DETERMINING THE STATE OF A FOREST AREA IN GIS SYSTEM USING A MULTI-AGENT APPROACH

ОПРЕДЕЛЕНИЕ СОСТОЯНИЯ ЛЕСНОГО МАССИВА В ГИС С ИСПОЛЬЗОВАНИЕМ МУЛЬТИАГЕНТНОГО ПОДХОДА

Научная статья

Колбина О.Н.¹, Яготинцева Н.В.², Сафонова Т.В.³, Мокряк А.В.^4, *

^{1, 2, 3} Российский Государственный Гидрометеорологический Университет, Санкт-Петербург, Россия;

⁴ Санкт-Петербургский университет ГПС МЧС России, Санкт-Петербург, Россия

* Корреспондирующий автор (mokryakanna[at]mail.ru)

Аннотация

Цель исследования – обзор текущего состояния лесной отрасли, а также определение и выполнение задач по его анализу и мониторингу, благодаря которым ситуация в данной сфере может измениться.

В статье акцентируется внимание на раскрытии принципа работы мультиагентной технологии, а также беспилотных летательных аппаратов. Совместное применение данного подхода направлено на выявление проблемных зон в лесном хозяйстве.

Научная новизна заключается в том, что беспилотный летательный аппарат оснащенный мультиагентной системой для оценки данных о состоянии лесного массива является перспективным направлением в лесной сфере за счет уменьшения времени обработки поступающей информации, так как работа агентов представляет собой параллельный процесс, а также за счет упрощения структуры алгоритма агентов.

В результате исследования была раскрыта технология работы мультиагентного подхода, а также представлены примеры ее использования в других сферах деятельности.

Подчеркивается, что применение беспилотных летательных аппаратов с мультиагентным подходом оценки состояния лесного массива позволит улучшить качество поступающих данных, увеличить объем получаемой и обрабатываемой информации, а также повысить надежность функционирования этого процесса.

Основными преимуществами использования мультиагентных технологий и беспилотных летательных аппаратов в лесной отрасли являются: минимальный контроль при дистанционном применении, таксация лесных ресурсов, анализ местности на предмет экстренных ситуаций и т.д.

Ключевые слова: мультиагентные системы, контроль и мониторинг лесной отрасли, упрощение контроля при дистанционном управлении.

DETERMINING THE STATE OF A FOREST AREA IN GIS SYSTEM USING A MULTI-AGENT APPROACH

Research article

Kolbina O.N.¹, Yagotintseva N.V.², Safonova T.V.³, Mokryak A.V.^4, *

^{1, 2, 3} Russian State Hydrometeorological University, Saint-Petersburg, Russia;

⁴ Saint-Petersburg University of the State Fire Service of the EMERCOM of Russia, Saint-Petersburg, Russia

* Corresponding author (mokryakanna[at]mail.ru)

Abstract

The purpose of the study is to review the current state of the forest industry as well as to identify and conduct analysis and monitoring tasks that can help change the situation in this area.

The article focuses on determining the principle of operation of multi-agent technology as well as unmanned aerial vehicles. The joint application of this approach is aimed at identifying problem areas in forestry.

The scientific novelty lies in the fact that an unmanned aerial vehicle equipped with a multi-agent system for evaluating data on the state of a forest is a promising direction in the forest sector due to the reduction in the processing time of incoming information (since the work of agents is a parallel process) and through simplifying the structure of the agent algorithm.

As a result, the study characterizes the technology of the multi-agent approach was as well as presents examples of its use in other areas of activity.

The study also emphasizes that the use of unmanned aerial vehicles with a multi-agent approach to assessing the state of the forest area will improve the quality of incoming data, increase the volume of received and processed information as well as increase the functional reliability of this process.

The main advantages of using multi-agent technologies and unmanned aerial vehicles in the forest industry are minimal control during remote use, forest resource surveys, terrain analysis for emergency situations, etc.

Keywords: multi-agent systems, control and monitoring of the forest industry, simplification of remote control.

Введение

В результате введения лесного кодекса в 2006 году за последние десятилетия лесное хозяйство претерпело массу негативных изменений, начиная от сокращения объемов лесоустроительных работ до условной ликвидации лесоустройства. Этот шаг привел к катастрофическому падению уровня технического оснащения в сфере контроля и управления лесами. Также на сегодняшний день существует и ряд других проблем, связанных с применением человеческого ресурса. Связано это с тем, что контролируемая территория занимает огромные площади и не всегда доступна для обычного человека, что ведет к скудному получению информации о состоянии леса. Ну и конечно же, объем получаемых данных, а также их достоверность - здесь нужно приложить массу усилий для получения качественного и надежного материала, что бывает не всегда [1]. Поэтому в настоящий момент регулярный контроль, анализ и управление лесными ресурсами представляет собой важную и первоочередную задачу, которую необходимо выполнить для восстановления и поддержания лесной отрасли.

Результатом таких неблагоприятных изменений стала потребность в разработке новых методов мониторинга лесного хозяйства, включая таксацию лесных ресурсов.

Для решения этих задач в отрасли лесного хозяйства могут отлично подойти беспилотные летательные аппараты, оборудованные технологией мультиагентного подхода. Рассмотрим достоинства применения этих технологий.

Беспилотный летательный аппарат и мультиагентная система

Новейшие беспилотные летательные комплексы дают возможность оперативно получать информацию о лесе [2]. К преимуществам применения беспилотных летательных аппаратов в лесной отрасли можно отнести ряд факторов:

• высокое разрешение аэрофотоснимков и стереопар снимков очень высокого разрешения для создания цифровых моделей местности высокой точности;
• оперативное получение и обработка снимков с любой территории;
• возможность проведение съемки под облаками;
• рентабельность проведения съемки на небольших территориях (рис.1) [3].

Рис. 1 – Система организации автоматического управления воздушным движением беспилотных транспортных средств

 

При этом, мультиагентная система способна решать сложные задачи, используя принцип самоорганизации и эволюции интеллектуальных агентов.

Союз беспилотного летательного аппарата и мультиагентной системы позволит охватить огромные территории лесного хозяйства, за счет мобильности, выносливости и высокой скорости локации, а также позволит выполнить массу функций по управлению и контролю за лесными ресурсами [4]. Вот некоторые из них:

• упрощение контроля при удаленном использовании;
• контроль за текущем состоянием лесничеств;
• наблюдение и оценка лесничеств на предмет незаконных вырубок;
• отслеживание пожаров на лесных территориях;
• получение актуальных показателей о таксации леса;
• мониторинг за численностью животных.

За счет постоянного наблюдения будет происходит получение достоверной информации о текущем состоянии лесов, а также замена устаревших данных на актуальные. Это позволит эффективно управлять данным сектором.

Методика исследования мультиагентных систем

Почему именно мультиагентные системы? В первую очередь это связано с возможностью решать сложные задачи с технической и практической точки зрения.

 Популярность применения интеллектуальных информационных систем растет с каждым днем в отраслях промышленности, логистики, розничной торговли, за счет чего повышается эффективность внутренних процессов работы, а также качество выполняемых услуг [5].

На сегодняшний день мультиагентные системы занимают лидирующую позицию в области исследований искусственного интеллекта и демонстрирует отличные результаты в решении множества задач, таких как: контроль, управление, анализ, планирование и многих других. На основании положительной оценки работы мультиагентных систем, можно с легкостью утверждать, что применение данных систем в отрасли лесного хозяйства является актуальным.

Идея мультиагентных систем основана на том, что несколько агентов могут общаться, передавать друг другу некоторую информацию, взаимодействовать между собой и решать поставленную перед ними задачу. В данной интеллектуальной системе задачи между агентами распределены, при этом каждый из них рассматривается как элемент общей структуры. Каждый агент имеет свою роль, свою зону ответственности и свои требования к опыту выполнения работы.

Представим, что перед нами стоит задача распознать, что запечатлено на каком-либо изображении. Что происходит при классическом методе распознавания? На вход определенному алгоритму поступает изображение, который работает с этим изображением, а по завершении выдает результат [6].

Что происходит при мультиагентном подходе? Наше первоначальное изображение разбивается на фрагменты и для каждого из них запускается алгоритм (рис.2).

Рис. 2 – Традиционная и мультиагентная схема построения работы системы

 

В результате получаем уменьшение времени обработки, за счет параллельной работы, а также упрощение структуры самого алгоритма (рис.3).

Рис. 3 – Схема мышления интеллектуального агента

 

При данном подходе требуется наличие ГИС, которая будет осуществлять сбор данных от всевозможных процессов распознавания, а также организовывать новые процессы.

Анализируя применение данного подхода в лесном хозяйстве необходимо отметить, что место мультиагентной технологии в структуре ГИС управления лесной территорией сводится к обработке снимков, полученных в результате облета подведомственной территории беспилотным летательным аппаратом, и их распознавании, после чего, непосредственно, данные передаются в саму ГИС для дальнейшего их использования [7].

Форма взаимодействия между агентами характеризуется тем, что усилия для достижения совместной цели при одновременном разделении функций, ролей, а также обязанностей представляет собой кооперацию.

На рис. 4 изображена архитектура интеллектуальной системы. Входом является специальное устройство, которое отвечает за сбор информации о состоянии среды, выход - исполнительный орган, который воздействует на внешнюю среду. Решатель – процедура принятия решения, этот блок должен обладать способностью анализировать поступающие данные, хранить информацию о своем состоянии и состоянии среды и влиять на работу объекта, за который он отвечает.

Рис. 4 – Архитектура интеллектуальной системы

 

Связь между искусственными агентами характеризуется протоколом, который представляет собой множество различных правил. Эти правила определяют, как синтезировать важные и корректные сообщения.

Группы агентов, взаимодействующие между собой для достижения общей цели, зависят от ряда глобальных особенностей, таких как социальная структура, распределение ролей между агентами и т.д.

Архитектура агента представлена в виде контекста, либо серверной среды, являющейся основой, в которой он функционирует. Все агенты имеют имена, а точнее неизменный идентификатор. В контексте может работать не только исходный агент, но и его копия. Интеллектуальные агенты могут самостоятельно создавать свои копии, рассылая их по всевозможным серверам для исполнения определенных действий. После прибытия такого агента на следующий сервер его код и данные переносятся в новый контекст и стираются на предыдущем месте. В новом контексте агент может делать все, что там не запрещено. По окончании работы в контексте агент может отправить себя в другой контекст или по исходящему адресу отправителя [8]. Агенты способны выключаться сами или по команде сервера, который переносит их после этого из контекста в место, предназначенное для хранения. 

Применение мультиагентных систем

Системы, организованные на базе агентов, имеют широкое применение в отрасли промышленности. Например, компания IBM использует агентный подход для производства полупроводниковых микросхем. В Японии мультиагентная система выполняет роль абстрактного интерфейса оператора поездов. Мультиагентные системы могут функционировать для моделирования и конструирования адаптивных производственных систем, а также для управления, контроля и анализа системам в реальном времени. Немаловажное значение в подходе, основанном на агентах, имеет роль таких систем на предприятии. Мультиагентные системы функционируют в фоновом режиме на различных предприятиях на постоянной основе и в каждый момент времени участвуют в решении поставленных задач.

Мультиагентные системы собирают информацию, извлекают из нее новые знания и в зависимости от полученных данных изменяют свое поведение с течением времени.

Внедрение мультиагентных технологий в отрасль лесного хозяйства позволит создать на каждую зону лесной территории своего управляющего агента, и сформировать гибкую, наблюдаемую и управляемую в реальном времени децентрализованную самоорганизующуюся систему.

В настоящее время мультиагентные системы применяются в следующих областях:

• управление распределенными или сетевыми предприятиями;
• многофункциональная логистика;
• виртуальные организации;
• управление учебным процессом в системах дистанционного обучения;
• компании с развитыми дистрибьюторскими и транспортными сетями (Procter&Gamble);
• управление каналами распределения;
• моделирование предпочтений пользователей (в Ford).

При использовании мультиагентных систем в производстве можно выделить следующие достоинства работы:

• снижение времени на решение задач;
• снижение количества передаваемых данных;
• сокращение сроков согласования.

Основными преимуществами использования мультиагентных систем в лесном хозяйстве является: снижение уровня контроля при дистанционном использовании, таксация лесных ресурсов, быстрый анализ территории на предмет обнаружения пожаров, незаконных вырубок, а также контроль за животными.

Выводы

В настоящее время мультиагентные системы находятся на ранней стадии развития и только начинают применяться в различных отраслях. Тем не менее научные, практические результаты, а также результаты промышленных внедрений показывают, что определение состояния лесного массива в геоинформационных системах с использованием мультиагентного подхода позволит существенно увеличить прозрачность выполнения операций, снизить время на их реализацию, а также повысить эффективность получения данных.

Применение беспилотных летательных аппаратов, оснащенных мультиагентной системой в области лесного хозяйства, позволит улучшить качество получаемых данных о текущем состоянии массива, увеличить объем получаемой и обрабатываемой информации, а также повысить надежность функционирования этого процесса. Архитектура мультиагентных систем дает возможность их легко масштабировать, а высокая автоматизация и интеллектуальное принятие решений позволит значительно снизить риск возникновения чрезвычайных ситуаций.

Конфликт интересов Не указан.

Conflict of Interest None declared.

Список литературы / References

1. Городецкий В.И. Информационные технологии и многоагентные системы / В.И. Городецкий // Проблемы информатизации. - Вып.1 С.3-14.
2. Никитин Н.С. Применение мультиагентных систем в бизнесе / Н.С. Никитин // Экономическая теория, “Инновации и инвестиции”, №8, 2017
3. Булгаков С.В., Применение мультиагентных систем в информационных системах / С.В. Булгаков // Перспективы науки и образования, Международный электронный научный журнал, 2015. 5(17)
4. Биард Р.У. Малые беспилотные летательные аппараты: теория и практика / Р.У. Биард, Т.У. МакЛейн. 2015, С.14-18.
5. Истомин Е.П. Геоинформационная система управления пространственно-распределенными разнородными гидрометеорологическими данными для принятия управленческих решений по оптимизации регулирования отпуска тепла на ТЭЦ / Е.П. Истомин, С.Ю. Степанов, О.Н. Колбина и др. // Естественные и технические науки. № 4 (130). С. 134-136.
6. Истомин Е.П. Модели обработки гетерогенных данных с помощью ГИС программ для решения задач оценки вероятностных событий / Е.П. Истомин, С.Ю. Степанов, О.Н. Колбина и др. // Наука, образование, общество. № 4 (6). С. 20-27.
7. Истомин Е.П Математическая модель обработки пространственно-распределенных разнородных геоданных для принятия управленческих решений по прокладке оптимальных маршрутов следования судов в Арктике / Е.П. Истомин, А.Ю. Сидоренко, О.Н. Колбина и др. // Естественные и технические науки. № 4 (130). С. 130-133.
8. Сафонова Т.В. Обзор технологий создания интеллектуальных геоинформационных систем / Т.В. Сафонова // Информационные технологии и системы: управление, экономика, транспорт, право. №3(39). С.18-27.

Список литературы на английском языке / References in English

1. Gorodetsky V.I. Informacionnye tehnologii i mnogoagentnye sistemy [Information technologies and multi-agent systems] / V.I. Gorodeckij // Problemy informatizacii [Problems of informatization]. 1998. - Issue 1. Pp.3-14. [in Russian]
2. Nikitin N.S. Primenenie mul'tiagentnyh sistem v biznese [Application of multi-agent systems in business] / N.S. Nikitin // Jekonomicheskaja teorija, “Innovacii i investicii” [Economic theory, “Innovations and investments”]. № 8. [in Russian]
3. Bulgakov S.V. Primenenie mul'tiagentnyh sistem v informacionnyh sistemah [Application of multi-agent systems in information systems] / S.V. Bulgakov // Perspektivy nauki i obrazovanija, Mezhdunarodnyj jelektronnyj nauchnyj zhurnal [Prospects for science and education, International electronic scientific journal], 2015. № 5 (17). [in Russian]
4. Beard R.W. Malye bespilotnye letatel'nye apparaty: teorija i praktika [Small unmanned aerial vehicles: theory and practice] / R. W. Beard, T.U. MakLejn. 2015. Pp. 14-18. [in Russian]
5. Istomin E.P. Geoinformacionnaja sistema upravlenija prostranstvenno-raspredelennymi raznorodnymi gidrometeorologicheskimi dannymi dlja prinjatija upravlencheskih reshenij po optimizacii regulirovanija otpuska tepla na TJeC [Geographic information system for managing spatially distributed heterogeneous hydrometeorological data for making managerial decisions on optimizing heat supply regulation at CHP] / P. Istomin, S.Ju. Stepanov, O.N. Kolbina et al. // Estestvennye i tehnicheskie nauki [Natural and technical sciences]. 2019. № 4 (130). Pp. 134-136. [in Russian]
6. Istomin E.P. Modeli obrabotki geterogennyh dannyh s pomoshh'ju GIS programm dlja reshenija zadach ocenki verojatnostnyh sobytij [Models of processing heterogeneous data using GIS programs for solving problems of assessing probabilistic events] / P. Istomin, S.Ju. Stepanov, O.N. Kolbina et al. // Nauka, obrazovanie, obshhestvo [Science, education, society]. 2015. № 4 (6). Pp. 20-27. [in Russian]
7. Istomin E.P. Matematicheskaja model' obrabotki prostranstvenno-raspredelennyh raznorodnyh geodannyh dlja prinjatija upravlencheskih reshenij po prokladke optimal'nyh marshrutov sledovanija sudov v Arktike [Mathematical model of processing spatially distributed heterogeneous geodata for making managerial decisions on laying optimal routes for ships in the Arctic] / P. Istomin, A.Ju. Sidorenko, O.N. Kolbina et al. // Estestvennye i tehnicheskie nauki [Natural and technical sciences]. 2019. № 4 (130). Pp. 130-133. [in Russian]
8. Safonova T.V. Obzor tehnologij sozdanija intellektual'nyh geoinformacionnyh sistem [Review of technologies for creating intelligent geoinformation systems] / T.V. Safonova // Informacionnye tehnologii i sistemy: upravlenie, jekonomika, transport, pravo [Information technologies and systems: management, economics, transport, law]. 2020. № 3 (39). Pp. 18-27. [in Russian]