大數據背景下的空管實驗室建設探索

白 鵬， 楊新湦， 張亞宜， 牟龍芳

(中國民航大學 空中交通管理學院， 天津 300300)

?

大數據背景下的空管實驗室建設探索

白 鵬， 楊新湦， 張亞宜， 牟龍芳

(中國民航大學 空中交通管理學院， 天津 300300)

針對現階段空管實驗室存在的實驗數據規模小、分布分散、訓練管理模式相對落后的現狀，將大數據的先進處理模式與管理理念引入到實驗室的建設規劃中。通過數據整合、信息梳理、資源共享、管理平臺等方面的優化，可顯著提高管理效率、完善評價標準，為實驗室建設構建良好的創新環境。

大數據；云；空管；實驗室建設

1 大數據簡介

大數據是指數據規模超過傳統數據庫處理能力的大規模數據，是需要具有全面性、洞察力和流程優化能力的革新性處理模式才能處理的海量、多樣化和高增長率的數據信息資源[1]。隨著計算機應用的發展，數據信息時代先后經歷了計算能力先導、存儲能力先導2個階段。隨著網絡應用的日趨成熟，以網絡運載作為先導的網絡信息時代已經開啟[2]，數據存儲量與網絡運載量都將面臨幾何式遞增，大數據迅猛發展態勢已現端倪。

大數據伴隨著高性能的云端計算、數據挖掘，已經應用到實際生活的各個方面[3]。例如：谷歌公司曾經利用大數據的挖掘與計算，在某些地區較為準確地預測出美國流感病毒發作、傳染的蔓延趨勢，并且結合地區特點，判斷出了各個地區病毒的感染發病程度，為政府、醫院等機構提供了可供參考的預言結論，從而提高了該類疾病的治愈成功率；在國外應用廣泛的大型社交網站，如Facebook，擁有超過10億的客戶數量，通過對客戶關注、社會交往、習慣行為等方面的統計與分析，制作出針對不同用戶群體的用戶體驗以及更有針對性的廣告投放；在交通方面，結合大數據信息集成與優化組合優勢，可以更好地配置交通運輸的資源、提高交通預測的準確率，從而提高交通運行效率[4]，增強交通運輸安全保障能力。

大數據已經被引入到工作、交通、醫療、娛樂等諸多領域[5]，在為人類帶來前所未有的數據體驗的同時，也改變著人類的行為習慣。

2 大數據特點

關于大數據特點的描述，在2001年，DougLaney曾經提出了“3V”的經典特征[6]，包括數量(volume)、速度(velocity)和種類(variety)。隨著研究的不斷深入，對大數據特點的描述有了更加廣泛的理解與定義，目前普遍被認可的特點總結為“4V”，包括：容量(規模性,volume)、高速性(velocity)、多樣性(variety)與價值性(value)。

(1) 容量(規模性)。大數據的容量不僅單純指數據規模的增加，同時包括數據信息的完整性。數據存儲規模從TB躍升至ZB級別[7]，并且需要保證在傳輸、存儲過程中數據內容的準確：不會發生錯誤或在沒有授權的情況下被篡改，從而保證了數據的精確性與可靠性。

(2) 高速性[8]。包括3個方面：①存儲過程的高速性。信息數據規模越發龐大，必然導致對存儲過程的要求度提高，不僅需要突破傳統存儲過程的速度限制，同時要保證數據存儲過程中的安全性。②數據流移動的高速性。信息數據規模越發龐大，伴隨著對網絡通信的越發依賴，要求數據流移動速度的高效和安全。③數據決斷的高速性。隨著移動網絡的迅猛發展，各個行業對數據的實時性的要求不斷提升，同時由于數據規模龐大，需要在數據處理的過程中滿足時間敏感性與分析決策精準性。

(3) 多樣性。相對傳統數據管理模式而言，對海量數據管理的健壯性要求更高，克服傳統方法無法處理異構數據與可變數據的弊端[9]，融合結構化、半結構化以及非結構化的數據屬性，增強對數據的兼容度，加強對各類數據的處理能力，提高排除沖突的問題處理能力[10]。

(4) 價值。大數據時代通過海量數據的分析提取與數據處理，可以在疾病預防、交通規劃與預測、物流分析、生活娛樂、商業廣告等各個方面提供高可信度的技術支持。

3 空管類實驗室現階段存在問題

3.1 缺乏成熟的協同訓練培養

我國培養管制員的學校主要有中國民航大學、南京航空航天大學、中國民用航空飛行學院，結合我院實際情況與后兩所院校的走訪調研，各個學校在實驗教學環節均按照模塊課的培養模式進行，這種教學模式具有很強的針對性，同時很好地滿足了訓練強度的要求。但是由于數據無法共享，導致了實驗環節各自為戰，無法滿足協同管制的要求，并且各個模塊課之間對于特情處理的訓練內容、訓練時間無法統一。我院管制類實驗室于2012年開始嘗試利用自主研發的塔臺、雷達模擬管制設備進行過聯網協同[11]，取得了一些好的經驗，但由于缺乏完善的數據管理支持，目前這種嘗試仍然停留在試運行階段。

3.2 數據規模小，缺乏有效整合

目前，一些實驗課程以及專業課程的素材比較分散。例如管制類實驗課程需要陸空通話、航空氣象等多門課程作為前期的鋪墊與支撐[12]，但各門課程之間間隔若干學期，當學員進行管制模擬系統訓練時，在管制規則記憶、管制區域掌控、航空器排序等方面技能的養成會牽扯學員大量精力，而前述課程所學又有所遺忘，降低了訓練的效率，同時，由于受到數據管理水平低下的制約，各類課程的知識點集成度偏低，不利于學生構建良好的知識體系。

3.3 缺乏創新能力培養的土壤

空管類專業具有多學科交叉融合的特性，我國空管類院校要求教師具有不同的學科背景，以我院教師為例，共有教師104人，其中不同學科專業背景的人數如表1所示。

表1 空管學院教師專業分布情況

不同知識背景的教師到學院工作，有效促進了各學科的相互交流，但也帶來了一定的弊端。教師到學院后進行一年的空管專業學習，之后分配系室進行教學，無法保證對空管專業有全面、深入的認知，另外由于各系室之間相對獨立，資源數據共享度不足，為教師、學生的創新能力培養造成了壁壘。

4 大數據對空管類實驗室的優化

4.1 促進整合，提高處理效率

對于規模而言，大數據與傳統數據的區別不僅停留在數據量本身，更體現在數據類型的復雜化、多樣化。具體到空管專業，對于數據的類型包括模擬仿真的三維場景、飛行二維態勢顯示，也包括中英文常規陸空通話、特情陸空通話、機場通波等音頻，同時還包括空域航圖等圖像數據，以及飛機性能、廣播報文等實時或非實時文本數據。羅伯特福萊提出大數據的定義首先應滿足“復雜性”[13]，而空管實驗室由于涉及到多類型海量數據的數據源排列特性以及復雜的相關關系，使得有效查詢的效率低下，而大數據技術帶來的云搜索與數據庫工具，可以迅速將目標數據解析出來，從而大大提高數據管理、數據查詢的執行效率，提高數據管理水平，見圖1。

圖1 空管數據有效整合層次圖

4.2 優化管理，提供有效數據

實時雷達航跡、交通態勢等海量數據，在風險評估、人為差錯評定、管制疲勞程度測試等方面是必不可少的寶貴數據，但是由于數據規模龐大、增長速度快等特點，也為教學、科研等工作增加了難度。而運用大數據背景下的云計算、云處理等方式，不僅能有效融合各類海量數據，同時還可以搭建數據處理平臺，在信息資源共享的基礎上，對數據進行深度加工利用，有效過濾冗余或無效信息，結合管制知識的融合，實現數據管理的智能化，見圖2。

圖2 空管數據有效保障流程圖

4.3 積累數據，提高評價精度

綜合類實踐課程教學效果的評價體系建設的復雜度高、難度大，并且需要根據實驗內容的改變進行及時的升級調整。大數據思想不僅能夠積累訓練過程中的數據信息以及達成目標，同時對于非結構化的數據同樣具有良好的兼容能力。利用大數據的這些優勢，擴充實驗訓練的過程樣本和結果樣本，豐富評價標準的形式和內容，及時修正由訓練內容改變而引起的目標變化，為構建高效、合理、精確的評價體系提供技術支撐，見圖3。

圖3 空管數據評價體系示意圖

4.4 資源共享，培養創新能力

大數據的數據共享理念可以將空管類的知識和數據進行有機融合，在此基礎上奠定空管教師、學生的知識儲備。利用掌握的知識分析、處理數據，利用有效數據鞏固、測試知識的掌握程度，拓寬知識面，深化科研內容。搭建大數據科研交流平臺，通過學術交流活動激發科研興趣，在學術活動中，不僅能和其他團隊分享科研狀態、學習體會，同時也有利于各種思想的交流。通過共享擴寬眼界，通過積累產生理解，通過交流產生思想，最終達到培養創新能力、凝練創新成果的目的,見圖4。

圖4 資源共享培養創新能力示意圖

5 結束語

基于大數據的空管類實驗體系將先進的數據管理模式引入教學科研中，立足專業知識技能積累，緊跟空管協同運行發展趨勢，滿足了空管類實驗室科研與教學的需求。通過搭建大數據實驗課程平臺，精確構建實驗訓練項目，豐富實驗課程內容與評價標準，縮短空管人才培養周期，有效提高人才培養水平。

References)

[1] Zhao Yaxiong, Wu Jie, Liu Cong. Dache：A Data Aware Caching for Big-Data Applications Using the MapReduce Framework[J]. Tsinghua Science and Technology, 2014(1): 39-50.

[2] 李德毅,劉常昱,杜鹢,等.不確定性人工智能[J].軟件學報,2004,15(11):1583-1594.

[3] Lazer D,Kennedy R,King G,et al. Big data. The parable of Google Flu: traps in big data analysis[J]. Science, 2014, 343:1203-1205.

[4] 王璞,黃智仁,龔航.大數據時代的交通工程[J]. 電子科技大學學報,2013(6):806-816.

[5] 陶雪嬌,胡曉峰,劉洋.大數據研究綜述[J].系統仿真學報,2013(增刊1):142-146.

[6] 孟小峰,慈祥.大數據管理:概念、技術與挑戰[J].計算機研究與發展,2013(1):146-169.

[7] 劉智慧, 張泉靈.大數據技術研究綜述[J].浙江大學學報:工學版,2014(6):957-972.

[8] 亓開元,趙卓峰,房俊,等.針對高速數據流的大規模數據實時處理方法[J].計算機學報,2012(3):477-490.

[9] 劉薇.大數據時代的媒資之變[J].中國廣播電視學刊,2014(1):78-80.

[10] 樊偉紅,李晨暉,張興旺,等.圖書館需要怎樣的“大數據”[J].圖書館雜志,2012(11):63-68,77.

[11] 張健,楊新湦,鐘涵,等.基于協同運行的空管實踐仿真體系構建與實施[J].實驗技術與管理,2013,30(8):141-144.

[12] 朱治.基于航班數據融合處理的民航清算空管數據采集系統設計與實現[D].廣州:中山大學,2012.

[13] 王元卓,靳小龍,程學旗.網絡大數據:現狀與展望[J].計算機學報,2013(6):1125-1138.

Exploration of construction of air traffic control laboratory under big data background

Bai Peng， Yang Xinsheng， Zhang Yayi， Mu Longfang

(College of Air Traffic Management, Civil Aviation University of China, Tianjin 300300, China)

Focusing on the present status that the small scale of experimental data, scattered data distribution, and the backward of training management in air traffic control laboratory, this article introduces the advanced process model and management concept in to the construction planning of the laboratory. Combining the optimization of data integration, information summary, resource sharing and management platform, this article significantly improves the management efficiency and evaluation standard, building a good innovation environment for laboratory construction.

big data； cloud； air traffic control； construction of laboratory

2014- 06- 11

國家科技支撐計劃(2011BAH24B10)；“國家空管運行安全技術重點實驗室”開放基金課題；中國民航大學實驗技術創新基金項目

白鵬(1984—)，男，河北張家口，碩士，實驗師，主要研究方向為交通運輸和實驗管理.

E-mail：342126260@qq.com

TP399；G482

A

1002-4956(2015)2- 0228- 03