面向演習講評的作戰行動聚合方法研究*

吳 蕾 伍文峰

（1.國防大學聯合作戰學院 北京 100091）（2.陸軍航空兵研究所 北京 101121）

1 引言

計算機模擬演習過程中產生的指揮行動數據紛繁復雜，種類多樣，數量龐大，往往會使人眼花繚亂，看不清楚，給演習復盤評估帶來極大困難。因此，需要對作戰行動數據進行一定程度聚合，使整個作戰過程看起來更加清晰，從而有助于進一步分析作戰行動及描述作戰過程。

“聚合”一詞在化學［1～2］、情報［3～6］、作戰模擬［7～9］等領域中，代表不同的含義。而在信息領域，聚合通常是指對海量信息進行內容篩選、整合、呈現的數據處理方式［10～12］。國內外的機構或者學者對數據聚合進行了相關定義或研究聚合，IBM 知識中心（Knowledge Center）給出定義，“數據聚合是收集原始數據并以摘要形式表示以進行統計分析的過程”［13］。劉輝［14］將數據聚合定義為“通過同時聚集一個和多個數據源分析數據來獲取信息全貌的方法”。Arguello 等［15］提出了內容聚合的概念，將其表達為特定情境下對多源異構數據進行篩選、組織、排序與呈現的任務與方法，包括聚合情景、聚合對象粒度、聚合對象之間關系及用戶和聚合對象之間關系三個組成部分。張平［16］指出“數據聚合是按照一定的規則，對來自多個信息源的信息或數據進行組合和合并，以便形成一個更有價值結果的技術”。他認為數據聚合實際上是將海量數據向特定問題維度進行投影變換以實現對數據的壓縮和提煉的過程。總之，對于數據來說，聚合的概念正是基于其割裂性、冗余性、不確定性而提出來的。通常認為數據聚合是數據融合的一種，通過數據聚合能夠使用戶對數據的認識更加準確、更加全面、更加清晰。

傳統演習中，信息處理任務重、速度慢，指揮員通常通過簡單計算，依靠自己的經驗，經過定性分析就作出決策判斷［17］。而計算機演習模擬的是現代戰爭，是參演各方作戰力量模擬執行若干作戰行動以完成特定任務序列的過程。由于該作戰過程涉及多維戰場空間以及各方、各軍兵種多種作戰要素，作戰行動具有交互復雜、樣式繁多、數量龐大的特點，整個作戰過程會出現很多相似性較大或者重復率較高的行動，因此需要對作戰行動按照特定規則進行聚合，快速排除冗余信息，形成相對精簡的行動，使作戰過程中的作戰行動看起來更加清晰。

目前，國內外關于作戰行動聚合的相關研究很少，本文在分析行動數據來源的基礎上，設計作戰行動聚合原則及聚合方案，分別從作戰力量、作戰資源以及時空維度研究作戰行動聚合方法，并以火力打擊行動區域聚合為例，對其聚合流程以及聚合方法進行探討。通過對海量行動數據進行聚合可以更加清楚地展示作戰行動，提升演習復盤評估的效果，滿足導演部講評作戰過程的需求。

2 作戰行動數據來源和聚合原則

作戰行動具有數量龐大、樣式繁多、交互復雜等特點，這對導演部、指揮員看清整個戰役的作戰進程帶來了挑戰，為了對作戰行動進行聚合，首先需要分析作戰行動數據來源和確定作戰行動聚合原則。

2.1 作戰行動數據來源

一次計算機模擬演習是各方指揮員通過計算機模擬作戰行動并產生交互作用的過程。為了實現作戰使命，各方指揮員會通過下達若干條作戰指令指揮由模型扮演的部隊，以完成多項作戰任務。每一條成功下達且成功執行的指令代表一次作戰行動，包括作戰行動的類型名稱、行動時間、作戰單元、武器彈藥類型及數量、作戰目標、地理位置等內容，這些作戰行動所涉及的作戰單元以及作戰目標的具體屬性參數以部隊表和目標表的形式保存在數據庫中，與指令表相關聯。

若干條成功執行的作戰指令轉化為若干個作戰行動，推動著演習態勢不斷變化。一次計算機模擬演習過程中，各參戰方、各作戰指揮員往往會下達海量的作戰指令指揮作戰實體，從而產生相應的作戰行動以完成作戰任務。因此，一次演習過程的作戰行動數量非常龐大，往往會使人眼花繚亂，使導演部和指揮員難以快速地掌握作戰進程。將來源于作戰指令的作戰行動數據作為研究對象開展作戰行動聚合方法的研究就非常有必要。

2.2 作戰行動數據的基本聚合原則

一個作戰過程，主要由圍繞作戰目的和作戰效果的包含若干作戰行動的任務序列構成。從一定意義上來說，作戰過程體現的就是作戰實體在執行既定任務時應對態勢，作出動作或改變狀態的過程。作戰行動作為作戰任務的基本構成要素，其數據聚合需要遵循以下四個基本原則。

1）階段區分原則

不同的作戰階段有不同的作戰任務和行動，以時間順序或者任務優先級順序依次進行行動層聚合和任務層聚合。例如：對于時間順序，攔截導彈需要先進行預警探測，得到敵方導彈的信息后才能進行火力攔截；對于任務優先級順序，進行海島占領作戰時，需要登陸之后才能繼續之后的進攻作戰。

2）多樣化聚合原則

一是貫穿不同聚合層次，作戰行動、作戰任務、作戰過程之間具有層次關系，對作戰行動聚合時需要逐層進行；二是覆蓋多個聚合維度，每個作戰行動都對應著相應作戰域并且具有時空特性，因此，對作戰行動聚合需要從作戰域、作戰時間、作戰空間等多個維度去考慮；三是延伸一定聚合深度，通過作戰行動的聚合，為進一步開展行動關聯分析、行動重要度評估等深層次分析打好基礎。

3）信息完整原則

信息完整指的是聚合后的行動信息需要具有相對完整性，這就包含了兩點：一是行動要素完整，行動聚合后不能缺失行動的重要要素，缺失重要行動的作戰行動聚合不是有效聚合；二是行動內容完整，聚合后的行動能夠綜合聚合前行動的信息和特點，準確反映行動的大致情況，不能以偏概全或者以點概面。因此，聚合時必須選擇合適的聚合粒度，在主題信息豐富和整體效果呈現清晰中取得平衡。

4）結果清晰原則

根據作戰過程中涉及的行動要素，進行行動聚合后，要保證聚合后的行動能清楚反映行動情況，并且數據可用。因此，聚合的結果，一是要求形成的文字及可視化描述，能夠讓導演部、指揮員、專家看得懂或聽得懂；二是需要以合適的結構化數據形式進行存儲，方便后續進行數據分析和行動挖掘。

3 作戰行動聚合方法

不同類型的作戰行動有著不同的行動要素，各類作戰行動由于類型不同，進行行動層聚合時，除了需要考慮聚合的顆粒度問題，聚合規則也應有所區分。哪些行動要素先聚合，哪些行動要素后聚合，這些都需要在設計階段考慮。

3.1 作戰行動聚合流程

不同類型的作戰行動有著不同的行動要素，對同一類的作戰行動以一定順序進行行動要素聚合可以形成行動層作戰行動，對行動層所有作戰行動按任務分類分別聚合可以形成任務層作戰行動的集合。圖1為作戰行動聚合流程。

圖1 作戰行動聚合流程

對作戰行動進行多層次聚合，首先需要進行行動聚合模板和任務聚合模板的設計，然后按照模板對原始行動清單中的大量行動進行聚合，再根據任務與作戰行動之間的關聯關系，進行任務層作戰情況的聚合。按照先行動聚合后任務聚合的方式，對原始行動清單進行聚合，得到戰役層次使命任務完成情況，并建立戰役層次使命任務與戰術層次行動的關聯關系。聚合后的作戰行動有兩種呈現方式：一種以結構化數據保存在數據庫中，方便后期分析挖掘研究；另一種以非結構化描述形式表現出來，也就是關于某一階段內多種行動的概括性描述，方便用戶能夠宏觀把握或者查詢戰役行動的進程和效果。具體作戰行動聚合框架如圖2所示。

圖2 作戰行動層次化聚合框架

3.2 聚類算法選取準則

對作戰行動開展聚合分析過程中需要根據實際作戰行動的要素特點采用合適的聚類算法。聚類算法作為一種無監督的學習方法，對作戰行動聚類不需要任何先驗知識，這是聚類的基本思想，但在實際使用中，選取聚類算法通常需要遵循一定的準則。

1）具有可伸縮性

一些聚類算法可能在數據規模較小的數據集上能夠取得不錯的聚類效果，但是對于一個數據量非常龐大的大規模數據集來說，進行樣本集合的聚類分析可能會使結果產生較大偏差。因此選擇聚類算法的時候，需要考慮其是否具有可伸縮性。可以選用既能夠在小樣本數據集上具有良好的聚類表現，也能有效地應用于大規模樣本中的聚類算法。

2）適用于各種形狀的簇

很多情況下樣本數據自身的數據特點也可能會對聚類分析的結果有較大影響。有些聚類算法，如劃分聚類方法和層次聚類方法適用于發現球狀簇，很難使用它們發現其他形狀的簇，這樣就會對分析的數據對象產生局限性，因此選用能夠發現各種形狀的簇的算法就非常重要。

3）參數確定相對簡單

一些聚類算法在使用時通常需要用戶預先設置參數，其中有的算法參數值的選擇對聚類的結果影響很大，想要很好的聚類效果通常需要具備豐富領域知識的軍事專家設置參數才能完成。這就限制了使用者的范圍，而不限制使用者則很難保證每次聚類的質量。因此為了聚類不受限制，需要選擇參數確定相對簡單的聚類算法。

4）對噪聲數據不敏感

通常，對于大規模行動數據集，其中往往存在孤立點、缺失值或者錯誤信息等現象。有的聚類算法，如k-means方法、層次聚類方法等，面對噪聲數據特別敏感，或許會令分析結果不太理想。改用對噪聲數據不是很敏感的算法如密度算法，就能夠獲得相對來說比較好的效果。

4 火力打擊行動區域聚合

火力打擊行動是信息化聯合作戰中癱敵、破敵、殲敵的主要手段，其行動聚合包括行動屬方聚合、行動區域聚合、武器彈藥聚合以及打擊目標聚合等，這里主要討論其區域聚合，從而觀察某作戰階段的火力打擊行動的主要區域。

4.1 火力打擊行動區域聚合流程

假設作戰行動數據集中都為火力打擊類行動，參戰方為X、Y 兩方。在聚合前提條件判斷的基礎上，以先目標區域聚合再打擊區域聚合為例，具體聚合流程見圖3。

圖3 火力打擊行動區域聚合流程

聚合流程：

1）選定作戰行動數據集；

2）對作戰行動數據集中作戰行動按打擊方為X、被打擊方為Y篩選、分組；

3）針對“X打Y”的火力打擊行動進行目標區域聚合，即按照打擊目標分布分為多個作戰行動集合；

4）針對同一目標區域的火力打擊行動，按照發射點進行區域聚合；

5）針對同一打擊區域、同一目標區域的所有原始行動集合，聚合為一個行動。

從以上分析可以看出，先后通過兩端的作戰區域聚合作戰行動，可以將“重復”的作戰行動聚合為一個，使火力打擊行動的發射區域和打擊區域看著更為清晰。

4.2 火力打擊行動區域聚合方法

結合DBSCAN 聚類算法和Convex Hull 算法，對火力打擊行動的主要發射區域和目標區域如何聚合進行分析。以火力打擊行動的目標區域聚合為例，目的是看清作戰行動主要打擊的區域。

1）基于DBSCAN算法區域聚類

DBSCAN 算法是最常用的基于密度的聚類算法之一，也是最早提出密度聚類思想的算法。假設有數據對象集合D=｛p1，p2，…，pn｝，ε和MinPts 是DBSCAN 算法中的重要參數，其數值可根據實際場景具體設定。該算法根據以上定義在數據集D 中發現簇和孤立點，首先檢查D中每個對象的ε鄰域，如果對象p1是核心點，則生成包含Nε（p1）中對象的簇C；然后檢測C 中所有未被處理的對象p2的Nε（p2），如果p2是核心點，則將還未被包含在C 中的Nε（p2）中的對象加入到簇C 中，并且這些對象的ε鄰域在下一步進行檢測。這一過程反復執行直到沒有新對象加入到當前的簇C中，如圖4所示。

圖4 DBSCAN區域聚類示意圖

2）基于Convex Hull算法繪制聚合區域

Convex Hull算法，即凸包算法。凸包指的是包含離散點集的最小凸集，在某向量空間Y 中，對于給定的點集P，所有包含點集P 的凸集的交集Z 可以被稱為點集P的凸包。

在二維向量空間里，點集P 的凸包可以用P 中所有點｛p1，p2，…，pn｝的線性凸組合來表示。

Convex Hull 算法步驟如圖5 所示，主要分為四步：第一步，遍歷點集P 中的所有點，并確定縱坐標最小的點，記作p1；第二步，分別計算點集P 中其余各點和p1的連線與x 軸之間的余弦值，并將這些點按照其對于p1的正弦值由大至小排列，排列形成的點的序列Q假設為｛p2，p3，…｝；第三步，將點p1和序列Q 中的第一個點p2壓入棧中；第四步，從下一個點p3開始計算，判斷棧頂兩個點與該點三者向量是否為逆時針轉動，若判斷成立，則將該點壓入棧中，否則將棧頂元素推出；最后，棧里剩余的點即所有的凸包外圍的點。

圖5 Convex Hull算法示意圖

5 實例分析

DBSCAN 算法具有能發現任意形狀簇的優點，對于孤立點等噪聲數據也不是太敏感。但其也存在一些不足，主要表現為確定ε和MinPts 數值有一定難度，如果MinPts 數值太大，會出現大量的孤立點，而ε數值過小，則會將本身距離較遠的簇合并起來。由于火力打擊行動的武器主要是導彈、炮彈等，其射程比較遠，為了聚合后的作戰行動的完整性，MinPts數值的選取不宜過大。通過對某次演習火力打擊行動目標區域進行聚類發現，MinPts ≥3時和ε數值過小時，孤立點和簇的數量會明顯增多，顯然這就無法達到區域聚類的目的。如圖6 所示，從本次模型選取的6 組參數對比分析可知，ε確定時，MinPts 設置過大會導致簇包圍區域過小，最終可以分析出MinPts=2且ε=9000時，聚類效果比較好。

圖6 不同參數情況下區域聚類效果

Convex Hull 算法可以應用于聚類結果的可視化呈現中，將區域聚類形成的每個簇的邊界繪制出來。應用到實際演習中，可以很直觀地呈現出火力打擊行動打擊目標所在的熱點區域的邊界及其形狀特征，也可以呈現實施該火力打擊行動的部隊的集中分布區域。如圖7 所示，圖7（a）為火力打擊行動目標區域聚合后形成的簇的區域邊界，圖7（b）結合熱力圖形式突出火力集中的熱點區域的效果。

圖7 基于Convex Hull算法繪制聚合區域

6 結語

計算機演習行動數據數量龐大、冗余性高的特點給演習復盤評估階段的講評活動帶來了嚴峻的挑戰，迫切需要對這些行動數據開展聚合，使作戰行動呈現得更為清晰，從而為導演部講評作戰過程提供良好的依據。本文以作戰行動數據為研究對象，分析了作戰行動數據來源、聚合原則和聚合方案，對火力打擊行動區域聚合流程和方法進行了研究，并開展了相關實例分析，實現了理論和實踐兩方面的探索。