一种基于大数据可视化的兵棋推演系统的制作方法

本发明涉及大数据可视化领域，尤其是一种基于大数据可视化的兵棋推演系统。

背景技术：

兵棋推演，向来为兵家所器重。古代的中国人就开始使用石块和木条等在地面上对弈的方法演示阵法、研究战争。推演者可充分运用统计学、概率论、博弈论等科学方法，对战争全过程进行仿真、模拟与推演，并按照兵棋规则研究和掌控战争局势，其创新与发展历来受到各国军方重视。20世纪末以来，随着计算机技术和信息技术的进步，使用计算机系统进行兵棋推演已经成为主要的发展方向，较传统的兵棋推演方法具有计算速度更快、数据统计精准等特点。现代的计算机兵棋推演系统能够将作战部队的体制编制、武器系统、战术行为等进行精确的评估、量化，并能够将输入参数和中间计算结果存储在数据库中，推演过程通常由作战指挥中心、作战演训中心及各作战执行单位指挥所执行，通过输入作战各方的参数，推演系统能够仿真或推演连续数小时至数月的模拟实战环境和作战进程，甚至实施重大战略议题的推演。我国从上世纪80年代开始研究计算机兵棋推演技术，起步于各种渠道获得的美国“联合战区仿真系统（jlts）”，近年来也取得了一定创新和进步，促进了我国计算机兵棋推演技术的发展。

但是当前的兵棋推演系统和方法也存在一些问题。首先，数据获取困难，现代的战争是数据时代的战争，兵棋推演原则上需要对战场上各种因素和数据进行最大限度的还原，这对通常独立开发的兵棋推演系统和方法来说，几乎是不可能完成的任务，为此有的开发方案不惜采取各种复杂的算法，甚至必须依赖巨型电子计算机才能运行。其次，数据整合困难，现有的兵棋推演系统需要从真实的演习或实战中获取关键参数，包括战斗中的全部作战要素数据，这些数据来源渠道不一，格式复杂，有文本、图形、图像、音频、视频、卫星数据、雷达数据、声纳数据、激光数据等，如将所有关键参数和数据进行整合，这对当前计算机兵棋推演系统开发和运行维护也是前所未有的挑战，导致成本可能是一个天文数字。再次，数据挖掘困难、数据利用率低，好的挖掘算法和推荐策略可以增强指挥官在战场上的决策判断力，发现人很容易忽略的重要细节，甚至发现人员、装备、编制体制上的问题，并提出更优的决策方案，反之，则有可能导致判断失误，造成不可挽回的损失。最后，我军当前正面临重大的军事改革，涉及到的问题之复杂、任务之艰巨，是史无前例的，如何评估我军军改的成效、编制体制的合理性、战区作战能力、武器装备的效能等问题，既没有过去的先例可以借鉴，也不能照搬国外的军改，这都对当前的兵棋推演系统提出了极为艰巨的挑战。

随着大数据可视化技术的发展和军事技术的不断进步，为兵棋推演系统的进步提供了一个成本更低、也更加有效的解决方案，但是，目前市场上还没有发现基于大数据可视化的兵棋推演系统。

技术实现要素：

为了解决以上问题，本发明设计了一种基于大数据可视化的兵棋推演系统，通过数据采集系统采集参战方的详细数据，并将数据通过情报网存储到数据库中，服务器集群通过基础数据库、推演系统库、模型库、计划库和命令库中的数据进行兵棋推演，并将推演计算的结果通过大数据可视化输出终端提供给用户。

为解决上述技术问题，本发明所采用的技术方案是：一种基于大数据可视化的兵棋推演系统，包括数据采集系统、情报网、服务器集群、数据库、基础数据库、推演系统库、模型库、计划库、命令库及大数据输出终端，数据采集系统采集参战方的详细数据，并将数据通过情报网存储到数据库中，所述数据库包括基础数据库、推演系统库、模型库、计划库及命令库中；服务器集群通过基础数据库、推演系统库、模型库、计划库及命令库中的数据进行兵棋推演，并将推演计算的结果通过大数据可视化输出终端提供给用户。

优选的，所述数据采集系统用于采集参战方的详细数据，包括卫星、雷达、声纳、激光、音视频、情报采集终端设备、软件和人员数据，以及存储这些数据的分布式数据库。

优选的，所述情报网用于汇集兵棋推演的各种不同的数据源，包括各种计算机网络、通讯网络、网络路由器和交换机、人际网络、计算机系统及装置，以及能够对采集的数据进行必要的预处理、数据清洗、格式化等工作的分布式服务器、工作站和计算机，将数据汇总至数据库进行统一存储，并供服务器集群进行分析计算。

优选的，所述所述服务器集群用于对采集的军事数据做处理、计算、整合，并产生兵棋推演的大数据可视化结果进行输出，包括数据库服务器、管理服务器、流媒体服务器、访问服务器、推演服务器、可视化服务器等组成的集群。

优选的，所述基础数据库用于存储基础数据，包括参战方经济、政治、地理、国际关系、人口、气候、科技创新、军工产业、地区生物、能源、金融、军事体制、兵力构成、部队训练、装备水平、火力配备、士气、医疗卫生、后勤保障、战备状况及国防动员体系数据。

优选的，所述推演系统库用于存储相关推演规则数据和约束条件，包括参战方或作训方在推演过程中的受到的自然环境、社会、经济、政治、科学技术方面的约束和必须遵循的物理规则、各方事先约定的规则或公认的规则、导演规则及操作规则。

优选的，述模型库用于存储参战方的各类数学模型，包括指挥体制、管理体系、战区划分与布防、人员配备组合、兵力部署、武器装备性能指标、杀伤力、机动能力、士气、战损率、维修率、装备之间的克制效果、后勤保障效果、医疗卫生能力的数学模型，以及地面作战、空中作战、海上作战、导弹作战、电子战、特种作战的大数据可视化的数学模型。

优选的，所述计划库用于存储参战方的作战计划和执行情况，包括参战方的作战计划库、策略库、作战计划的投入时间、金钱成本、装备和人员的投入、分阶段执行情况、历史作战记录、指战员指挥风格、作战部队的作战风格、支援计划、调度换防计划、后勤保障计划及推荐的作战计划。

优选的，所述命令库用于存储参战方的作战命令，包括已方在作战、推演中下达的军事命令，获取或破解的敌对方作战命令，还包括编制体制调整的命令，真命令与假命令的对比和识别，敌对方真实作战意图的推理结果、无命令时作战能力、作战命令的执行效果反馈、推荐最优的作战命令或策略数据。

优选的，所述述大数据输出终端用于利用大数据可视化技术将兵棋推演的结果输出显示，包括各类屏幕显示终端、网络查询终端、打印机、数据报表工具、移动终端、声光报警装置及语音提示装置。

与现有技术相比，本发明提供的一种基于大数据可视化的兵棋推演系统，具有以下效果：

首先，本发明充分利用了我军现有的丰富数据资源。通过数据的共享和联网，将所有数据通过统一的平台利用起来，充分利用了我军现有的网络、服务器、数据库，直接获取和共享各种文本、图形、图像、音频、视频、卫星数据、雷达数据、声纳数据、激光数据等，数据获取成本低，不需要重新建立庞大的数据采集网络和情报网络，减少了额外的成本投入，有利于在较短的时间完成项目实施，实现装备效益。

其次，本发明将数据采集系统所获取的数据进行了数据整合。数据来源于东、南、北、中五大战区，以及陆、海、空、火箭军、战略支援部队五大军种，包括天上、地面、水面、水底的作战、情报、技侦、特种作战、电子对抗、网络攻防、心理战、后勤保障、装备保障等现代战争的方方面面数据，根据推演任务的需要对各种不同来源的数据进行预处理、必要的清洗、格式化和整合，以便服务器统一处理。

再次，本发明通过数据挖掘和可视化技术，提高了数据价值和利用率。通过强大的数据库服务器和推演服务器组成的服务器集群，共同完成面向不同应用的数据挖掘，根据推演的级别，包括国家级、战区级、战役级、战术级划分数据挖掘的粒度，通过统计、在线分析处理、情报检索、机器学习、专家系统、人工智能和模式识别等诸多方法挖掘数据背后的潜在价值。在这个平台上，各方的作战要素、整个战场态势全都完整地体现出来，一目了然，大大缩短了搜集数据、处理数据、判断决策的过程，指挥员可以快速定下决心，高效组织实施行动。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明的结构示意图；

图2为本发明时的一种实施例；

图3为本发明的数据挖掘流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下，所获得的所有其他的实施例，不属于本发明保护的范围。

如图1中，一种基于大数据可视化的兵棋推演系统，包括数据采集系统100、情报网101、服务器集群102、数据库103、基础数据库104、推演系统库105、模型库106、计划库107、命令库108及大数据输出终端109，数据采集系统100采集参战方的详细数据，并将数据通过情报网存储到数据库103中，所述数据库103包括基础数据库104、推演系统库105、模型库106、计划库107及命令库中108；服务器集群102通过基础数据库104、推演系统库105、模型库106、计划库107及命令库中108的数据进行兵棋推演，并将推演计算的结果通过大数据可视化输出终端109提供给用户。

优选的，所述数据采集系统100用于采集参战方的详细数据，包括卫星、雷达、声纳、激光、音视频、情报采集终端设备、软件和人员数据，以及存储这些数据的分布式数据库。

优选的，所述情报网101用于汇集兵棋推演的各种不同的数据源，包括各种计算机网络、通讯网络、网络路由器和交换机、人际网络、计算机系统及装置，以及能够对采集的数据进行必要的预处理、数据清洗、格式化等工作的分布式服务器、工作站和计算机，将数据汇总至数据库103进行统一存储，并供服务器集群102进行分析计算。

优选的，所述服务器集群102用于对采集的军事数据做处理、计算、整合，并产生兵棋推演的大数据可视化结果进行输出，包括数据库服务器、管理服务器、流媒体服务器、访问服务器、推演服务器、可视化服务器等组成的集群。优选地，数据库服务器使用多台刀片式服务器组成的服务器机柜，cpu为2×e5-24502.1ghz8-core机架式x86架构服务器，128gbram，和高容量3.5寸hdd磁盘，机柜容量42u，高密度六角网孔前后门，配备4组热插拔冗余电源。

数据库服务器，优选地，通过fddi光纤与各类数据库联接在一起，使用cpu为power7+4.2ghz16-coreibmpower740的小型机，内存类型ddr3，标准内存容量16gb，最大内存容量256gb，硬盘类型sas，标准硬盘容量2块600gb硬盘，光驱dvd，网卡类型/数量1块四口千兆以太网卡，i/o端口：3×usb端口、2×hmc端口、2×系统端口、2×spcn端口,扩展槽数量:4×pciexpressx8、4×pciexpress（可选）、4×pcie12xi/o抽屉、8×pci-xddr12xi/o抽屉；电源类型:ac200-240v，单相；操作系统：ibmaixstandardeditionversion7.1系统；优选地，可以使用两台同类型小型机互相冗余备份。

优选的，所述基础数据库104用于存储基础数据，包括参战方经济、政治、地理、国际关系、人口、气候、科技创新、军工产业、地区生物、能源、金融、军事体制、兵力构成、部队训练、装备水平、火力配备、士气、医疗卫生、后勤保障、战备状况及国防动员体系数据。

优选的，所述推演系统库105用于存储相关推演规则数据和约束条件，包括参战方或作训方在推演过程中的受到的自然环境、社会、经济、政治、科学技术方面的约束和必须遵循的物理规则、各方事先约定的规则或公认的规则、导演规则及操作规则。

优选的，述模型库106用于存储参战方的各类数学模型，包括指挥体制、管理体系、战区划分与布防、人员配备组合、兵力部署、武器装备性能指标、杀伤力、机动能力、士气、战损率、维修率、装备之间的克制效果、后勤保障效果、医疗卫生能力的数学模型，以及地面作战、空中作战、海上作战、导弹作战、电子战、特种作战的大数据可视化的数学模型。

优选的，所述计划库107用于存储参战方的作战计划和执行情况，包括参战方的作战计划库、策略库、作战计划的投入时间、金钱成本、装备和人员的投入、分阶段执行情况、历史作战记录、指战员指挥风格、作战部队的作战风格、支援计划、调度换防计划、后勤保障计划及推荐的作战计划。

优选的，所述命令库108用于存储参战方的作战命令，包括已方在作战、推演中下达的军事命令，获取或破解的敌对方作战命令，还包括编制体制调整的命令，真命令与假命令的对比和识别，敌对方真实作战意图的推理结果、无命令时作战能力、作战命令的执行效果反馈、推荐最优的作战命令或策略数据。

优选的，数据库103、基础数据库104、推演系统库105、模型库106、计划库107、命令库108均采用cpu为2×e5-24502.1ghz8-core机架式x86架构服务器，128gbram，和高容量3.5寸hdd磁盘，磁盘柜使用大容量存储柜，优选的，使用多组高容量3tb“3.5”sata希捷barracuda3tb7200转64mb存储柜，盘片数量3片，单碟容量1t，磁头数量6个，接口类型sata3.0，接口速率6gb/秒。

优选的，所述述大数据输出终端109用于利用大数据可视化技术将兵棋推演的结果输出显示，包括各类屏幕显示终端、网络查询终端、打印机、数据报表工具、移动终端、声光报警装置及语音提示装置。

服务器集群102通过数据采集系统100和情报网102获取作战方的相关数据，并经过加工处理和分类后保存在数据库103中，从而基于这些数据和模型进行兵棋推演，通过作战方的基础数据和推演系统约束条件，既能够根据大数据划分的粒度模拟战区联合作战，也能够模拟小规模局部对抗，既能够提前预测某些地缘问题，也可验证某种特定武器的效果或者某类编制的合理性，既能够按照预先设置好的模型进行推演和预测，也能够推荐最优策略和提供优化建议，并将推演结果利用大数据可视化技术通过各种终端设备展现出来。

如图2所示，为本发明的一个实施例，数据存储层分布在几大战区内，能够采集和存储所属战区的数据，并存储在hdfs或数据库中，并能够通过xdata大数据处理引擎进行数据的处理和加工，包括hdfs操作、数据库操作、搜索引擎等，处理后的数据能够通过统一的访问接口和进行访问，包括类sql、xjdb库、etl工具等，也能够使用系统管理工具进行数据处理层的授权设置和修改，应用接口系统主要集成在服务器集群中，应用层主要是布署在推演现场的计算机终端设备，能够将推演结果通过大数据可视化技术输出，包括态势表现、推演评估、策略推荐等。优选地，使用曙光大数据处理系统xdata大数据一体机，系统容量16pb，计算模块1024，数据模块1024，客户端os为redhat5x86/x86_64，系统架构为非对称双集群架构，系统由计算集群和数据集群组成，访问接口支持类jdbc统一编程接口和各服务专用编程接口，兼容mapreduce执行框架，支持基于连接数、容量和性能的负载均衡，数据迁移支持数据控制器之间的数据迁移，分级存储支持同一系统内的数据分级，支持计算模块在线动态添加和安全移除，扩展后系统数据加载能力呈线性增长，支持数据模块在线动态添加，扩展后系统数据查询处理能力呈线性增长，硬盘raid0/1/5/6。

如图3所示，为本发明的数据挖掘流程图，其特征在于，所述数据库和数据仓库能够通过数据库或数据仓库服务器进行数据集成，包括必要的数据清理和过滤；数据挖掘引擎通过知识库完成所需的挖掘业务，包括关联分析、聚类分析、分类、预测、时序模式和偏差分析等，使用的算法工具包括多元统计分析、判别分析、主成分分析、因子分析、相关分析、多元回归分析等；聚类分析和模式评估主要是根据推演对象的特征对其进行聚类或分类，以期从中发现规律和典型模式；经过模式评估后，推演结果能够以可视化的方式展示在用户的图形用户界面，借助图形、图象、动画等手段形象地指导操作、引导挖掘和表达结果等，供管理和指挥作决策参考。

上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。