战时无人配送数据集成系统设计

尹林暄

（陆军军事交通学院 研究生队，天津 300161）

0 引言

近年来，在国家和军队的政策引领下，我军军事后勤领域，尤其是军事配送领域，智能化、无人化发展迅速。无人运输装备以其灵活性、便捷性、战场适应性，弥补了车、船、运输机等有人运输装备的不足，使得无人配送发展成为一种全新的军事配送模式。本文对无人配送定义如下：为满足战时特殊情形下军用物资的配送需求，根据任务实际，择优选择无人机、无人车、无人船等运输方式，将军用物资直达配送至需求单位的军事物流活动。

现阶段，军队正积极开展各项无人配送试点行动。例如，陆军利用旋翼无人机进行高海拔地区部队的物资补给，联勤保障部队在“精武联勤-2020”的演训活动中设置无人机配送热食的专业科目等。与此同时，在军民融合政策的指引下，无人配送领域的军地合作也在不断深化。目前，我军在无人配送力量建设、运用模式与任务规划等方面已经形成了一定的研究成果，但是在无人配送数据集成与应用方面研究不多，军事配送管理系统的“配”数据与无人配送系统的“运”数据难以融合。究其根源，存在以下几点问题：①军地数据交换标准等基础性工作投入少，缺乏数据交换的基础支撑；②无人配送信息网络建设不足，数据流不畅；③军地系统之间受制于保密性要求，数据难以实现共享；④缺乏标准化的业务数据汇聚平台，数据集成难以实现。

上述问题严重制约了战时利用无人配送数据优化配送活动的效率，急需构建数据集成系统，对战时无人配送数据资源进行有效管理。随着大数据、云计算等技术的广泛应用，云存储的理念不断深入军事配送领域。针对无人配送数据“多源、异构”的特点，采用云存储的框架体系，融合数据仓库技术，设计战时无人配送数据集成系统，对提高数据管理效果，实现数据驱动战时配送决策有着重要意义。

1 战时无人配送数据集成分析

1.1 无人配送业务流程分析

战时无人配送，采用“无人运输系统+军事配送管理系统”的模式，开展战时军用物资的区域直达配送业务。根据上级下达的配送任务计划，依托军事配送管理系统，对战场补给点预储预置的物资进行分拣、组配与包装，配载至无人运输装备上。在配送运输环节，依托无人运输系统，执行配送运输任务。具体的业务流程，如图1所示。

无人配送业务主体包括配送业务部门、任务调度中心、物资保障队、物资分拣中心、无人运输系统以及需求单位。在无人运输系统的运用上，任务调度中心合理拟制计划方案，确定保障批次，选择最优的无人运输装备，生成物资的组配与配载方案。待物资装配完成后，无人运输系统按指令执行配送运输任务，依托系统自身功能，自主进行配送路径规划与运输状态管控，并向调度中心反馈无人运输装备的状态数据。

1.2 无人配送数据体系分析

无人配送数据体系，是指在无人配送活动中形成的各类无人运输系统数据、军事配送管理系统数据，按照一定的数据分类与组合规则聚合与集成，形成的统一的、标准化的数据体系结构。依据无人配送的业务流程，理清不同系统的数据结构，运用数据聚类与归纳的方法，构建无人配送数据体系，如图2所示。

图2 无人配送数据体系

其中，无人运输系统的主要数据节点包括无人装备、地面站、中继站、后勤维修站等。无人运输装备包括无人机、无人车与无人船等，其对应的系统数据体系结构各不相同。在综合考虑各运输方式与运输装备的特点基础上，将无人运输系统数据分为指控数据、载运数据与状态数据。按照不同的数据类别，将军事配送管理系统数据分为任务数据集、资源数据集与业务数据集[1-2]。在数据体系确定的基础上，实现军地系统之间的数据交互，是无人配送活动执行与管控的必要条件，也是数据集成系统设计的逻辑起点。

1.3 集成需求分析

针对无人配送数据体系结构特点，围绕数据采集、数据管理、数据分析与应用三个方面，对数据集成系统的设计需求具体分析，明确系统设计工作的落脚点，并采取针对性的举措。

图1 无人配送业务流程

（1）数据采集。战时无人配送活动地域，电磁环境复杂、数据网络不畅、易受敌火力打击，无人配送数据采集既要确保业务数据准确，也要注重数据的时效性，避免贻误战机，使配送效率大打折扣。数据采集工作，要遵循数据采集流程，符合数据标准格式要求，可采用物联网、智能感知设备、5G 等技术手段实时精确感知并快速传输数据，确保配送任务、物资形态、载具状态等数据的准确性与时效性。

（2）数据管理。数据管理是数据集成的核心环节，数据的管理模式直接影响着数据的质量与完整性。在数据的管理上，对采集的业务数据要进行数据预处理，以消除结构异构与语义歧义，删除不正确、不完整的数据；针对不同的系统来源、不同结构属性的数据，应当灵活运用集中式或分布式的存储模式，提高数据的存取效率；对于各类数据资源，要建立统一的数据目录，进行数据编码，赋予数据唯一标识。

（3）数据分析与应用。对于集成的无人配送数据资源，要生成面向用户的主题视图，支持配送任务规划、配送管理、配送态势生成等具体功能实现。依托集成的数据资源，部署数据仓库服务，综合采用ETL、OLAP以及数据挖掘等技术，拓展数据的应用服务。

2 系统架构设计

为满足战时无人配送数据集成需求，在云计算的理念基础上，采用云存储的框架体系，部署数据仓库服务，规划层次结构与运行机制，设计战时无人配送数据集成系统的总体架构。

2.1 云存储集成框架

云存储的本质是一种打破了传统存储介质的物理与现实阻隔，将数据集中存放于云端，并实现有效管控的网络数据服务[3]。

应用于无人配送数据集成，云存储能够打破军地系统之间的网络阻隔，通过上传云端的方式实现数据的集中存储，并且确保交互安全性；解决数据标准不统一的实际问题，通过科学设计云端数据库表，保证数据的标准化存储与管理；提供数据集成的集约化方案，通过云存储平台的搭建，可以减少存储设施的建设投入，也利于数据业务规模的拓展。

基于无人运输系统与配送管理系统之间的数据集成要求，提出分层设计的云存储集成框架，框架层次包括为用户层、数据接入层、存储管理层和数据储存层，如图3所示。

图3 基于云存储的无人配送数据集成系统框架

（1）用户层，是指云存储服务的使用者，即各业务数据源的管理员，包括配送业务部门、物资保障队、运输部门以及无人运输系统等节点的数据管理员。用户通过API 接口、应用程序或者Web 服务器，进入云存储数据接入层。

（2）数据接入层，作为云平台的前端窗口，主要功能是处理外部的访问申请，包括接入信息网络、完成用户注册以及用户的访问权限设置。该层为认证信息完备、符合申请要求的用户提供数据接入码，允许访问其对应的存储空间。

（3）储存管理层，为云存储平台的数据管理模块，整体模块分为平台关键技术、存储空间分配和数据保护三个子模块。平台关键技术子模块，是云存储功能实现的技术基础，主要包括集群技术、分布式存储、网格计算等；存储空间分配子模块，由存储策略控制、空间分配算法和数据压缩技术组成，建立起存储空间分配的规则标准；数据保护子模块，考虑军地系统交互的保密性要求，采用容器隔离、数据备份和数据完整性保护等技术，避免军事信息失泄密的风险。

（4）数据存储层，采用存储虚拟化技术，集约化部署存储硬件、组件，最大程度地提高数据存储容量，减少建设成本。在工作状态下，数据存储层接收存储管理层指令，开放指定数据节点，执行用户的增加、删除、修改等指令，并自主监控存储节点状态。

2.2 数据仓库服务

数据仓库系统，以数据仓库为核心，将各种业务应用系统集成在一起，为统一的历史数据分析提供坚实的平台，其本质上是一种具备数据资源处理与分析功能，提供战略决策支持服务的数据库环境[4]。数据仓库系统由源数据层、数据存储与管理层、OLAP服务器层以及前端分析工具层组成，具有面向主题、数据集成、稳定性、高效性等特征，适应战时无人配送海量数据的处理与分析需求。

在无人配送数据资源集成的基础上，部署数据仓库服务，能够根据配送决策者的需求，生成不同主题的数据视图、不同维度的数据报表，实现数据驱动无人配送决策。具体的数据仓库服务模式，如图4所示。相关数据处理与分析技术包括ETL、OLAP 以及数据挖掘。

图4 无人配送数据仓库服务模式

（1）ETL，即数据抽取（extract）、数据转换（transform）与数据加载（load），是数据仓库进行数据处理的标准化流程。在利用云存储技术实现无人配送数据集成的基础上，ETL 技术根据任务数据要求，形成最优化的数据抽取策略；对抽取数据进行计算、合并、拆分，将异构数据转换为统一的结构形式；最终，将处理完毕的数据加载至数据仓库服务器，进行数据的分析与应用。

（2）OLAP（Online Analytical Processing，联机分析处理），是数据仓库进行数据分析的核心工具。将数据仓库服务器中的无人配送数据，按照属性、维度建立多维数据分析模型，以无人配送任务数据为例，可建立时间、地点、物资的三维数据分析模型。在多维数据模型上，进行数据选择、切片、切块、旋转、上钻、下探等一系列分析查询操作，获取不同维度的数据视图与报表，支持配送决策。

（3）数据挖掘，作为一种数据的归纳与推理工具，能够发现数据的深层次信息，与OLAP 在功能上实现互补。现阶段，许多数据系统都配备了成熟的数据挖掘服务，例如，SQL Server 提供了分类、回归、分割、关联以及顺序分析算法，针对特定任务可灵活运用。结合战时无人配送数据，运用数据挖掘技术进行部队需求预测、物资的预储预置以及无人运输装备的任务性状分析，对发掘无人配送数据的应用价值，提高战时无人配送的保障效率意义重大。

2.3 系统运行机制

为协调无人配送数据集成系统要素之间的关系，推动系统的高效运行，从数据汇聚、数据处理以及数据交互三个方面，建立系统运行机制。

（1）以云存储为核心的配送数据汇聚机制。建立区分源数据格式的数据采集机制，针对源数据不同的存储形式，设置统一的系统数据接口和数据预处理流程；建立区分数据重要性的数据存储机制，依据决策机构对数据的重要性评价，对战场时效性、保密性要求高的数据独立建库，优先录入；建立全程可视的数据管理机制，密切监控云储存空间的使用情况，对不端操作及时预警，并对数据进行数据备份与保护。

（2）以数据仓库为依托的配送数据处理机制。建立海量配送数据的预处理机制，对待进入数据仓库服务器的云存储数据，进行数据清洗、数据变换与数据归约，满足数据分析的格式要求；建立面向主题的数据分析机制，面向配送决策的数据需求，生成用户主题数据报表；建立“验证-反馈”的处理评价机制，根据无人配送活动的应用实际，调整数据分析的算法、数据结果的颗粒度，优化系统应用效果。

（3）军民融合的配送数据交互机制。依据我军军事物流信息化建设规划，对接国家交通物流公共信息服务平台（logink平台），构建“logink平台+军网”的无人配送数据交互网络体系，通过logink平台的数据接口，实现无人运输系统与军事配送管理系统的数据交互，并确保安全性。

3 系统功能设计

战时无人配送数据集成系统，应用于战场环境下的区域直达配送保障任务，应当整合军地系统无人配送数据资源，积极融入联合作战指挥系统，为战时依托无人运输装备开展物资配送活动，构建任务管控平台，提供最优决策方案。系统基本功能有以下5个方面：

（1）配送资源集中管理。在理清战时无人配送运输装备、物资、设施设备等数据资源体系的基础上，打破军地系统、不同业务部门、不同业务环节之间的信息壁垒，通过构建无人配送有线网络、无线网络与专用网络，规范化采集、整合配送资源数据，并上传至数据集成系统，实现无人配送资源的集中管理、动态可知、全程可视。

（2）配送数据标准处理。针对战时无人配送数据存在的结构异构、数据残缺、语义不清的问题，采用数据预处理、数据清洗等手段，形成标准化的数据处理流程，去除无效的数据信息，聚类信息资源，最终自动生成可供查阅的全局数据目录。

（3）配送任务统筹规划。战时无人配送保障任务，具有物资需求多批次、小批量，需求单位分布广，保障时效性要求高的特点。针对配送任务情况与配送保障要求，抽取任务规划相关的数据资源，采用VRP 路径优化、载具选型、物资配载等模型，运用智能种群算法求得最优解，生成保障速度最快、运输里程最短、配送效率最优的保障方案。

（4）配送状态全程可视。依托物联网、智能穿戴设备、5G通信技术等先进技术手段，采集无人配送的全流程、全环节、全要素的数据，并采用数据可视化的技术手段，全方面、多维度地展现配送状态，使无人配送业务部门能够实时掌握物资状态、载具状态与任务进度，做到配送任务的全流程可视可控。

（5）配送态势感知融合。无人配送，作为战时配送保障的新模式，要积极融入联合作战指挥体系。依托地理信息系统、智能感知设备、无线通信网络，采集无人配送实时数据，并以图标、连线、文字等形式在电子地图上直观标注并动态更新。系统通过作战指挥网，对接联合作战指挥平台，实现无人配送态势融入作战态势，形成统一管控、统一协调、统一指挥的战时无人配送运用模式。

4 结语

无人配送数据管控，对于我军未来开展战时无人配送活动具有重要支撑作用。随着我军后勤领域信息化建设水平的不断提升，积极运用大数据、云计算等现代信息技术手段，对于推动无人配送数据智能化管理具有很强的现实意义。本文立足于无人配送的运行模式，理清无人配送的数据体系，提出数据集成的实际需求，以云存储集成框架为核心，部署数据仓库服务，设计了战时无人配送数据集成系统。下一步，将在本文设计方案的基础上，依托成熟的大数据平台，运用计算机编程技术，开发无人配送数据集成原型系统，为提高战时无人配送数据管理水平提供技术支撑。