摘要：数字平行战场的本质是物理空间到数字空间的一种精准映射，其能够突破传统仿真能力边界，实现跨领域、跨层级、更高效的应用。本文基于数字平行战场的建设需求，梳理其国内外研究现状；通过对比现有建设能力与实际需求之间的差距，揭示目前“建设散、共享难、成本高”症结的根源；探讨数字平行战场总体架构设计、多分支快速推演、博弈型蓝方反设计、虚实一体平行系统集成、试验设计与综合评估等关键技术；提出以“数实共生、共同演进、协同运行、可持续演进”为发展方向的后续实践探索建议。

关键词：数字平行战场； 数字化； 平行系统； 体系作战仿真

0 引言

近年来，随着战场本身及作战样式等的复杂化，数字驱动正成为破解传统体系作战仿真领域研究与发展瓶颈的重要手段，数字平行战场技术应运而生。数字平行战场概念源自王飞跃^［1-2］提出的“平行系统”思想，其核心是通过技术手段将物理空间的军事实体和作战活动平行精准映射到数字空间，进而实现在数字空间内开展仿真推演和分析评估，赋能作战决策和协同控制，推动战争样式由过去“拼能量、拼平台”向现代“拼数据、拼体系”转变。与之相似的另一概念为数字孪生，由美国人 Grieves^［3-4］提出，国外现行许多数字仿真技术背后均有数字孪生的影子。

为利用数字技术加快作战能力生成，抢占数字变革的主动权，美国国防部从2015年起开始实施数字工程（Digital Engineering）战略，陆续发布多份顶层文件，以指导美国海军、陆军等军种的数字化转型^［5-6］。当前，美军已处在数字化转型战略的增速阶段，其相关理论技术已迈过理论争辩门槛、进入备战落地阶段，在“施里弗”系列军演、“虚拟宙斯盾”系统、“深绿”计划、FTM-44反导试验等军事活动中进行实践探索，有效指导了美国军队建设和武器装备发展，如图1所示。

图1 近年来美军数字化发展进程

Fig.1 The progress of the US military’s digital development in recent years

反观国内，自1994年提出平行系统构想，到2004年提出平行系统基本思想、概念、运行框架等，平行系统相继应用于我国应急管理、军事等领域，数字平行战场相关概念逐渐成熟，在任务规划、辅助决策、试验训练等领域相继提出应用框架^［7-10］。从需求端看，“十四五”期间的国防现代化建设需求，尤其以人工智能为代表的新质新域技术应用需求，对加快军工数字化转型提出更高要求^［11］。从供给端看，工业部门已在数字平行技术与仿真有机融合方面取得建设成果，亟待开展落地应用尝试，如中国航天科工集团有限公司基于数字平行技术构建的智能作战指挥系统、中国电子科技集团有限公司开发的数字孪生战场系统。

综上，为适应新形势下国防数字化变革新需求，当务之急在于以数字平行战场技术为支撑，在数字空间开展作战概念探索验证、装备论证评估、智能产品研发、战术战法研究以及体系能力集成验证等活动，进而为我国国防装备体系及综合作战能力建设提供高效的手段和途径。

1 数字平行战场建设现状与思考

1.1　数字平行战场建设需求

数字平行战场对未来战争的赋能作用显著：谁掌控数字空间，谁就掌握全域协同决策优势和指挥优势，进而掌控战争进度，赢得主动权。数字平行战场是以实际作战体系为核心，以复杂装备体系建模为基础，以体系对抗仿真技术为支撑，将实际作战体系兵力编成、指挥关系、作战流程、战场环境进行等效映射的数字空间。其中，一部分兵力通过仿真模型、仿真模拟器映射到数字域，另一部分兵力以实装形式接入，共同形成一个同步演进、平行交互的共生整体，并在数字空间开展战略筹划、作战概念研究、装备论证、研制生产、试验鉴定、战术战法研究、作战方案优化、指挥辅助决策和联合指挥训练等应用，其对装备数字化研发、作战能力快速生成、体系智能化变革具有重大意义（见表1）。

表1 数字平行战场建设需求分解

Tab.1 Requirement decomposition for digital parallel battlefield

1.2　数字平行战场建设现状

从数字平行战场的本质出发，相关研究应围绕物理空间与数字空间的关系开展。国防科技大学胡晓峰教授指出，以虚导实需要依实建虚，人工战场与现实战场的平行度高，虚拟战场的推演成果才能有效应用于现实战场^［12］。当前，国内外研究主要涉及仿真模型开发、仿真系统构建、数字蓝军研究和体系试验评估4个维度。

（1）仿真模型开发方面

由于复杂系统的不可再现性和多维度复杂性，建模是研究数字平行战场的必要手段^［13-14］，仿真模型也是数字平行战场的核心。当前，一方面高置信度仿真模型具有重要价值^［15］，高效的模型校核、验证与确认（verification， validation and accreditation， VV&A）是后续研究的重点、难点^［16］；另一方面随着大模型、强化学习等人工智能技术的兴起，如何将这些技术与体系建模相结合形成全新建模框架并提升模型的智能性和适应性，值得进一步探索。

（2）仿真系统构建方面

随着新域新质装备的不断发展和作战环境的愈发复杂，所构建仿真系统的网络化、体系化、智能化水平将直接关系到仿真推演的质效。其中，底座层面，XSim和AFSim等主流仿真平台在分布式运行、模块化集成等方面展现一定优势^［17-18］，但在数智化水平、大样本运行能力等方面尚有欠缺；系统集成层面，美国“阿尔法”智能空战模拟训练系统和海军LVC（Live-Virtual-Constructive）混合式训练环境展示了数实结合的高效仿真系统在军事领域的巨大潜力^［19-20］。未来，仿真系统需进一步提升数字化水平，信息物理融合是新方向之一^［21］。

（3）数字蓝军建设方面

数字蓝军在数字平行战场中主要用于模拟敌方作战能力、装备特性及战术战法，其直接影响仿真推演逼真度和对抗性。目前，美军已通过基于数字孪生的红蓝军建设显著提升其仿真对抗环境对作战人员应变能力和作战技能的辅助效能^［22］；反观国内，相关蓝军建设及应用尚存在对抗性不强、训练样式简单等问题。近年来，围绕进一步提升蓝军的博弈对抗支撑能力，部分学者提出基于机器学习等智能算法进行参数生成及训练的研究方法，以解决蓝军模型的对抗性、逼真度等问题^［23-26］。

（4）体系试验评估方面

试验评估是验证和优化体系性能的关键环节。目前，针对复杂仿真场景，主要的试验评估研究方法包括多属性决策、复杂网络和机器学习等，但均存在局限性，如多属性决策方法在指标权重确定上比较困难，复杂网络方法在大数据处理时计算复杂等^［27］。结合人工智能技术（如贝叶斯网络、深度卷积神经网络）的智能化评估手段将成为研究热点^［28-29］；而如何在复杂环境下有效处理不确定信息^［30］，以及如何自动生成评估方案和指标体系，仍需进一步探究。

1.3　存在的问题

对照数字平行战场建设需求和现有能力，本文梳理得到六大典型问题，如图2所示。这些问题从根源上导致数字平行战场“建设散、共享难、成本高”，难以支撑应用实践。为指导后续数字平行战场建设的探索，本文对上述典型问题作进一步分解，探寻其背后的根源因素，如表2所示。

图2 数字平行战场建设典型问题梳理

Fig.2 Analysis of the typical issues in the construction of digital parallel battlefield

表2 典型问题分解

Tab.2 Decomposition of the typical problems

此外，为打造好用、管用的数字平行战场，突破上述症结限制，还需面向未来高端战争，紧贴实际应用场景、不断挖掘作战需求，通过构建“建用一体”研发模式，有效打通“应用需求↔系统建设”的迭代链路。

2 关键技术分析

相比传统仿真推演，数字平行战场的最大优势在于它能在数字空间内灵活集成全要素仿真资源，并通过联动指控、筹划等系统，基于输入的实时态势对未来一段时间内真实战场的演变进行超实时仿真预测与评估分析，以较低成本实现作战方案的快速优化迭代。而“透视”战场未来变化的关键既在于数字平行战场外在的形态，又在于其内在的模型构建、系统集成、推演决策、试验评估等具体内容，以下将对照数字平行战场的能力需求及现状、问题，对数字平行战场建设中值得关注的关键技术进行具体论述。

2.1　数字平行战场总体架构设计技术

未来，通过将基于模型数据的数字世界与现实物理世界深度融合，数字化和数字工程将为各行各业尤其国防建设带来深远而广泛的影响^［31］。针对当前相关理论研究与成果的顶层需求牵引性不强、底层方法论实操性不高的问题，数字平行战场的建设应当瞄准未来战场的实际应用需求，以“模型可传递、数据可互联”为原则，形成“虚实共生、同步演进、灵活裁剪、按需部署”的生态。

按照基础支撑、深度解耦的架构思路，打造统一的、智能化的、服务化的云仿真底座和置信度高、要素完整的仿真资源库（装备模型库、装备数据库），可在一定程度上解决建设标准不统一、模型要素不全等问题。在统一的架构基础上，数字平行战场能按需组合呈现多种形态，面向实际应用，其典型形态包括数字研发环境、LVC实验场以及平行推演系统3类，如图3所示。

图3 数字平行战场总体架构设计示意图

Fig.3 The conceptual diagram of the overall architecture design for the construction of digital parallel battlefield

（1）数字研发环境

通过采集装备全生命周期实测数据，迭代校验形成多层级仿真模型库，结合对现有仿真底座的智能化/服务化改造，建成数字化装备研制验证环境，支撑体系博弈对抗背景下的装备核心性能校验、链路闭合能力分析等。

（2）LVC试验场

通过在智能化/服务化云仿真底座中集成实装（L）、仿真模拟器（V）、全数字仿真系统（C）等体系全要素资源，构成高逼真度、虚实结合、支持博弈对抗的全要素LVC试验场，支撑装备试验鉴定和典型作战科目验证等。

（3）平行推演系统

以实际战场态势为输入，基于高性能、高置信度的红/蓝装备模型、战场环境模型和指控智能体模型等资源，构建要素完备的平行推演系统，提供复杂强对抗场景下的态势推演数据和作战筹划信息以辅助指挥决策。

2.2　基于关键决策点的多分支快速推演技术

针对数字平行战场仿真推演过程中存在的态势预测困难、计算资源有限以及多方案并行推演效率要求高等难点，可根据历史情报数据估计蓝方作战意图，计算各决策分支的概率，确定影响作战态势的关键决策点，进而基于关键决策点采用仿真克隆技术对预测的多分支进行并行推演，同时基于实时战场情报数据不断修正推演进程、提升仿真底座的运行效率及性能，并通过超实时快速推演，将态势预测及作战方案评估结果反馈给决策人员，如图4所示。具体研究内容包括以下4方面。

（1）仿真想定生成：基于作战预案中指挥关系、编配部署、战场环境等关键信息，构建约束条件下的仿真模型，生成初始仿真想定，并基于实时态势不断更新。

（2）决策点生成：基于历史经验知识，在推演起始阶段人为设置典型态势下的决策倾向，通过对比实时态势和典型态势，生成关键决策点。

（3）基于断点保存/恢复的分支样本生成：根据关键决策点，在推演时自动保存仿真模型未执行的交互事件，并自动生成分支样本文件。

（4）多分支平行推演：基于关键决策点，动态加载分支想定文件，实现多分支快速推演。

图4 基于关键决策点的多分支快速推演基本原理

Fig.4 The basic principle of rapid multi-branch simulation based on key decision points

2.3　贫信息下博弈型蓝方反设计技术

数字平行仿真中，体系装备模型的准确度直接决定推演结果的置信度。由于可获取的情报资料有限，蓝方体系构建所需数据贫乏，为使模拟结果尽可能贴近真实的蓝方作战体系，需根据有限的多源情报数据，多维度解构蓝军作战体系，在贫信息条件下通过反设计手段破析蓝方体系要素，构建蓝方作战装备、作战行为的仿真模型，着重解决当前仿真推演中蓝方模型置信度不高的问题。此外，当前蓝军体系模拟主要停留在装备能力模拟层面，无法有效作为假想敌支撑强对抗博弈仿真。针对这一问题，可通过多粒度混合训练建立蓝方体系作战智能体，增广蓝军模型相关要素，提供博弈型蓝军以辅助红方作战能力提升。

（1）贫信息下的蓝方体系反设计

针对贫信息下蓝方体系中的主战装备、典型作战行为，通过期刊、会议资料、手册等途径搜集相关装备和行为的情报指标，采用类比分析法梳理得到反设计原则及约束条件。在此基础上，通过类比法结合已知参数对未知参数进行合理估算，删除不合理参数，并基于合理的算法反复迭代计算，从而优化设计出高置信度的蓝方装备和行为要素模型，以支撑蓝方体系模拟构建及应用评估。图5所示为以蓝方导弹装备为例的反设计流程。

图5 以蓝方导弹装备为例的装备反设计流程

Fig.5 The flow of armament counter-design： an example using blue team missile armament

（2）博弈型蓝军体系作战智能体构建与训练

依据蓝方的目标特性数据、指挥信息数据、典型作战样式等重要信息，设计分层的蓝方体系作战智能体，构建智能体的马尔科夫决策过程，形成智能体策略网络。通过在数字平行战场系统中导入待验证的推演任务清单，输出并累积推演结果数据，以支撑智能体训练，同时，通过策略梯度和模型预测控制等方法对智能体进行参数更新，以简化智能体策略网络的复杂度，加快训练收敛速度、提高训练策略的泛用性。训练完毕的蓝军体系作战智能体具有良好的自主决策能力，支持与红方体系开展较高强度的博弈对抗，如图6所示。

图6 蓝方体系作战智能体训练基本原理

Fig.6 The basic principle of the training for blue team SoS combat intelligent agents

2.4　虚实一体平行系统集成技术

针对数字平行战场敏捷集成、随遇接入、时空一致等需求，以面向数据的分布式仿真通信中间件为基础，采用“总控+代理”的层次化仿真体系结构，构建一套物理上分布、逻辑上统一的联合仿真支撑环境，有助于解决当前仿真底座建设时常见的仿真与评估相关工具离散、异构仿真资源集成能力不强等问题；通过数字、模拟器、实装等不同类型仿真系统的综合集成，为联合仿真试验的灵活应用提供便利，并提升仿真置信度。

如图7所示，采用“代理+适配”的仿真节点接入机制，通过代理将外部环境对所代理系统内部的访问权限予以集中控制，最大可能隔离系统内部实现细节，利用适配器完成异类通信方式或接口协议的转换，从而实现与其他系统的互联、互通、互操作。

图7 虚实一体平行系统集成基本原理

Fig.7 The basic principles of virtual and physical integrated parallel system integration

2.5　多层级多阶段试验设计与综合评估技术

针对试验评估难开展等问题，围绕数字平行战场中多层次多阶段的试验设计与综合评估需要，借助知识工程、大数据、人工智能等手段，充分利用仿真推演过程中产生的数据，推进评估流程、评估指标、评估方法、评估模型的知识化，便于评估数据和案例的重用，便于统筹不同阶段的内外场试验评估性价比及效率，包括大样本仿真试验设计、综合评估指标体系设计、体系智能综合评估以及多源评估数据管理与分析等，如图8所示。

图8 多层级多阶段试验设计与综合评估基本原理

Fig.8 The basic principles of multi-level and multi-phase experimental design and comprehensive evaluation

（1）大样本仿真试验设计：根据评估数据需求，开展仿真试验设计，针对数字平行战场典型应用形态具有的试验参量数目众多、类型各异、指标多样等特点，在确保不影响评估结果的前提下，通过敏感因子筛选提供高维变量空间试验设计的能力。

（2）综合评估指标体系设计：采用人机协同架构，将专家经验与固化的评估知识结合，形成基于知识与专家经验结合的指标体系初选、基于关联规则挖掘的指标体系完善以及定性定量相结合的指标权重确定等功能，进而实现评估指标体系的有效构建。

（3）体系智能综合评估：主要针对未来战争作战体系结构复杂、体系间耦合严重的问题，提供柔性可重构的评估流程、数据驱动的评估模型和智能化的评估方法选择等功能。

（4）多源评估数据管理与分析：包含数据管理与数据分析2部分功能，数据管理负责对各阶段评估过程和评估结果数据的存储与管理；数据分析负责对评估结果进行分析挖掘，进而实现效能评估结果的快速预测迭代、评估指标的敏感性分析等。

3 结束语

在多分支快速推演、蓝方反设计、虚实一体系统集成、多层次多阶段实验设计与综合评估等关键技术的驱动下，数字平行战场能更逼真地模拟战场态势和指挥操作环境，为指挥员提供精确的作战决策支持，但在实际应用中，仍面临诸如数据安全、技术成熟度和应用稳定性等方面的挑战。面对未来装备建设和发展的新要求，全面推进装备模型、作战规则等的数字化进程，建成管用、好用的数字平行仿真战场，能够在数字空间内实现对作战概念探索验证、装备论证评估、智能产品研发、数字装备试验鉴定、战术战法研究、体系集成验证等应用的有效支撑，对推动体系对抗仿真推演的数智转型具有很强的现实意义。