基于地理空间大数据的应急指挥辅助决策平台研究

穆宣社

(武警指挥学院训练部指挥实验中心，天津300250)

一、引 言

现代应急指挥实践中，战场环境日益复杂多变，经常遇到事发地域地理信息(如交通、气象、水文等)变化大，获取现场地理信息手段单一，不能在第一时间掌握事发地域的实际情况，而且现有地理空间数据量大、种类多、变化快，缺乏有效的手段据存储、处理和管理，利用也很不充分，难以支撑应急指挥智能化的决策。随着智慧城市、测绘、气象、地震等行业信息化程度的提高，特别是大数据处理技术的发展和广泛应用，为解决战场信息获取实时化程度不高、信息数据不全、现场感知滞后等问题提供新的思路和解决方案。因此，本文借鉴参考大数据时代的技术和方法，研究整合、集成与应用各类地理信息资源，探讨应急指挥辅助决策大数据空间平台，为决策提供全时空、全天候、全要素、全过程的地理空间信息服务，为指挥应急指挥决策提供实时、翔实的数据信息支撑，确保空间数据的现势性、可信性和可用性，最终实现现场感知实时化、分析判断智能化的目标。

二、地理空间大数据与辅助决策

大数据是一场革命，给各行各业带来深刻影响，是未来提高竞争力的关键要素之一。在大数据时代，决策将日益基于数据和分析而作出，而并非基于经验和直觉［1］。目前一些依靠解读数据提供解决方案的新型服务开始出现，大数据解决大问题的趋势也将显现，应用领域多种多样。例如，2013年4月15日，波士顿马拉松爆炸案发生后，利用社会媒体大数据很快确认了嫌疑犯;2013年，山东省基于物联网、大数据和互联网技术，研发构建了集数据采集、挖掘分析、监测预警和决策服务“四位一体”的“渤海粮仓科技示范工程大数据平台”，为改进粗放的农业管理方式、提高科技管理水平和确保丰收打下了坚实的基础;国家人口计生委研发的“国家人口宏观管理与决策信息系统(PADIS)”基于大数据决策，帮助政府调整计生政策、规划交通，对延迟退休、养老金缺口、环境治理、房价上涨等热点问题提出自己的“真知灼见”;中国气象企业整合全新的DataCloud大数据解决方案提供更加可靠精细的气象预报［2-8］。

在应急指挥决策中，空间数据本身具有大数据的特征。一方面，从大数据的主要特征看，其规模大、类型多和变化快，对地理空间数据的实时性和可靠性有迫切需求，既包括矢量数据、影像数据、数字高程数据，又包括传感器数据、自发地理数据等。另一方面，从技术处理上看，地理空间大数据与通常的大数据也有着共同的需求，如统计学思维(异常分析)、精确气象预报、实时交通路径分析、人群迁徙分析等。

同时，应急指挥地理空间大数据有着鲜明的特点。如对于采用自发地理信息(VGI)思路收集现场地理信息数据的情况，空间大数据用户既是位置信息的提供者，也是系统服务的对象，虽然没有经过专门的地图学知识培训，但应急力量成员却具有严密的组织性，所采集的空间数据可信度应介于行业地理空间数据和公众完全自发提供的数据之间。而且经过短期的操作培训后，能够减少自发地理空间数据的无结构性、语义不一致性及不可靠性。应急指挥空间大数据的另一个特点是对于数据的保密安全性有较高要求。

因此，大数据在各个领域的成功应用可为应急指挥地理空间大数据提供有益的参考，对于通用的数据存储与处理需求，可以直接借鉴应用，对于其特有需求，则需要研究专门的支撑技术加以解决。

三、基于地理空间大数据的应急指挥辅助决策平台需求分析

从技术角度看，大数据是对海量数据的采集、存储、分析、整合与控制。地理空间大数据支撑下的应急指挥辅助决策智能化平台建设需求主要包括软件开发、信息采集与集成、运行机制建立3项内容。

1．平台软件开发

应急指挥辅助决策中道路交通的影响和事件现场地形的影响是主要分析环节。依托国家基础地理信息框架和大数据技术框架，平台实现空间信息查询、空间分析、路径分析、道路侦察、现场实时信息掌握等分析研判功能。建立基于大数据的多源数据收集和融合技术，综合运用互联、固定信源、用户反馈的多源收集机制，采用几何特征、语义特征和拓扑关系相互参考的对象匹配方法为数据融合提供实用高效的方法。基于用户创建数据(UGC)挖掘技术及时发现新道路、车流速度、气象等变化;用人群迁徙大数据分析方法分析人流的分布和流向，为部署力量提供参考依据。实现智能交通控制功能，对道路车辆人及环境相关的位置数据进行全面感知(人车路互联)，对每一条道路进行道路全时空控制(进路控制、运行控制、出路控制)，在尚不知道道路突发事故详细情况下为司机提供主动安全预警服务。实现应急管理功能，在灾难发生后，迅速收集各类基于手机定位的移动数据、GPS/BDS轨迹数据，为人流移动的分析建模和预测及应急管理提供新的方法。

2．信息采集与集成

快速从不同来源(各个机构如国家测绘机构、行业、企业或不同渠道如遥感影像、网络媒体、监控视频、传感网络)获取的大数据中，抽取准确的应急指挥信息。建立地理信息大数据增量更新的技术体系和方法;建立大数据信息表达和发布模式的标准体系;在现有的信息化基础设施支撑下，开发与安全、水利、气象、交通、林业、国土等部门的数据交换平台，遵从相关技术标准规范，对不同类别的海量、多源、异构数据，进行数据抽取、处理，实现信息采集和统一管理。

3．辅助决策平台运行机制建立

①制定数据组织规范，基于统一的坐标系，建立地理信息数据组织规范;通过统一数据分类代码、格式、命名规则和统计口径等建立行业数据组织规范。②制定数据管理办法，建立辅助决策数据库各项要素数据的生产、整合、管理、更新、应用服务制度，规范数据生产和更新流程，建立数据更新机制。开发统一的标准数据接口，实现要素数据和现场实时态势信息推送功能，建立多级共享的音视频共享服务。③采用软、硬件加密技术和手段，建立信息安全传输机制。

四、应急指挥辅助决策平台系统架构

大数据不仅仅是指数据量大，更是指为了更加有效地从高频率获取的、大容量的、不同结构和类型的数据获取价值而设计的新一代架构和技术［9］。针对应急指挥决策的辅助决策需求，设计应急指挥辅助决策支持平台架构如图1所示。

应急指挥辅助决策平台是一个集多系统集成应用、信息管理、数据分析于一体的综合平台，自下而上分为3个大的层次:数据层、服务层和应用层。

1．数据层

数据层提供直接的数据存取、查询和事务处理功能，包含基础地理数据、行业数据、指挥专业数据库和现场实时数据信息。数据层依托现成的大型数据库和云计算的空间数据引擎构建。

1)数据架构。为了实现强有力的数据支撑体系，下级数据中心采用数据处理、自动抽取、系统集成等技术手段，实现数据的汇集，利用数据交换接口，及时向上级指挥机构的数据库推送标准统一的数据，从而保证了数据的现势性和一致性。上级数据中心基于下级的数据来更新维护，而下级数据中心的数据运维由其本身负责，实现了下级单位进行数据源的汇交，上级单位进行共享使用的模式，最大程度实现了数据共享与应用。

2)基础地理数据。基础地理数据主要涉及道路、行政辖区、地名地址、地形、影像等数据，这些数据需要与相关部门进行数据协调，在统一的数据标准规范的基础上，对数据进行整理处理，满足应急指挥要求。

3)行业数据。林业、水文、气象、交通等行业拥有大量的数据，在指挥中被大量应用，需要对行业数据进行收集整理。对建立的行业数据，可以采用数据抽取的方式，动态实时提取变化数据，保证数据的 现势性和完整性，实现数据保鲜。

图1 应急指挥辅助决策平台架构

4)现场实时信息。公安、水利等部门建立了大量的视频监控信息系统，需要对现有的视频监控系统进行集成，通过专线、开发的程序接口和其他技术手段，将视频监控信息集成到数据中心，为系统应用提供视频服务。

5)各级数据中心的数据交换和共享。各级数据中心采用统一的数据标准和数据结构，下级的数据中心定期将数据汇交到上级的数据中心，保持上下数据一致性。这种模式可以实现基础地理数据共享，也可以保持下级数据的独立性。行业数据和动态信息等数据来源于其他部门，需要大量的协调工作，因此需要各级自行维护并负责数据的管理。上级在指挥过程中，可以调用和共享数据。

应急指挥空间大数据通常包括7种具有显著特点的数据:①无人航空飞行器数据(UAV)，特点是数据量大、实时性强，需要运用大数据技术短时间内将采集的数据进行高效存储和精确处理。②激光图像探测测距(LiDAR)数据。这类数据中混杂着大量噪声数据，即包含许多不相关数据，同样需要用大数据技术加以分析处理。③自发地理信息数据(VGI)。是指普通用户通过地理位置传感器技术、移动设备和地理数据库来收集、合成、确认和重新分发地理信息的数据，这些地理数据的提供、更新和共享基于在线服务的用户交互来完成，如Open Street Map OSM、Wikimapia、Google Map、Google Earth、Microsoft’s Virtual Earth、Flickr等。从一定程度上讲，VGI甚至带来了一个新的地理信息基础设施概念。如在欧洲，OSM所提供的数据在几何精度和完整性方面几乎与国家测绘部门提供的数据不相上下。近年来，VGI导致地理空间数据呈现出爆炸性的增长态势，对地理空间数据的可用性提出了挑战。大数据技术方法有助于处理、分析和解译不同来源的海量异构空间大数据，有助于对自发地理空间数据进行深度挖掘和模式发现。采用大数据可伸缩的存储模型可处理这类大规模的空间数据集，提高数据服务的精度、可靠度、速度和整体价值，如Map Reduce处理框架可极大增强空间大数据的处理能力。信息模型和服务的标准化如采用OGC解决方案可增强VGI互操作性。④导航定位轨迹数据。由于移动通信设备、车载导航装置和其他GPS/BDS数据记录设备普遍应用，轨迹数据可用性正在大幅度提高。⑤道路网络数据，采用大数据技术升级导航图路网信息，可为开进线路选优与导航提供最新和最详细的实时信息服务。⑥战术环境数据，主要是指利用战术环境采集器实时采集的高程、方位、天气等数据。⑦社会媒体数据，包括电台广播和专业网站提供的实时路况、气象等信息，可用来进行大数据挖掘和分析，实现辅助决策。

2．服务层

服务层是根据需求按照层次进行分类，形成基础的数据服务和系统支撑服务，以及面向应用的应用服务。

1)数据服务。数据服务由一系列基础的中间件服务构成。这些中间件服务不仅起到数据整合的作用，还使得系统中的数据能够得到更为有效、方便的维护和访问。数据引擎服务提供模型化的数据访问接口，是数据访问和数据维护管理的入口，承载了系统的核心数据访问功能。数据交换服务完成数据采集、抽取和推送方式的数据交换。共享发布服务为整个数据库提供数据发布和目录服务。

2)系统支撑服务。系统支撑服务主要包含系统运行支撑所需的权限服务和日志服务。

3)应用服务。应用服务主要包含地图服务、三维实景服务、查询服务、统计服务、空间分析服务、通信服务、标绘服务、图层管理、现场实时数据服务等。

3．应用层

应用层包含应急指挥辅助决策平台、数据中心运维、应用服务平台和专网移动指挥平台的应用服务，重点在于决策数据的保存和对存储数据的利用。

五、结束语

空间数据对指挥信息系统的态势融合展现、数据集成和基础地理信息查询等方面具有重要的作用。在大数据时代，空间大数据和众包现象已经成为地理信息技术发展的新的驱动力［10-11］。大数据在各个领域的广泛应用，必将促进地理空间大数据应用的逐渐成熟。从大数据应用角度看，采用地理空间大数据技术和方法能够有效提升应急指挥决策中地理信息系统的实用性和智能化水平，可有效解决传统GIS功能单一、支撑数据缺乏、智能化程度低等问题。当下时代还处于大数据时代的早期，空间大数据只能辅助决策而不能代替决策，仍需人机结合需解决应急指挥中的诸多决策问题。大数据的魅力在于能够通过对海量数据的分析和挖掘，以一种前所未有的方式获得具有巨大价值的产品或深刻的洞见，更为重要的是它能激发起创新思维例如统计学思维，从而极大地提升指挥效率和战斗力，地理空间大数据这方面的潜力还远未发掘出来，还需要做大量工作。

［1］ 刘经南．大数据与位置服务［J］．测绘科学，2014，39(3):3-9．

［2］ MAYER V，CUKIER K．大数据时代一生活、工作与思维的大变革［M］．盛杨燕，周涛，译．杭州:浙江人民出版社，2013:9．

［3］ RAJARAMAN A，ULLMAN J D．大数据一互联网大规模数据挖掘与分布式处理［M］．王斌，译．北京:人民邮电出版社，2012:13．

［4］ 涂子沛．大数据［M］．桂林:广西师范大学出版社，2012:285．

［5］ 乔朝飞．大数据及其对测绘地理信息工作的启示［J］．测绘通报，2013(1):107-109．

［6］ 边馥苓．用数字的眼光看世界［M］．武汉:武汉大学出版社，2011．

［7］ 王树良，丁刚毅，钟鸣．大数据下的空间数据挖掘思考［J］．中国电子科学研究院学报，2013，8(1):8-17．

［8］ 袁磊，赵俊三，李红波．物联网空间仓库框架体系及关键技术分析［J］．地理信息世界，2013，11(1):58-62．

［9］ 王珊，王会举，覃雄派，等．架构大数据:挑战、现状和展望［J］．计算机学报，2011，34(10):1741-1752．

［10］ 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．

［11］ 孟丽秋．地图学和地图何去何从［J］．测绘科学技术学报，2013，30(4):334-342．