MITS中智能數(shù)據(jù)處理與應(yīng)用關(guān)鍵技術(shù)研究

李 政，陸百川，支鵬飛，張新雨

(1.甘肅省交通科學(xué)研究院有限公司，甘肅 蘭州 730050；2.重慶交通大學(xué) 交通運輸學(xué)院，重慶 400074)

0 引 言

隨著全球經(jīng)濟的發(fā)展和貿(mào)易的繁榮，航運業(yè)也取得了迅速發(fā)展，船舶的數(shù)量和噸位與日俱增。使得航道變得越來越繁忙，尤其在狹窄航道以及惡劣天氣的條件下，更容易發(fā)生船舶碰撞和其他各類交通事故。如何既能夠有效提高運輸效率，又能保障航運安全是航運業(yè)目前亟待解決的主要問題之一。

近年來，ITS已在城市智能化交通管理和控制、高速公路監(jiān)控系統(tǒng)、收費系統(tǒng)、交通安全保障系統(tǒng)等得到廣泛應(yīng)用，也是各先進國家發(fā)展未來運輸方式的研究前沿。ITS在道路運輸系統(tǒng)中的成功運用，為航運業(yè)的發(fā)展提供了一種新的探索方向，借鑒其中的一些先進的理念和技術(shù)，結(jié)合航運體系的特點，產(chǎn)生了航運智能運輸系統(tǒng)(MITS)的概念，這種系統(tǒng)是更加安全、可靠、有效運行和管理的新一代航運系統(tǒng)。同ITS一樣，航運智能運輸系統(tǒng)也是一個大范圍、多層次、多變量、結(jié)構(gòu)復(fù)雜、功能綜合的綜合系統(tǒng)，主要包括船舶監(jiān)控系統(tǒng)、船舶管理系統(tǒng)、自動導(dǎo)航系統(tǒng)、自動避碰系統(tǒng)、突發(fā)事件應(yīng)對系統(tǒng)及交通信息網(wǎng)上發(fā)布、全球定位系統(tǒng)和海事通信衛(wèi)星、雷達自動標繪系統(tǒng)、電子海圖顯示與信息系統(tǒng)等[1]。筆者重點從理論上對MITS中智能數(shù)據(jù)的處理與應(yīng)用進行究。

1 MITS系統(tǒng)框架體系研究

MITS與道路智能交通系統(tǒng)一樣，是一個相當復(fù)雜的系統(tǒng)，系統(tǒng)的總體結(jié)構(gòu)如圖1。主要包括：集成管理、集成數(shù)據(jù)庫、綜合應(yīng)用系統(tǒng)、設(shè)備接入和其它系統(tǒng)。

圖1 航運智能交通系統(tǒng)總體結(jié)構(gòu)Fig.1 Structure of shipping intelligent transportation system

2 MITS數(shù)據(jù)處理內(nèi)容及流程

2.1 數(shù)據(jù)處理內(nèi)容

MITS的實施，離不開傳感器的應(yīng)用，但是在多傳感器系統(tǒng)的應(yīng)用當中，由于傳感器系統(tǒng)自身特性以及外界環(huán)境的影響，檢測到的目標船舶航跡數(shù)據(jù)往往含有大量的噪聲，所以數(shù)據(jù)預(yù)處理是數(shù)據(jù)融合的必要條件。在數(shù)據(jù)融合之前必須對采集到的原始數(shù)據(jù)進行降噪處理，其主要目的就是消除多傳感器系統(tǒng)噪聲、以及一些暗礁、島嶼、水鳥、水浪等非目標干擾所產(chǎn)生的雜波點，對降噪以后的數(shù)據(jù)進行航跡跟蹤，同時對各類傳感器數(shù)據(jù)進行時空配準，在時間上和空間上實現(xiàn)異類傳感器數(shù)據(jù)的統(tǒng)一，最后確定屬于同一目標相關(guān)聯(lián)的航跡，為數(shù)據(jù)融合環(huán)節(jié)提供較為正確的數(shù)據(jù)源，進而保證后續(xù)航跡跟蹤和預(yù)測的準確性。

具體內(nèi)容包括多源多傳感器船舶定位信息及其實時動態(tài)監(jiān)測、航跡信息預(yù)處理、航跡融合、航跡跟蹤、預(yù)測以及船舶信息GIS顯示和發(fā)布幾方面內(nèi)容。

2.2 數(shù)據(jù)處理流程

MITS智能數(shù)據(jù)處理基本工作流程如圖2，主要包括數(shù)據(jù)采集模塊、通信網(wǎng)絡(luò)模塊、中心數(shù)據(jù)庫模塊、模型算法與數(shù)據(jù)處理模塊和輸出模塊。

圖2 MITS智能數(shù)據(jù)處理流程Fig.2 MITS intelligent data processing

3 MITS數(shù)據(jù)處理方法及實驗仿真分析

3.1 數(shù)據(jù)處理方法

利用各種檢測器得到的各類航運數(shù)據(jù)通過通信網(wǎng)絡(luò)傳到了中心數(shù)據(jù)庫模塊，其由初始數(shù)據(jù)庫、過程數(shù)據(jù)庫和結(jié)果數(shù)據(jù)庫組成。模型算法與數(shù)據(jù)處理模塊由數(shù)據(jù)預(yù)處理、空間配準、時間配準、航跡關(guān)聯(lián)、航跡融合、航跡預(yù)測等多種模型組成。利用數(shù)據(jù)融合、數(shù)據(jù)挖掘、小波多尺度分解與重構(gòu)、神經(jīng)網(wǎng)絡(luò)、Kalman濾波以及遺傳算法等技術(shù)對數(shù)據(jù)庫的數(shù)據(jù)分別進行分析和計算，最后將得到的結(jié)果通過數(shù)據(jù)、圖形、聲音圖像等多種方式輸出[2-3]。

3.2 實驗仿真及分析

根據(jù)船舶運輸、海事、海域以及水上交通的特性和以上各章節(jié)的理論和方法，該系對船舶運輸?shù)慕煌〝?shù)據(jù)(經(jīng)度為例)進行處理，包括采集原始數(shù)據(jù)的消噪處理、航跡跟蹤、數(shù)據(jù)的時空對準、航跡關(guān)聯(lián)、數(shù)據(jù)融合和航跡預(yù)測幾個模塊，最后對得到的處理結(jié)果進行統(tǒng)計和分析，做出合理的預(yù)測。

原始數(shù)據(jù)的消噪處理采用小波多尺度分解與重構(gòu)的方法，通過設(shè)置3尺度和5尺度的小波消噪可以很好的保持原始信號的瞬變特征，突出了與傳統(tǒng)數(shù)據(jù)消噪方法的明顯優(yōu)勢[4]，結(jié)果如圖3。

圖3 基于小波的原始數(shù)據(jù)(經(jīng)度)降噪Fig.3 Raw data (longitude) noise reduction based on wavelet

數(shù)據(jù)預(yù)處理之后，根據(jù)船舶行駛速度和軌跡的相關(guān)性，采用邏輯法實現(xiàn)多目標航跡之間的區(qū)分和跟蹤[5]，如圖4。

圖4 多目標航跡跟蹤Fig.4 Multi-target tracking track

針對異類傳感器采集數(shù)據(jù)的不同步，筆者做了基于BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)神經(jīng)網(wǎng)絡(luò)和3次樣條插值的時間對準。RBF神經(jīng)網(wǎng)絡(luò)多傳感器時間對準結(jié)果誤差最小[6]，圖5為經(jīng)度數(shù)據(jù)的時間對準效果圖，利用該方法進一步做了緯度數(shù)據(jù)、經(jīng)向速度和緯向速度的時間對準。

圖5 AIS時間對準與RBF插值時間對準比較(經(jīng)度)

多傳感器數(shù)據(jù)時空對準以后，通過誤差相似性的判斷確定不同傳感器監(jiān)測到的同一目標航跡[7]。通過采用粒子群優(yōu)化算法(PSO)是同一目標航跡的融合，其仿真結(jié)果和融合誤差比較如圖6，可以很好的反應(yīng)出船舶行駛的真實航跡[8]。

圖6 GAPSO航跡融合比較分析Fig.6 GAPSO track fusion

以上數(shù)據(jù)處理的結(jié)果可為監(jiān)測者提供較準確的航跡信息，同時監(jiān)測者可以依據(jù)掌握的有效數(shù)據(jù)對船舶的未來航跡進行預(yù)測，確保船舶行駛的安全性。筆者采用遺傳算法結(jié)合神經(jīng)網(wǎng)絡(luò)的方法實現(xiàn)船舶航跡的預(yù)測，并與真實的航跡信息進行比較，結(jié)果如圖7，誤差滿足要求[9]。

圖7 航跡預(yù)測Fig.7 Track prediction

數(shù)據(jù)處理結(jié)束后，如何將有效的信息發(fā)布以為更多的用戶服務(wù)顯得尤為重要。文中交通信息的顯示和發(fā)布模塊是調(diào)用MATLAB自帶的map工具箱來實現(xiàn)的。在一定的交通條件下，可以手動的獲取各個船舶航跡及其事故地點的相關(guān)信息，如圖8。

圖8 船舶航跡GIS地圖信息Fig.8 GIS map information dispiay of shipping track

為了更好的發(fā)布數(shù)據(jù)處理的結(jié)果以及獲得在不同環(huán)境下船舶的位置和事故信息，可以通過自己手動來選擇船舶的行駛環(huán)境和船舶的行駛路線，以此更好的來實現(xiàn)對船舶行駛的跟蹤和監(jiān)控，經(jīng)過GIS地圖顯示控制界面的切換，可實現(xiàn)另一種船舶行駛環(huán)境下的監(jiān)控和顯示，如圖9。

圖9 航跡GIS地圖信息顯示界面Fig.9 GIS map information dispiay interface of shipping track

為了實現(xiàn)事故地點的GIS地圖匹配，用函數(shù)shaperead來調(diào)用map工具箱里面的shp文件，分別有l(wèi)andareas.shp，worldlakes.shp和worldcities.shp等其他GIS空間信息，并實現(xiàn)各個shp文件之間的相互嵌套。用函數(shù)geoshow和textm來實現(xiàn)事故地點的顯示，調(diào)用自己編寫的函數(shù)qrydata來實現(xiàn)事故地點及周邊救援設(shè)施信息的獲取[10]。也可以根據(jù)交通事故地點所處的經(jīng)緯度在GIS地圖上實現(xiàn)顯示。事故地點經(jīng)緯度、周邊城市和救援系統(tǒng)名稱獲取，即通過鼠標的點擊即可獲得此點所在位置的經(jīng)緯度和與此點距離最近的城市。實施效果如圖10。

圖10 航跡GIS信息顯示Fig.10 GIS information dispiay of track

4 結(jié) 語

通過基于信息融合與數(shù)據(jù)挖掘的智能信息處理技術(shù)在內(nèi)河航運管理系統(tǒng)的應(yīng)用，實現(xiàn)航運各子系統(tǒng)之間信息共享，提高內(nèi)河航運管理和安全水平、減少阻塞、增加交通的機動性、減少船舶運輸對環(huán)境的影響、提高航道通行能力和交通效率，進而能夠使各個管理部門和職能部門(公安、消防等)實現(xiàn)信息共享，方便溝通和交流，對其決策過程能夠有所幫助。在實際的應(yīng)用中如何提高各種算法的魯棒性和有效性以及軟件運行的穩(wěn)定性是今后需要進一步研究的內(nèi)容。

[1] 李政,陸百川.船舶智能運輸管理系統(tǒng)的設(shè)計與開發(fā)[J].中國智能交通,2010(4):74-77.

Li Zheng,Lu Baichuan.The design and development on ship intelligent transportation management system [J].China Intelligent Transportation, 2010(4): 74-77.

[2] 張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京:機械工業(yè)出版社, 2009:20-53.

Zhang Defeng.MATLAB Neural Network Application Design [M].Beijing: China Machine Press, 2009: 20-53.

[3] 黃友銳.智能優(yōu)化算法及其應(yīng)用[M].北京:國防工業(yè)出版社,2008:1-32.

Huang Yourui.Intelligent Optimization Algorithm Application [M].Beijing: National Defense Industry Press, 2008: 1-32.

[4] 李政,陸百川,譚偉,等.基于小波和邏輯法的多目標跟蹤數(shù)據(jù)預(yù)處理[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2011,30(1):171-175.

Li Zheng,Lu Baichuan,Tan Wei,et al.Multi-target tracking data preprocessing based on wavelet and logic method[J].Journal of Chongqing Jiaotong University: Natural Science, 2011, 30(1):171-175.

[5] Lu Baichuan,Li Zheng. Application of wavelet,logic and neural network in multi-target tracking data processing[C]//Proceedings of the 2011 TMEE International Conference on Transportation and Mechanical & Electrical Engineering. Changchun,China: Jilin University, 2011: 2544-2547.

[6] 許曉劍,田康生,范錦勇,等.基于極大似然估計的最優(yōu)航跡關(guān)聯(lián)算法[J].空軍雷達學(xué)院學(xué)報,2010,24(1):22-24.

Xu Xiaojian,Tian Kangsheng,Fan Jinyong,et al.Algorithm of optimal track association based on maximum likelihood estimation [J].Journal of Air Force Radar Academy, 2010, 24(1): 22-24.

[7] 譚偉,陸百川,李政,等.基于遺傳粒子群算法的船舶航跡融合研究[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2010,29(5):828-831.

Tan Wei,Lu Baichuan,Li Zheng,et al.Track fusion based on particle swarm optimization algorithm with genetic operator[J].Journal of Chongqing Jiaotong University:Natural Science, 2010, 29(5): 828-831.

[8] 雷秀娟,史忠科,孫瑰琪.基于遺傳算子的粒子群優(yōu)化算法的比較分析[J].計算機工程與應(yīng)用,2008,44(14):65-66．

Lei Xiujuan,Shi Zhongke,Sun Guiqi.Comparison and analysis of particle swarm optimization method based on genetic operator [J].Computer Engineering and Applications, 2008, 44(14) : 65-66.

[9] 飛思科技產(chǎn)品研發(fā)中心.MATLAB 6.5輔助小波分析與應(yīng)用[M].北京:電子工業(yè)出版社,2003:1-85.

Feisi Technology R & D Center.MATLAB 6.5 Auxiliary Wavelet Analysis and Application [M].Beijing: Publishing House of Electronic Industry, 2003: 1-85.