摘 要： 随着大数据技术的迅速发展与运用, 军事领域也广泛展开应用研究。其中, 大数据技术成果转化运用在作战指挥方面, 可在辅助决策、作战预测、方案制订、行动控制等方面发挥重要作用, 有效推进作战指挥能力提升。
关键词： 大数据; 作战指挥; 应用研究;
随着大数据技术的迅速发展与运用, 军事领域也展开其应用研究。作战指挥是军事指挥人员及其指挥机关对所属部队的作战或其他行动的组织领导活动, 主要包括作战决策、作战计划和作战控制等。将大数据技术应用于作战指挥当中, 让数据说话、按数据指挥、用数据控制, 有助于消除作战指挥长期存在的不确定因素, 可大幅提升作战指挥能力水平, 具有重要而广阔的应用前景。
一、作战指挥面临的现实问题
作战指挥, 是一项极其综合复杂的军事活动, 面对信息化战争形态不断发展演变, 囿于传统数据技术制约, 面临诸多困难和问题, 影响了作战指挥效能充分发挥。主要表现在4个方面。
(一) 难以高效采集传输大量战场数据
随着军事技术快速发展运用, 战场侦察探测设备不断升级换代, 能够对各领域空间进行侦察监控, 大幅度提高了战场数据的搜集能力。但由于当前网络信息系统性能有限, 传输汇集战场上海量数据面临很多现实难题。比如, 战场传输网络带宽较窄, 导致一些战场数据难以及时传输到目的地, 在传输过程中易造成数据丢失、遗漏等现象, 不利于对战场数据进行完整采集与准确分析。
(二) 难以快速处理大批量情报数据
在现代战争中, 作战指挥人员面临呈指数级增长的海量数据, 但传统数据技术难以对其进行高速分析处理, 难以有效整合成有价值的情报信息提供给指挥人员。比如, 在阿富汗战争和伊拉克战争中, 美军使用各类情报侦察系统基本实现了战场全覆盖, 单位时间内搜集的战场数据十分庞大;但美军处理这些海量数据效率很低, 无法跟上作战行动节奏, 导致指挥人员陷于“数据大海”里难以自拔。这种“马后炮”的数据处理分析, 难以满足现代作战指挥需求。
(三) 难以有效分析多种类复杂数据
战场数据既有结构化数据, 也有非结构化数据, 特别是大量图片、文本、音视频等非结构数据充斥整个战场, 占据数据绝大部分。同时, 战场数据的复杂性还体现在多源异构、多实体和多空间之间的动态交互, 导致战场数据整体结构非常复杂。但就传统数据技术而言, 面对如此庞杂的大数据群体, 处理分析能力显得力不从心。
(四) 难以精准形成数据战场态势
战场数据体量庞大、结构复杂, 传统数据技术难以快速整合, 形成清晰明了的作战指挥态势图, 主要因为大数据的数据实体之间并不是彼此独立的, 而是存在各种错综复杂的关联关系, 给战场态势融合带来新的挑战。传统数据技术难以对复杂的大规模图结构数据进行在线分析处理, 进而生成小规模且可以理解的概要信息。这就使得战场态势图生成十分困难, 作战指挥人员面临新的“战场迷雾”。
以上问题, 亟须用一种新型数据技术攻克解决。大数据技术的出现, 能够有效破解以上战场数据处理分析现实难题, 给作战指挥注入新的技术血液与活力, 在辅助决策、作战预测、方案制订、行动控制等方面提供有力支撑。
二、基于大数据的辅助决策
运用大数据技术, 能够从战场数据中获取更加充分、客观的情报信息, 进而更加准确地对战场情况进行研判, 辅助指挥人员快速科学地筹划决策。大力发展基于大数据技术的辅助决策系统, 是有效应对战场态势动态变化、将数据优势转化为决策优势的重要途径, 代表着未来作战指挥的发展方向。就当前情况而言, 基于大数据的辅助决策有多种方式, 其中具有代表性的, 是智能化辅助决策和自主式辅助决策。
(一) 智能化辅助决策
智能化辅助决策, 就是应用大数据技术处理自然文本和知识表示, 代替目前依赖专家和工程师的知识处理方式, 通过先进的大数据技术对海量数据进行快速处理分析, 从中提取有价值的数据信息, 为指挥人员正确决策提供可靠依据。智能化辅助决策不仅能够使指挥人员更加准确迅速地作出决策, 也可大为减少指挥人员工作负担, 使其集中更多精力于创造性的指挥活动。
实现智能化辅助决策的主要方式, 是研发人工智能软件, 实现自动搜寻战场数据中的关键信息和特征信息, 探测战场数据间的相互关系, 进而形成有价值的决策支持信息或决策拟案, 供指挥员参考。美军研发了一种人工智能辅助系统, 可自动搜寻并标绘各类战场关键信息。比如, 当某部队的士兵发现地雷场后, 会在网络信息系统上人工输入相关信息, 该软件自动提取地雷场的网格坐标, 将其输入指挥所系统, 在通用作战图上生成标识, 提供给指挥员。这样, 可有效防止重要作战信息延迟或被淹没。
(二) 自主式辅助决策
自主式辅助决策, 就是将感知、认知和决策支持等一系列作战指挥活动紧密联系起来, 能够自动从海量复杂的战场数据中发掘有价值的数据信息, 形成高价值的辅助决策信息, 并根据需求, 主动推送给相应指挥员, 进而将数据优势转化为决策优势。
自主式辅助决策的实现, 需要以大数据技术为基础, 建立起一套自动化数据处理分析系统, 能够从庞杂的战场数据中准确感知关联、捕获热点、发现有价值的数据, 并整合为辅助决策信息, 通过“人—机”交互系统, 主动向相应指挥人员推送, 形成“感知—认知—决策”的自主式数据辅助循环。例如, 美国《大数据研究和发展倡议》提出“建立一种自主决策系统”, 能够记录来自各种渠道的动态影像数据和静态图像;一旦发现可疑目标, 将会把实时的目标特征与大数据中的历史数据进行比对, 并根据大数据内含的行动方案, 进行自主处理。
三、基于大数据的作战预测
作战预测, 作为作战指挥中极具创造性的军事活动, 不仅对指挥人员提出很高要求, 也需要先进的数据技术提供支撑。对此, 大数据技术可发挥重要作用。运用大数据处理技术, 能够掌握足够庞大真实的战场数据, 并深入挖掘数据潜在价值, 进而较为准确地形成战场态势发展预测结论, 且能够针对不同的战场时间与空间维度, 给出量化程度高的预测结果, 有效辅助指挥人员决策指挥。
(一) 基本原理
基于大数据的作战预测, 并非建立在传统的、符合逻辑推理的因果关系之上, 而是通过对战场大量的、相互关联的终端产生的数据进行相关关系分析, 从中发现掌握作战行动规律特征, 进而对战场态势进行预测。其中, “相关关系”是基于大数据的作战预测的核心内容, 主要是指当一个数据产生变化时, 能够引起与其相关数据的不同程度的变化, 从中掌握变化规律, 进行研判预测。
基于大数据的作战预测, 能够有效弥补当前指挥信息系统不足, 提供更为科学准确的预测结论。在美国大数据研发计划中, “洞悉计划”就是作战预测的重要研究项目, 旨在开发一种资源管理系统, 通过分析图像和非图像的数据信息和其他数据信息, 自动识别网络威胁和非常规的网络攻击行为, 进而达成对时间敏感的潜在威胁进行分析和预测。
(二) 实现方法
实现基于大数据的作战预测, 比较典型的方法是“数学模型预测法”, 主要通过不同的定量化途径建立起与预测目的相适应、反映事物内部联系的数学模型, 先把所获取的数据信息进行定量化处理, 再代入模型分析运算, 进而对战场态势进行定量预测。
基于大数据的作战预测需要依靠诸多先进技术, 其中较为重要的是数据挖掘技术, 主要是将获取的海量战场数据分布式地存储在互联网计算机中, 基于各式各样的数据而非已有规则编写程序, 采用包括量子计算机在内的各种高性能计算机对海量数据进行相关分析与价值挖掘, 进而由计算机智能化寻找隐藏在数据中的重要关联和信息, 快速捕获有价值的情报信息并形成预测结论, 为作战预测提供有力支持。
四、基于大数据的方案制订
方案制订, 是作战指挥中的重要环节, 将大数据技术应用到作战方案制订当中, 能够通过分析作战流程的推进和作战细节的变化, 使方案制订更加客观真实、科学精准。
(一) 基本原理
相对于传统作战方案制订而言, 基于大数据的方案制订更加高效, 主要源于三个方面:一是应用大数据技术, 能够提供高速的数据运算能力, 可使作战方案从构想设计到研究制订、再到调整修订, 整个过程更加快速及时。二是通过大数据分析与应用, 能够对战场态势变化情况实现数据层面的精确、有序、到位、及时, 使方案制订人员能够按需获取相关作战数据及决策支持信息, 确保方案制订更加精准。三是运用大数据技术, 使大数据的运行周期与作战行动的阶段性周期保持一致, 确保方案制订人员能够获取作战全过程数据, 实现以作战行动为中心的方案制订与修订, 达成方案制订与作战行动同步。
(二) 实现方法
实现基于大数据的方案制订, 主要有五个方面工作:一是数据采集输入。数据是方案制订的基本要素, 输入的数据主要有作战构想、作战决策、作战行动和作战保障数据, 以及方案展开情况数据等。二是数据统计整合。采用大数据统计分析法, 对各类数据进行统计分析, 各级指挥节点可查看本级制订方案所需的统计结果, 为制订方案提供依据。三是数据运算分析。指挥信息系统依据作战指挥需求, 运用大数据技术对大批量数据进行计算处理, 生成方案制订所需数据成果。四是方案终端显示。在大数据技术支撑下, 可使用“三视图”方法进行方案展示, 即在作战行动和指挥环境规范化描述的基础上, 实现作战行动的时间视图、空间视图、信息视图描述, 实质上是作战方案的时间、空间、信息规划, 有利于共享方案信息, 进行联合作战指挥。五是方案评估推演。作战方案制订完后, 在大数据技术支持下, 组织各级指挥人员和所属部 (分) 队指挥员进行网上模拟对抗推演, 既可使指挥人员熟悉作战方案, 又可通过推演发现方案存在问题, 进一步修订完善。
五、基于大数据的行动控制
在大数据技术条件支撑下, 可对战场数据进行深度挖掘、充分运用, 进而对作战效果进行精确评估, 使指挥人员能够从全局出发, 依据及时准确的作战评估, 更加科学灵活地控制部队作战行动, 主要实现五种行动控制方式。
精准控制。主要是在大数据技术支撑下, 各级指挥人员为实现预期作战目的, 通过对战场数据的分析处理, 准确掌握战场目标相关数据信息, 实现对部队作战行动的精准化控制。在技术实现方面, 主要依托网络信息系统, 使战场空间内的各作战部队实现数据通联, 进而通过传达指挥员的数据指令对作战部队行动进行控制, 使作战部队依据数据指令展开各类攻防行动。以此实现基于大数据的全维直达式控制、多维有限式控制等, 可大幅提升指挥员对作战部队的实时精准掌控能力, 确保指挥员指令得到准确有序地贯彻执行。
实时控制。主要是在大数据技术支撑下, 不间断监控和处理战场数据, 实现战场态势的实时更新, 指挥员借助实时更新的战场态势, 能够及时发现高价值的时敏目标, 进而达成对作战部队行动的近实时化控制。在技术实现方面, 主要应用大数据技术对指挥信息系统进行改进升级, 进而提高情报侦察探测、数据汇集传输、实时态势感知、数据融合处理等各项能力, 以实现指挥员对作战部队行动的实时控制。
联动控制。主要是在大数据技术支撑下, 依托基于网络信息体系的数据共享机制和指挥信息系统, 使作战行动各环节围绕同一作战目标, 在时域、空域、频域上协调一致运行起来, 实现对作战部队行动控制的联动效应。在技术实现方面, 主要是发挥大数据技术优势, 在全维感知战场态势、快速处理战场数据的基础上, 使各作战部队按照指挥员决心企图, 围绕同一作战目标紧密协同、协调一致展开作战行动, 达成作战行动的联动指控效应。
联合控制。主要是在大数据技术支撑下, 以作战行动为中心, 基于对作战时间、空间、频域及行动效果等多个变量的全局调控, 使诸军兵种作战部队在集中统一指挥下实现高度联合, 达成联合指控下的一体化联合作战效果。在技术实现方面, 主要基于大数据技术, 依托网络信息体系, 借助于各指挥节点间“态势共享”和“互联互通互操作”能力, 围绕总的作战目标, 通过相互间网络共访与协同, 实现同步调控作战力量、联合一体完成作战任务。
自主控制。主要是在大数据技术支撑下, 各级指挥机构准确把握上级作战意图, 实时获取、分析和运用战场数据, 以此对作战部队行动进行自主化调控, 进而实现指挥员决策与战场情况同步、上下级之间行动同步、不同作战单元之间主动协调, 达成自主控制的效果。在技术实现方面, 主要依托无缝链接的通信网络、全天时天候的传感系统、完善保鲜的作战数据库等, 使各指挥单元能够近实时感知战场态势变化情况, 在符合上级意图的前提下, 基于高度自动化的作战指控系统, 辅助指挥员对作战部队行动进行适度的自主控制。
参考文献：
[1]胡志强.大数据时代的海上指挥与控制.北京:电子工业出版社, 2016.
[2]涂子沛.数据之巅.北京:中信出版集团股份有限公司, 2014.
[3]维克托·迈尔—舍恩伯格, 肯尼斯·库克斯.大数据时代.杭州:浙江人民出版社, 2013.
[4]林子雨.大数据技术原理与应用.北京:人民邮电出版社, 2017.
