CC BY
59
УДК 629.735.015:681.3
МЕТОД УСКОРЕНИЯ ПОИСКА ДАННЫХ В СИСТЕМЕ УПРАВЛЕНИЯ АЭРОНАВИГАЦИОННОЙ ИНФОРМАЦИЕЙ
Е.С. ПЛАТОНОВА, Л.Е. РУДЕЛЬСОН, А.И. СТЕПАНОВА
Рассмотрен подход к задаче ускорения поиска аэронавигационной информации, основанный на известных механизмах образного мышления. Сформулировано понятие компьютерного информационного образа как совокупности характеристик (свойств) объекта поиска, объединяющей в своем составе все его ключевые параметры, оцениваемые или кодируемые количественно. Рассмотрена алгоритмическая схема метода многокритериального поиска данных на основе обсуждаемого подхода. Приведен пример использования.
Ключевые слова: аэронавигационная информация, информационный образ, записи базы данных.
Введение
Одной из приоритетных задач реформирования Единой системы организации воздушного движения (ЕС ОрВД) России признана [1-3] модернизация существующей структуры доступа к аэронавигационной информации (АНИ), переход от службы АНИ (САИ) к системе управления АНИ. Недостатки действующей САИ состоят в следующем [1]:
• существующие службы аэронавигационной информации разобщены по ведомственному принципу, что затрудняет оперативный доступ пользователей к требуемой аэронавигационной информации;
• практически отсутствует контроль качества предоставляемой АНИ;
• не организована сертификация в области сбора, обработки хранения и распространения АНИ, а также проведение экспертной оценки безопасности изменений, вносимых в структуру воздушного пространства;
• отсутствует единый государственный банк аэронавигационных данных;
• не обеспечен переход к технологии сбора, обработки, хранения и распространения АНИ в электронном виде.
С целью устранения перечисленных проблем намечены следующие мероприятия:
• сформировать единую структуру многоуровневой подсистемы обеспечения АНИ в России, предусматривающей создание государственных организаций, осуществляющих сбор, обработку, хранение и распространение АНИ на федеральном и региональном уровнях;
• разработать программное обеспечение (с последующей сертификацией) для автоматизированной системы сбора, обработки, хранения и распространения государственной АНИ, позволяющее потребителям работать в едином формате и осуществлять обмен ею в электронном виде; внедрить систему качества (менеджмента) в систему обработки АНИ, совершенствовать процедуры и процессы управления качеством на каждой функциональной стадии обработки аэронавигационных данных от аэропорта через предприятия, осуществляющие деятельность в области АНИ, до потребителя;
• создать корпоративную электронную сеть для функционирования автоматизированной системы сбора, обработки, хранения и распространения АНИ;
• создать федеральную электронную базу данных АНИ (БАИ);
• осуществлять контроль качества вносимых в структуру воздушного пространства изменений до их опубликования в государственных документах АНИ;
• совершенствовать порядок организации обеспечения АНИ пользователей воздушного пространства, с учетом Стандартов и Рекомендуемой практики ИКАО;
• разработать концепцию развития системы обеспечения аэронавигационной информацией в свете внедрения программы CNS/ATM в отечественную практику;
• разработать порядок обеспечения государственной аэронавигационной информацией пользователей воздушного пространства, осуществляющих свою деятельность при уведомительном порядке использования воздушного пространства;
• публиковать государственную аэронавигационную информацию в Сборнике аэронавигационной информации (АИП России) в формате, соответствующем Стандартам и Рекомендуемой практике ИКАО. При этом государственная аэронавигационная информация на региональном уровне должна публиковаться в соответствующих документах АНИ.
В технических проектах БАИ и автоматизированной системы планирования использования воздушного пространства корпоративная сеть сбора, обработки, хранения и распространения АНИ сводится либо к схемам удаленного доступа, либо к принципам поиска данных в Интернете [4; 5]. Оба подхода характеризуются позитивными и негативными качествами. Общим недостатком является неоднозначность результатов поиска. В ответ на запрос предлагаются избыточные данные, разбираться в которых приходится пользователю. Обратимся в Интернет с запросом: «нарезка секторов районного центра (РЦ) Иркутск». Яндекс выдаст нам 194 тысячи ответов, среди которых на первом месте не интересующая нас секторизация районного центра обслуживания воздушного движения, а «Иркутский областной центр по профилактике и борьбе со СПИДом... диагностический центр, услуги и цены», «о работе Иркутского областного комитета «Электропрофсоюз», «Ремонт ноутбуков ASUS официальный сервисный центр Иркутск...», «"Тойота центр Иркутск" - автосалон...».
Если же попытаться уточнить запрос, указывая дополнительные ключевые слова, например: «нарезка секторов районного центра управления воздушным движением Иркутск», то мы достигнем обратной реакции, и число ответов возрастет до 270 тысяч, т.е. каждое уточнение критериев поиска не отсеивает ненужные данные, а наоборот, порождает лавину новой избыточности. Теперь в числе первых ответов получаем: «Оборудование для захвата и трансляции сигналов VGA, DVI с радарных станций», «ГС РЦ ЕС ОрВД - гражданский сектор районного центра Единой системы организации воздушного движения», «Московский центр автоматизированного управления воздушным движением является крупнейшим в России...», «Областное управление социальной защиты населения Иркутской обл.», «Ленинский районный суд переехал по адресу: г. Иркутск, ул. Байкальская...» и т.д.
Разработчики поисковых систем сознательно стремятся не пропустить информацию, хотя бы косвенно относящуюся к полученному запросу, и достигают негативный результат.
Для преодоления подобных затруднений в масштабах всемирной паутины предложена концепция «семантического веба» [6], которая основана на логико-лингвистическом анализе текста запроса. Сопоставление ключевых свойств, профессиональных интересов автора запроса и других характеристик позволяет исключить из поиска карты Иркутского центра ЕС ОрВД посторонние данные (о борьбе со СПИДом, автосалоне и т.д.) однако проблема не решается кардинально. Для человека не важно, выдают ему миллионы ответов или, например, 1440 (количество минут в сутках), потому что ни то, ни другое он не в состоянии воспринять в приемлемое в сложившейся ситуации время. Нужен новый подход к проблеме.
В данной статье обсуждается подход, основанный на известных [7] механизмах образного мышления, свойственного человеку и высшим животным. Согласно прогнозам аналитиков [8], быстродействие и объем памяти компьютеров достигнут уровня показателей человеческого мозга к тридцатым годам текущего столетия. Следует быть готовыми к использованию в компьютерных алгоритмах механизмов ассоциативной обработки информации, сосредоточенной в чувственных образах, и попытаться перенести их в информатику. Назовем компьютерным информационным образом (ИО) совокупность признаков (атрибутов) объекта поиска, объединяющую в своем составе все его ключевые параметры, оцениваемые (или кодируемые) количественно. Рассмотрим схему метода поиска на основе ИО.
1. Требования к компьютерному информационному образу и его реализация
Известно, что языки запросов к базам данных (БД) построены на законах аристотелевой логики и позволяют легко найти правильный ответ. Однако заимствовать их схему для общения с непрофессиональным пользователем информационной сети нерационально, потому что неподготовленный человек не умеет задавать вопросы однозначно. Наглядный пример, приведенный автором работы [7]: словосочетание «я встретил ее на поляне с цветами». Смысл фразы понятен только говорящему, он визуально представляет себе образ и преобразует его в слова. Слушатели заняты обратным преобразованием слов в мысленный образ. Ребенок увидит говорящего на пестрящей одуванчиками лужайке, мама представит собеседника с охапкой цветов, бабушка вспомнит аромат букетика в собственных руках. Поисковые машины устроены так, чтобы представить все возможные варианты толкования текста.
В разговоре, как правило, удается прийти к взаимопониманию, потому что человек учитывает контекст, интонации, мимику и свой опыт (информацию о предмете обсуждения и о стиле изложения рассказчика). Преобразование его речи в новое знание происходит с помощью ассоциативной обработки его высказываний, результаты которой фиксируются в виде чувственного образа - совокупности зрительных, слуховых и других ощущений и реакций, вызываемых ими. Еще недавно ограниченность быстродействия и памяти компьютера тормозили использование методов образного мышления и ассоциативной памяти, хотя оба термина (в компьютерной сфере) появились еще на заре вычислительной техники. Для построения и анализа ИО больших массивов данных у ЭВМ недоставало места и быстродействия.
В качестве хранилищ данных обычно используют файлы записей, а для доступа к ним - реляционные и сетевые ссылочные механизмы. Типичный запрос к БД: «выбрать из таблицы все записи, удовлетворяющие значениям: ключ 1 в диапазоне Д1, ключ 2 в диапазоне Д2,... , ключЫв диапазоне ДЫ» преобразуют в процедуру просмотра всех записей с анализом значения каждого ключа, и все записи, удовлетворяющие заданным значениям ключей, выдают пользователю (например, список самолетов, для которых аэродром базирования расположен на территории Ростовского укрупненного центра ЕС ОрВД, имеющих крейсерскую скорость в пределах 8001000 км/ч, крейсерский эшелон 8100-11000 м, налет 500-900 ч и т.д.).
Для реализации требуемых характеристик ИО (нарезки секторов Иркутского РЦ в примере, приведенном выше) необходимо располагать такими формами представления данных в компьютерной памяти, которые обеспечили бы своевременность их обновления по результатам обработки радионавигационных измерений, сообщений по управлению воздушным движением, метеорологической информации, вводов диспетчеров. Это вопросы сортировки и поиска, теории множеств, оптимального управления. Важнейшее качество метода поиска данных на основе ИО - единая схема локализации места в компьютерной памяти, в котором должна находиться искомая запись. В момент фиксации данных алгоритм сортировки преобразует содержимое ключевых полей вводимой записи в адрес, по которому она должна размещаться. Если в процессе деятельности БАИ накапливаются несколько записей с одинаковым адресом размещения, то они образуют сцепленный список синонимов, так как содержат одну и ту же ассоциацию с объектом хранения. Далее, в момент запроса пользователя к БАИ, алгоритм поиска преобразует (вычисляет) запрос в тот же самый адрес памяти и выдает пользователю все, что накоплено в БД по вычисленной ассоциации. Существо предложения состоит в том, чтобы не просматривать файлы записей в поисках совпадения ключевых слов запроса, а вычислять адрес, по которому только и можно отыскать нужные данные (или сцепленный список родственных данных). Нужна лишь подходящая форма представления ИО.
Такая форма существует в статистике. Это гистограмма распределения результатов наблюдений. Каждый элемент каждого столбца гистограммы говорит о частных особенностях элементов АНИ. Ее огибающая - функция распределения - описывает общие закономерности, создавая новые возможности поиска, предсказания и манипулирования данными.
2. Механизмы образного мышления
Перечисленные свойства проявляются как следствие ассоциативного характера внутренних связей предложенной формы представления. Рост количества записей о структуре и состоянии системы управления воздушным движением порождает новые качества, присущие большим массивам: информация приобретает частотные закономерности, повторяемость величин, позволяющие манипулировать данными на нижнем (числовом) уровне. На образы можно накладывать любую известную модель данных. Для нее элементы записей (атрибуты) представляются абстрактными номерами, расставленными в столбцы гистограмм распределения. Накопление статистики хорошо согласуется с физической природой задач навигации, планирования и обслуживания полетов, связанных с измерениями и прогнозами. Композиция частотных моделей (в частности, гистограмм распределения атрибутов), названная в [9] информационным образом полетных данных, аналогично чувственному образу (например, зрительному), может воспроизводить такие важные механизмы образного мышления [7], как:
• конденсация, или построение обобщенного, лишенного индивидуальных особенностей типового «портрета» объектов одного класса (образы моря, гор, расы, самолета);
• обратный механизм карикатуры, или подчеркивание особенностей конкретного экземпляра (двуглавая вершина, желтое море, чернокожий скандинав, аэробус);
• смещение, т.е. исключение из рассмотрения в процессе принятия решения моментов, имеющих отрицательную характеристику (количественный показатель или эмоциональную окраску - страх, стыд, другие социальные мотивы), либо придание чрезмерного веса положительно оцененным атрибутам;
• классификация или нахождение сходства и различия;
• гармонизация или обнаружение в совокупности данных симметрии (зеркальности), ритма (повторяемости величин), соразмерности частей целому и т.д.
В приложении к задачам управления данными и принятия решений эти механизмы обеспечиваются важнейшими процессами манипулирования:
• сортировкой - как средством создания и квазинепрерывного обновления информационного образа (ИО) в виде гистограмм прогнозов или результатов наблюдений;
• многомерным поиском - как средством нахождения индивидуальных черт, сходства и различия в столбцах, построенных и обновляемых гистограмм ИО;
• надстройкой над ИО рельефа правдоподобия, допускающего взвешивание составляющих, - как инструмента принятия решения при запросе по многим ключам;
• формированием поверхности невязки - как инструментом для выработки рекомендаций по направлению отбора данных;
• оперативным регулированием шага квантования числовой оси, лежащей в основании каждой гистограммы, - как средством:
о изменения вида огибающей распределения при поиске повторяемости, симметрии, соразмерности элементов гистограммы;
о управления достижимостью (длиной пути доступа) к данным - с помощью перераспределения между соседними столбцами гистограммы их содержимого.
Реализация механизмов образного мышления позволяет принимать решения на основе аналогий и сопоставления общих свойств анализируемого запроса. Соответственно она должна базироваться на использовании наиболее общих свойств числовой информации, важнейшее из которых - величина числа. Именно эта характеристика должна управлять обратной связью для оптимизации основных процессов манипулирования данными - сортировки и поиска. В существующих БД этот принцип используется лишь косвенно, без сопутствующих количественных (например, энтропийных) измерений. Известные схемы управления данными построены на моделях логического вывода. Для работы с ИО созданы дополняющие их технологии, позволяю-
щие отыскивать решения без прямого использования дедуктивных или индуктивных схем. Логические цепочки «вытесняются» в ассоциативную структуру упаковки данных, уже при формировании «выстроенных» по принципам «от целого к частному» или «от единичного к общему». Это позволяет свести итерационные процедуры выбора решений к одношаговым актам, поиск - к простому перечислению искомого, а потребности в компьютерных ресурсах - к заранее вычисляемому минимуму.
Достигается указанный эффект благодаря совместному использованию логики современных систем управления БД с механизмами принятия решений на ИО. Образы рассматриваются как частотные модели, все понятия которых (типы, структуры, ограничения, операции) интерпретируются термами, предикатами и функциями нумерации; как эффективные инструменты управления данными и принятия решений; как адаптивные средства вывода знаний. Принципы работы с ИО опираются на очевидный факт: конечный результат всегда в том или ином виде заложен в исходной информации, всегда от нее зависит. Для его достижения в науке используется логический вывод (доказательство). Но если данные сгруппированы в адекватное задаче отображение, то решение (знание) можно извлечь единичным актом обнаружения. Абстрактные ИО, наследующие свойства чувственных образов, могут адаптироваться к приложениям инструментальными средствами, что повышает качество их сопровождения, расширяет класс процессов автоматизированного принятия решений и формирования опытного знания, распространяя его на задачи управления АНИ и ОрВД.
3. Пример реализации ассоциативного списка записей синонимов
Пусть таблица БД содержит сведения о воздушных судах (ВС), пролетающих над ПОД -бортовой номер, ведомственную принадлежность, тип ВС, высота пролета и т.п. (табл. 1). Каждая строка таблицы образует запись БД. Процесс формирования ассоциативной цепи синонимов рассмотрим на сортировке по атрибуту высоты (табл. 2). Пределы изменения величины составляют [0,9]. Следовательно, для сортировки достаточна ось, содержащая десять четырехразрядных двоичных чисел. На первом шаге образуются частичные цепи номеров записей, содержащих равновеликие атрибуты высоты пролета.
Таблица 1
Исходные записи базы данных примера
N п/п № борта ГА или ВВС Трасса следования Расчетное время Тип ВС Высота (тыс.м.)
1 85665 0 1 03:22 Ту-154 3
2 42242 0 4 05:07 Як-42 1
3 65902 0 3 05:12 Ту-134 4
4 65112 0 4 05:47 Ту-134 1
5 85412 0 2 06:06 Ту-154 5
6 86145 1 5 07:34 Ил-86 9
7 ЗА8124 0 1 08:20 Зе8иа 2
8 ВА443 0 2 08:24 А319 6
9 96002 1 09:03 Ил-96 5
10 85777 0 3 09:25 Ту-154 3
11 65056 0 2 09:41 Ту-134 5
12 42622 0 5 10:00 Як-42 8
13 86584 0 5 10:06 Ил-86 9
14 ЖА232 0 2 11:19 В-707 7
15 05 1 11:43 Ту-160 9
16 ОВЫЖХ 0 1 11:59 А319 3
17 64026 0 1 12:24 Ту-204 2
18 76380 1 1 12:55 Ил-76 3
19 УРВАУ 0 5 13:33 В-737 8
20 85604 0 3 14:41 Ту-154 4
21 14003 1 2 15:29 Ан-140 6
22 65177 0 1 18:12 Ту-134 2
23 42442 0 2 18:46 Як-42 6
24 85808 0 3 19:20 Ту-154 4
25 85505 0 3 19:48 Ту-154 3
номер записи 1 2 3 4 5 6 7
значение высоты 3 1 4 1 5 9 2
Таблица 2
Значения атрибута высоты в записях
7 8 9 10 11 12 13 14 15 16 17
2 6 5 3 5 8 9 7 9 3 2
19 20 21 22 23 24 25
8 4 6 2 6 4 3
Ни одна запись не содержит нулевой высоты пролета. Соответственно, в результате сортировки не образована ни одна частичная цепь с нулевым значением высоты (рис. 1).
Ассоциативная цепь номеров записей с единичным значением высоты пролета начинается в первом (по адресу, равному единице) дискрете оси. Начальное звено частичной цепи единичного (1000 м) значения высоты пролета указывает на четвертую запись БД, содержащую в качестве атрибута единицу, и кроме того, адрес следующего звена частичной цепи, размещенный в поле указателя.
В приведенном примере содержимое поля указателя четвертой записи равно двум. Это означает, что единичное значение высоты, кроме четвертой, содержится и во второй записи. Содержимое поля указателя второй записи равно нулю. Следовательно, в БД больше нет записей, атрибут высоты которых равен единице.
Возвращаясь к просмотру числовой оси, производим обращение ко второму ее дискрету. Его содержимое равно 22. Очевидно, что начальное звено частичной цепи номеров записей, величина атрибута высоты пролета в которых равна двум, расположено в двадцать второй записи. Следующее звено адресуется теперь полем указателя этой записи, содержащим число 17. Это значит, что в семнадцатой записи зафиксирован атрибут высоты, равный 2, а в поле указателя -адрес следующего звена частичной цепи, равный (рис. 1) семи. В седьмой записи (ср. с табл. 1, 2) также содержится атрибут высоты, равный двум. Однако поле указателя в ней не заполнено, что соответствует окончанию частичной цепи номеров записей, имеющих равные двум атрибутам высоты пролета.
Обращаясь к третьему дискрету числовой оси, алгоритм входит в ассоциативную цепь номеров записей, атрибуты высоты пролета которых равны трем. Начальное звено указывает на двадцать пятую запись. Из нее осуществляется переход в восемнадцатую, затем - в шестнадцатую (дальнейший путь на рис. 1 не помечен стрелками вследствие непланарности получаемого графа и прослеживается умозрительно), далее - в десятую и, наконец, в первую, поле указателя которой хранит нулевой адрес. Четвертый дискрет порождает элементарную ассоциативную цепь номеров записей, содержащих атрибут высоты, равный четырем, и включающий в себя (в порядке следования по цепи) номера двадцать четвертый, двадцатый и третий (последний путь не указан вследствие непланарности иллюстрации). Продолжение просмотра числовой оси (входного индекса) позволяет построить следующую совокупность частичных цепей, каждая из которых содержит в качестве звеньев указывающие один на другой номера записей, имеющих равные по величине атрибуты:
с атрибутом, равным нулю - цепь отсутствует; с атрибутом, равным единице: 4—2; с атрибутом, равным двум: 22—17—7; с атрибутом, равным трем: 25—>18—>16—>10—>1; с атрибутом, равным четырем: 24—20—3; с атрибутом, равным пяти: 11—9—5; с атрибутом, равным шести: 23—21—8; с атрибутом, равным семи: 14 (однозвенная); с атрибутом, равным восьми: 19—12; с атрибутом, равным девяти:15—13—6.
Как уже отмечено, начальные звенья цепи фиксируются в процессе сортировки на числовой оси в дискретах, номера которых равны по величине значению атрибута, по которому
Рис. 1. Сцепленный список указателей адресов записей (ассоциация с высотой)
сформирована частичная цепь. Это обстоятельство и позволяет использовать ее в качестве входного индекса поиска номеров записей по заданным значениям атрибута. Для образования единой цепи номеров записей производится второй шаг, на котором заполняются разрывы между частичными цепями, соответствующие переходам от одной величины атрибута к другой. Начало единой цепи может либо выноситься в заголовок мультисписка, либо обнаруживаться программно как первый встреченный значащий дискрет индекса. Окончание цепи устанавливается фактом отсутствия значащих дискретов на оси. Другим ограничением служит количество записей базы данных.
Единая цепь построена на рис. 2. Вследствие непланарности, сформированный на ней граф представлен лишь подмножеством дуг, связывающих номера сцепленных записей.
Каждое звено сформированной цепи представляет собой номер записи в исходной последовательности, сортированной в порядке монотонного изменения неповторяющегося по величине атрибута. Если же несколько записей содержат равновеликие значения одноименных атрибутов, то возникает необходимость ввести в цепь несколько «одинаковых звеньев». Ассоциативная цепь номеров записей, содержащих равновеликие атрибуты, названа частичной, или элементарной цепью. Тогда единая (результирующая) цепь образуется как совокупность частичных цепей, однозвен-ных и многозвенных. Операции формирования единой цепи производятся при вводе записей. Частичные цепи наращиваются по мере расстановки в полях указателей адресов, а на числовой оси с вводом каждого нового числа фиксируются их номера в порядке поступления записей, содержащих равновеликие атрибуты. В результате числовая ось становится входным индексом поиска, указывающим адреса частичных цепей равновеликих атрибутов, а частичные цепи, порождаемые дискретами индекса, последовательно адресуют поиск записей, содержащих такие равновеликие атрибуты. Процесс сцепления порядковых номеров записей, сортированных непосредственной расстановкой, протекает по обычной схеме.
Отметим, что сцепленные номера записей обладают двумя свойствами. Каждый из них является указателем адреса или порядкового номера исходной записи в информационном пространстве БД, атрибут которой согласно его величине должен находиться в данном месте сортированной последовательности. Одновременно он является указателем следующего звена цепи, которое, в свою очередь, становится ссылкой как на порядковый номер связанной с ней записи, атрибут которой соответствует очередному числу сортированной последовательности, так и на последующее звено цепи указателей. Этот эффект достигается за счет вынесения начального элемента цепи в дискрет входного индекса поиска и последующим сдвигом всей совокупности номеров записей в полях указателей адресов предшествовавших звеньев. Аналогично каждая элементарная цепь:
• начинается номером записи, вынесенным в поле индекса, соответствующее величине атрибута, содержащегося в этой записи;
• продолжается номерами, зафиксированными в полях указателей записей, содержащих равновеликие атрибуты;
• заканчивается записью, в поле указателя которой сохранилось исходное нулевое (или специально оговоренное) значение.
Числовая ось 0 1 2 3 4 5 6 7 8 9
Начальное звено 0 4 22 25 24 11 23 14 19 15
Номер записи 0 1 2 3 4 5 6 7 8 9 10 11 12
Поле указателя 4 2 4 22 11 2 23 0 25 14 5 1 9 15
1 И
Номер записи 13 14 15 16 17 18 19 20 21 22 23 24 25
Поле указателя 6 19 13 10 7 16 12 3 8 17 21 20 18
I V г
Рис. 2. Ассоциативная цепь номеров записей, сортированных по неубыванию атрибутов
Компьютерная реализация поиска на ИО использовалась в проекте КСА УВД.
Заключение
Обсуждается метод поиска по многим ключам, основанный на известных механизмах образного мышления. Обработка запроса к БД начинается с построения компьютерного образа искомой записи как совокупности ее ключевых характеристик. Образ создается как хорошо зарекомендовавшая форма представления результатов исследования - гистограмма распределения измеренных данных. Столбцы гистограммы с максимальными значениями высоты рассматриваются как наиболее вероятные номера искомых записей.
ЛИТЕРАТУРА
1. Постановление Аэронавигационного совета (Коллегии) № 2 от 12.09.07. [Электронный ресурс]. URL: http://www.svavia.ru/info/lib/fanai.html.
2. О концепции федеральной целевой программы «Модернизация Единой системы организации воздушного движения Российской Федерации (2009 - 2015 годы): распоряжение Правительства РФ № 1974-р от 29.12.2007. [Электронный ресурс]. URL: http://www.referent.ru/1/116187.
3. О Федеральной аэронавигационной службе: Указ Президента РФ от 05.09.2005 № 1049 (ред. от 12.05.2008). [Электронный ресурс]. URL: www.iefeient.ru/1/111632.
4. Габейдулин Р.Х., Горячев Д.И., Зубкова И.Ф., Мучинский А.В. Реализация дистанционной функции анализа данных по использованию воздушного пространства // Научный Вестник МГТУ ГА. - 2012. - № 184.
5. ОАО «НТЦ «ПРОМТЕХАЭРО»: О ходе работ по созданию Единой системы планирования использования воздушного пространства РФ // Вестник авиации и космонавтики. - 2011. - № 5.
6. Шепелев В.А. Ахиллесова пята семантического веба // Компьютерра, № 25-26, 2008. [Электронный ресурс]. URL: http:// old.computerra.ru/Authors/192760/
7. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. - М.: Радио и связь, 1989.
8. Kurzweil R. Singularity is Near. - N-Y.: Viking Press, 2005.
9. Бабаева С.И., Привалов А.А., Рудельсон Л.Е. Элементы концепции централизованного планирования полетов // Изв. РАН. Теория и системы управления. - 2005. - № 5.
ACCELERATION METHOD FOR DATA SEARCH IN A SYSTEM OF AERONAUTICAL INFORMATION MANAGEMENT
Platonova E.S., Rudelson L.E., Stepanova A.I.
An approach to the problem of accelerating the search aeronautical information, based on the known mechanisms of creative thinking is discussed. The notion «image of computer information» is defined as a set of characteristics (properties) of the object of search, which contains together all of its key parameters that are measured quantitatively or encoded. The algorithmic scheme for the multicriteria search data based on this approach is considered.
Key words: aeronautical information, image information, a database record.
Сведения об авторах
Платонова Екатерина Сергеевна, окончила Ульяновское высшее авиационное училище (2004), аспирантка МГТУ ГА, автор 2 научных работ, область научных интересов - методы планирования использования воздушного пространства.
Рудельсон Лев Ефимович, 1944 г.р., окончил МЭИ (1968), доктор технических наук, профессор МГТУ ГА, автор более 170 научных работ, область научных интересов - программное обеспечение автоматизированных систем организации воздушного движения.
Степанова Александра Илгизовна, окончила МГТУ ГА (2012), аспирантка МГТУ ГА, автор 2 научных работ, область научных интересов - методы планирования использования воздушного пространства.
