中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2026 , Vol. 48 >Issue 2: 58 - 63

DOI: https://doi.org/10.3969/j.issn.1673-3819.2026.02.008

信息融合

无人机蜂群突袭浮桥渡场的威胁评估方法

  • 易熊 1 ,
  • 赵华琛 1 ,
  • 王凤山 1 ,
  • 高锋 2
展开
  • 1 陆军工程大学 野战工程学院, 江苏 南京 210007
  • 2 中国人民解放军73211部队, 江苏 南京 211161

易 熊(1987—),男,硕士研究生,研究方向为作战指挥保障。

赵华琛(1990—),男,硕士,讲师。

Office editor: 许韦韦

收稿日期: 2025-01-09

  修回日期: 2025-02-20

  网络出版日期: 2026-03-25

收起

Threat assessment method for drone swarm raids on floating bridge ferrying sites

  • YI Xiong 1 ,
  • ZHAO Huachen 1 ,
  • WANG Fengshan 1 ,
  • GAO Feng 2
Expand
  • 1 College of Field Engineering, Army Engineering University, Nanjing 210007, China
  • 2 Unit 73211 of PLA, Nanjing 211161, China

Received date: 2025-01-09

  Revised date: 2025-02-20

  Online published: 2026-03-25

Fold

摘要

运用知识图谱分析浮桥渡场面临无人机蜂群突袭的威胁,从接近程度、攻击能力、突防能力的准则角度,给出无人机蜂群突袭威胁评估的11项指标;采用直线型未确知测度函数确定无人机蜂群突袭威胁的指标量值,建立基于层次分析法和未确知测度理论的威胁等级评估模型,得到无人机蜂群对浮桥渡场的威胁等级。结果表明,模型能够有效解决威胁指标难以量化研判的难题,为战时确定浮桥渡场的安全防护等级提供了一种科学手段。

关键词： 无人机蜂群; 浮桥渡场; 未确知测度; 威胁评价; 层次分析法

本文引用格式

易熊 , 赵华琛 , 王凤山 , 高锋 . 无人机蜂群突袭浮桥渡场的威胁评估方法[J]. 指挥控制与仿真, 2026 , 48(2) : 58 -63 . DOI: 10.3969/j.issn.1673-3819.2026.02.008

Abstract

Knowledge graphs are used to analyze the threats faced by floating bridge ferrying sites under drone swarm raids. From the perspective of the criteria such as proximity, attack capability, and penetration capability, 11 indicators for the threat assessment of drone swarm raids are presented. The linear unascertained measurement function is adopted to determine the index values of the threat of drone swarm raids, and a threat level assessment model based on the analytic hierarchy process and the unascertained measurement theory is established to obtain the threat level of drone swarms to floating bridge ferrying sites. The results show that the model can effectively solve the problem that it is difficult to quantitatively analyze and judge threat indicators, and provides a scientific means for determining the security protection level of floating bridge ferrying sites during wartime.

Key words： drone swarms; floating bridge ferrying sites; unascertained measurement; threat evaluation; analytic hierarchy process

无人机蜂群突袭浮桥渡场[1,2]威胁评估,是指无人机蜂群突袭浮桥渡场时,通过态势感知系统及各类信息化武器装备获取来袭无人机蜂群目标的各类属性参数,然后运用科学的评估模型对来袭无人机蜂群可能造成的威胁程度进行的定量评估[3]。科学合理的威胁评估结果可以为战场指挥员提供强有力的信息情报支持,为指挥员高效决策打下良好的基础。
无人机蜂群作战作为一种全新的作战模式正逐步走进战场,反无人机作战已成为世界各国作战研究的重要方向[4]。俄乌冲突中,俄军顿涅茨克河渡场遭乌军无人机突袭案例,给战时渡河保障行动敲响了警钟,如何高效应对无人机突袭威胁,已成为战时浮桥渡场生存面临的重大现实课题。文献[5-6]分析了无人机蜂群主要作战功能,提出了对无人机蜂群的防御对策,但对无人机突袭的威胁研究不深;文献[7]从技术发展、实战应用、能力缺失三个方面深入剖析了无人机集群对要地防空的威胁,但未建立无人机蜂群突袭的威胁评价指标体系;文献[8-9]构建了无人机威胁评估指标体系,但未考虑无人机攻击威胁;文献[10-11]利用未确知测度方法建立等级评价和排序模型,但采取熵理论确定各指标权重,难以准确反映各项指标对于评估对象的重要程度;文献[12]提出了基于层次分析法(AHP)与熵权法的指标权重综合确定方法,但以各项指标数据的离散程度作为综合权重的重要因素,其依据不够充分;文献[13]提出了TOPSIS法的威胁评估方法,但计算过程复杂,难以适用瞬息万变的战时场景。以上文献均一定程度上研究应用了未确知测度理论,或对无人机突袭的威胁评估进行了研究,但背景各有不同,适用范围有限。
结合无人机蜂群技术发展和作战运用现状,建立了无人机蜂群突袭浮桥渡场的威胁评估指标体系,运用未确知测度理论[14]、层次分析法[15]和置信度评价准则,建立无人机蜂群突袭威胁等级评估模型。评估模型既考虑无人机蜂群突袭威胁影响因素的权重差别,又兼顾各单指标威胁等级划分的不确定性,使得评估结果更加贴近实战,具有更强的可适用性和可移植性。

1 评估指标体系

文献[16]提出无人机威胁的主要影响因素包括外部威胁、自身性能、环境因素3个方面。文献[17]提出机动性能、接近程度、网络中心度等级、单机荷载4个方面9项无人机威胁评价指标。文献[18]提出无人机蜂群目标类型、目标径向速度、被保卫目标相对重要性、无人机数量、目标距离、目标高度、相对方位角7项无人机蜂群突袭威胁评价指标体系。
利用知识图谱方法,对战时浮桥渡场面临无人机蜂群突袭威胁的影响因素进行分析,如图1所示。将无人机蜂群突袭威胁评估指标划分为来袭蜂群的接近程度、攻击能力和突防能力等3个一级指标。
图1 无人机蜂群突袭威胁评估指标体系构建

Fig.1 Construction of the threat assessment indicator system for UAV swarm raids

指标体系中接近程度主要研究雷达探测可辨识度、光学特征可辨识度、距目标距离和航向偏差4个二级指标;攻击能力主要研究载荷总量、攻击精度、武器载荷类型和武器射程4个二级指标;突防能力主要研究飞行速度、飞行高度和电子对抗能力3个二级指标,如图2所示。
图2 无人机蜂群突袭威胁评估体系

Fig.2 Threat assessment system for UAV swarm raids

将评价指标分为5个评价等级,其中雷达探测可辨识度、光学特征可辨识度、距目标距离、航向偏差、载荷总量、攻击精度、武器载荷类型、武器射程、飞行速度和飞行高度9个指标用实际值进行分级,武器载荷类型和电子对抗能力用半量化方法进行取值,括号内数据为定性指标量化值。综合所有指标构建形成基于无人机突袭的门(浮)桥渡场威胁评价体系,综合评判集为{C1,C2,C3,C4,C5},即Ⅰ,Ⅱ,Ⅲ,Ⅳ和Ⅴ级,分别表示威胁评价等级高、较高、中等、较低和低,如表1所示。
表1 无人机蜂群突袭威胁评价指标及分级标准

Tab.1 Threat evaluation indicators and grading standards for UAV swarm raids

准则层 指标 评价等级
高 较高 中等 较低 低
接近程度 I1雷达探测可辨识度/km ≤5 [5,10) [10,20) [20,50) ≥50
I2光学特征可辨识度/km ≤2 [2,5) [5,10) [10,20) ≥20
I3距目标距离/km ≤5 [5,10) [10,20) [20,50) ≥50
I4航向偏差/(°) ≤5 [5,10) [10,20) [20,45) ≥45
攻击能力 I5载荷总量/kg ≥30 [20,30) [10,20) [5,10) ≤5
I6攻击精度/m ≤3 [3,10) [10,30) [30,100) ≥100
I7武器载荷类型 高(5) 较高(4) 中等(3) 较低(2) 低(1)
I8武器射程/km ≥5 [3,5) [1,3) [0.5,1) ≤0.5
I9飞行速度/(m·s-1) ≥300 [120,300) [60,120) [30,60) ≤30
突防能力 I10飞行高度/m ≥3 [1,3) [0.5,1) [0.1,0.5) ≤0.1
I11电子对抗能力 强(5) 较强(4) 中等(3) 较弱(2) 弱(1)
以上指标体系中,雷达探测可辨识度、光学特征可辨识度、距目标距离、航向偏差、攻击精度5个指标属于成本型指标,载荷总量、武器载荷类型、武器射程、飞行速度、飞行高度、电子对抗能力6个指标属于效益型指标。

2 未确知测度模型

2.1 评估流程

运用未确知测度方法和层次分析法,建立无人机蜂群突袭浮桥渡场威胁评估模型,其评估流程如图3所示。
图3 无人机蜂群突袭威胁评估流程

Fig.3 Threat assessment process for UAV swarm raids

2.2 单指标测度

设有n个被评估的无人机蜂群目标构成评价对象空间,记为X={x1,x2,x3x4,x5},xi表示第i个被评价的无人机蜂群目标,对每个无人机蜂群目标有11个评价指标,构成指标空间I={I1,I2,…,Im},Ij表示第j个测量指标;每个指标测量值有5个评价等级c1,c2,c3,c4,c5,构成评价空间U={c1,c2,c3,c4,c5},其中c1表示威胁大;c2表示威胁较大;c3表示威胁中等;c4表示威胁较小;c5表示威胁小。则u=uijk(xij∈Ck)表示实测值xij属于第k个评价等级Ck的程度,xij为第i评价方案第j个评价指标Ij的指标。
根据未确知测度理论,构建单指标测度函数[19],采用应用最广泛的直线型未确知测度函数,x为指标属性观测值区间上的点,如图4所示。其中,成本型指标(I1,I2,I3,I4,I6),有aj1<aj2<aj3<aj4<aj5,未确知测度函数表达式为(1);效益型指标(I5,I7,I8,I9,I10,I11),有aj1>aj2>aj3>aj4>aj5,未确知测度函数表达式为(2)。
图4 直线型未确知测度函数

Fig.4 Linear unascertained measure function

x在区间[ak,ak+1]上对应的未确知测度函数表达式为
u k ( x ) = a k + 1 - x a k + 1 - a k u k + 1 ( x ) = x - a k a k + 1 - a k
u k ( x ) = x - a k + 1 a k - a k + 1 u k + 1 ( x ) = a k - x a k - a k + 1
则各指标未确知测度值uijk构成的单指标测度矩阵 ( u i j k ) 11 × 5为式(3)。
( u i j k ) 11 × 5= u i 11 u i 12 … u i 15 u i 21 u i 22 … u i 25 ︙ ︙ ⋱ ︙ u i 111 u i 112 … u i 115
该矩阵的第j个行向量[uij1,uij2,…,uij5]为xij的单指标测度评价向量。

2.3 层次分析法确定权重

根据评估指标体系,结合无人机性能等具体情况,按照1~9比例标度法对模糊因素进行两两比较,建立一系列判断矩阵。首先计算准则层对目标层的权重向量,用A=(aij)3×3表示,其中aij为指标i和指标j的影响大小之比,如下式所示:
aij= a i a j
对A= ( a i j ) 3 × 3进行列规范化如下式所示:
a - i j= a i j ∑ i = 1 3 a i j(i=1,2,3;j=1,2,3)
得到规范化矩阵为A,判断矩阵规范后,按行相加如下式所示:
w'i= ∑ j = 1 3 a'ij(j=1,2,3)
将向量W'=(W'1,W'2,W'3)规范化,如下式所示:
Wi= w '   i ∑ i = 1 3 w '   i(i=1,2,3)
得到W,即为最大特征向量,最大特征值为λmax,如下式所示:
λmax= 1 3 ∑ i = 1 3 ( A × W ) i W i(i=1,2,3)
根据判断矩阵的最大特征值及对应的特征向量进行一致性检验。一致性指标CI= λ m a x - n n - 1,CR= C I R I(RI的取值查表),当CR<0.10时,即认为判断矩阵的一致性可以接受;否则调整判断矩阵的元素取值,直至得到满意的一致性结果为止。
各二级指标权重的确定与一级指标权重的确定方法类似,可由式(6)(7)计算得出结果。
计算总的权值如下式所示:
WB=WA×W

2.4 多指标综合测度评价向量

运用层次分析法,获得各指标权重后,即可得到评价方案的多指标综合未确知测度:
uik= ∑ j = 1 mWBuijk
其中,0≤uik≤1, ∑ k = 1 5uik=1。则多指标综合未确知测度评价矩阵为
( u i k ) n × 5= u 11 u 12 … u 15 u 21 u 22 … u 25 ︙ ︙ ⋱ ︙ u n 1 u n 2 … u n 5
称第i行向量[ui1,ui2,…,ui5]为xi的多指标综合测度评价向量。

2.5 评价等级排序模型

设λ为置信度,1>λ≥0.5,通常取为0.5或0.6,当C1>C2>C3>C4>C5,若有:
k0= m i n k(k: ∑ l = 1 kuil≥λ,1≤l≤k)
则认为评价对象xi属于第k0个评价等级Ck(式中,l为评价方案所处的评价等级序号)。
当多个评价方案处于同一个评价等级时,需要对优选方案的优越程度进行排序,从而得到最优方案。由于C1>C2>C3>…>Ck,若q={ q x 1, q x 2,…, q x k},对未确知重要度向量,按 q x i的大小对评价对象xi重要度进行排序,对应的未确知重要度越大,方案越优。

3 实例计算

3.1 多指标测度矩阵

假设多波次无人机蜂群来袭参数如表2所示。
表2 无人机蜂群突袭威胁等级评价指标

Tab.2 Evaluation indicators for the threat levels of UAV swarm raids

样本 等级评价指标值
I1 I2 I3 I4 I5 I6 I7 I8 I9 I10 I11
T1 15 6 12 15 20 8 4 0.8 80 0.8 2
T2 20 12 10 8 15 5 5 1.5 180 0.8 4
T3 8 3.5 8 25 25 15 2 0.6 40 1.2 3
根据直线型单指标测度函数式(1)和(2),分别构建样本的多指标测度矩阵。
u1(11×5)= 0 0 1 0 0 0 0.375 0.625 0 0 0 0.4 0.6 0 0 0 0 1 0 0 0 0.5 0.5 0 0 0 0.889 0.111 0 0 0 1 0 0 0 0 0 0.04 0.96 0 0 0 0.778 0.222 0 0 0.04 0.96 0 0 0 0 0 1 0
u2(11×5)= 0 0 0.5 0.5 0 0 0 0.4 0.6 0 0 0.667 0.333 0 0 0 0.933 0.067 0 0 0 0 1 0 0 0.429 0.571 0 0 0 1 0 0 0 0 0 0 0.6 0.4 0 0 0.75 0.25 0 0 0 0.04 0.96 0 0 0 1 0 0 0
u3(11×5)= 0 0.933 0.067 0 0 0 1 0 0 0 0 0.933 0.067 0 0 0 0.933 0.067 0 0 0 0 0.143 0.857 0 0 1 0 0 0 0 0.37 0.63 0 0 0 0 0 1 0 0 0 0 0.4 0.6 0 0.36 0.64 0 0 0 0 1 0 0

3.2 确定指标权重

根据式(4)(5),由专家打分,构建一级指标初始判断矩阵。
A= 1 1 / 4 1 / 5 4 1 2 5 1 / 2 1
根据式(6)(7)对初始判断矩阵进行归一化处理,得一级指标权重。
WA=(0.101 8,0.523 1,0.366 1)
根据式(8),求得CR值为0.09,一致性检验通过。
同理,可得各三级指标对应其准则层权重。
W B 1=(0.218 8,0.125 0,0.500 0,0.156 3)
W B 2=(0.087 9,0.045 0,0.545 6,0.311 5)
W B 3=(0.125 1,0.388 4,0.468 5)
根据式(9),得到各指标权重WB=(0.023 7,0.013 5,0.054 2,0.016 9,0.049 8,0.025 5,0.316 8,0.110 0,0.048 7,0.151 3,0.189 5)。

3.3 综合测度计算

根据式(10),可得3个样本的威胁等级评价矩阵。
uik(3×5)= 0 0.397   2 0.296   9 0.306   0 0 0.327   7 0.298   6 0.309   7 0.064   0 0 0 0.199   9 0.310   0 0.407   8 0.082   2

3.4 评价等级排序

根据综合测度向量的计算结果和置信度评价准则式(10),取置信度λ=0.6,分别求得3个来袭无人机蜂群样本的k0,从而分别确定其所处的评价等级。样本1: ( k 0 ) 1=0.397 2+0.296 9=0.694 1>0.6,表示样本1威胁评价等级为“中等”层次;样本2: ( k 0 ) 2=0.327 7+0.298 6=0.626 3>0.6,表示样本2威胁评价等级为“较高”层次;样本3: ( k 0 ) 3=0.199 9+0.310 0+0.407 8=0.917 8>0.6,表示样本3威胁评价等级为“较低”层次,如表3所示。
表3 未确知测度模型评估结果

Tab.3 Evaluation results of the unascertained measurement model

来袭
蜂群		 综合未确知测度 评估
结果
C1 C2 C3 C4 C5
样本1 0 0.397 2 0.296 9 0.306 0 0 Ⅲ级
(中等)
样本2 0 0.298 6 0.309 7 0.064 0 0 Ⅱ级
(较高)
样本3 0 0.199 9 0.310 0 0.407 8 0.082 2 Ⅳ级
(较低)

4 结束语

针对无人机蜂群突袭浮桥渡场威胁等级评估问题,本文通过分析无人机蜂群突袭能力的影响因素,从接近程度、攻击能力、突防能力的准则角度,给出无人机蜂群突袭威胁评估的11项指标。针对无人机蜂群突袭威胁指标难以量化的问题,基于未确知测度方法和层次分析法,建立无人机蜂群突袭威胁等级评估模型。
评估模型运用置信度评价准则对威胁等级进行排序评价,保证了模型评价结果的可信度,评价结果更具客观性。该评估模型可为浮桥渡场反无人机作战提供科学依据和技术支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
唐振宇. 工程保障论[M]. 北京: 国防工业出版社, 2023: 19-22.

TANG Z Y. Engineering guarantee theory[M]. Beijing: National Defense Industry Press, 2023: 19-22.

[2]
房永智. 工程支援论[M]. 北京: 国防工业出版社, 2023: 46-49.

FANG Y Z. Engineering support theory[M]. Beijing: National Defense Industry Press, 2023: 46-49.

[3]
魏廷三, 李凌, 李东明, 等. 基于模糊层次分析的渡河工程保障能力评估方法研究[J]. 机电产品开发与创新, 2023, 36(5): 151-155.

WEI T S, LI L, LI D M, et al. Research on evaluation method of river crossing engineering support capability based on fuzzy hierarchical analysis[J]. Development & Innovation of Machinery & Electrical Products, 2023, 36(5): 151-155.

[4]
张双雄, 李晶晶, 尹帅, 等. 无人机蜂群作战分析[J]. 现代信息科技, 2020, 4(12): 22-24.

ZHANG S X, LI J J, YIN S, et al. Analysis of drone swarm combat[J]. Modern Information Technology, 2020, 4(12): 22-24.

[5]
姜俊新. 无人机蜂群对防空作战的威胁与对策[J]. 国防科技, 2019, 40(6): 108-113.

JIANG J X. Threats and countermeasures of unmanned aerial vehicle swarm to aerial defense[J]. National Defense Technology, 2019, 40(6): 108-113.

[6]
YUAN S H, YANG Y Z, NGUYEN T H, et al. MMAUD: a comprehensive multi-modal anti-UAV dataset for modern miniature drone threats[EB/OL]. 2024: 2402.03706. https://arxiv.org/abs/2402.03706v1.

[7]
闫家鼎, 谢海斌, 庄东晔. 无人机集群对要地防空的威胁及反制对策研究[J]. 飞航导弹, 2021(7): 56-61.

YAN J D, XIE H B, ZHUANG D Y. Aerodynamic Missile Journal, 2021(7): 56-61.

[8]
赵晨晨, 欧宗伟, 徐磊, 等. 无人机集群作战威胁及反无人机集群对策研究[J]. 第十一届中国指挥控制大会论文集. 2023:130-133.

ZHAO C C, OU Z W, XU L, et al. Research on the threats of UAV swarm operations and countermeasures against UAV swarms[J]. Proceedings of the 11th China Command and Control Conference. 2023:130-133.

[9]
KO Y, HO K E, LEE M, et al. UAV threat level assessment based on the velocity and distance from collision[C]// 2020 Fourth IEEE International Conference on Robotic Computing (IRC). IEEE, 2020:495-500.

[10]
王卫东, 颜文, 高华. 基于未确知测度的车辆基地选址规划评价[J]. 中南大学学报(自然科学版), 2020, 51(5): 1 431-1 440.

WANG W D, YAN W, GAO H. Evaluation of vehicle base location planning based on unascertained measure[J]. Journal of Central South University(Science and Technology), 2020, 51(5): 1 431-1 440.

[11]
杨远志, 周中良, 刘宏强, 等. 基于信息熵和粗糙集的空中目标威胁评估方法[J]. 北京航空航天大学学报, 2018, 44(10): 2 071-2 077.

YANG Y Z, ZHOU Z L, LIU H Q, et al. Threat evaluation method of air target based on information entropy and rough set[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(10): 2 071-2 077.

[12]
孔尚萍, 张海瑞, 廖选平, 等. 基于AHP与熵权法的空中目标威胁评估方法[J]. 战术导弹技术, 2018(1): 79-84.

KONG S P, ZHANG H R, LIAO X P, et al. Aerial targets threat assessment based on AHP and entropy weight method[J]. Tactical Missile Technology, 2018(1): 79-84.

[13]
蒲海鹏, 王凤山, 郑自强. 基于无人机突袭的指挥所威胁TOP SIS评估方法[J]. 指挥控制与仿真, 2022, 44(6): 29-34.

DOI

PU H P, WANG F S, ZHENG Z Q. TOP SIS method of command post threat assessment based on UAV raid[J]. Command Control & Simulation, 2022, 44(6): 29-34.

[14]
SALOUA C, DEBANSHU R, PIGI L. On measures of uncertainty in classification[C]// 2023 IEEE Transactions on Signal Processing. 2023:3710-3 725.

[15]
雷宁, 曹继平, 王赛, 等. 基于AHP和模糊综合评价法的装备维修保障效能评估[J]. 兵工自动化, 2019, 38(10): 76-79.

LEI N, CAO J P, WANG S, et al. Effectiveness evaluation of equipment maintenance support based on AHP and fuzzy comprehensive evaluation method[J]. Ordnance Industry Automation, 2019, 38(10): 76-79.

[16]
陈娟, 马涛. 陆战场 ISR 无人机威胁分析及其评估模型研究[J]. 舰船电子工程, 2015, 35(7): 28-30.

CHEN J, MA T. Threat analysis and simulation model for ISR unmanned aerial vehicle in the land battlefield[J]. Ship Electronic Engineering, 2015, 35(7): 28-30.

[17]
焦士俊, 刘锐, 刘剑豪, 等. 无人机蜂群威胁效能评估[J]. 舰船电子对抗, 2019, 42(3): 17-20, 76.

JIAO S J, LIU R, LIU J H, et al. Threat effectiveness evaluation of UAV swarm[J]. Shipboard Electronic Countermeasure, 2019, 42(3): 17-20, 76.

[18]
孙海文, 于邵祯, 江源, 等. 海上无人机蜂群目标威胁评估方法[J]. 兵工学报, 2022, 43(S2): 32-39.

SUN H W, YU S Z, JIANG Y, et al. Target threat assessment method for UAV swarm at sea[J]. Acta Armamentarii, 2022, 43(S2): 32-39.

DOI

[19]
陈建莉. 基于改进未确知测度模型的城市环境质量综合评价[J]. 西北大学学报(自然科学版), 2014, 44(4): 657-660.

CHEN J L. City environment quality comprehensive evaluation based on improved unascertained measurement model[J]. Journal of Northwest University(Natural Science Edition), 2014, 44(4): 657-660.

Options
文章导航

/

〈 〉