大数据环境下信息服务决策数据生成方式研究

李　越，张军保

（重庆通信学院，重庆　400035）

大数据环境下信息服务决策数据生成方式研究

李越，张军保

（重庆通信学院，重庆400035）

综合生成高价值、集约化的决策支持数据是机动信息服务系统中信息内容需解决的重要课题。文章在分析决策支持数据集约化程度高、精确性高和时效性强等特点的基础上，重点研究了基于大数据的决策支持数据的生成模式、目标属性数据生成技术，并提出了决策支持“数据云”服务平台的构建思路和策略，对于增强机动信息服务中指挥信息决策、支持数据核心功能具有重要参考价值。

机动作战；信息服务；大数据；决策

机动作战是以本部建制内的步兵、坦克兵、炮兵等力量为主体，并得到跨建制、超常规加强和支援的诸军兵种联合进行的战斗行动，主要表现为以精锐作战力量在较短的时间内，以中、小规模作战达成战役战略目的，战斗样式将随着作战对象、地形、任务及作战进程的变化而变化。在机动环境下，机动用户的信息服务和固定环境下的信息服务不同，必须考虑位置相关因素、时效性相关因素和用户行为特征等，才能符合机动作战瞬息万变的战场形态。整个机动作战战场的信息，将通过一体化的机动信息服务保障手段，形成全天候、立体化、多种手段并举的综合一体化战场信息网，为机动作战中的各机动用户提供信息服务。

信息化作战条件下，战场数据具有明显的大数据特征，因此机动信息服务系统中的指挥信息系统模块不仅应具有数据汇聚整编的能力，更需要具备生成决策支持数据的能力，为作战决策注入新的活力。战略信息与战役信息、战术信息密切相连，难以明确区分其层次，许多战术行动直接决定战略、战役行动的成败，这就要求将战略、战役和战术信息结合在一起，实现一体化的信息服务保障体系，形成战场信息资源共享。如何把握大数据的特点规律，对海量多元基础属性数据和动态目标数据进行深度挖掘，综合生成高价值、集约化的决策支持数据，从而有效辅助作战决策，是我军机动信息服务系统中信息内容模式研究需要解决的一个重要课题。

1　大数据环境下机动信息服务系统指挥信息决策支持数据需求分析

信息化条件下的作战体系是一个开放的复杂巨系统，由于信息技术的飞速发展和广泛应用，作战体系运转将涉及越来越多的各种信息资源，因此，与大型企业的经营管理类似，大数据已成为信息化条件下联合作战不可回避的问题，换言之，大数据环境是基于信息系统体系作战必须适应的环境。大数据环境下，依托机动信息服务系统这一主要指挥手段进行作战筹划时，首先需要解决面向指挥者尤其面向指挥员提供什么样数据的问题，也就是决策支持数据的需求问题。

首先，决策支持数据应该符合知识管理的DIKW模型，即数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）。数据D在本文中探讨了一个单独立作战目标的事实、信息、知识；信息I则是有意义的数据，或者是有序的数据，信息是通过对数据的“关联、分类、计算、纠正、提炼”等获得的；知识K是有用的信息，通常是通过对信息采取“比较、推理、关联、交谈”等方式获得的；智慧W是集体或个体，运用知识解决问题的经验，表现为概念、经验和洞察力，在对知识理解的基础上对知识进行运用。这也是知识的产生、评估和使用的基本框架。可见，决策支持数据的获取，应该是从数据D中获得信息I，并基于智慧W获取知识K的过程。因此，决策支持数据是基于底层数据所获取的高层“知识”。

其次，决策支持数据应该具备以下3个特点。

1.1集约化程度高

决策的关键是要达成及时性和科学性。决策支持数据的目的性应该高度聚焦，信息量应该十分丰富，并且还能蕴含高价值的知识和认知，这样才能为指挥者直接、快速、集中和有效地利用。反之，如果提供的决策支持数据是粗放的、离散的，有明显的冗余甚至有偏差，将会使指挥者陷入迷惑从而迟滞决策，甚至严重干扰正确决策。大数据方法能够以新的方式处理各部门各系统分散存在的海量数据，更多的是依赖于数据的相关性分析而不是数据间特性的因果分析实现集约化处理，因此，指挥者借助大数据方法和手段得到的决策支持数据，可直接、集中、准确地发现“威胁有哪些”“最高程度威胁是什么”“我方优势是什么”等信息和知识，从而快速作出正确决策。

1.2精确性高

信息化条件下作战，要求实施精确的作战运筹，在最短的时间内以最低的代价达成最佳的战场控制效果。这需要准确而详细地掌握各作战目标信息，掌握我参战兵力的空间信息和兵器使用的空间要求，从而精确把握作战时机，运用相应的作战力量，对选定目标实施精确打击。通过大数据的特征知识挖掘技术，包括基于云计算的大数据挖掘技术、高扩展的数据分析技术、大数据并行计算框架技术等，可以高效准确地处理各种数据，从中得到精确的决策支持数据，缩短决策周期，提高指挥速度，加快作战进程。

1.3时效性强

信息化条件作战，战场实现了网络化、一体化，信息可实时获取、传输、处理和利用，战场态势瞬息万变。数据处理越及时，其价值就越大，发挥的效能就越好，就能在快速变化的战场态势中赢得先机。如何从种类繁多、价值密度低的基础属性数据和动态情况数据中实时地提炼出系统所需的决策支持数据，是制约整个作战辅助决策系统效率的瓶颈。

2　运用大数据技术，生成智能决策支持数据

2.1基于数据仓库、联机分析处理与数据挖掘的决策支持数据生成模式

联机分析处理、数据仓库、数据挖掘都是大数据模式下的决策支持数据生成技术，他们有各自的辅助决策方式。在线分析处理，决策支持数据仓库，以提供、存储大量数据和决策支持，适用于各种不同的用户趋势分析，它可以提供一种多维数据分析，随机的数据挖掘查询和其他信息被用来进行活化，是要找到的信息和知识的决策给用户的隐式数据。一个大型数据环境在线分析处理，需要整合数据挖掘技术与数据仓库，能够形成一种新的决策支持数据生成模式，其结构如图1所示。

图1　决策支持数据生成模式

2.2基于大数据融合技术，生成精准的目标属性数据

目标属性数据是决策支持数据的重要组成。目标属性包括目标的当前位置、状态、威胁程度等。基于大数据融合技术，可以生成决策所需的目标属性数据。

2.2.1目标状态属性数据的生成

由于复杂的外部环境和传感器自身的局限性，对于目标信息的处理过程面临着多种不确定性，如信息监测传感器的不确定性引起的随机误差；虚警或者其他目标测量不确定度等客观来源造成的误差；不确定性移动目标；不确定性造成通信延迟等。只有解决这些不确定性问题，才能进行目标状态的融合估计，选择相应的解决方案，包括数据关联，滤波算法和机动目标建模。

（1）相关数据是根据与其他测量单个传感器之间的关系的数据的度量来确定是否与所述其他数据处理相同的源（或目标事件）。发现了目标跟踪处理，数据关联过程将已知目标航迹预测与候选回波进行比较，并进行跟踪观察。

（2）过滤和预测的目的、目标位置、速度、当前状态和未来的目标周期，如对加速度进行评价。维纳滤波、最小二乘滤波器、α-β滤波器、α-β-γ滤波器和用于过滤卡尔曼滤波器基本方法。据此以确定过滤算法预先掌握初步信息的多少。目前的做法通常是用卡尔曼滤波器工程直角坐标系来确定。

（3）目标模型描述了在数学模型的运动目标状态的变化。跟踪机动目标的主要问题是要建立一个未知的目标加速度模型。此问题由两部分组成：第一，随机过程机动的目标特征的特点，该过程为白色；第二，机动加速度的特定概率密度函数。

2.2.2目标身份属性数据的生成

多传感器目标基于融合的目标身份识别是对于来自多传感器的身份说明或者与身份相关的参数将为了得到联合估计身份稠合。目标是地理位置分散、辐射到目标或者可以肯定的武器平台（如作战单位等）。数据参数数据或传感器相关判定识别的属性，如红外或可见光谱中，属性的数据身份是指同一性之间的敌我识别的直接输出被测量和突发成像数据、数据雷达反射截面（Radar Cross Section，RCS）等。目标融合的身份属性可以使用以下3种算法：基于认识的模型、基于特征的推理技术、基于物理模型。基于特征的推理技术，包括经典的推理、贝叶斯和DS证据推理方法。基于认识的模型包括逻辑模板、基于知识的（专家）系统、模糊集理论等。

2.3基于大数据挖掘的舰艇编队对空防御决策支持数据生成模型示例

决策支持数据的生成可以采用各种不同的大数据实现技术，其中，基于神经网络专家系统的智能决策支持既充分发挥了以模型计算为核心的定量分析问题的特点，又发挥了专家系统以知识推理形式解决定性分析问题的特点，充分做到定性分析和定量分析的有机结合。运用该结构可生成舰艇编队对空防御的决策支持数据。

例如，某舰艇编队对空防御决策支持系统可以采用以专家系统知识库、推理机、数据库、模型库为主体的智能决策数据生成模型。具体如下：

（1）知识库中的知识表示采用产生式系统的规则表示，事实库中的每一个事实均以对象、属性、价值、重量来表示，表达了他的信心。事实上，即在每个节点（推理树）的树知识的所有节点可以分为叶节点（节点证明），它实际上是基于以下事实得出结论库中间节点（中间假设）的事实和神经元之间的知识嵌入在神经网络（重量）中的黏结强度。

（2）推理引擎是基本的信息处理的神经元。这是基于多重链路点对点协议（Multi-Link ppp，MP）中数值方法的模型。神经网络有成熟的学习算法。有关使用的算法和模型的详细信息，基本上都是基于使用delta规则感知器和Hebb规则。

（3）该数据库是由来自基础数据库动态和静态数据组成。预先输入的，由主库和该库参数制备武器固定数据库来存储数据，也被称为基本数据库配置；动态数据库用于存储战场实时数据。

（4）舰艇编队防空模型库模型主要分为3类：第一类是知识模型结叶树，如大量的图表图形模型；第二类是决策模型，如方向形成机理模型分析模型、资源分配和对空作战模型等；第三类是优化模型。

3　依托大数据环境，构建机动信息服务系统中指挥信息决策支持的“数据云”服务平台

机动信息服务系统辅助决策单元的数据源是海量、复杂的，而决策支持所需的数据具有高价值、精简、高效等特性，因此，必须采用一种与之相适应的高效计算平台。

云计算是分析和处理大数据的强力平台，是成本最低、效率最高、利用率最大的大数据处理方式。可以通过云平台统一管理作战过程中的源数据，并采取大规模的分布式处理方式来提高计算效率。因此，在大数据环境下，以云服务的方式搭建平台是快速有效获取机动信息服务系统决策支持所需数据、提高决策效率的关键。

3.1机动信息服务系统云服务平台的特点

安全、高效、可靠的导航信息服务体系是建立一个平台、云服务和运行的基本要求。在云服务平台建设之初，首先，应根据“云机动信息服务系统”的客户群体数量、资源需求、云计算资源利用率，峰值云资源和服务，传统的云安全威胁和安全需求评估的系统，选择合适的对象和云服务的比例，从而保证云服务平台具有最优的资源配置与响应速度。其次，应当准确地预测云服务模型的未来发展和对扩充和系统接口保留用于未来的资源需求，云服务基础设施，平台和应用软件单元的云的膨胀方向。第三，加强对机动信息服务系统云服务平台可用性和业务数据流的安全防护功能的评估，为传统的决策支持系统与数据安全、高效地迁移至云计算环境提供理论依据。第四，保护好机动信息服务系统的云数据管理系统、业务和用户信息、领导和机密数据等基本数据，以确定云服务的安全浏览用户信息，保密性和可靠性的服务体系并没有中断。因此，在不降低云系统的效率前提下，提高操作应用水平、系统服务、数据服务和用户加密认证的水平，以确保声音管理易于控制和使用，是提高平台、云服务的安全性的重点。

3.2高性能机动信息服务系统和云服务平台系统的构建策略

该云服务平台使用活动以确定科学的设计平台的效率和可靠性。首先，必须操纵信息服务系统，其特征是制定了详细而完整的设计平台服务。硬件和软件应用云计算、安全系统和功能、调整结构覆盖等操作符合技术标准的云计算和云系统架构规范，且易于实现。其次，增加了硬件来提高在云服务平台系统的应用程序和服务的前提下云平台的密度，增强云应用软件的兼容性、可靠性、可扩展性、工作能力以及云应用的建设，减少维护和升级平台的成本。第三，在云服务运营平台的设计中，应加强资源平台的云基础架构、系统资源、存储管理和云应用，以数据管理和服务交付资源的云业务的统一实施和管理流程为导向，提高云平台效率和服务质量。第四，云服务平台在建设和功能实现过程中，应加强平台云服务功能可控性和云应用程序设计的灵活性，不断增加云系统底层结构的透明度。

总之，云服务平台消除了多系统的应用存在的分散数据存储、浪费存储资源、管理不善、对交叉数据分析困难的问题。通过提供标准统一的数据收集接口，机动信息服务系统云服务平台能够收集各机动信息服务系统中的结构化和非结构化的数据，并且将数据进行统一存储和管理，不需要自己搭建复杂的计算集群即可获取高价值的机动信息服务系统决策支持数据。

4　结语

决策支持数据具有集约、精确、高效等特征。利用大数据方法、技术和手段，进行高效数据融合、深度数据挖掘，可以生成精准有效的决策支持数据。云计算平台则为大数据提供了基础设施和大数据所需的灵活计算环境。因此，充分运用大数据、云计算的先进理念和前沿技术，可以为我军机动信息服务系统决策支持提供高效的数据支撑。

Research on the generation mode of information service decision data in big data environment

Li Yue， Zhang Junbao
（Chongqing Institute of Communications， Chongqing 400035， China）

Comprehensively generating high-value， intensive decision support data is an important issue to be solved in mobile information service system content. Based on the analysis of whose characteristics such as high-level intensive， high accuracy and strong timeliness and others， this paper focused on the research of decision support data based on big data generating mode and generating technology and target attribute data generation techniques and put forward the construction idea and strategy of decision supporting data clouds' service platform， which has important reference value to enhance the ability to command information decision in mobility information and support data core functions.

mobile operations；information services；big data；decision

李越（1989— ），男，山东新泰，硕士。