宋根陽，李宏權(quán)

(1.空軍預(yù)警學(xué)院，湖北 武漢 430019；2.解放軍93498部隊，河北 石家莊 050000)

0 引 言

隨著國家低空開放以及無人機(jī)的大量涌現(xiàn)，社會飛行活動頻繁，“黑飛”現(xiàn)象頻發(fā)；重要地區(qū)周圍的電磁環(huán)境日益惡化，電磁頻譜日益擁擠，電磁干擾特性復(fù)雜；邊境、海岸線及氣象條件多變，導(dǎo)致雷達(dá)雜波動態(tài)多變，易產(chǎn)生“仙波”、幻影回波等。這些目標(biāo)環(huán)境的新變化使得不明空情信息時敏性極強(qiáng)，動態(tài)變化更復(fù)雜。大數(shù)據(jù)技術(shù)擁有其獨特的優(yōu)勢，不在乎數(shù)據(jù)的規(guī)模結(jié)構(gòu)、不再一味追求因果關(guān)系，而是注重利用全數(shù)據(jù)關(guān)聯(lián)分析，注重利用數(shù)據(jù)間的相關(guān)關(guān)系，使分析決策更加高效、準(zhǔn)確、智能。大數(shù)據(jù)技術(shù)改變了數(shù)據(jù)使用方式以及解決問題的方法視角，給預(yù)警情報分析帶來新的機(jī)遇。大數(shù)據(jù)模式通過以大數(shù)據(jù)為核心技術(shù)的數(shù)據(jù)挖掘、知識發(fā)現(xiàn)等，準(zhǔn)確把握事物規(guī)律，預(yù)測目標(biāo)運動、空中態(tài)勢的發(fā)展變化等復(fù)雜問題，為空中目標(biāo)活動規(guī)律分析模式轉(zhuǎn)變提供契機(jī)和可能[1-2]。

1 不明空情大數(shù)據(jù)研判系統(tǒng)的基本構(gòu)造

利用大數(shù)據(jù)技術(shù)開展不明空情研判，首先是利用云平臺進(jìn)行空情信息采集、整理，積累空情大數(shù)據(jù)，將雷達(dá)、偵察、民航、氣象、公安等信息加以匯聚融合，經(jīng)過集成、清洗、轉(zhuǎn)換等一系列處理后，形成供大數(shù)據(jù)挖掘分析的基礎(chǔ)，交云平臺對其進(jìn)行數(shù)據(jù)存儲管理，并形成數(shù)據(jù)目錄、數(shù)據(jù)服務(wù)和元數(shù)據(jù)服務(wù)；然后抽取符合需求的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，運用大數(shù)據(jù)的深度挖掘、關(guān)聯(lián)分析等技術(shù)，進(jìn)行目標(biāo)特性分析，構(gòu)建研判識別證據(jù)庫，最后通過模板匹配、事件關(guān)聯(lián)、綜合分析等技術(shù)實現(xiàn)不明空情的研判識別與威脅等級評估，為決策人員提供空情研判決策依據(jù)。系統(tǒng)整個信息處理流程如圖1所示[3-4]。

2 空情大數(shù)據(jù)收集整編

不明空情大數(shù)據(jù)研判識別所需數(shù)據(jù)除了雷達(dá)情報外，還需要氣象、偵察、公安等情報數(shù)據(jù)作為支撐，因此在收集雷達(dá)情報的基礎(chǔ)上，還需要實時引接匯聚國家氣象局、體育總局、公安部、民航局、中科院等部門的多源情報數(shù)據(jù)。

由于不同數(shù)據(jù)源所采用的數(shù)據(jù)格式、度量單位、屬性描述等不一定相同，因此需要經(jīng)過篩選、集成、清洗、規(guī)約等一系列處理，才能得到相對完整準(zhǔn)確的數(shù)據(jù)。但也有一些數(shù)據(jù)屬性還需要人工整編才能得到進(jìn)一步完善。

2.1 數(shù)據(jù)收集方法

以雷達(dá)數(shù)據(jù)收集為例，需要收集的數(shù)據(jù)包括雷達(dá)裝備工作狀態(tài)參數(shù)、工作環(huán)境數(shù)據(jù)、原始視頻數(shù)據(jù)、原始航跡數(shù)據(jù)、綜合航跡數(shù)據(jù)等。

一是雷達(dá)裝備工作狀態(tài)參數(shù)，包括雷達(dá)工作頻率、功率、極化方式、調(diào)制方式等。這些參數(shù)有的保存在視頻數(shù)據(jù)中，有的需要人工記錄。

二是視頻數(shù)據(jù)，包括雷達(dá)原始視頻數(shù)據(jù)、1 Bit檢測視頻數(shù)據(jù)以及雷達(dá)改造后的IQ視頻數(shù)據(jù)。視頻數(shù)據(jù)包含有效距離采樣點數(shù)、有效距離、處理脈沖數(shù)、雷達(dá)工作模式、脈沖寬度調(diào)制參數(shù)等。部分雷達(dá)的視頻數(shù)據(jù)保存在記錄儀中。視頻數(shù)據(jù)可以用來提取目標(biāo)回波波峰、波寬等特征。

三是航跡數(shù)據(jù)，包括原始航跡和綜合航跡，可以用來分析目標(biāo)的活動規(guī)律。原始航跡數(shù)據(jù)中包含信息源代號、目標(biāo)的批號、時間、方位、距離、高度、屬性、目標(biāo)威脅等級、干擾方位、干擾指向、干擾強(qiáng)度等要素。綜合航跡數(shù)據(jù)包括信息源代號、批號、時間、經(jīng)度、緯度、高度、屬性、機(jī)型、架數(shù)、任務(wù)、國別等。部分雷達(dá)的原始航跡數(shù)據(jù)保存在記錄儀中。綜合航跡保存在信息系統(tǒng)的數(shù)據(jù)庫中。

四是無源雷達(dá)偵收數(shù)據(jù)，包括無源雷達(dá)航跡數(shù)據(jù)(批號、距離、方位、時間、識別結(jié)果等)、偵察參數(shù)數(shù)據(jù)(批號、航跡起始終止時間、識別結(jié)果等)和原始視頻數(shù)據(jù)(目標(biāo)輻射源視頻采集數(shù)據(jù)及目標(biāo)批號、采集時間等信息)。這些數(shù)據(jù)保存在*.mdb文件中。

對于視頻數(shù)據(jù)、航跡數(shù)據(jù)和無源偵收數(shù)據(jù)的收集，可以采用人工或自動方式收集。當(dāng)雷達(dá)信息系統(tǒng)、無源站系統(tǒng)和云平臺處于連接狀態(tài)，則可以通過設(shè)置權(quán)限，利用提取、轉(zhuǎn)換、裝載(ETL)來自動收集數(shù)據(jù)庫中的數(shù)據(jù)，這種情況對收集策略以及網(wǎng)絡(luò)帶寬有較高的要求；當(dāng)處于不連接狀態(tài)，則可以通過在記錄儀、數(shù)據(jù)庫服務(wù)器上外掛存儲設(shè)備定期收集數(shù)據(jù)，再將存儲設(shè)備與云平臺連接，導(dǎo)入數(shù)據(jù)，這種方式需要大量的人力物力作為支撐。

數(shù)據(jù)收集時或之后要進(jìn)行數(shù)據(jù)篩選。如在進(jìn)行綜合航跡數(shù)據(jù)收集時，可以重點收集容易導(dǎo)致不明空情的目標(biāo)航跡數(shù)據(jù)，對于民航等目標(biāo)的數(shù)據(jù)可以少收集一些。在收集原始視頻之后，如果已有重點目標(biāo)開窗數(shù)據(jù)，則直接收集。對于一般的視頻數(shù)據(jù)，則先進(jìn)行格式解析，再提取其中重點目標(biāo)的回波數(shù)據(jù)。

2.2 情報數(shù)據(jù)整編

一是人工建立相關(guān)聯(lián)系，數(shù)據(jù)整編主要是在數(shù)據(jù)集成、數(shù)據(jù)清洗、數(shù)據(jù)規(guī)約等一系列處理之后，還需要應(yīng)用人工方式進(jìn)行數(shù)據(jù)屬性補充、相關(guān)關(guān)系建立等的操作。如航跡數(shù)據(jù)中機(jī)型屬性缺失，采用其他方式都無法補充完善的情況下，只有采用數(shù)據(jù)整編的方式進(jìn)行補充。比如統(tǒng)一目標(biāo)在同一天不同時段飛行的航跡采用了不同的批號，這也需要采用人工的方式使不同時段航跡建立相關(guān)關(guān)系。

二是整編界面人性化，數(shù)據(jù)整編是采用人工方式進(jìn)行的，所需工作量比較大，也很重要，如果不補充完善，很可能導(dǎo)致挖掘結(jié)果的不完善。因此在設(shè)計數(shù)據(jù)整編界面時，盡可能人性化，能夠充分展現(xiàn)數(shù)據(jù)的屬性特性，同時也需要熟悉數(shù)據(jù)特點和分析業(yè)務(wù)需求的人員來進(jìn)行。

2.3 數(shù)據(jù)集成方法

常見的數(shù)據(jù)集成方法有模式集成法、數(shù)據(jù)復(fù)制法，以及融合了模式集成法和數(shù)據(jù)復(fù)制法優(yōu)點的綜合性集成方法。

一是模式集成法，在構(gòu)建集成系統(tǒng)時將各數(shù)據(jù)源的數(shù)據(jù)視圖集成為全局模式，使用戶能夠按照全局模型透明地訪問各數(shù)據(jù)源的數(shù)據(jù)。全局模式描述了數(shù)據(jù)源共享數(shù)據(jù)的結(jié)構(gòu)、語義及操作等。用戶直接在全局模式的基礎(chǔ)上提交請求，由數(shù)據(jù)集成系統(tǒng)處理這些請求，轉(zhuǎn)換成各個數(shù)據(jù)源在本地數(shù)據(jù)視圖基礎(chǔ)上能夠執(zhí)行的請求。模式集成方法的特點是直接為用戶提供透明的數(shù)據(jù)訪問方法。采用模式集成需要解決的問題：首先是構(gòu)建全局模式與數(shù)據(jù)源數(shù)據(jù)視圖間的映射關(guān)系；其次是處理用戶在全局模式基礎(chǔ)上的查詢請求。聯(lián)邦數(shù)據(jù)庫和中間件集成方法采用現(xiàn)有的2種典型的模式集成方法。

模式集成方法為用戶提供了全局?jǐn)?shù)據(jù)視圖及統(tǒng)一的訪問接口，透明度高；但是該方法并沒有實現(xiàn)數(shù)據(jù)源間的數(shù)據(jù)交互，用戶使用時經(jīng)常需要訪問多個數(shù)據(jù)源，因此該方法需要系統(tǒng)有很好的網(wǎng)絡(luò)性能。

二是數(shù)據(jù)復(fù)制法，是將各個數(shù)據(jù)源的數(shù)據(jù)復(fù)制到與其相關(guān)的數(shù)據(jù)源上，并維護(hù)數(shù)據(jù)源整體上的數(shù)據(jù)一致性，提高信息共享利用的效率。采用數(shù)據(jù)復(fù)制法需要解決數(shù)據(jù)異構(gòu)性問題，包括語法異構(gòu)和語義異構(gòu)。數(shù)據(jù)異構(gòu)性可以追溯到數(shù)據(jù)源建模時的差異：當(dāng)數(shù)據(jù)源的實體關(guān)系模型相同，只是命名規(guī)則不同時，造成的只是數(shù)據(jù)源之間的語法異構(gòu)；當(dāng)數(shù)據(jù)源構(gòu)建實體模型時，若采用不同的粒度劃分、不同的實體間關(guān)系以及不同的字段數(shù)據(jù)語義表示，必然會造成數(shù)據(jù)源間的語義異構(gòu)，給數(shù)據(jù)集成帶來很大麻煩。對于語法異構(gòu)，需要實現(xiàn)字段到字段、記錄到記錄的映射，解決其中的名字沖突和數(shù)據(jù)類型沖突。語義異構(gòu)集成相對比較麻煩，需要字段拆分、字段合并、字段數(shù)據(jù)格式變換、記錄間字段轉(zhuǎn)移等。

數(shù)據(jù)復(fù)制方法在用戶使用某個數(shù)據(jù)源之前，將用戶可能用到的其他數(shù)據(jù)源的數(shù)據(jù)預(yù)先復(fù)制過來，用戶使用時僅需訪問某個數(shù)據(jù)源或少量的幾個數(shù)據(jù)源，這會大大提高系統(tǒng)處理用戶請求的效率；但數(shù)據(jù)復(fù)制通常存在延時，使用該方法時，很難保障數(shù)據(jù)源之間數(shù)據(jù)的實時一致性。

三是綜合性集成方法，是將模式集成方法和數(shù)據(jù)復(fù)制方法混合在一起使用，提高基于中間件系統(tǒng)的性能。該方法仍有虛擬的數(shù)據(jù)模式視圖供用戶使用，同時能夠?qū)?shù)據(jù)源間常用的數(shù)據(jù)進(jìn)行復(fù)制，對于用戶簡單的訪問請求，綜合方法總是盡力通過數(shù)據(jù)復(fù)制方式，在本地數(shù)據(jù)源或單一數(shù)據(jù)源上實現(xiàn)用戶的訪問需求；而對那些復(fù)雜的用戶請求，無法通過數(shù)據(jù)復(fù)制方法實現(xiàn)時，才使用虛擬視圖方法。

3 空情大數(shù)據(jù)存儲管理

收集整編后的數(shù)據(jù)具有不同的結(jié)構(gòu)，而不同的結(jié)構(gòu)數(shù)據(jù)采用不同的數(shù)據(jù)庫來保存，如綜合航跡數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)，采用關(guān)系型數(shù)據(jù)庫來保存；原始視頻、偵察圖像是非結(jié)構(gòu)化數(shù)據(jù)，采用分布式文件系統(tǒng)(HDFS)保存。在保存數(shù)據(jù)時，需要實時監(jiān)控各個存儲節(jié)點的存儲資源，當(dāng)某一節(jié)點出現(xiàn)過載時，則需要將數(shù)據(jù)遷移到其他節(jié)點，從而達(dá)到負(fù)擔(dān)均衡。

收集整編的數(shù)據(jù)中蘊涵目標(biāo)識別判性的證據(jù)，具有一定的價值，因此在存儲數(shù)據(jù)時采用相應(yīng)的冗余策略，避免出現(xiàn)某一節(jié)點崩潰導(dǎo)致數(shù)據(jù)丟失的現(xiàn)象。同時，大部分?jǐn)?shù)據(jù)具有一定的密級，需要設(shè)置訪問權(quán)限、加密存儲、數(shù)據(jù)隔離等措施來提高數(shù)據(jù)安全性。

從海量數(shù)據(jù)中快速準(zhǔn)確檢索所需數(shù)據(jù)是一新的挑戰(zhàn)。可采用分布式數(shù)據(jù)檢索，優(yōu)化查詢解析策略、資源管理策略、容錯策略、查詢派遣策略等。

3.1 數(shù)據(jù)存儲方法

3.1.1 分類存儲

(1) 結(jié)構(gòu)化數(shù)據(jù)存儲。航跡數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)量龐大，數(shù)據(jù)價值密度比較高，主要應(yīng)用于通過OLAP挖掘目標(biāo)的運動規(guī)律等。利用關(guān)系數(shù)據(jù)庫和NoSQL數(shù)據(jù)庫中的列數(shù)據(jù)庫都能夠存儲結(jié)構(gòu)化數(shù)據(jù)，但關(guān)系數(shù)據(jù)庫難于擴(kuò)展容量不適合存儲海量數(shù)據(jù)，因此采取列數(shù)據(jù)庫存儲航跡數(shù)據(jù)。針對目標(biāo)情報數(shù)據(jù)、計劃數(shù)據(jù)等，這類數(shù)據(jù)的數(shù)據(jù)量較少，隨時間增長也較少，且查詢使用較多，可采取傳統(tǒng)的關(guān)系型數(shù)據(jù)庫進(jìn)行存儲。

事實上，對于人類存在的意義，從古至今，就有無數(shù)哲人進(jìn)行過痛苦的思考，對于欲壑難填的人性之惡，及其所造成的巨大惡果，王鉆清則在詩歌中對此進(jìn)行了無情的鞭撻。正因如此，王鉆清的詩歌不僅僅是一種橫向的，簡單的東西方比較，而是在不斷向著歷史的更深之處進(jìn)行著縱深的掘進(jìn)：

HBase是構(gòu)建在HDFS上的列數(shù)據(jù)庫，可以存儲結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，針對某列或某幾列的查詢具有I/O優(yōu)勢，查找速度快，可擴(kuò)展性強(qiáng)，容易進(jìn)行分布式擴(kuò)展。

(2) 非結(jié)構(gòu)化數(shù)據(jù)。雷達(dá)回波數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)量大且在快速增長；其應(yīng)用場景是通過順序讀取原始數(shù)據(jù)選取指定視頻片段進(jìn)行回放。因此，雷達(dá)回波數(shù)據(jù)并不需要利用關(guān)系型數(shù)據(jù)庫存儲，而是采取易于部署、擴(kuò)展性好的分布式存儲系統(tǒng)進(jìn)行存儲。

Hadoop分布式文件系統(tǒng)HDFS是運行于普通機(jī)器構(gòu)建的大規(guī)模集群上，對上層應(yīng)用程序提供一個統(tǒng)一的文件系統(tǒng)應(yīng)用程序接口，可實現(xiàn)對超大文件的存儲、高吞吐量的數(shù)據(jù)訪問以及高容錯性。可以文件格式存儲海量非格式化數(shù)據(jù)，也可以基于HDFS構(gòu)建列數(shù)據(jù)庫HBase。Hadoop中的Hive是一種SQL on Hadoop 技術(shù)，它把SQL編譯成MapReduce，從而可讀取和操作Hadoop上的數(shù)據(jù)。通過Hive，可利用SQL語言來操作和分析預(yù)警情報大數(shù)據(jù)。同時，為了對格式化數(shù)據(jù)進(jìn)行管理和查詢，加入MySQL數(shù)據(jù)庫系統(tǒng)，通過Sqoop工具實現(xiàn)與Hadoop存儲系統(tǒng)的同步。

3.1.2 分層存儲

(1) 在線存儲。在線存儲是指將數(shù)據(jù)存放在高速的磁盤系統(tǒng)(如閃存存儲介質(zhì)、FC磁盤或SCSI磁盤陣列等)存儲設(shè)備上，適合存儲那些需要經(jīng)常和快速訪問的程序和文件，其存取速度快，性能好，存儲價格相對昂貴。在線存儲是工作級的存儲，其最大特征是存儲設(shè)備和所存儲的數(shù)據(jù)時刻保持“在線”狀態(tài)，可以隨時讀取和修改，以滿足前端應(yīng)用服務(wù)器或數(shù)據(jù)庫對數(shù)據(jù)訪問的速度要求。實時分析所需的數(shù)據(jù)可以采用在線存儲，如作為目標(biāo)研判證據(jù)的“證據(jù)庫”，以防止因研判證據(jù)讀取延時而影響目標(biāo)性質(zhì)研判及時性。

(2) 近線存儲。近線存儲是指將數(shù)據(jù)存放在低速的磁盤系統(tǒng)上，一般是一些存取速度和價格介于高速磁盤與磁帶之間的低端磁盤設(shè)備。近線存儲外延相對比較廣泛，主要定位于在線存儲和離線存儲之間的應(yīng)用。就是指將那些并不是經(jīng)常用到，或者說訪問量并不大的數(shù)據(jù)存放在性能較低的存儲設(shè)備上。但對這些設(shè)備的要求是尋址迅速、傳輸率高。因此，近線存儲對性能要求相對來說并不高，但又要求相對較好的訪問性能。同時多數(shù)情況下由于不常用的數(shù)據(jù)要占總數(shù)據(jù)量的較大比重，這也就要求近線存儲設(shè)備在需要容量上相對較大。近線存儲設(shè)備主要有SATA磁盤陣列、DVD-RAM光盤塔和光盤庫等設(shè)備。事后分析所需的數(shù)據(jù)可以采用近線存儲，如經(jīng)過集成、清洗、規(guī)約處理后的數(shù)據(jù)，利用這些數(shù)據(jù)進(jìn)行研判證據(jù)挖掘時的時效性要求不是太高。

3.1.3 數(shù)據(jù)一致性

數(shù)據(jù)一致性包括強(qiáng)一致性和弱一致性。強(qiáng)一致性是指更新操作完成后，任何多個后續(xù)進(jìn)程或線程的訪問都會返回最新的更新過的值。弱一致性是系統(tǒng)不保證后續(xù)進(jìn)程或線程的訪問都會返回最新的更新過的值。最終一致性是弱一致性的特定形式，系統(tǒng)保證在沒有后續(xù)更新的前提下，最終返回上一次更新操作的值。對于不明空情大數(shù)據(jù)研判識別而言，研判證據(jù)需要實現(xiàn)強(qiáng)一致性，而其他待挖掘數(shù)據(jù)需要實現(xiàn)最終一致性。

3.2 數(shù)據(jù)檢索方法

二級索引是對全表數(shù)據(jù)進(jìn)行另外一種方式的組織存儲，是針對table級別的。對于HBase而言，創(chuàng)建二級索引方式：一種是利用SQL通過Inceptor分布式SQL引擎與HBase交互，創(chuàng)建二級索引；一種是直接在HBase Shell中創(chuàng)建二級索引。

3.2.2 MapReduce查詢處理

在大規(guī)模數(shù)據(jù)存儲系統(tǒng)中，查詢優(yōu)化工作主要集中在MapReduce執(zhí)行計劃選擇以及負(fù)載均衡等方面。MapReduce執(zhí)行計劃選擇的基本思想則是在多個可選MapReduce執(zhí)行計劃中選擇代價最小的，包含CPU性能、網(wǎng)絡(luò)帶寬、內(nèi)存等評價特征。

4 空情大數(shù)據(jù)挖掘分析

完善高效的挖掘分析算法模型是空防預(yù)警大數(shù)據(jù)研判識別系統(tǒng)的核心。按照數(shù)據(jù)準(zhǔn)備、建立模型、模型評估的步驟，豐富和完善特征提取、規(guī)律分析、事件關(guān)聯(lián)挖掘等方法，進(jìn)而獲取研判識別的目標(biāo)特征庫、活動規(guī)律庫、事件關(guān)聯(lián)庫等有效證據(jù)。以目標(biāo)運動特征為例，其運動特征統(tǒng)計內(nèi)容和統(tǒng)計流程分別如圖2和圖3所示。

圖2 目標(biāo)運動特征統(tǒng)計內(nèi)容

圖3 運動規(guī)律統(tǒng)計流程圖

空防預(yù)警大數(shù)據(jù)中蘊含的目標(biāo)多維特征，是目標(biāo)識別和威脅研判的基礎(chǔ)依據(jù)。運用大數(shù)據(jù)的統(tǒng)計分析、深度挖掘、關(guān)聯(lián)分析等技術(shù)優(yōu)勢，提取目標(biāo)特征，分析活動規(guī)律，挖掘關(guān)聯(lián)因素，構(gòu)建研判證據(jù)庫。

如基于雷達(dá)原始視頻提取波峰、波寬、波色、波內(nèi)組織等回波特征，基于極化信息提取目標(biāo)材料特征(塑料、金屬、碳纖維)，基于光學(xué)圖像和雷達(dá)圖像挖掘目標(biāo)外形輪廓，基于多普勒(微多普勒)信息獲取目標(biāo)運動特征，基于電子偵察和無源雷達(dá)數(shù)據(jù)獲取目標(biāo)輻射源工作頻率、脈寬、重頻等參數(shù)特征等，依此綜合構(gòu)建起多維、全面、可靠的特征數(shù)據(jù)庫，通過定期更新、擴(kuò)展和完善，可為空情研判識別提供證據(jù)基礎(chǔ)。

利用數(shù)據(jù)統(tǒng)計、聚類分析、深度挖掘等方法，統(tǒng)計分析出目標(biāo)在特定區(qū)域、特定航線、特定時間反復(fù)出現(xiàn)的活動狀態(tài)，挖掘出不同類型目標(biāo)規(guī)律性的活動區(qū)域、活動航線以及對應(yīng)的活動時間、飛行高度、速度等基本特性，進(jìn)而綜合分析和歸納總結(jié)出目標(biāo)的活動規(guī)律，并將提取的各類目標(biāo)活動規(guī)律按照一定的格式組裝后，建立起活動規(guī)律的數(shù)據(jù)庫。

運用統(tǒng)計分析和聚類方法，提取氣象回波產(chǎn)生及鳥類遷徙活動的一般性規(guī)律；可基于國家體育總局、公安部等單位部門提供的重大活動信息，建立起事件關(guān)聯(lián)庫。

5 大數(shù)據(jù)技術(shù)研判識別不明空情具體應(yīng)用

大數(shù)據(jù)技術(shù)在未來不明空情研判中的具體應(yīng)用主要體現(xiàn)在研判要素的快速提取、分析，研判證據(jù)的快速挖掘、提供，最終實現(xiàn)研判結(jié)果的精準(zhǔn)化呈現(xiàn)。

對不明空情目標(biāo)的真?zhèn)?、屬性、類型、?shù)量、類別、活動企圖和威脅等級的研判，是不明空情大數(shù)據(jù)價值的具體體現(xiàn)，也是構(gòu)建空防預(yù)警大數(shù)據(jù)研判識別研究平臺的初衷。

5.1 研判識別模式

構(gòu)建分級的研判識別模式，第一層級利用大數(shù)據(jù)挖掘分析的目標(biāo)特征庫、活動規(guī)律庫等證據(jù)性結(jié)果，結(jié)合目標(biāo)的瞬態(tài)特征，對目標(biāo)的真?zhèn)?、類型、?shù)量等進(jìn)行研判識別；第二層級結(jié)合大樣本的實測數(shù)據(jù)，依據(jù)實時數(shù)據(jù)挖掘分析結(jié)果，在第一層級初判的基礎(chǔ)上，對目標(biāo)的真?zhèn)巍傩?、類型、?shù)量、企圖等進(jìn)行綜合研判；第三層級結(jié)合更大樣本的關(guān)聯(lián)信息，如與目標(biāo)有所關(guān)聯(lián)的氣象、地理、事件等信息，在各知識庫的支持下，對不明空情做終極研判，給出目標(biāo)的威脅等級。目標(biāo)行動企圖的貝葉斯網(wǎng)絡(luò)分析如圖4所示。

圖4 目標(biāo)行動企圖的貝葉斯網(wǎng)絡(luò)分析示意圖

5.2 智能推送共享

發(fā)揮人工智能優(yōu)勢，實現(xiàn)研判成果按需推送，以滿足不同用戶空情研判的需要。上一級機(jī)構(gòu)上報并向下級分發(fā)，同時對友鄰單位等用戶按需推送。各級各類用戶都可以通過檢索、定制等手段獲取空情研判結(jié)果。

6 總結(jié)與展望

隨著大數(shù)據(jù)技術(shù)的發(fā)展，航空工業(yè)的迅速壯大，尤其每天各類空中情況產(chǎn)生的數(shù)據(jù)量驚人，如果不加篩選，很多有用的數(shù)據(jù)信息提取不出來，就會造成巨大的資源浪費。要從海量的數(shù)據(jù)信息中準(zhǔn)確地找到用戶所需要的成為當(dāng)前研究的重點問題之一。針對這一背景，本文主要研究了不明空情大數(shù)據(jù)研判可行性及整體框架，分析了大數(shù)據(jù)的存儲和分析過程，將海量數(shù)據(jù)收集整編后，分門別類進(jìn)行存儲，并對存儲的數(shù)據(jù)進(jìn)行研判證據(jù)挖掘，將其用于不明空情研判識別，從而實現(xiàn)對數(shù)據(jù)的積累、存儲、證據(jù)挖掘和應(yīng)用。

空防預(yù)警系統(tǒng)包含了海量數(shù)據(jù)資源，想要將數(shù)據(jù)資源詳盡描述并與用戶需求匹配的工作量非常巨大，本文提出的只是一種方法，在此基礎(chǔ)上，下一步的工作包括：一是健全法規(guī)制度研究；二是創(chuàng)新人才培養(yǎng)模式研究。