构成非对称战争的冲突事件是现代战场上战斗人员和平民的主要杀手。简易爆炸装置 (IED) 和直接火力射击 (DF) 是这些攻击中最常见的，在常规部队和非常规部队的冲突中夺去了成千上万人的生命。基于计算机的预测分析可用于识别对这些事件有用的地点，从而有可能在攻击发起前提供破坏或避免攻击所需的感知。

这篇论文提出了一个对非对称冲突事件进行预测的分析框架。该框架包含一个基于攻击者角色的战术感知系统模型，由一组描述地形和接近必要支持结构的地貌和可见度受限特征填充。识别和评估地形的效用，以供规避风险的攻击者使用的特征是该模型的重要贡献。统计学习用于提取受空间和时间限制的战术模式。然后使用这些模式来预测冲突事件的未来或未访问位置的效用。

本文的主要贡献包括

(1) 非城市环境中冲突事件的简洁、准确的特征表示；

(2) 基于攻击者角色的系统模型，可捕捉冲突事件的战术模式；

(3) 支持预测分析的精确冲突事件分类算法；以及

(4) 一种检测和描述支持风险规避型攻击者特征的新方法。

该框架已在从 2011-2012 年阿富汗冲突中收集的真实世界简易爆炸装置和 DF 数据上实施和测试。在各种空间、时间和组合约束条件下，使用两种降维方案对几种学习技术进行了评估。该框架的资源无约束版本可在现有数据覆盖的 19 个月内准确预测各种地形类型的冲突事件。该框架的一个有限版本假定计算能力较弱，可在移动和资源受限的环境中进行有用的预测分析。

图 3 不对称冲突事件的分析框架。