大數(shù)據(jù)技術(shù)在戰(zhàn)場(chǎng)態(tài)勢(shì)感知中的應(yīng)用

賀 玲，賀照輝

（1.空軍預(yù)警學(xué)院預(yù)警情報(bào)系計(jì)算機(jī)與網(wǎng)絡(luò)教研室，湖北 武漢 430019；2.空軍預(yù)警學(xué)院預(yù)警模擬訓(xùn)練中心，湖北 武漢 430019）

隨著現(xiàn)代化信息技術(shù)的發(fā)展與運(yùn)用，戰(zhàn)爭(zhēng)形態(tài)已從機(jī)械化、信息化的作戰(zhàn)模式逐漸朝著智能化的方向發(fā)展，大規(guī)模體系作戰(zhàn)和一體化聯(lián)合作戰(zhàn)加快了戰(zhàn)爭(zhēng)的節(jié)奏，敵我雙方態(tài)勢(shì)分析研判、指揮員根據(jù)戰(zhàn)場(chǎng)情況對(duì)戰(zhàn)斗的指揮控制、多種力量跨域攻防、戰(zhàn)場(chǎng)武器的毀傷效果評(píng)估、戰(zhàn)爭(zhēng)全過程的綜合保障以及最后的戰(zhàn)斗總結(jié)，都會(huì)產(chǎn)生海量異構(gòu)的數(shù)據(jù)，嚴(yán)重影響著作戰(zhàn)指揮員對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知的準(zhǔn)確性。此外，智能化戰(zhàn)場(chǎng)上信息的快速交換融合和無人作戰(zhàn)體系的快速反應(yīng)，對(duì)未來的戰(zhàn)爭(zhēng)也提出了更高的要求，及時(shí)、準(zhǔn)確、高效、可靠的戰(zhàn)場(chǎng)態(tài)勢(shì)感知是人民軍隊(duì)“打勝仗”所必須具備的能力。

大數(shù)據(jù)技術(shù)的應(yīng)用將大大縮短數(shù)據(jù)收集和上報(bào)的時(shí)間，幫助指揮員更好地統(tǒng)觀全局，加快指揮員的指揮決策，為軍事創(chuàng)新帶來的新的能動(dòng)力。因此，研究并推動(dòng)大數(shù)據(jù)技術(shù)在戰(zhàn)場(chǎng)態(tài)勢(shì)感知中的應(yīng)用，全面增強(qiáng)戰(zhàn)場(chǎng)態(tài)勢(shì)感知能力，具有重要而深遠(yuǎn)的意義。

1 戰(zhàn)場(chǎng)態(tài)勢(shì)感知基本概念

早在20 世紀(jì)70 年代，美國(guó)空軍上校約翰·博伊德（John Boyd）提出了著名的“OODA 循環(huán)”，又被稱作“博伊德循環(huán)”，如圖1 所示[1-3]。

圖1 OODA 循環(huán)

約翰·博伊德將整個(gè)作戰(zhàn)過程抽象為“觀察—判斷—決策—行動(dòng)”4 個(gè)環(huán)節(jié)，這4 個(gè)環(huán)節(jié)形成閉環(huán)反復(fù)執(zhí)行，從而實(shí)現(xiàn)整個(gè)作戰(zhàn)及指揮行動(dòng)。因此，提升戰(zhàn)場(chǎng)態(tài)勢(shì)感知能力，縮短OODA 的周期，從而實(shí)現(xiàn)先敵判斷、先敵決策、先敵行動(dòng)，對(duì)搶占戰(zhàn)場(chǎng)主動(dòng)權(quán)、取得戰(zhàn)爭(zhēng)的最終勝利起著至關(guān)重要的作用。

戰(zhàn)場(chǎng)態(tài)勢(shì)感知的過程可簡(jiǎn)要描述如下：我方在特定的時(shí)間和空間環(huán)境之中，利用陸、海、空、天各個(gè)領(lǐng)域的傳感器獲取敵對(duì)雙方具體的兵力對(duì)比、兵力部署、作戰(zhàn)計(jì)劃、火力分配、作戰(zhàn)意圖等，并形成整個(gè)戰(zhàn)場(chǎng)環(huán)境的實(shí)時(shí)狀態(tài)認(rèn)知，進(jìn)而利用可視化的技術(shù)，將戰(zhàn)場(chǎng)整體環(huán)境轉(zhuǎn)變成直觀的形式予以呈現(xiàn)，在此基礎(chǔ)上對(duì)下一時(shí)刻戰(zhàn)場(chǎng)態(tài)勢(shì)各要素的發(fā)展變化進(jìn)行預(yù)測(cè)并展示。據(jù)此，可以把戰(zhàn)場(chǎng)態(tài)勢(shì)感知抽象為3 個(gè)層次，即態(tài)勢(shì)察覺、態(tài)勢(shì)理解、態(tài)勢(shì)預(yù)測(cè)，如圖2 所示[4-6]。

圖2 戰(zhàn)場(chǎng)態(tài)勢(shì)感知層次圖

戰(zhàn)場(chǎng)態(tài)勢(shì)感知的概念由Boelke 在第一次世界大戰(zhàn)中首次提出，他第一次指出了“先于敵方獲取態(tài)勢(shì)感知并設(shè)計(jì)達(dá)成方法的重要性”，然而在當(dāng)時(shí)的社會(huì)大背景下，并沒有引起國(guó)際軍事家的關(guān)注。1995 年，Endsley重新對(duì)態(tài)勢(shì)感知進(jìn)行了定義，將態(tài)勢(shì)感知分為察覺、理解和預(yù)測(cè)3 個(gè)層次。

2 戰(zhàn)場(chǎng)態(tài)勢(shì)感知面臨的挑戰(zhàn)

現(xiàn)代戰(zhàn)爭(zhēng)打破了領(lǐng)域限制和軍兵種的限制，是一個(gè)復(fù)雜的系統(tǒng)，內(nèi)部存在著各種動(dòng)態(tài)性、適應(yīng)性、不確定性、模糊性、隨機(jī)性等復(fù)雜特性，目前對(duì)這些機(jī)理特性還不能完全掌握和了解。此外，現(xiàn)代戰(zhàn)爭(zhēng)戰(zhàn)場(chǎng)空間的全域性、戰(zhàn)場(chǎng)形態(tài)復(fù)雜性、戰(zhàn)爭(zhēng)形式多樣性以及電磁干擾、電子欺騙等新型戰(zhàn)法的運(yùn)用使得戰(zhàn)爭(zhēng)的節(jié)奏明顯加快，戰(zhàn)機(jī)可能在區(qū)區(qū)幾秒中內(nèi)轉(zhuǎn)瞬即逝。因此相較于過去的傳統(tǒng)作戰(zhàn)模式而言，現(xiàn)代戰(zhàn)爭(zhēng)的態(tài)勢(shì)信息更為復(fù)雜，再加上各種態(tài)勢(shì)信息的不確定性和模糊性強(qiáng)，對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)信息的管理和分析就變得更為困難。其次，態(tài)勢(shì)信息來源較為廣泛，單單是一個(gè)指揮機(jī)構(gòu)的戰(zhàn)場(chǎng)態(tài)勢(shì)信息就有10 種以上的情報(bào)來源，每種情報(bào)類型又形式各異，既存在傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，又存在圖片、視頻、聲音等非結(jié)構(gòu)化的數(shù)據(jù)，如何將不同來源、異構(gòu)的態(tài)勢(shì)信息進(jìn)行統(tǒng)一的組織管理，并進(jìn)行高效的分析和處理，是目前戰(zhàn)場(chǎng)態(tài)勢(shì)感知能力構(gòu)建的難點(diǎn)所在。具體來說，當(dāng)前面臨的挑戰(zhàn)可包括（但不限于）以下3 個(gè)方面。

第一，瞬息萬變的現(xiàn)代戰(zhàn)場(chǎng)形式、豐富多樣的感知手段、偶發(fā)的不確定因素的增加，都將嚴(yán)重影響指揮員決策的及時(shí)性和準(zhǔn)確性。構(gòu)建一個(gè)戰(zhàn)場(chǎng)信息的共享平臺(tái)，實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)實(shí)時(shí)信息的統(tǒng)一管理、儲(chǔ)存、分析以及共享，并在此基礎(chǔ)上進(jìn)一步構(gòu)建和完善統(tǒng)一的一體化信息指揮控制平臺(tái)，使各軍種的作戰(zhàn)力量實(shí)現(xiàn)更深層次的融合、不同空間區(qū)域的作戰(zhàn)目標(biāo)實(shí)現(xiàn)相互配合和相互支撐，進(jìn)而提升作戰(zhàn)效能，是態(tài)勢(shì)察覺層次要解決的關(guān)鍵問題之一。

第二，對(duì)于態(tài)勢(shì)察覺中獲得的海量、異構(gòu)的戰(zhàn)場(chǎng)態(tài)勢(shì)信息，需要進(jìn)行關(guān)聯(lián)、相關(guān)和綜合，以得到更有用的信息，從而對(duì)當(dāng)前態(tài)勢(shì)、下一步將要面臨的威脅進(jìn)行完整、及時(shí)的評(píng)估，真正實(shí)現(xiàn)態(tài)勢(shì)理解的意圖。采用大數(shù)據(jù)分析技術(shù)對(duì)這些信息進(jìn)行關(guān)聯(lián)規(guī)則挖掘，是態(tài)勢(shì)理解層次需要解決的關(guān)鍵問題之一。

第三，戰(zhàn)場(chǎng)態(tài)勢(shì)感知是多維度和多要素的，現(xiàn)階段單維度和單要素的信息表達(dá)方式已經(jīng)日益成熟，但多維度和多要素的信息表達(dá)仍存在一定的困難。與此同時(shí)，態(tài)勢(shì)信息的直觀表示和呈現(xiàn)，能極大縮短態(tài)勢(shì)預(yù)測(cè)的時(shí)間，提升態(tài)勢(shì)預(yù)測(cè)的效能。所以，從未來戰(zhàn)爭(zhēng)的發(fā)展趨勢(shì)來看，多維度和多要素的信息展現(xiàn)是態(tài)勢(shì)預(yù)測(cè)層次要解決的關(guān)鍵問題之一。

接下來針對(duì)當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)感知中存在的困難和挑戰(zhàn)，將依次從態(tài)勢(shì)察覺、態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)這3 個(gè)層次，探討大數(shù)據(jù)技術(shù)的應(yīng)用。

3 大數(shù)據(jù)存儲(chǔ)技術(shù)在態(tài)勢(shì)察覺中的應(yīng)用

采用合理的架構(gòu)對(duì)數(shù)據(jù)進(jìn)行組織管理，是分析處理數(shù)據(jù)的前提和基礎(chǔ)。當(dāng)前，信息化、智能化的戰(zhàn)爭(zhēng)形態(tài)早已打破了軍種和領(lǐng)域間的界限，戰(zhàn)場(chǎng)態(tài)勢(shì)感知能力存在于海、陸、空、天和網(wǎng)絡(luò)等作戰(zhàn)領(lǐng)域，在電磁頻譜、信息環(huán)境和認(rèn)知維度等領(lǐng)域也進(jìn)行著高度的密切協(xié)同，在這樣的背景下，所獲取的戰(zhàn)場(chǎng)態(tài)勢(shì)信息不僅數(shù)量龐大，而且結(jié)構(gòu)復(fù)雜，表現(xiàn)形式也日益多樣化。因此迫切需要構(gòu)建大數(shù)據(jù)的存儲(chǔ)架構(gòu)。

ApacheHadoop[7-8]是一個(gè)典型的分布式系統(tǒng)框架，支持海量數(shù)據(jù)的存儲(chǔ)與處理，由Apache 軟件基金會(huì)開發(fā)?，F(xiàn)存的很多大數(shù)據(jù)平臺(tái)都是在其原生版本上進(jìn)行優(yōu)化和封裝。該框架由HadoopFileSystem（HDFS）、MapReduce、HadoopDataBase（HBase）等組件構(gòu)成，可靠性高、容錯(cuò)性好、高效且易擴(kuò)充，是目前主流的大數(shù)據(jù)存儲(chǔ)管理框架。

HDFS[9-10]是數(shù)據(jù)存儲(chǔ)和管理中心，通常采用主從結(jié)構(gòu)構(gòu)建，如圖3 所示，NameNode 為“主”，其他DataNode 為“從”。NameNode 負(fù)責(zé)管理文件系統(tǒng)的元數(shù)據(jù)和DataNode 節(jié)點(diǎn)，DataNode 是文件系統(tǒng)的實(shí)際工作節(jié)點(diǎn)，負(fù)責(zé)存儲(chǔ)和檢索數(shù)據(jù)，并定期將存儲(chǔ)的塊信息發(fā)送給NameNode。

圖3 HDFS 結(jié)構(gòu)圖

MapReduce[11-13]則主要完成任務(wù)的計(jì)算工作，即對(duì)數(shù)據(jù)的計(jì)算處理，其計(jì)算過程總體分為2 個(gè)階段，分別被稱作Map 階段和Reduce 階段。概括來說，Map階段并行處理輸入的數(shù)據(jù)，Reduce 階段對(duì)Map 的結(jié)果進(jìn)行匯總。由于MapReduce 在處理大數(shù)據(jù)集時(shí)，將任務(wù)分解給多個(gè)Hadoop 運(yùn)行節(jié)點(diǎn)處理，顯著提高了集群處理大量數(shù)據(jù)的能力。

HBase[14]是一個(gè)分布式的、面向列的開源數(shù)據(jù)庫(kù)，它不同于一般的關(guān)系數(shù)據(jù)庫(kù)，適合存儲(chǔ)非結(jié)構(gòu)化的海量數(shù)據(jù)。HDFS 為其提供了高可靠性的底層存儲(chǔ)支持，MapReduce 為其提供了高性能的計(jì)算能力。

基于HDFS、MapReduce 以及HBase，搭建適用于大數(shù)據(jù)的分布式存儲(chǔ)架構(gòu)，將為戰(zhàn)場(chǎng)態(tài)勢(shì)的快速、準(zhǔn)確感知奠定良好的基礎(chǔ)。

4 大數(shù)據(jù)分析技術(shù)在態(tài)勢(shì)理解中的應(yīng)用

態(tài)勢(shì)理解，本質(zhì)是就是整合感知到的數(shù)據(jù)和信息，分析其相關(guān)性。例如，對(duì)各類態(tài)勢(shì)要素進(jìn)行分類、歸并、關(guān)聯(lián)分析等融合處理，進(jìn)而對(duì)融合的信息進(jìn)行綜合分析，得出對(duì)當(dāng)前態(tài)勢(shì)的整體估計(jì)，這是態(tài)勢(shì)感知的核心。針對(duì)態(tài)勢(shì)感知數(shù)據(jù)的動(dòng)態(tài)性和偶然因素多等問題，主要探討以下技術(shù)的應(yīng)用。

4.1 實(shí)時(shí)分析

實(shí)時(shí)分析的基礎(chǔ)是流處理技術(shù)。目前主流的流處理組件包括Storm、Spark Streaming、Kafka、Flume、Flink 等，它們各有其特點(diǎn)和優(yōu)勢(shì)，在具體應(yīng)用中可根據(jù)特定應(yīng)用背景選擇合適的處理方式。接下來主要圍繞Flume、Flink 和Spark Streaming 展開介紹。

Flume[15]可靠性高，容錯(cuò)性好，可以將源數(shù)據(jù)存儲(chǔ)到任何集中存儲(chǔ)器中，如HDFS、HBase，F(xiàn)lume 管道的處理機(jī)制基于數(shù)據(jù)庫(kù)事務(wù)的概念，因此能保證數(shù)據(jù)傳送和接收的一致性，并且提供上下文路由特征。

Flink[16]程序本質(zhì)上是分布式并行程序。在程序執(zhí)行期間，一個(gè)流有一個(gè)或多個(gè)流分區(qū)，每個(gè)算子有一個(gè)或多個(gè)算子子任務(wù)，每個(gè)子任務(wù)彼此獨(dú)立，并在不同的線程中運(yùn)行，或在不同的計(jì)算機(jī)中運(yùn)行。

Spark Streaming[17]是一種構(gòu)建在Spark 上的實(shí)時(shí)計(jì)算框架，擴(kuò)展了Spark 處理大規(guī)模流式數(shù)據(jù)的能力，其優(yōu)勢(shì)主要體現(xiàn)在：能運(yùn)行在100+的結(jié)點(diǎn)上，并達(dá)到秒級(jí)延遲；使用基于內(nèi)存的Spark 作為執(zhí)行引擎，具有高效和容錯(cuò)的特點(diǎn)；能集成Spark 的批處理和交互查詢；為實(shí)現(xiàn)復(fù)雜的算法提供與批處理類似的接口。具體來說，Spark Streaming 把流式計(jì)算當(dāng)作一系列連續(xù)的小規(guī)模批處理來對(duì)待，從各種輸入源中讀取數(shù)據(jù)，并把數(shù)據(jù)分組為小的批次，新的批次按照均勻的時(shí)間間隔創(chuàng)建出來。在每個(gè)時(shí)間區(qū)間開始的時(shí)候，一個(gè)新的批次就創(chuàng)建出來，在該區(qū)間內(nèi)收到的數(shù)據(jù)都會(huì)被添加到這個(gè)批次中。在時(shí)間區(qū)間結(jié)束時(shí)，批次停止增長(zhǎng)。時(shí)間區(qū)間的大小由“批次間隔”這個(gè)參數(shù)決定，批次間隔一般設(shè)在500 ms 到幾秒之間，可由應(yīng)用開發(fā)者配置。

4.2 大數(shù)據(jù)挖掘

態(tài)勢(shì)信息數(shù)量多，種類復(fù)雜，從中提取出潛在有用的信息和知識(shí)，也將涉及到多種方法，如分類、回歸分析、關(guān)聯(lián)規(guī)則挖掘等。

分類[18]是從大量數(shù)據(jù)種找出一組對(duì)象的共同特點(diǎn)，并按照分類模式將其劃分為不同的類。

回歸分析方法[19]反映了數(shù)據(jù)庫(kù)中屬性值在時(shí)間上的特征，產(chǎn)生一個(gè)將數(shù)據(jù)項(xiàng)映射到一個(gè)實(shí)值預(yù)測(cè)變量的函數(shù)，以發(fā)現(xiàn)變量或?qū)傩蚤g的依賴關(guān)系，主要目的是用來研究數(shù)據(jù)序列的趨勢(shì)特征、數(shù)據(jù)序列的預(yù)測(cè)等。

關(guān)聯(lián)規(guī)則描述了數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間存在的關(guān)系的規(guī)則，關(guān)聯(lián)規(guī)則挖掘[20]是大數(shù)據(jù)分析與挖掘的基礎(chǔ)，通過在海量態(tài)勢(shì)數(shù)據(jù)中挖掘數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)關(guān)系，可以獲得很多有意義、有價(jià)值的信息。

5 大數(shù)據(jù)展現(xiàn)技術(shù)在態(tài)勢(shì)預(yù)測(cè)中的應(yīng)用

態(tài)勢(shì)預(yù)測(cè)需要在獲取并處理當(dāng)前態(tài)勢(shì)數(shù)據(jù)序列的基礎(chǔ)上，探尋態(tài)勢(shì)數(shù)據(jù)之間的發(fā)展變化規(guī)律，并對(duì)態(tài)勢(shì)未來的發(fā)展趨勢(shì)和狀況進(jìn)行推測(cè)，形成科學(xué)的判斷、推測(cè)和估計(jì)，為指揮人員制定正確的規(guī)劃和決策提供依據(jù)，在這個(gè)過程中，已有的態(tài)勢(shì)信息如何更加直觀地予以呈現(xiàn)，將從很大程度上影響著態(tài)勢(shì)預(yù)測(cè)的時(shí)間和效果。大數(shù)據(jù)展現(xiàn)技術(shù)將在其中發(fā)揮重要的作用。

以圖形的形式將態(tài)勢(shì)理解的結(jié)果予以直觀的呈現(xiàn)，是大數(shù)據(jù)展現(xiàn)的基本形式，如散點(diǎn)圖、折線圖、柱狀圖、地圖、餅圖、雷達(dá)圖、K 線圖、箱線圖、熱力圖、關(guān)系圖、矩形樹圖、平行坐標(biāo)、?；鶊D、漏斗圖、儀表盤等，針對(duì)不同的應(yīng)用場(chǎng)合，可選用不同的圖形化方式，將對(duì)現(xiàn)有態(tài)勢(shì)數(shù)據(jù)予以直觀的呈現(xiàn)。

此外，合理采用已有可視化工具，也將極大提升態(tài)勢(shì)預(yù)測(cè)的性能。Tableau[21]即為一個(gè)可視化的分析平臺(tái)，能幫助我們快速對(duì)數(shù)據(jù)進(jìn)行挖掘和可視化共享，以用于輔助決策；ECharts[22]也是一個(gè)開源的可視化工具，可以流暢地運(yùn)行于各類計(jì)算機(jī)和移動(dòng)設(shè)備，并兼容大部分瀏覽器。在功能上，ECharts 可以提供更直觀、交互豐富、可高度個(gè)性化定制的數(shù)據(jù)可視化圖表；在使用上，ECharts 為開發(fā)者提供了種類繁多的圖形界面，提供了包括柱狀圖、折線圖、餅圖、氣泡圖等在內(nèi)的一系列可視化圖表。而且ECharts 使用簡(jiǎn)單，只需要從官網(wǎng)上下載指定文件，然后引用在網(wǎng)頁(yè)上展示即可。

6 結(jié)束語

文章結(jié)合戰(zhàn)場(chǎng)態(tài)勢(shì)感知的3 個(gè)層次，從態(tài)勢(shì)察覺、態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)3 個(gè)方面分析了大數(shù)據(jù)技術(shù)的應(yīng)用。眾所周知，隨著現(xiàn)代信息技術(shù)的飛速發(fā)展，以數(shù)據(jù)、計(jì)算、模型和算法為主要特征的智能化戰(zhàn)爭(zhēng)成為未來戰(zhàn)場(chǎng)的主要形態(tài)。在未來的智能化戰(zhàn)場(chǎng)上，敵我雙方為縮短各自的OODA 循環(huán)周期，圍繞戰(zhàn)場(chǎng)態(tài)勢(shì)感知所進(jìn)行的斗爭(zhēng)將更為激烈。在態(tài)勢(shì)感知的各個(gè)環(huán)節(jié)合理地運(yùn)用大數(shù)據(jù)技術(shù)，將對(duì)提升戰(zhàn)場(chǎng)態(tài)勢(shì)感知效能，起到積極的推動(dòng)作用。