Signup for GEOCEN Newsletter here...Print?Tell a friend about this page...
Hvordan GIS forstærker UAV Operationer
Del 2: Fra missionsplanlægning til udnyttelse
Af David Swann, ESRI Defense Business Development, Mission Planning, ESRI.
Oversat af cand.scient. Troels Kullberg. HIAS-GIS02, MGA/GIS. Oversættelsen er ikke slavisk, bl.a. fordi en del af de militære termer på amerikansk ikke har samme betydning i Danmark, men der er tilstræbt at meningen er bibeholdt. Artiklen i sin helhed kan findes her.
Synopsis: Dette er nummer to af to i rækken af en miniserie omkring, hvordan teknologien i geografiske informationssystemer (GIS) øger analyse- og beslutningsmulighederne før, under og efter missioner med ”droner” (UAV). Nærværende artikel illustrerer den kritiske rolle GIS spiller i UAV-operationer, lige fra planlægningen af dataindsamlingen til udnyttelse og integration af sensorer. Artiklen viser også, hvordan GIS kan danne ramme for forståelsen og integration af eksisterende indsamlinger. Moderne SOA'er (Serviceorienterede arkitekturer) gør det muligt at integrere UAV-operationer i andre ISTAR-aktiviteter (eng. fork. for efterretning, overvågning, måludpegning og rekognoscering), C4ISTAR-aktiviteter (eng. fork. for kommando, kontrol, kommunikation, computer, efterretning, overvågning, måludpegning og rekognoscering) aktiviteter. GIS har vist sig som et stærkt netværk, der øger den generelle bevidsthed/opmærksomhed.
Se del 1 her...
 
Missionsplanlægning
Den specifikke proces for planlægningen af UAV-missioner er beskrevet i det følgende.
Situationsbevisthed omkring interesseområdet
 Figur 1.: Situationsbevidsthed omkring interesseområdet.
Forståelse for situationen
Først er vi nødt til at opbygge situationsbevidsthed omkring interesseområdet (Figur 1). Forbindelse til en række servere (kort-, J2- (efterretning) og J3 (operations) servere), hjælper til at forstå hele kamppladsen såvel som nøgleområder og de kritiske huller i dækningen, som UAV skal udbedre.
Specifikke områder med behov for yderligere dækning         
Figur 2: Specifikke områder med behov for yderligere dækning.
Definering af behov
Figur 2 viser de specifikke områder, hvor der er behov for yderligere dækning. Områderne er indført i situationsprogrammet. De gule pile viser områderne fra den ønskede vinkel. Informationerne bliver hældt ind i ”the Analytical Graphichs, Inc (AGI), 4DX”-serveren, der forsyner en missionsplanlægnings-service.
Missionsplanlægnings-serveren forstår UAV karakteristika (dens flyvekarakteristika, parametre for kommunikationsforbindelsen og sensorernes dynamik) og kan derfor returnere en optimeret flyvebane. De blå polygoner på figur 3 viser en plan for, hvor der skal indhentes billeder.
Blå polygoner viser plan for hvor der skal indhentes billeder
Figur 3: De blå polygoner viser plan for hvor der skal indhentes billeder.

Missions optimeringsværktøj

Figur 4: Missions optimeringsvætktøj
Kapabiliteterne for AGI (figur 4) er langt mere sofistikerede og tillader indarbejdelse af faremomenter i planlægningen, og derved minimere risikoen mens billedeindhentningen optimeres.
Missionsafprøvning
Figur 5: Missionsafprøvning
På figur 5 ses hvordan AGI's desktopprogram ”Satellite Tool Kit” (STK) opregner missionen i nødvendig nøjagtighed for at oplyse operatøren.
Realtidsinformation bliver håndteret som et geografisk informationsinput. Information om egne styrker (blå styrke spor) og efterretninger fra mobile systemer til måludpegning (som luftbårne radarsystemer), bliver ligeledes integreret i misionsplanlægningen.
Vejret, realtids - og aeronautiske informationer
Figur 6: Vejret, realtids - og aeronautiske informationskilder
På figur 6 er alle de forskellige informationskilder fra ISTAR-området smeltet sammen i et fælles operativt billede (COP). De aeronautiske informationer optræder som afgrænsede luftrum (vejret som de blå, grønne og gule data) og realtidsinformationen som ”OpenFlight”-modeller (standard inden for simulation).
Iværksættelse af missionen
De ”avionics” systemer der stiller operatøren i forbindelse med UAV, er ikke almindelige kommercielle softwarelagervarer (eng: commercial off-the-shelf – COTS) (figur 7),men derimod godkendt og specialfremstillet software, der kan håndtere sikkerheden for UAV og de involverede realtids operationssystemer, der er så kritiske for en vellykket mission. Det specialfremstillede software er dyrt og ofte specifikt for den enkelte UAV type.
Flyvekontrol og mission udførelse
Figur 7: Flyvekontrol og mission udførelse
COTS GIS komplimenterer navigationssystemerne som et alsidigt sekundært kortgrundlag, for at kunne vedligeholde en bred situationsbevidsthed og dynamisk kunne indlemme andre informationskilder såsom efterretninger, ”blå styrke spor” og vejret, der kan hjælpe med at fuldføre UAV missionen. Omvendt spiller det specialiserede og fokuserede flysoftware ikke spiller nogen rolle i den bredere netværksbaserede operation (NBO). Hermed er det i tråd med hele konceptet i SOA, der hviler på at bruge COTS-software til at etablere en virksomheds(it)infrastruktur, der hvor det er nødvendigt kan inddrage specialprogammerede web-services.
Udnyttelse af sensorer
Når missionen er tilendebragt kan den analyseres ved at sammenholde den virkelige missionsprofil med indhentede billeder og andre informationer som udledte indikatorer for mobile mål. Efterfølgende analyser kan identificere områder, der måske var savnet i missionen og dermed forbedres udførslen af fremtidige missioner.
Integration af video
UAV missioner forøger den operative enhed og dennes stabs situationsbevidsthed, så derfor er det vigtigt at have evnen til direkte at føde COP med video (figur 8). Det giver den planlæggende stab mulighed for at forbinde den geografiske kontekst med relaterede informationer, så de kan tolke UAV data rigtigt.
Videoinformation integreret i COP
Figur 8: Videoinformation integreret i COP
Det er valgfrit om man vil benytte sig af videomuligheden. COP displayet er ikke altid overfyldt med integreret video information, men kan slås til når der er brug for det.
Der er ikke altid den nødvendige båndbredde er til rådighed for at kunne integrere video fra ”ground station” til COP. I de tilfælde kan Sarnoff VideoQuest teknologien opfange forudbestemte begivenheder i video strømmen og videregive lige netop de ønskede begivenheder til COP som en feature-service (figur 9). Herved skabes en øget situationsbevidsthed, selv når båndbredden ikke er så stor som ønsket.
Integration af objekter.
Figur 9: Integration af objekter.
Integration af billeder i ArcGIS Image Server
Traditionelt har udnyttelse af billedmateriale involveret en fotobehandlingsproces, hvor forvrængninger blev oprettet. De resulterende ortofoto udgør et vigtigt arkiv af baggrundsbilleder. Men bearbejdningen af mange terabit af billeder fra en typisk mission er tidskrævende, og derved et forsinkende led fra indsamlingstidspunktet til at brugerne har adgang til data.
ESRI's ArcGIS Image Server stiller en ny mekaniske for billedebehandling ”on-demand” til rådighed. De rå ukorrigerede billeder flyder direkte i serveren, måske direkte fra en sensor i marken via en trådløs opkobling eller fra et samlet data download efter UAV'en er landet.
Med billedet er tilhørende position, højde og kameradata loaded til serveren. Disse metadata korrigerer billedet, når der er brug for det, ved at bruge billedproceseserings algoritmer. Korrektionen bliver kun udført på de pixels, der skal bruges i den aktuelle forespørgsel, og derved nedbringes proces-tiden og billederne kan håndteres som en forespørgsel i realttid fra klienten.
Udover en dramatisk reduktion i latenstiden mellem sensoren og brugeren, sparer metoden båndbredde, fordi det kun er de aktuelle pixels der skal gennem netværket. Figur 10 viser arkitekturen i ArcGIS Image Server.
Arkitektur i ArcGIS Image Server
Figur 10: Arkitektur i ArcGIS Image Server
Saml det hele med SOA
Så hvordan samler vi alt, så vi kan besvare det typiske spørgsmål fra kamppladsen ”Hvordan slår vi mest effektivt fjenden?”. Figur 11 illustrerer, hvordan en beslutningstager kan bruge en geospatial serviceorienteret arkitektur (GeoSOA), til at organisere den information der er nødvendig for at besvare spørgsmålet.
 
Bruge en geospatial serviceorienteret arkitektur (GeoSOA)
Figur 11: Bruge en geospatial serviceorienteret arkitektur (GeoSOA)
Første spørgsmål er ”Hvor er fjenden?”. Vi har nu behov for at forbinde til efterretningserveren, der indeholder de korrigerede billeder af fjenden gemt i en geodatabase. Med en webservice returneres kun lige akkurat data fra det valgte geografiske område. Geodata symboliseres (med en allerede defineret standard såsom MIL-STD-2525B) på serveren eller hos klienten, så brugerens informationsbehov dækkes.
Næste spørgsmål er at indsamle viden om, hvor egne styrkers våben er placeret. Den samme ”viewer” der er forbundet til efterretningsserveren kan være forbundet med den operative server. Vi kan både forespørge på strukturen af egne styrker spatialt (fx hvilke styrker er i hvilke områder) og efter attributter (hvilke styrker har hvilke egenskaber). Vores webservice viser den operationelle informationen sammen med efterretnings informationen.
Vi bliver nødt til forstå mere end bare placeringen af styrkerne – prikkerne på kortet. De vil være en fordel at kende deres status – brændstofniveau, ammunition, sensor nyttelast etc. Denne information er måske gemt på en separat server – måske en J4 forsyningsserver. I starten er en tekstrapport måske det bedste, men senere i takt med at datamængden stiger, kan den bedste måde at vise status på måske være som et traffiklys. Herved får man et meget hurtigt overblik over de forskellige statusrapporter.
Nu er tiden kommet til at vi gerne vil vide lidt mere om fjenden, så vi kan forudsige hvor han har mulighed for at bevæge sig. Det er et klassisk problem i geoproceseringen, hvor vi er nødt til at finde ud af, hvilke påvirkninger jordtype, hældning og vegetation har på fjendens evne til at flytte sig. Disse faktorer, repræsenteret i en geoproceseringsmodel, sammenholdt med input fra efterretningsserveren (fjendens nuværende position) og et grunddatasæt, kan bruges til at udlede de informationer, der er relevante for beslutningstagerne – i dette tilfælde de mobilitetskorridorer der er tilgængelige for fjenden. Det er et godt eksempel på forbindelsen mellem (og med) forskellige webservices. Denne type af analyse er nødvendig for at smelte store mængder data sammen til en overkommelig mængde af data, ud fra hvilke der kan træffes beslutninger.
Næste skridt er at udspille scenariet i et krigsspil med mulighed for geomodellering og símulering, så man kan afprøve forskellige muligheder for at tilføje fjenden tab. Konfrontationen spilles til ende ved at bruge typiske modeller og simulationer. Når en mulighed opstår, kan den sættes ind i beslutningstagernes fælles operative billede som et M1 og M2.
Til sidst må vi lave en optimal missionsplan for vore styrker. Til det har vi brug for en missionsplanlægningsserver såsom AGI's 4DX server. Denne server inkorporerer input fra J3 og J4 servere, beslutningstagernes beslutninger, geografiske og aeronautiske faktorer og genererer således den optimale missionsplan.