[论文解读] Threat assessment of a possible Vehicle-Born Improvised Explosive Device using DSmT

Jean Dezert, Florentín Smarandache|arXiv (Cornell University)|Aug 2, 2010

Fire Detection and Safety Systems参考文献 9被引用 3

一句话总结

该论文将德热尔特-斯马兰达赫理论（DSmT）应用于评估车辆载具简易爆炸装置（VBIED）的威胁，融合了分析师与自动化系统提供的不确定、不精确且相互冲突的证据。结果表明，使用改进的定性近似方法结合PCR5和PCR6规则，即使在信息来源冲突或可靠性不一的情况下，也能得出一致的疏散建筑决策。

ABSTRACT

This paper presents the solution about the threat of a VBIED (Vehicle-Born Improvised Explosive Device) obtained with the DSmT (Dezert-Smarandache Theory). This problem has been proposed recently to the authors by Simon Maskell and John Lavery as a typical illustrative example to try to compare the different approaches for dealing with uncertainty for decision-making support. The purpose of this paper is to show in details how a solid justified solution can be obtained from DSmT approach and its fusion rules thanks to a proper modeling of the belief functions involved in this problem.

研究动机与目标

• 解决在信息不完整、不精确且相互冲突的背景下VBIED场景中的威胁评估挑战。
• 评估人类专业知识（分析师）与自动化系统（ANPR）在决策中提供的输入可靠性孰高。
• 利用DSmT对信念函数中的不确定性进行建模与量化，特别是在部分无知与冲突证据条件下。
• 比较不同融合规则（PCR5与PCR6）在不确定环境下支持安全决策的性能。
• 为高风险安全场景中的疏散决策提供合理且量化的决策支持框架。

提出的方法

• 使用三个边缘框架对VBIED问题建模：个体身份（A/¬A）、车辆类型（V/¬V）和靠近建筑物的距离（B/¬B），每个框架均定义在其对应的幂集上。
• 构建联合框架 Θ = Θ₁ × Θ₂ × Θ₃，包含8种可能状态，表示身份、车辆和位置的组合。
• 根据观测结果，为每个信息源分配基本信任分配（bba）：分析师1（高经验）、ANPR（30%概率）和分析师2（无经验）。
• 应用定性DSmT融合规则（qPCR5与qPCR6），通过改进的标签近似方法对定性信念质量进行归一化处理，以应对不精确性。
• 使用广义似然性变换（qDSmP）计算关键假设的最终决策支持概率。
• 通过信念（Bel）、似然性（Pl）和qDSmP值，评估不同决策支持假设（如θ₈、θ₇∪θ₈、θ₆∪θ₇∪θ₈）下的决策结果。

实验结果

研究问题

• RQ1 在VBIED威胁评估中，结合专家判断与自动化系统输出的最优融合策略是什么？
• RQ2 在高不确定性背景下，有经验的分析师与自动化ANPR系统相比，其可靠性如何？
• RQ3 定性DSmT融合规则（PCR5与PCR6）是否能在冲突与不精确证据下产生一致且合理的疏散决策？
• RQ4 使用改进的标签近似方法如何影响定性信念质量的归一化与可解释性？
• RQ5 哪种决策支持假设（如θ₈、θ₇∪θ₈或θ₆∪θ₇∪θ₈）能带来最审慎且一致的疏散决策？

主要发现

• 在qDSmP中使用改进的标签近似可确保定性概率的归一化，而粗糙近似则产生非归一化结果。
• 对于最审慎的决策支持假设（θ₆ ∪ θ₇ ∪ θ₈），PCR5与PCR6规则均得出信念区间[L₁.₂₈, L₄]和似然性区间[L₀, L₂.₇₂]，表明对疏散有强烈支持。
• 在PCR5下，对θ₈（A是靠近B的白色丰田车）的信念为[L₀.₈₁, L₃.₁₂]；在PCR6下为[L₀.₈₁, L₃.₂₄]，表明对威胁有高度信心。
• PCR5在仅以θ₈为假设时建议不疏散（因信念较低），而PCR6则建议疏散——凸显结果对融合规则选择的敏感性。
• 尽管PCR5与PCR6存在差异，但两者在使用综合假设θ₆ ∪ θ₇ ∪ θ₈时均一致推荐疏散，该假设涵盖了所有危险配置。
• 分析结果表明，先验信息与信息源可靠性显著影响最终决策，且DSmT为整合此类异构输入提供了稳健框架。