指挥控制中的大数据应用研究——神州普惠在第五届指控大会现场发表精彩演讲

2017年7月5日，在第五届中国指挥控制大会的C4ISR 理论与技术高峰论坛上，北京神州普惠科技股份有限公司(简称“神州普惠”)数据事业部架构师刘博士围绕《指挥控制中的大数据应用研究》这一主题，从三个方面进行了研讨。

大数据从概念提出到现今的广泛应用，仅仅经历了几年时间，但它对我们生活的改变是显而易见的。神州普惠近年来针对大数据对作战指挥控制领域带来的变化，以及我们应该如何去应对,也做了相关的研究，主要包含三个方面，下面依次做简要介绍：

一、基于大数据的高价值信息发现将为获取信息优势奠定基础

联合作战是目前世界主要国家的现代作战思想，在现有的战争模式下，快速获取战场信息，准确还原战场态势，保证所有参战单元对战场态势有一个共同理解，并在这一信息共享环境下决策行动，正越来越成为联合作战制胜的基础。制信息权也逐渐发展成为继制海权、制空权后获取战争主动权的根本决定性因素。

在当前信息化作战条件下，部队能够获得前所未有的态势感知能力。但与此同时，这些“大数据”的出现却加剧了信息过载问题,从大数据中获取有价值信息的难度要远远超过数据获取。而对于作战指挥控制来说，所需要的并不仅仅是全面的信息——准确、及时的有价值信息可能更为重要。面对如此海量的战场信息，如何有效解决有价值信息提取问题，我们认为可以从以下三个方面解决：

首先，分布式计算是有效解决从“大数据”中提取有价值信息的重要基础。传统的数据处理技术实际上已无法满足“大数据”时代的信息处理需求。而分布式计算产品的出现，使得“大数据”处理成为了可能。自Google提出AGE(Google App Engine)之后，微软、IBM等大公司纷纷发布各种此类产品。其中，开源产品Hadoop，具有高吞吐、高可用、通用性、可扩展好等诸多优点，已成为为大数据领域的事实标准。神州普惠的大数据产品AppBDC也是基于Hadoop，并集成了我们自己的一些产品如数据传输分发AppDDS、数据采集、数据整编系统等等，现在作为大数据处理的底层平台，应用在风力发电综合信息大数据系统、试验数据综合管理等项目中，得到了较好的应用。

其次，实时处理是战场大数据有价值信息快速提取的关键手段。在指挥信息系统中，各种正常传感器实时传递大量不断更新的情报数据流，战场态势瞬息万变，只有对这些情报数据进行实时处理分析，时间要求应达到秒级甚至毫秒级，才能获取实时的战场态势，从而确保指挥决策的时效性和准确性。目前，业界也出现了一些时候进行实时数据分析的计算平台，如Twitter Storm、Cloudera Impala、Hstreaming等.神州普惠也研发了自己的实时高并发大数据处理引擎，该引擎也应用在海军某基地的实兵训练系统中，有效满足了部队演习训练中实时大数据处理的需求。这个平台实时性强，响应速度达到微秒级;高并发，5个节点可并发处理3000个报文;3、低延迟，每一条报文从接收到处理完毕不最快达到0.1毫秒;流程可扩展，处理引擎自主开发，可根据需求扩展数据处理方法。

　　第三，采集、处理、存储、分发、挖掘一体化处理是战场大数据有价值信息快速提取的重要保障。这里的一体化并不是软件系统必须紧密耦合，而是功能必须完备。战场大数据分析包括离线分析和在线分析，其中，离线分析获取潜在的、有价值的情报知识。在线分析则应有效利用离线处理获得的知识，准确判断情报数据流中每一条信息的价值，决定该条信息的应用领域，并在规定的时间内将其投递到所需的地点。因此，只有将这些情报处理分析过程一体化，才能有效满足指挥控制中的信息处理需求。针对此处，神州普惠也有相关的大数据应用案例，鉴于特殊原因，就不介绍了，若您感兴趣，可以咨询我们的在线顾问。

二、基于大数据的辅助决策将极大提升作战指挥的效率

夺取信息优势是当前信息化战争制胜的重要因素，但是，信息优势并不仅仅是掌握战场态势和作战进程，更为重要的是从信息优势走向决策优势乃至行动优势，也就是将优势变为胜势。战场态势瞬息万变，能够快速准确做出决策的一方，更能把握住战机，更有可能将优势变为胜势。在决策过程中，完全依靠人工分析再进行决策显然是效率不高，所以运用计算机自动作战辅助决策现在指挥控制中应用已经成为共识。作战辅助决策，也就是利用数据分析挖掘技术针对历史数据的目标静态特征和行为特征，构建各军兵种作战特征知识库，以知识库为基础，结合战场实时信息的快速检索和处理，动态识别目标身份及行为，实现对其作战能力及意图的认知，形成对作战决策的有力支持。传统的数据挖掘技术经过长期的发展已经得到了长足的进步。目前，在大数据挖掘中也大量采用了这些技术。但是两者的最大的区别在于数据量的不同。而数据量的不同，也导致了得到的结果不同，相对而言，应用大数据进行挖掘，可以得到更为细节的结论。

神州普惠在大数据分析方面也做了一些工作。一个是雷达实际作用距离的数据挖掘，得到了雷达在不同天气、电磁环境以及针对不同目标条件下，实际的作用距离的范围。另一个是声呐发现目标概率的挖掘，也是根据实际的训练数据，挖掘出一个或多个声呐在不同海洋环境下和不同目标对象条件下，发现目标的概率。这些结论如果存入知识库中，在作战指挥碰到相似的情况时，就可以提供指挥员决策的依据，帮助他快速地做出决策。

三、基于大数据的人工智能将为战场态势预测提供助力

大数据在发展的最初，人们认为预测将是大数据最有前景的发展方向。当时的思路是从大量的数据中发现事物运行的规律，即使有些规律无法解释其原因，但只要其客观存在，就可以用这些规律来预测未来的趋势。但是，对于作战指挥来说，能够挖掘的数据来源是以往的战例或是训练数据，而这些数据用于发现规律并实现预测显然数量还是太少。但是技术的发展给我们打开了另一条道路。在作战指挥控制中，我们可以将类似于AlphaGo的人工智能实现思路应用到作战预测中去，基本的思路是用博弈的方式进行预测。也就是用人工智能模拟指挥双方部队作战，通过仿真模拟交战过程，逐步推演出战场态势，得到先于当前的预测结果。

目前，神州普惠依托公司在模拟仿真、大数据分析挖掘等方面的技术积累，也正在开展这一方面的研究工作，着力打造一个在作战指挥控制中应用的“AlphaGo”。这是我们现在搭建的人工智能态势预测原型系统架构。实战战例和训练数据是作为专家知识用于基础训练，形成“专家网络”;对抗模拟推演类似“自我提升网络”，用于机器的自我对抗，基于强化学习的方法，产生大量模拟数据，提升系统的智能化程度。需要特别指出的是，与alphago不同，作战相比围棋要复杂的多，制约条件也更为严格。比如围棋如何下子，如何提子、打劫等等，可以用一个简单模型处理，而在态势预测系统里，必须要有一个强大的模拟仿真平台进行支撑，必须能够全面仿真交战过程。我们使用的是神州普惠的“普惠环”一体化仿真支撑平台，包含了作战体系建模工具(AppAMS)、仿真工具(AppDWK)、可视化演示验证工具(AppSE)等一系列产品，可涵盖作战全生命周期的所有活动，并支持各个活动之间的数据贯通和资源共享。此外，类似于alphago中的“价值判断网络”，我们则使用了裁决评估和效能评估工具AppWEE，用于判断每个态势的优劣，使系统能理解每一个动作和决策的正确性和优劣性。

目前，我们的基于大数据人工智能的态势预测系统还处于原型系统的实验研究阶段，离实际应用还存在一定距离，但，这项工作的现有成果，已经让我们看到了人工智能在态势预测中应用的曙光，我们会继续开展研究，争取能尽快形成一个可用的产品。

以上是神州普惠近年来研究的一些成果和观点，主要集中在了指挥控制中大数据的实时分析处理、辅助决策支持以及人工智能等方面。欢迎有这方面兴趣和需求的单位、个人与我们联系，共同研究实现切实有用好用的产品，为我国国防事业添砖加瓦。本文鉴于篇幅限制，省去了一些案例和背景的介绍，若您对此感兴趣，也可联系我们。咨询热线：010-58858980-6515，或者也可以联系在线咨询顾问。