基于GIS和AIS的水上交通宏觀態勢評估系統

黃 亮， 文元橋， 周春輝， 肖長詩， 劉 益， 張哲源

(1.武漢理工大學 航運學院， 武漢 430063；2.內河航運技術湖北省重點實驗室， 武漢 430063； 3.國家水運安全工程技術研究中心， 武漢 430063)

基于GIS和AIS的水上交通宏觀態勢評估系統

黃 亮1,2,3， 文元橋1,2，3， 周春輝1,2，3， 肖長詩1，2，3， 劉 益1,2，3， 張哲源1,2，3

(1.武漢理工大學 航運學院， 武漢 430063；2.內河航運技術湖北省重點實驗室， 武漢 430063； 3.國家水運安全工程技術研究中心， 武漢 430063)

為快速、準確地從海量的船舶軌跡中獲取水上交通宏觀態勢，利用地理信息系統(Geographic Information System，GIS)技術在海量時空數據組織、統計分析及動態可視化等方面的優勢，設計區域水上交通宏觀態勢評估系統總體架構，提出基于全球四叉樹金字塔索引的船舶軌跡數據組織模式，引入水上交通流動態密度、速度場和宏觀復雜度等3種態勢評估因子，開發水上交通宏觀態勢評估原型系統。該系統能實時感知區域水上交通宏觀態勢及其動態變化，為水上交通安全管理和保障提供參考。

態勢感知；四叉樹金字塔索引；宏觀復雜度；動態密度圖；動態速度場

Abstract: A marine traffic evaluation system is developed for situation awareness by GIS (Geographic Information System) technologies, having outstanding advantages in organization, statistical analysis and visualization of spatio-temporal data. The overall framework of the evaluation system is designed based on C/S structure. The organization pattern of ship trajectory dataset based on the global quadtree and pyramid is proposed. Three factors, dynamic traffic flow density, velocity field and macroscopic complexity, are introduced for evaluating water traffic situation. A prototype system is developed and the design verified. The tests show that the system can capture dynamic changes of macroscopic marine traffic situation in real-time, and provide information for marine traffic security management.

Keywords: situation awareness; quadtree indexing; macroscopic complexity; dynamic density map; dynamic velocity field

隨著我國水上交通運輸業快速發展，水上通航環境日益復雜，安全監管形勢日益嚴峻。水上交通態勢反映區域內船舶交通流與通航環境交互活動的復雜狀態及演變趨勢，理解和掌握水上交通態勢有助于提高水上交通管理效率及通航安全保障水平。

船舶自動識別系統(Automatic Identification System, AIS)數據不僅記錄著船舶在地理空間的運動，同時反映船舶與他船及通航環境的交互過程，是進行區域水上交通態勢評估的重要數據源。[1]目前，有關水上交通態勢的研究主要集中在從宏觀層面構建態勢評估和預測模型，利用AIS數據定量計算典型態勢指標，進而評估水上交通態勢。文元橋等[2]引入“安全模態”的概念，融合多種水上交通要素評價水上交通系統安全在不同條件下的波動態勢；趙嶷飛等[3]采用模糊綜合評價方法，基于航路外部限制和自身狀態2項指標評估航路交通態勢等級；黃亞敏[4]從“復雜性”視角，利用交通流宏觀特征和微觀船舶行為特征評估水上交通態勢；周夢婕[5]從船舶交通風險識別的角度，基于船舶碰撞風險和航行異常風險進行水上交通態勢建模及計算。不同于上述“正向”態勢評估模式，越來越多的研究者通過識別水上交通船舶異常行為感知水上交通態勢，提出遺傳算法[6]、混合高斯模型[7]、核密度估計[7]、支持向量機[8]、概率聯想型學習[9-10]、模糊貝葉斯網絡[11]和馬爾科夫邏輯網絡[12]等一系列檢測方法。此外，考慮到理論模型缺乏可視化顯示和指導，部分學者還引入可視化分析[13-15]和交互可視化[16]為管理者提供視覺上的船舶交通態勢觀察及輔助判斷。

綜上所述，已有研究為水上交通管理部門提供了多種態勢感知方法，但主要以靜態分析為主，僅通過局部范圍內的船舶交通流驗證方法的可行性，未考慮水上交通態勢隨時間演化的動態特征及大規模船舶交通流對算法時效性的挑戰。因此，借助地理信息系統(Geographic Information System, GIS)技術的海量時空數據組織、統計分析和動態可視化能力，構建水上交通宏觀態勢評估原型系統，通過海量AIS數據的高效組織，基于動態可視化提供任意區域水上交通態勢及其變化的快速感知，協助管理員進行態勢判斷。

1 水上交通宏觀態勢評估系統設計

1.1基于Client/Server模式的系統架構設計

水上交通宏觀態勢評估系統為多數據源、多功能模塊集成的水上交通信息系統。該系統采用Client/Server(C/S)體系結構，將水上交通數據存儲管理與分析應用分離，分別由服務端和客戶端執行。系統總體架構分為AIS數據服務器、空間數據服務器和水上交通態勢評估客戶端等3部分(見圖1)。

圖1 水上交通宏觀態勢評估系統架構

1)AIS數據服務器負責組織、管理船舶AIS數據及建立全球四叉樹金字塔空間索引，面向水上交通態勢評估客戶端提供空間維度、時間維度、屬性條件及其組合形式的船舶AIS數據快速查詢。

2)空間數據服務器負責存儲和管理基礎地理空間數據(包括矢量地圖、影像地圖、行政區劃數據、水系、地名及路網數據等)，接收客戶端發送的地理空間數據瓦片請求，采用網絡地圖瓦片服務和瓦片地圖服務將結果數據集發送至態勢評估客戶端進行顯示，為水上交通態勢評估提供地理環境參考。

3)水上交通態勢評估客戶端負責構建全球基礎地理環境底圖，為用戶提供交互界面，對指定空間區域和時間區間內的水上交通態勢進行評估，并動態展現態勢評估結果。

1.2基于全球四叉樹金字塔的船舶AIS數據組織模式設計

船舶AIS數據具有上傳頻率高、數據量大和覆蓋范圍廣等特點，對海量AIS數據進行高效組織是進行區域水上交通態勢評估的基礎。根據AIS技術國際規范，AIS采用經緯度坐標記錄船舶位置信息。在經緯網構成的地理坐標系統中，四叉樹網格是最常見的空間數據組織方式之一。這里基于多粒度四叉樹網格思想，采用不同尺寸的網格對地理空間進行剖分，構建全球多分辨率四叉樹金字塔空間索引，建立AIS經緯度坐標與多級網格索引之間的映射關系，從而快速定位指定空間區域的AIS數據。

圖2為AIS數據的全球四叉樹金字塔空間索引邏輯，其中：第0層根結點覆蓋全球，具有“1行×1列”個索引格；第1層將全球分為4個子半球，具有“2行×2列”個索引格；每個索引格的空間覆蓋范圍為上一層索引格內與其對應每個網格的范圍；依次推算，第n層的索引格將在第n+1層被切分為4個子格。因此，全球四叉樹金字塔能為AIS數據提供不同空間尺度下的多級索引。

在全球四叉樹金字塔中，每個索引格都具有唯一的編碼值GID{xrow,ycol,zlevel}，其中：zlevel為索引格在四叉樹金字塔中的索引層次；xrow為索引格在第zlevel層索引中的行碼；ycol為索引格在第zlevel層索引中的列碼。四叉樹金字塔每個索引層的行列編碼起點(0, 0)位于左上角，行碼自左向右遞增，列碼自上向下遞增。基于上述索引編碼方法，對于任意經緯度坐標(λ,φ)，可采用式(1)和式(2)快速計算該點在全球四叉樹金字塔任一索引層次中的索引格編碼值GID{xrow,ycol,zlevel}。

xrow=

2Zlevel-1(φ/180+1)

(1)

(2)

1.3基于全球四叉樹金字塔的船舶AIS動態數據存儲結構設計

船舶AIS數據分為靜態數據和動態數據2類，記錄船舶自身屬性信息和船舶航行相關屬性信息。面向態勢評估應用，設計船舶動態信息表和船舶索引信息表對船舶AIS數據進行存儲。

表1為船舶動態信息表數據結構，每條記錄均包含船舶編碼、經緯度、接收時間、對地船速、對地航向及四叉樹金字塔索引編碼值等信息。全球四叉樹金字塔一旦建立，表1中每條記錄都將存儲四叉樹金字塔最低索引層級的編碼值。除主鍵MMSI(Maritime Mobile Service Identity)編碼和接收時間外，對最低索引層行編碼、最低索引層列編碼和最低索引層級建立BTREE索引，可實現AIS動態數據的快速查詢。

表1 船舶動態信息表數據結構

表2為船舶索引信息表數據結構，存儲有全球四叉樹金字塔最低索引層級的索引格在其他索引層級的父節點編碼值，每條記錄均包含1個索引格在最低索引層級和其他索引層級中的編碼值。船舶動態信息表通過最低索引層的索引格編碼(BTMLEVEL，BTMROW和BTMCOL)與船舶索引信息表關聯，從而獲取不同索引層級下的索引格編碼，實現多尺度船舶動態數據的快速查詢。

表2 船舶索引信息表數據結構

2 基于DotSpatial的水上交通宏觀態勢評估系統實現

2.1DotSpatial開源組件

DotSpatial是GIS開源軟件中功能比較全面、擴展性和維護性比較好的開源類庫，采用C#.NET語言開發完成，模塊化的設計思想方便用戶根據實際應用靈活擴展新功能。[17]對此，借助DotSpatial組件的空間數據組織、分析和可視化能力，采用C#.NET平臺開發水上交通宏觀態勢評估系統客戶端(見圖3)。系統服務端空間數據服務器采用網絡服務方式接入OpenStreetMap地圖數據實現，并以網絡地圖瓦片服務的形式向態勢評估客戶端提供基礎空間數據。AIS數據服務器采用MySQL數據庫實現，依據“1.3”節中的存儲結構依次建立船舶動態信息表和船舶索引信息表。

圖3 水上交通態勢評估原型系統界面

2.2系統功能實現

面向水上交通態勢評估，系統引入動態密度、速度場和復雜度等3個影響因子進行計算，并采用動態柵格圖展現區域水上交通態勢評估結果及其變化。在客戶端功能菜單區域，系統提供用戶水上交通流動態密度、水上交通流動態速度場和水上交通流宏觀復雜度查詢等功能。

2.2.1水上交通流動態密度

水上通航環境中的船舶聚集程度[4]是區域水上交通宏觀態勢評估中的一個重要因子，船舶聚集越密集的區域，水上交通態勢越復雜。系統采用動態密度圖展示目標水域在某時間范圍內的船舶聚集程度(見圖4)。系統依據用戶輸入的時間參數，從AIS數據服務器中查詢視場范圍內可航水域的船舶經緯度信息，統計單位面積內的船舶數量，經高斯分布插值后形成實時水上交通密度圖，并以1 min為周期動態更新統計結果。圖4a和圖4b分別為長江入海口水域在2015年6月1日13:10和13:30時刻的交通流密度統計結果，灰度值越大的區域交通流量密度越高。對比圖4a與圖4b可知，在蘇通大橋、長興島附近水域，船舶后一時刻的聚集程度明顯高于前一時刻。基于水上交通流動態密度圖，管理者能重點監控船舶密集區域，感知交通擁塞和交通事故的發生。

a) 2015年6月1日13:10密度場

b) 2015年6月1日13:30密度場

2.2.2水上交通流動態速度場

水上通航環境中的船舶迫近程度[4]是區域水上交通宏觀態勢評估中的另一個重要因子，船舶迫近越緊迫的區域，水上交通態勢越復雜。系統采用動態速度場展示目標水域在某時間段內的船舶迫近程度(見圖5)。系統依據用戶輸入的時間參數查詢視場范圍內可航水域的船舶對地航速信息，采用基于統計模型的反距離加權插值法獲取實時水上交通速度場，即根據某點的估計值與周圍已知采樣點速度值的距離平方倒數呈線性關系，以空間距離的加權平均進行計算，并以1 min為周期動態更新計算結果。圖5a和圖5b分別為蘇通大橋周邊水域在2015年6月1日13:25上行和下行船舶速度場，灰度值越大的區域交通流速度值越大。借助水上交通流動態速度場，管理者能直觀地了解區域水上交通速度分布和異常情況。對比圖5a與圖5b可知，蘇通大橋水域有船舶在長江兩岸相向航行，長江沿線航行的上行船舶和下行船舶均在蘇通大橋減速，以避免碰撞，這種隱含知識有助于管理者進行水上交通安全監管。

a) 2015年6月1日13:25上行速度場

b) 2015年6月1日13:25下行速度場

2.2.3水上交通流宏觀復雜度

水上交通流宏觀復雜度以位置相近且行為相似的船舶交通簇為基本研究單元，通過定量計算區域內交通簇的運動趨勢和分布特征描述管理人員認知交通的難易程度。[4]宏觀復雜度越高的區域，水上交通態勢越復雜。基于文獻[4]提出的交通流宏觀復雜度計算模型，系統依據用戶輸入時間參數查詢視場范圍內可航水域的船舶位置、長度、寬度、航速和航向等信息，利用交通流聚類分析獲取區域內所有的交通簇，依次計算各交通簇的認知復雜度，通過高斯核密度估計獲取區域內的復雜度地圖。系統采用動態復雜度圖展示目標水域在某時間段內的交通流復雜程度(見圖6)，并以1 min為周期動態更新計算結果。圖6中：冷色調表示復雜度低的區域，暖色調表示復雜度高的區域；橢圓區域是蘇通大橋對江航行經過路線，同時存在靠泊船舶和航行船舶。該區域交通簇分布密集，且相對航速和航向差異較大，導致宏觀復雜度呈現高值；矩形區域是蘇通大橋錨泊區域，雖然區域內交通簇分布較為密集，但船舶運動趨勢相互不沖突，因此呈現較低的復雜度。基于交通流復雜度地圖，管理者能更容易理解和掌握水上交通狀態的復雜情況。

圖6 2015年6月1日13:30蘇通大橋區域水上交通復雜度地圖

3 結束語

結合GIS軟件和時空數據庫技術開發水上交通宏觀態勢評估原型系統，基于AIS數據的空間表達特點設計基于全球四叉樹金字塔的船舶AIS數據組織模式，提高AIS數據存儲和查詢的效率；將水上交通流動態密度、速度場和宏觀復雜度等3種態勢評估因子模塊化，采用動態可視化表達實時展現區域水上交通宏觀態勢及其動態變化，協助船舶進行水上交通安全管理和保障。

[1] GREIDANUS H, ALVAREZ M, ERIKSEN T, et al. Basin-Wide Maritime Awareness from Multi-Source Ship Reporting Data[J]. Transnav International Journal on Marine Navigation and Safety of Sea Transportation, 2013, 7(2): 185-192.

[2] 文元橋, 吳定勇, 張恒,等. 水上交通系統安全模態定義與建模[J]. 中國安全科學學報, 2013, 23(6): 32.

[3] 趙嶷飛, 史永亮.基于模糊綜合評價的航路交通態勢評估[J]. 中國民航大學學報, 2011, 29(1): 5-8.

[4] 黃亞敏. 水上交通復雜性測度研究[D]. 武漢:武漢理工大學，2014.

[5] 周夢婕. 船舶交通風險識別與評估研究[D]. 杭州：

浙江大學，2014.

[6] CHEN CH, KHOO LP, CHONG YT, et al. Knowledge Discovery Using Genetic Algorithm for Maritime Situational Awareness[J]. Expert Systems with Applications, 2014, 41(6): 2742-2753.

[7] LAXHAMMAR R, FALKMAN G, SVIESTINS E. Anomaly Detection in Sea Traffic-a Comparison of the Gaussian Mixture Model and the Kernel Density Estimator[C]//International Conference on Information Fusion, 2009: 756-763.

[8] HANDAYANI DOD, SEDIONO W, SHAH A. Anomaly Detection in Vessel Tracking Using Support Vector Machines (SVMs)[C]//International Conference on Advanced Computer Science Applications and Technologies, 2013: 213-217.

[9] BOMBERGER NA, RHODES B J, SEIBERT M, et al. Associative Learning of Vessel Motion Patterns for Maritime Situation Awareness[C]//International Conference on Information Fusion, 2006: 1-8.

[10] RHODES BJ, BOMBERGER NA, ZANDIPOUR M. Probabilistic Associative Learning of Vessel Motion Patterns at Multiple Spatial Scales for Maritime Situation Awareness[C]//International Conference on Information Fusion, 2007: 1-8.

[11] MASCARO S, NICHOLSO A E, KORB K B. Anomaly Detection in Vessel Tracks Using Bayesian Networks[J]. International Journal of Approximate Reasoning, 2014, 55(1): 84-98.

[12] SNIDARO L， VISENTINA I， BRYAN K. Fusing Uncertain Knowledge and Evidence for Maritime Situational Awareness via Markov Logic Networks[J].Information Fusion, 2015,21(1):159-172.

[13] MATTHEWS ML, REHAK L, LAPINSKI ALS, et al. Improving the Maritime Surface Picture with a Visualization Aid to Provide Rapid Situation Awareness of Information Uncertainty[C]//Science and Technology for Humanity, 2009: 533-538.

[14] LAVIGNE V, GOUIN D, DAVENPORT M. Visual Analytics for Maritime Domain Awareness[C]//IEEE International Conference on Technologies for Homeland Security, 2011: 49-54.

[15] M RIVEIRO. Visual Analytics for Maritime Anomaly Detection[M]. ?rebro: ?rebro Universitet, 2011.

[16] RIVEIRO M, FALKMAN G, ZIEMKE T. Improving Maritime Anomaly Detection and Situation Awareness Through Interactive Visualization[C]//International Conference on Information Fusion, 2008: 1-8.

[17] 張弟. DotSpatia開源GIS軟件開發與研究[D]. 上海：華東師范大學，2014.

EvaluationSystemofMacroscopicMarineTrafficSituationBasedonGISandAIS

HUANGLiang1, 2, 3,WENYuanqiao1, 2, 3,ZHOUChunhui1, 2, 3,XIAOChangshi1, 2, 3,LIUYi1, 2, 3,ZHANGZheyuan1, 2, 3

(1.School of Navigation, Wuhan University of Technology, Wuhan 430063, China; 2.Hubei Key Laboratory of Inland Shipping Technology, Wuhan 430063, China; 3.National Engineering Research Center for Water Transport Safety, Wuhan 430063, China)

周春輝(1978—)，男，湖北松滋人，副教授，從事海事信息系統與航海仿真研究。E-mail: chunhui@whut.edu.cn

U666.158; U698

A

2016-10-10

國家自然科學基金(51679180； 51579204)；中國博士后科學基金(2016M602382)

黃 亮(1986—)，男，湖北孝昌人，博士后，從事船舶軌跡分析與可視化研究。E-mail: plaquemine@whu.edu.cn

1000-4653(2017)01-0053-05