CC BY
29
О. В. Пьянков, А. В. Попов
доктор технических наук, доцент
ИНФОРМАЦИОННАЯ МОДЕЛЬ ПРИНЯТИЯ РЕШЕНИЙ В СИТУАЦИОННЫХ ЦЕНТРАХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ
INFORMATION MODEL FOR DECISION-MAKING IN SITUATION CENTRES OF INTERNAL AFFAIRS
Рассмотрены основные направления деятельности ситуационных центров органов внутренних дел Российской Федерации, разработана информационная модель принятия решений в ситуационных центрах ОВД. Предложены подходы к поиску наилучших вариантов решений задач ситуационных центров. Делается акцент на необходимости учета последствий принимаемых решений при формировании базы знаний.
The main directions of activity of situation centers of internal affairs agencies of the Russian Federation were considered, an information model of decision-making in situation centers of internal affairs was developed. Approaches to finding the best solutions to the problems of situation centers are proposed. Emphasis is placed on the need to take into account the impact of decision-making in the development of knowledge bases.
Введение. В целях повышения эффективности деятельности органов внутренних дел и качественного выполнения возложенных на них обязанностей создаются ситуационные центры (СЦ) органов внутренних дел, находящиеся в постоянной готовности к выполнению реализуемых ими функций. В соответствии с приказом МВД России от 16.11.2018 № 775 «Об утверждении положения о Ситуационном центре Министерства внутренних дел Российской Федерации и Регламента работы Ситуационного центра Министерства внутренних дел Российской Федерации» основными функциями ситуационных центров являются разработка управленческих решений и информационно-аналитическое обеспечение управления силами и средствами подразделений ОВД. СЦ ОВД отвечают также за сбор, анализ, хранение данных об оперативной обстановке, сложившейся на определенной территории, и осуществляют информационный обмен с
59
СЦ иных государственных органов и организаций, работающими по единому регламенту взаимодействия.
В зависимости от масштаба решаемых задач выделяют четыре основных класса ситуационных центров: стратегический, оперативный, персональный, учебный [1]. В СЦ стратегического класса решаются сложные масштабные ответственные задачи, которые направлены на функциональную и структурную перестройку отрасли или министерства. СЦ оперативного класса отвечает за решение задач, связанных с необходимостью автоматизации обработки оперативной информации для принятия решений в режиме реального времени. СЦ персонального класса предназначены в первую очередь для руководителей территориальных органов и подразделений МВД России. Они позволяют производить оценку эффективности функционирования подразделений органов внутренних дел, могут содержать статистические сведения о работе подразделений, а также об оперативной обстановке на определенной территории. Одними из причин создания учебных ситуационных центров являются: необходимость подготовки специалистов в сфере аналитической деятельности и принятия управленческих решений, формирование у них навыков по организации и планированию служебной деятельности, обобщение и использование положительного опыта, а также формирование компетенций у сотрудников по подготовке и принятию решений [2].
Постановка задачи. Перед ситуационным центром органов внутренних дел ежедневно возникает широкий круг задач, каждой из которых присущ характеризующий ее перечень условий. Процесс принятия управленческого решения в СЦ ОВД должен опираться на полученный ранее опыт, быть эффективным и своевременным. При этом управленческим решением принято считать выбор определённого сочетания цели и действий, которые направлены на достижение этой цели с использованием имеющихся ресурсов [3]. Оно является результатом анализа, прогнозирования, оптимизации и выбора альтернативы из множества вариантов достижения цели. В связи с этим возникает задача разработки такой информационной модели, которая включала бы все этапы процесса принятия решений и являлась представлением понятий, связей, ограничений, правил и операций, предназначенных для определения смысла получаемых данных на каждом этапе решаемых задач.
Решение. Анализ литературных источников [1, 2, 4—6] свидетельствует о том, что рассматриваемые информационные модели принятия решений в ситуационных центрах органов внутренних дел не содержат в своей структуре таких этапов, как контроль за ходом реализации управленческого решения и оценка эффективности результата принятого решения. На основании этого предложим такую информационную модель принятия решений, которая бы включала базу знаний и формировала её только из тех решений, результат принятия которых обладает высокой степенью достижения поставленной цели.
На рис. 1 представлена разработанная информационная модель принятия решений в СЦ органов внутренних дел. В блоке 1 осуществляется постановка задачи , решение которой необходимо найти в ситуационном центре ОВД. Блок 2 включает полный перечень условий К = [к1,к2, ...,кп], выбор которых позволяет охарактеризовать задачи, поступающие в ситуационный центр.
Ниже представлен примерный перечень условий, характеризующих задачи ситуационного центра (блок 2), который может использоваться для формирования множества условий задачи :
1. Максимальное время решения задачи.
2. Размер обслуживаемой территории.
База знаний моделей
С использованием информационных и
технических ресурсов СЦ ОВД
Оценка вариантов решений ^ = Г (Р(и ))
14
Выбор решения иопт
15
Управление ходом реализации принятого решения
Рис. 1. Информационная модель принятия решения в СЦ МВД России
5
3. Численность населения на обслуживаемой территории.
4. Потенциальные потери (материальные, демографические, государст-веннополитический ущерб) / затраты.
5. Общественная значимость.
6. Необходимость привлечения сторонних сил и средств.
7. Количество жалоб, поступивших в территориальный орган.
8. Уровень преступности.
9. Событие произошло с применением оружия.
10. Событие совершено субъектом в состоянии опьянения.
11. Событие совершено субъектом умышлено.
12. Событие совершено группой лиц.
13. Место совершения события.
14. Время и дата совершения события.
15. Наличие развитой инфраструктуры (дорог, линий связи и т.п.).
16. Численность правонарушителей.
17. Вооруженность правонарушителей.
18. Степень тяжести совершенного события.
В блоке 3 из множества К формируется подмножество К(г{) = [к1,к2, ...,кт], т < п, содержащее перечень условий, которые характеризуют решаемую г-ю задачу.
После определения перечня условий для задачи осуществляется выбор модели решения М^ = М^Р^к)) (блок 4), где каждая модель решения М^ включает определенный перечень показателей принятия решений для г-й задачи — множество Р(г{). На данном этапе решения задачи реализовано взаимодействие с динамической базой знаний (блок 5), в которой содержатся готовые модели решений. Анализ данных, хранящихся в базе знаний, позволяет осуществить поиск моделей решения со схожими условиями поставленной задачи. Если необходимой модели принятия решения нет в базе знаний, возникает необходимость в ее разработке (блок 7), условно разделив этот процесс на два этапа. На первом этапе разработки модели Мj из множества показателей принятия решений Р = [р1,р2,...,рд] (блок 9) формируется подмножество Р(2д = [Р1,Р2, .■■ ,Рп], ^<д, представляющее собой перечень показателей, которые необходимо определить при решении задачи (блок 8).
Примерный перечень элементов множества Р (блок 9), представлен ниже:
1. Число сотрудников, привлекаемых к реализации решения.
2. Стоимость реализации решения.
3. Необходимос ть привлечения сторонних сил и средств.
4. Обеспечение взаимодействия со СМИ.
5. Уровень виктимизации.
6. Уверенность граждан в защищенности.
7. Выявление и раскрытие преступлений.
8. Розыск лиц.
9. Уровень преступности.
10. Количество автотранспорта.
11. Применение огнестрельного оружия.
На втором этапе для каждого показателя разрабатывается математическая модель и метод его расчета, исходя из условий задачи. Если поставленная задача требует оперативности принятия решения, разработка модели Мj может осуществляться в ситу-
ационном центре ОВД совместно с другими ведомствами. После разработки или выбора готовой модели из базы знаний в зависимости от условий поставленной задачи определяются временные ограничения на принятие решения:
1) Если решение задачи не требует оперативности, осуществляется генерация множества всех вариантов решений V(zi) = [v1,v2, ...,vL] с использованием информационных и технических ресурсов СЦ органов внутренних дел (блок 11).
В блоке 13 сгенерированные варианты решений оцениваются (осуществляется расчет показателей pi). Оценка вариантов решений представляет собой функцию
Ri = f(P(vd), (1)
где P(Vi) — множество значений показателей р-^, р2,..., ph для варианта решения Vi;
/(•) — процедура оценки эффективности варианта решений v^ для значений показателей pi,p2,... ,Ph.
Оценка полного перечня решений позволяет осуществить выбор (блок 14) наиболее эффективного.
2) Если поставленная задача требует оперативного принятия решения, генерация множества V(zi) не осуществляется, а происходит промежуточный расчет верхней RA (или нижней Ry) оценки множества решений (блок 12) и выбор того подмножества вариантов, для которого рассчитанные оценки лучше. Для выполнения этой процедуры может быть применен метод ветвей и границ [7], заключающийся в последовательном улучшении оценки Ri и приближении ее к значению RonT; всю процедуру разбиения удобно представить в виде дерева разбиений, приведенного на рис. 2.
Как видно из рисунка, на первом этапе множество V(zi) разбивается на три подмножества в соответствии с условиями
V1(zi) с V(Zi), V2(zt) с V(Zi),
V3(Zi) с V(Zi), (2)
,V1(zi)nV2(zi)nV3(zi) = 0.
После оценки каждого из подмножеств выбирается то, у которого значения оценок лучше, т.е. R(V2) > R(Vi). Если значения оценок хуже, т.е. R(V3) < R(V2), то такое подмножество больше не рассматривается. На втором этапе выбранное подмножество V2(zi) также разбивается на подмножества V21(zi) и V22(zi), оцениваемые аналогичным образом. На последнем этапе размерность подмножеств сокращается до такого уровня, что элементами последующего разбиения являются сами решения Vi, Vj, v^, из которых выбирается наилучшее.
Такой подход генерации и поиска наилучшего решения позволяет, во-первых, прекратить поиск при достижении допустимых по значениям оценок, устанавливаемых лицом, принимающим решение; во-вторых, на любом этапе разбиения получить квазиоптимальный вариант решения, который может быть принят в качестве итогового. Такой подход позволяет значительно сократить время на поиск наилучшего варианта решения.
Другой способ генерации решений с промежуточной оценкой может быть реализован применением алгоритма оптимизации роем частиц PSO (Particle Swarm Optimization) [8]. Принцип работы алгоритма основан на перемещении в пространстве роя частиц, представляющего собой совокупность точек-решений, в поисках глобального оптимума. Во время своего движения частицы пытаются улучшить найденное ранее решение и обмениваются информацией со своими соседями.
Г(У) < ял(У2)
1 этап
Г(У) < Я(У2)
2 этап
3 этап
Ял (и) < ЩиО
Рис. 2. Построение дерева разбиений
Частицы роя характеризуются такими параметрами, как позиция (совокупность координат) и вектор скорости. В качестве частиц (элементов роя) будут выступать решения VI, разрабатываемые экспертами СЦ ОВД. Таким образом, множество частиц роя можно представить как множество У^г^) = {р1^2, где Ь — количество ча-
стиц в рое. Под позицией г-й частицы роя будем понимать перечень показателей г-го варианта решения, т.е. VI = (рц,рц, .~,Рш).
Как правило, если априорная информация о позиции частиц отсутствует, инициализация координат частицы производится случайно, в соответствии с выражением
), (3)
где рм — И-я координата г-й частицы; гапй(рПт1П,рПтах) — случайное число с равномерным законом распределения на интервале, определяющем границы пространства поиска для И-го измерения.
В ситуационном центре ОВД решение разрабатывается экспертами, поэтому начальными условиями, т.е. координатами VI частицы могут выступать показатели, определенные экспертами, что само по себе устраняет эффект случайности.
Множество частиц роя коррелирует с множеством векторов их скоростей П = {ш1, ш2,..., шь}. На начальном этапе все скорости принимаются равными нулю. Для того чтобы ни одна из частиц не вышла за пределы пространства поиска, скорости рекомендуется задавать по формуле
шШ =2 • [гапй(рГг т1п, рп тах) - р1п\-. (4)
где ш ^ — И-я компонента скорости г-й частицы.
На последующих шагах алгоритма РБО компоненты скорости элементов роя определяются по формуле:
=№• + Г1(цш - рш) + С2 • Г2(дп - рш), (5)
где ш' — новая скорость г-й частицы; ^ — наилучшее положение, которое было найдено ею ранее; д — лучшее положение, найденное всем роем частиц; ш — инерци-
онный коэффициент, определяющий влияние предыдущей скорости частицы на ее новое значение; 1 — когнитивный коэффициент, характеризующий степень индивидуального поведения частицы и ее стремление возвращаться к наилучшему найденному ею ранее решению; 2 — социальный коэффициент, который задает степень коллективного поведения и стремление двигаться в сторону наилучшего решения соседей г-й частицы роя; ^ и г2 — случайные числа, равномерно генерируемые на интервале [0, 1], являющиеся разными для каждой координаты г-й частицы.
Весовые коэффициенты с1, с2 выбираются в следующих диапазонах:
0 <1; '1 < с1, с2 < 2,
в результате чего обеспечивается сходимость метода оптимизации.
Наилучшее положение, найденное г-й частицей ^, а также лучшее положение, найденное всем роем частиц д, обновляются через промежуток времени № = 1 по следующему правилу:
(41 = ръ если [(р1) > {д = 4и если[(41) > ¡{д).
Исходя из формулы (4), новое положение 1-й частицы определяется как
р'ш = рШ + ш'Л. (8)
На рис. 3 под ^ и понимаются соответственно когнитивная и социальная
(6)
(7)
ш ;
ш ;
компоненты вектора новой скорости 1-й частицы, выражающиеся как
= С2 • Г2(дц - рш).
ё_
(9) (10)
ю ё
р'±
Рис. 3. Правило обновления скоростей и позиции г-й частицы роя
ч
Таким образом основное достоинство алгоритма РБО заключается в том, что рой обладает памятью о наилучших решениях, найденных его отдельными частицами и всем роем в целом.
Выбранное решение vопT принимается, после чего в блоке 15 информационной модели осуществляется мониторинг хода его реализации, при котором могут использоваться методы сетевого управления и контроля исполнения поручений [9].
После реализации решения осуществляется оценка эффективности его результата исходя из степени достижения поставленной цели с использованием методов социо-
логического, производственного, финансового анализа [9]. Если в ходе анализа определяется высокая степень достижения цели, то это может свидетельствовать об эффективности разработанной модели Му, и она заносится в базу знаний. В противном случае модель признается неэффективной и в базу знаний не вносится.
Заключение. Таким образом, предложенная информационная модель принятия решений в ситуационных центрах и центрах оперативного управления органов внутренних дел позволит реализовать все основные этапы процесса принятия решений. Важной частью информационной модели является оценка эффективности принятого решения по результату его практической реализации и занесение эффективных моделей принятия решений в динамическую базу знаний. Информационная модель будет способствовать повышению эффективности деятельности подразделений органов внутренних дел в рамках информационно-аналитического обеспечения и выполнения задач, связанных с обеспечением правопорядка и общественной безопасности.
ЛИТЕРАТУРА
1. Пьянков О. В., Романов М. С. Имитационное моделирование процессов принятия решений в ситуационных центрах органов внутренних дел : монография. — Воронеж : Воронежский институт МВД России, 2017. — 158 с.
2. Манышев В. В. Учебный ситуационный центр оперативного управления — новые технологии обучения // Вестник Белгородского юридического института МВД России. — 2012. — № 4. — С. 6—9.
3. Орлов А. И. Теория принятия решений : учебное пособие. — М. : Март, 2004. — 387 с.
4. Щеглов С. Н. Анализ моделей принятия решений в новых информационных технологиях в условиях нечеткости и неопределенности // Известия Южного федерального университета. Технические науки. — 2012. — Т. 32. — № 7. — С. 126—131.
5. Блюмин С. Л., Шуйкова И. А. Модели и методы принятия решений в условиях неопределенности. — Липецк : ЛЭГИ, 2001. — 138 с.
6. Громак Н. И. Информационная модель принятия управленческих решений. [Электронный ресурс]. — URL: https://multiurok.ru/files/informatsionnaia-model-priniatiia-upravlencheskikh.html (дата обращения: 13.02.2020).
7. Кристофидес Н. Теория графов. Алгоритмический подход. — М. : Мир, 1978.
— 427 с.
8. Гальченко В. Я., Якимов А. Н. Популяционные метаэвристические алгоритмы оптимизации роем частиц : учебное пособие. — Черкассы : ФЛП Третяков А. Н., 2015. — 160 с.
9. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии // Труды Крымской Академии наук. — Симферополь : СОНАТ, 2006.
— С. 47—59.
REFERENCES
1. Piankov O. V., Romanov M. S. Imitatsionnoye modelirovaniye protsessov pri-nyatiya resheniy v situatsionnykh tsentrakh organov vnutrennikh del : monografiya. — Voronezh : Voronezhskiy institut MVD Rossii, 2017. — 158 s.
2. Manyshev V. V. Uchebnyy situatsionnyy tsentr operativnogo upravleniya — novyye tekhnologii obucheniya // Vestnik Belgorodskogo yuridicheskogo instituta MVD Rossii. — 2012. — № 4. — S. 6—9.
3. Orlov A. I. Teoriya prinyatiya resheniy : uchebnoye posobiye. — M. : Mart, 2004. — 387 s.
4. Shcheglov S. N. Analiz modeley prinyatiya resheniy v novykh informatsionnykh tekhnologiyakh v usloviyakh nechetkosti i neopredelennosti // Izvestiya Yuzhnogo federal-nogo universiteta. Tekhnicheskiye nauki. — 2012. — T. 3. — № 7. — S. 126—131.
5. Blyumin S. L.. Shuykova I. A. Modeli i metody prinyatiya resheniy v usloviyakh neopredelennosti. — Lipetsk : LEGI, 2001. — 138 s.
6. Gromak N. I. Informatsionnaya model prinyatiya upravlencheskikh resheniy. [El-ektronnyiy resurs]. — URL: https://multiurok.ru/files/informatsionnaia-model-priniatiia-upravlencheskikh.html (data obrashcheniya: 13.02.2020).
7. Kristofides N. Teoriya grafov. Algoritmicheskiy podkhod. — M. : Mir, 1978. — 427 s.
8. Galchenko V. Ya.. Yakimov A. N. Populyatsionnyye metaevristicheskiye algorit-my optimizatsii royem chastits : uchebnoye posobiye. — Cherkassy : FLP Tretyakov A. N., 2015. — 160 s.
9. Sarayev A. D.. Shcherbina O. A. Sistemnyy analiz i sovremennyye informatsionnyye tekhnologii // Trudy Krymskoy akademii nauk. — Simferopol : SONAT, 2006. — S. 47—59.
СВЕДЕНИЯ ОБ АВТОРАХ
Пьянков Олег Викторович. Заместитель начальника кафедры инфокоммуникационных систем и технологий. Доктор технических наук, доцент.
Воронежский институт МВД России.
E-mail: [email protected]
Россия, 394065, г. Воронеж, проспект Патриотов, 53. Тел. (473) 200-52-33.
Попов Алексей Вячеславович. Курсант радиотехнического факультета.
Воронежский институт МВД России.
E-mail: [email protected]
Россия, 394065, г. Воронеж, проспект Патриотов, 53. Тел. 8-919-244-20-84.
Pyankov Oleg Viktorovich. Deputy chief of the chair of Infocommunication Systems and Technologies. Doctor of Sciences (Technical), Assistant Professor.
Voronezh Institute of the Ministry of the Interior of Russia.
Work address: Russia, 394065, Voronezh, Prospect Patriotov, 53. Tel. (473) 200-52-33.
Popov Aleksej Vyacheslavovich. Cadet of the Faculty of Radio Engineering.
Voronezh Institute of the Ministry of the Interior of Russia.
Work address: Russia, 394065, Voronezh, Prospect Patriotov, 53. Tel. 8-919-244-20-84.
Ключевые слова: ситуационные центры органов внутренних дел; информационная модель принятия решений; роевые алгоритмы.
Key words: situation centers of internal affairs bodies; information model of decision-making; swarm algorithms.
УДК 519.1
