军事交通运输大数据应用研究

许宗燕，李海华，王 海

(军事交通学院 联合投送系，天津 300161)



军事交通运输大数据应用研究

许宗燕，李海华，王 海

(军事交通学院 联合投送系，天津 300161)

随着军事交通运输信息化的发展，各种信息系统产生和积累了海量数据，充分挖掘这些数据的价值具有重要意义。首先分析军事交通运输大数据的内涵、来源和特征，然后分析数据融合后的军事交通运输大数据整体业务需求和典型应用场景，最后构建军事交通运输大数据的应用框架模型。

军事交通运输；大数据技术；大数据管理

随着物联网、云计算为代表的新一代信息技术的飞速发展，社会已经进入到一个数据爆炸性增长的大数据时代。大数据是信息技术的一次颠覆性变革。当前，我军正处在信息化建设的关键期，如何挖掘大数据在推动我军军事交通运输信息化建设各项工作中的作用，显得尤为重要和紧迫。

在军事交通运输信息化建设过程中，随着各种信息系统的应用，军事交通运输基础设施静态数据不断充实完善，实时动态数据采集能力不断增强，产生了越来越多的海量数据，如何实现数据快速、有效的流转，决定着军事交通运输保障行动的成败。运用大数据技术能够从各种各样类型的海量数据中快速获得有价值信息，是实现军事交通运输综合态势展示和模拟仿真的前提条件，是实现“从数据向战斗力转化”的根本途径。

1 军事交通运输大数据概述

虽然现在国际上对大数据还没有标准定义，很多机构、专家对大数据的描述也不统一，但都存在一个普遍共识，即“大数据”的关键是在种类繁多、数量庞大的数据中，快速获取信息[1]。因此可以认为，军事交通运输大数据就是指在现代信息技术条件下，围绕军事交通运输涉及的装载、运行和卸载等全流程活动产生的大量数据(包括视频数据、图片数据、传感器数据等各种不同的类型)，通过先进的数据分析技术，对这些数据进行分析挖掘，以支撑军事交通运输的管理、预测、规划和决策支持等业务功能。

1.1 军事交通运输大数据的来源

经过30多年的信息化建设，我军军事交通运输业务领域先后组织研制并应用了百余个业务管理信息系统。经过多年的使用，这些系统积累了大量的数据资源，军事交通运输业务数据种类繁多，总量上也颇具规模，具备良好的数据基础。

根据来源不同，可以将军事交通运输大数据分为军事交通运输内部自身产生的数据和外部相关行业的导入数据。军事交通运输内部数据产生于军事交通运输动态监控系统、军事物流信息系统运输分系统等相关信息系统。这些数据包括静态数据、实时数据和历史数据。静态数据包括地理气象和人文环境信息、线路信息、运载工具信息等。实时数据包括通过摄像头和传感器获取的重点保障方向、重点作业地域的装卸现场环境、作业实况等装卸载现场信息，以及编组站、机场、桥梁、港口、码头等交通设施的通信状态、技术状态等信息；通过手持读写器和在运物资射频识别读卡器获取的物资代码、物资数量、物资状态和运输情况等在运物资信息；通过“北斗”终端获取的车辆、船艇等载运工具的地理位置、运行速度、技术状态和运输安全情况等动态信息，重要物资的物资状态、安全状态等动态信息，保障装备的地理位置、运行速度、技术状态、作业安全情况等信息。外部数据来源于同国家相关部门和其他军事部门的数据交换，这些数据也为军事交通运输的运行、管理等提供支持。军事交通运输大数据具体数据源、数据内容、数据特点见表1。

表1 军事交通运输大数据数据源与数据特点

表1(续)

1.2 军事交通运输大数据的特征

大数据具有4个典型特点：容量大、种类多、速度快和价值密度低[1-3]。受此影响，大数据时代的军事交通运输数据出现以下几个特征。

(1)总量大。随着军事交通运输信息化进程的不断推进，随之而来的是数量庞大、持续快速增长的各类信息数据，这些数据总量呈几何级数增长。

(2)多样性。大数据背景下，军事交通运输数据日益多元化，数据种类不断增加，除了传统的结构化数据外，还包含大量的半结构化、非结构化数据，如装卸载现场的作业实况视频数据、交通设施的图像数据等都是非结构化数据。

(3)复杂性。军事交通运输数据的类型和结构多样、关系复杂、质量良莠不齐，并且还存在着多源异构、实时性强等特点，因此用传统方法无法充分发现其内在隐藏关系，需要引入新的分析处理手段。

(4)高价值。军事交通运输数据中蕴含着巨大的价值，可为军事交通运输的发展提供有力的支撑，并能推动军事交通运输信息化向深度转型。

(5)动态性。大数据时代，军事交通运输全流程、全要素都能够实现实时感知监控，通过RFID、传感器、摄像头等获取的军事交通运输位置、状态等信息都是实时动态变化的。

2 应用需求分析

2.1 整体应用需求

经过30多年的发展，军事交通运输信息化建设取得了长足发展，信息系统的建设和应用已成规模，信息化雏形已经基本形成，依托军事交通运输信息化，有力提高了军事交通运输保障能力。但是在大数据时代背景下，在“从数据向战斗力转化”的实践中，军事交通运输信息化建设依然存在一些问题。比如在军事交通运输信息化建设中，大都仅仅是对信息技术的简单应用，大量的军事交通运输信息系统只是实现了信息的自动传输和共享，而没有充分考虑到信息数据所蕴含的巨大价值[4]；运输投送部门对军事交通运输领域数据的分析，只停留在数据的简单汇总层面，缺乏对数据背景及产生规律的深入解析；大数据意识的缺失，将直接导致军事交通运输信息数据资源的严重浪费。在大数据时代，各种军事交通运输信息骤增，数据的复杂性和实时性增强，如何有效地收集、处理和分析数据，已成为军事交通运输者必须面对的课题。

面向军事交通运输的大数据应用包括精准配送、军事交通运输资源优化配置、军事交通运输情况分析、军事交通运输预测决策、方案评估、仿真推演等方面。满足这些需求，需要综合铁、公、水、空军事运输信息、交通战备信息、车辆使用信息、船艇使用信息和基础设施数据等。

2.2 典型应用场景

(1)精准配送。军用物资配送是军事交通运输信息化发展的必然趋势。未来，依托大数据技术，对军事物流信息系统配送分系统等信息系统收集到的物流数据进行挖掘与分析，可以优化军用物资配送规划及配送路径，提高军用物资的运输效率。同时，依据部队用户的个性化服务需求和实时化服务需求，进行服务内容的定制、服务模式的选择和服务的实时推送，实现配送服务的差异化及个性化发展。

(2)军事交通运输资源优化配置。利用大数据分析技术，对军事运输运量统计数据、军事交通运输保障力量现状数据以及军事交通运输设施装备数据等进行多维度、多角度的分析，明确各时域、各战区、各保障方向的军事运输需求，实现军事交通运输资源的优化配置，从而提高军事交通运输保障能力。

(3)军事交通运输情况分析。随着军事交通运输信息化的发展，以军事交通运输动态监控系统为代表的信息系统积累了海量的军事交通运输数据。利用大数据分析方法，对这些历史数据进行计算、分析，可以快速获取各区域、各方向的军事运输的规律，从而为军事交通运输规划和军事交通运输决策提供重要的参考依据。

(4)军事交通运输预测决策。“大数据的核心就是预测”。大数据时代的预测从因果关系转向关联关系。军事交通运输领域的各类活动、装备、物资相互交织，关联关系非常复杂。运用大数据预测技术探寻某些特定关联性，可以预测物资消耗、设备状态等，大大提高军事交通运输保障的精确度和时效性。大数据时代，军事交通运输决策越来越取决于数据及分析，而不再依赖于经验和直觉，大数据技术可以分析处理与军事交通运输相关的所有数据，样本决策变为全样本决策，经验决策转变为实证决策，从而使得军事交通运输决策更加及时准确。

(5)方案评估。方案评估就是对还未实施的部队输送方案、输送保障方案、输送总方案等各种方案进行评估，分析方案的合理性和可行性。目前，对方案评估的方法往往局限在层次分析、模糊综合评价法等静态评估方法上，对数据的挖掘不够充分，不符合大数据时代的需求。利用大数据技术进行方案评估，可以利用海量数据和精准模型对方案进行优化，将会极大地提高评估效率、准确性和时效性。

(6)仿真推演。大数据为建模仿真带来了新的机遇：为仿真结果分析提供更好的手段，为复杂系统建模仿真提供新出路，有助于实现智能仿真[3]。仿真推演一直以来都是军事交通运输领域中非常重要的一部分，利用大数据分析方法，通过对大量实际案例的分析，可以不断优化和完善推演模型和规则，提高军事交通运输领域仿真推演系统的科学性和智能性。

3 应用框架模型构建

军事交通运输大数据应用需要建立在大数据处理平台之上，大数据处理平台能够为数据集成、数据存储、数据处理和数据服务等提供基础性平台和支撑性技术，具体包括底层的存储、计算等资源及相应的资源管理软件和接口，同时还可以提供高性能的并行计算环境和大数据分析通用工具及算法库。目前，云计算在军事领域已经得到了一定应用，很多单位都建立了云计算平台。从大数据存储及处理技术的角度来看，云计算是理想的军事交通运输大数据的基础平台与支撑技术[5]。

结合军事交通运输业务的应用需求，在大数据平台之上构建军事交通运输大数据应用框架模型(如图1所示)。军事交通运输大数据应用框架包含数据源层、数据处理层和数据应用层。其中：数据源层是基础，表明军事交通运输数据的主要来源；数据处理层是整个军事交通运输大数据应用框架模型中最核心的部分，主要用来实现数据的集成、存储和处理；数据应用层主要是面向军事交通运输领域的大数据的应用场景。

(1)数据集成。在军事交通运输系统中，因为数据的获取渠道很多，数据的数量巨大，掺杂着很多噪音和干扰项，同时并不是所有的军事交通运输数据都是必需的，因此在做数据分析之前，还需对军事交通运输数据进行“清洗”、抽取、转换、修正等处理，从而建立起完整、正确、一致、有效的大数据，保证数据的质量以及可靠性。

(2)数据存储。军事交通运输数据主要来源于军事交通运输领域的信息系统，另外也包括非结构化的图像、视频等智能感知数据等。这些数据来源丰富、类型复杂，数据量大，因此，不仅需要采用传统的数据库存储系统，还需要采用分布式的服务器集群存储系统，将大数据以分块方式存储于多个计算机节点上。

(3)数据处理。大数据的处理模式主要分为批处理和流处理，除此之外还包括内存计算、迭代计算和图计算等。传统的数据分析一般采用批处理技术，在离线状况下对大批量的数据进行查询、统计和分析。例如对军事交通运输情况分析，因其实时性要求低，可以采用批处理方式。流处理模式要求尽可能快地对最新的数据做出分析并给出结果。例如对军用物资配送监控，由于其对数据实时性要求高，需要做出迅速响应，可以采用流处理和内存计算。

图1 军事交通运输大数据应用框架

(4)数据服务。对广大用户来讲，最关心的并非是数据的分析处理过程，而是经过数据处理后能够提供的数据服务。根据用户不同的需求，数据服务可以分为统计分析服务、数据挖掘服务和数据可视化服务。统计分析服务是军事交通运输部门对数据处理结果的最基本的需求。数据挖掘服务就是通过对军事交通运输数据进行挖掘分析并提供所需要的有价值信息的服务。数据可视化技术是大数据最有利的解释方式，数据可视化服务就是利用数据可视化技术形象地向用户展示数据可视化的分析结果。

4 结 语

虽然目前对大数据在军事交通运输中的应用研究还处于起步阶段，但随着军事交通运输和信息技术的不断发展，数据将成为核心资源，大数据在军事交通运输中的价值将逐步得到体现。如何利用好大数据技术，充分挖掘军事交通运输数据资产的价值，使之更好地服务军事交通运输的发展，将成为军事交通运输工作者的重要研究课题。

[1] 孟小峰,慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-169.

[2] 刘智慧,张泉灵.大数据技术研究综述[J].浙江大学学报(工学版),2014,48(6):957-972.

[3] 胡晓峰.大数据时代对建模仿真的挑战与思考[J].军事运筹与系统工程,2013,27(4):5-12.

[4] 徐军,陈学斌,徐宏.大数据趋势下的军队深度信息化建设[J].国防科技,2014,35(6):71-74.

[5] 刘正伟,文中领,张海涛.云计算和云数据管理技术[J].计算机研究与发展,2012,49(1):26-31.

(编辑：闫晓枫)

Application of Big Data in Military Transportation

XU Zongyan, LI Haihua, WANG Hai

(Joint Projection Department, Military Transportation University, Tianjin 300161, China)

With the development of military transportation informatization, a mass amount of data were produced and accumulated, and it had great significance to fully mine the value of these data. Firstly, the paper describes the connotation, source and characteristics of big data in military transportation. Then, it analyzes the overall business requirement and typical application scenarios of big data based on data fusion. Finally, the application framework model on big data in military transportation is constructed.

military transportation; big data technology; big data management

2016-06-28；

2016-07-06．

军事交通学院科研基金项目(2016B23)．

许宗燕(1982—)，女，讲师．

10．16807/j.cnki.12-1372/e.2016.11.006

E234

A

1674-2192(2016)11- 0022- 05