知系统”，面向中科院科研与管理需求，全方位收集数据与信息资源，通过中科院创新发展相关要素数据的有效融合及深度关联分析，实现对中科院发展态势的感知，为科学决策提供数据支撑。

科研管理态势感知面向院、所两级用户需求，研究衡量中科院各方面发展的指标体系，构建了一套大数据管理、清洗与分析工具以及可视化展示算法库，全方位、多维度展示研究机构、研究人员、科研项目、科研成果、研究方向等方面的发展状态，实现“院-研究所-实验室-团队-人员”多级结构的发展态势实时展示与交互式分析，感知中科院各领域、各研究机构的发展现状与趋势，为管理决策提供数据支持。

科研管理态势感知从数据到知识共分为四个层次：

(1)一维数据展示：原始数据是一维的“点”，是表示某一时间点的状“态”；

(2)发展态势指标：通过增加时间维度，一维的点变成了二维的线，表示某一指标在时间轴上的发展趋“势”；

(3)态势模型分析：通过引入用户、专家的经验与知识，结合大数据模型，将多个指标进行有机整合赋予其新的概念，由二维的线变成三维的体，让使用者“感”觉到某一簇指标集的发展态势；

(4)整体横向对比：知己知彼，百战百胜。通过与其他机构、实验室、人员的横向对比，让使用者对三维的空间有更加直观的感受，“知”晓发展态势的水平与差距。

4.2 技术路线与建设内容

科研管理态势感知系统通过关系型数据库和非关系数据库技术，构建数据目录及数据字典管理主题数据库，形成数据汇聚与交换平台的基本框架；汇聚中科院 ARP 数据资源、文献情报信息资源，以及国家科技部、国家自然科学基金委等科技项目资源库和互联网外部数据，在主题数据库系统的框架下，形成态势感知数据资源池目录体系和大数据存储体系。通过系统正交方法，研究并梳理出态势感知指标项，建立态势感知指标体系；通过数据索引技术，建立数据汇聚与交换平台和态势感知指标项关联结构；通过爬虫等互联网数据工具，抓取学科领域涉及科技团队、科研成果等反映科技竞争力的相关数据并进行清洗、整理，存储到数据汇聚与交换平台；通过多维可视化方法，展示指标体系各类数据，多维度展示我院科研、管理与教育的发展态势。

科研管理态势感知建设内容包括如下七大部分：数据标准规范与数据字典、数据汇聚与交换平台、态势感知数据收集与预处理、态势感知指标体系、态势感知模型与数据分析、态势感知可视化、领域互联网信息垂直分析系统，如图8所示。

4.3 应用实践

图8 科研管理态势感知主要建设任务Fig.8 Major steps for building the research management situation awareness

经过相关工作的开展，科研管理态势感知已积累了超过百万条数据，涉及相关科研机构的人、财、物等各方面数据，并在收集数据、构建数据库时，形成态势感知数据字典，规范了数据收集与整理；建立数据汇聚与交换平台接口规范，指导数据汇聚与交换平台建设。构建了满足不同类型数据管理的数据汇聚与交换平台，为态势感知分析提供基础数据存储与分析服务，并通过前置机方式能够与其他业务系统进行数据交换。梳理能够反映中科院科研、管理与教育发展态势的指标，并形成全面、客观反映中科院整体发展态势的指标体系。初步构建了科研竞争力模型，形成可反映科研单位科技竞争力的评价指标与模型；收集、整理国内外对标机构的相关数据，展现中科院科研机构与国内外相关科研机构的横向对比关系。最后通过可视化分析引擎和态势感知驾驶舱构建交互式可视化的态势感知展示系统，初步形成中科院科研管理态势感知总览，提供态势感知分析的服务能力，对深入了解中科院科研机构的科技竞争力提供数据支持。

4.3.1 态势感知数据收集与预处理

科研管理态势感知系统数据来源广泛，既包括基于实时事务处理型应用的关系型数据库，如新一代ARP 中科研管理、人力资源、财务管理、资产设备、教学管理等；也包括XML等半结构化数据，以及以视频、音频、文本和其他形式存在的非结构化数据，如科技成果、科技文献等。科研管理态势感知系统通过对这些数据进行规范化整理组织，形成了统一的科研管理数据视图，为后续数据服务和共享提供依据。

此外，为了更好地分析和展示信息，提供可靠、可信、客观的态势感知服务，除了中科院内部信息系统之外，还需要从互联网、第三方等平台上抓取或接入数据，通过补充外部数据，实现对多源数据的集成和管理。因此，科研管理态势感知系统针对科研管理活动过程中的相关数据，如科学数据、科技文献、科学传播、智慧教育等应用数据，也包括互联网管理数据，如科技部、国家自然科学基金委发布数据、科技动态、科技文献、科技成果产出等数据进行梳理，遵循相应的分类体系、分类方法、数据格式等标准规范，将数据存入数据汇聚与交换平台中，服务于态势感知融合分析。

目前，科研管理态势感知系统收集的数据总量超过百万条，其中科研人才数据约 10 万条，科研投入数据约 19 万条，科研产出数据约 113 万条，科研发展数据约 2000 条。后续随着相关工作的开展，数据量还会不断增加。

4.3.2 数据汇聚与交换平台

态势感知系统数据来源多样、异构、异地，为了更集中展示整体信息情况、预测未来趋势，同时也为了各系统间能够进行数据交换，在遵从数据标准和接口规范的基础上，数据汇聚与交换平台初步实现了对ARP 数据、教育管理数据、文情数据、传播数据和互联网数据等各类数据的汇聚；在ETL、XML等技术支撑下，形成了数据交换规范。此外，通过建立数据汇聚与交换数据库，实现了异构系统之间的互联互通，完成了数据的抽取、集中、加载及展现。

数据汇聚与交换平台具有集成协议转换、加密、压缩、交换过程监控等多种功能，保证了各信息系统之间数据的有效交换。同时，提供客户接入端功能，可部署在每个应用系统的前置机上，实现了数据汇聚与交换平台与各信息系统的有机结合，在客户接入端实现数据的自动提取与转换，支持手工录入、审核数据。它是一个为不同数据库、不同数据格式之间，进行数据交换而提供服务的平台，解决了不同信息库间信息数据无法自由转换的问题。

4.3.3 态势感知指标体系

通过调研国内外科技评价指标体系，包括世界经济论坛(WEF)的《全球竞争力报告》、瑞士洛桑国际管理发展学院(IMD)的《世界竞争力年鉴》、全球创新指数(GII)、欧盟创新指数、罗伯特·哈金斯协会的世界知识竞争力指数、学术期刊影响因子、谷歌学术指标(H5)，并充分结合中科院科技发展中各方面因素以及院级领导关心的问题，设计完成科研管理态势感知指标体系，覆盖科研人才、科研投入、科研产出、科研发展四个大的方面，并形成三级指标体系，如表1所示。

表1 科研管理态势感知指标体系Table1 Index system for the research management situation awareness

续表1

续表1

4.3.4 态势感知模型与数据分析

在《中科院“十三五”发展规划纲要》中，明确提出按照“面向世界科技前沿，面向国家重大需求，面向国民经济主战场”，根据率先实现科学技术跨越发展的目标要求，立足我院长期形成的学科基础和重要领域，发挥队伍和平台优势，重点围绕基础前沿交叉、先进材料、能源、生命与健康、海洋、资源生态环境、信息、光电空间等八个重大创新领域和有关重点方向，进行我院未来科技布局，促进“三重大”产出，保障跨越发展目标实现，支撑引领经济社会发展。为了更好的反映我院科技发展水平，根据科研管理态势感知指标体系，结合《中科院“十三五”规划》中的八个重大创新领域，我们首先选取了能源与信息领域作为科技竞争力模型的研究范围，并针对能源与信息领域各自特点，设计领域态势感知模型。

信息领域是发展最为迅速、变化最快的一个领域，通过信息领域的态势感知数据能够使院领导对信息领域相关研究所的发展水平有所了解，并掌握我院信息领域科研力量在国内外所处的地位。为了将信息领域细分为更细的科学方向，我们采用了中国计算机学会(CCF)对学科领域的划分，将信息领域分为：(1)计算机体系结构／高性能计算／存储系统；(2)计算机网络；(3)网络与信息安全；(4)软件工程/系统软件/程序设计语言；(5)数据库/数据挖掘/内容检索；(6)计算机科学理论；(7)计算机图形学与多媒体；(8)人工智能；(9)人机交互与普适计算；(10)交叉/新兴／综合等。同时，我们采用了CCF 推荐的期刊、会议论文的数据，将10个细分信息领域的相关期刊和会议论文分为A、B、C 三类，这样可以有效地将细分领域中科技论文的发表、被引情况进行详细的分析，再结合科技人才、科技投入、科技发展以及其他科技产出的情况，就可以对我院科研机构的科技发展能力有一个全面的展示。

最后，在调研了科技评估的主要方法(包括同行评议法、特尔斐法、文献计量法、层次分析法、底层等权加和法、案例研究、回溯法、经济计量法等)后，考虑到各个指标之间的客观性以及可操作性，系统采用底层等权加和法对态势感知指标进行计算，得到各级指标的无量纲化得分，从而实现不同科研机构之间的对比。

4.3.5 态势感知可视化

态势感知可视化平台包括科研人才、科研投入、科研产出、科研发展四大板块，所能分析的指标覆盖指标体系80%以上。支持包含论文、专利、经费、项目、院士、百千万人才项目、获奖等7 大类数据、26个子类数据的展示与分析。

平台根据展示分析需求设计了合理的可视化方案，能较好地对比中国科学院与其它单位在论文、专利、经费、项目、人才、奖项、科研影响力等方面的优势和劣势。同时，引入动画、时间轴等可视化技术，将论文、专利、经费、项目等数据的变化趋势按时序播放，生动直观地展现各单位在上述维度的变化趋势和排名情况。

平台支持多视窗关联分析，为用户提供灵活便捷的分析方法和流程。用户可以自由配置筛选条件以及需要分析的指标，探索分析不同维度的相关性。同时，支持多视窗的关联交互，为用户提供交互式的探索分析功能。用户可以在同一界面中灵活搭配不同数据集的不同维度，在不同的数据集间搭建桥梁，从而深度挖掘数据集之间的关系。此外，平台支持多终端访问，用户可以随时随地对平台进行访问。图9给出了可视化展示页面示例。

5 结语

态势感知的概念源于军事需求，随后被引入信息技术安全领域，并且随着信息技术的发展，逐步向其他领域和方向发展。本文从态势感知的概念出发，首先介绍了其在战场及网络方面的应用，并给出科研管理领域态势感知的全新尝试。科研管理态势感知系统在下一阶段还将进一步开展研发工作，通过汇聚更多科技管理数据，研究更丰富的态势感知模型，并采用人工智能等技术使其进入到第三级“预测”阶段，从而真正为管理决策提供数据支撑。

图9 科研管理态势感知可视化展示页面Fig.9 Visualization of the research management situation awareness