內河航道大數據綜合利用技術體系研究

◎吳靜媛 何卉 周鵬穎 張學煒 中國交通信息科技集團有限公司

2019年交通運輸部聯合多部委發布了《智能航運發展指導意見》，提出到2035年我國內河船舶將普遍具備智能航行甚至自主航行的能力，航道及通航設施也將普遍具備感知能力，對航道信息化提出了更高的要求。

航道信息主要包括航道結構信息、通航環境信息和船舶動態信息。在航道結構信息采集方面，傳統測繪手段正向結合無人機、測繪船、多波束超聲測探、激光雷達、RTK技術等多種技術結合的航道測繪技術發展，形成包括岸邊、水面和水下的全方位、立體航道結構信息測繪手段；在通航環境信息方面，針對水位、水文、氣象等影響通航的因素，現在主要采用部署智能航標、監測站等方式進行實時采集；在船舶動態信息方面，通過AIS系統和岸基雷達系統等進行實時采集。這些多源、多模態、不同類型的航道數據從各個角度描述內河航道狀態。

在航道數據采集的基礎上，數據的組織管理方法決定著數據的可用性和易用性。良好的數據管理方法要滿足應用對數據質量的要求、要保證數據安全、查詢高效率，同時由于航道環境是實時改變的，為使得航道數據能夠有效地輔助船舶航行，要求數據必須實時反映最新航道情況。這對航道大數據的組織管理、數據融合和數據動態更新技術提出高要求。

基于上述數據采集和數據組織管理的要求，本文提出了內河航道大數據綜合利用技術體系，整個體系如圖1所示，包括設備層、數據層、融合層、管理層四個方面。其中設備層是航道數據采集的設備，是為數據采集服務的。從數據層面，本文創新性的將內河航道大數據劃分為靜態航道結構數據、慢變航道狀態數據、動態航道狀態數據三個類別，這三個類別分別對應著航道的靜態結構，影響航道通航的慢變環境因素，以及影響航道通航的快變動態因素，針對每種類型的數據，總結了數據的采集方法。之后在數據融合層，將數據融合方法劃分為兩類：面向航道結構圖構建的數據融合、面向應用的數據融合。其中，面向航道結構圖構建的數據融合主要是指通過多種測繪手段獲得的測繪結果，構建準確、全面的航道結構圖的方法，面向應用的數據融合是在結構圖構建的基礎上，融合慢變和動態信息，提供實時的航道通航環境服務的方法。最后，從數據組織管理和數據更新的角度，討論了三種類型的航道大數據的索引、存儲、查詢和管理的方法，并針對航道網絡信息的實時更新的問題，總結了數據更新的方法。

圖1 內河航道大數據綜合利用技術體系

2.航道大數據采集體系

首先介紹航道大數據的采集體系。航道大數據從數據層面可以劃分為三個類別：即航道靜態結構相關數據、慢變航道狀態數據和動態航道狀態數據。其中航道靜態結構信息主要是指航道的三維空間結構，包括航道兩岸地形、水下的通航地形等，可理解為航道的三維空間地圖。慢變航道狀態數據主要包括水位信息、水文信息、氣象信息等變化較慢，但是對通航環境有重要影響的信息，例如水位信息直接影響通航能力。動態環境信息包括水面實時動態，例如船舶實時位置等，這是實現實時準確的航行輔助的基礎。我們首先總結這三方面的數據采集方法。

2.1 靜態航道信息采集

對于航道靜態結構測量，即航道三維結構測繪，現有的測繪方法主要包括兩個方面。

2.1.1 水面和河岸結構測繪

①無人機+RTK的水面、河岸結構采集系統，這類系統首先通過RTK技術利用衛星信號對無人機進行定位，定位經度可達到厘米級別，RTK同時返回無人機姿態，無人機可以通過視覺SLAM和3D建圖方法進行水面和河岸的三維結構采集，也可以基于激光雷達和激光SLAM進行水面和河岸結構采集。

②基于RTK結合測繪船和激光雷達的水面和河岸結構采集系統。通過船載相機、激光雷達、船載RTK定位系統等，實時計算船舶的位置和姿態，再通過視覺、雷達掃描技術、利用同步定位和建圖的SLAM技術，建立水面、河岸的三維結構信息。

③基于衛星影像的航道和岸邊結構采集方法。通過衛星遙感拍照和影像處理方法獲得航道和沿岸的2D圖像，并通過多角度拍攝的方法、用3D視覺計算的手段，構建3D結構信息。

2.1.2 水下三維河道結構測繪

現有的測繪方法包括基于激光雷達、單波束超聲、多波束超聲的水下三維結構采集方法。其采集的原理同水上的采集原理類似，都是通過RTK技術首先獲得船舶和采集設備的位置和姿態，然后通過水下的多波束超聲或者雷達，采集河道的結構，通過SLAM和建圖技術建立水下的三維結構。

上述采集方法各具特點，其中基于視覺的方法三維結構計算的復雜度高，但是基于圖像容易提取語義特征，而基于激光雷達和多波束超聲的方法，三維結構計算比較方便，但是三維對象的語義信息提取較難。另外由于無人機、測繪船和其它測繪設備測繪的范圍都有限，存在測繪結果的融合和拼接的問題。

2.2 慢變航道數據采集

慢變航道信息主要包括水位信息、表面流場水文信息、氣象信息等，這類信息不是一成不變的，但是變化速度較慢，而且對航運具有重要影響。例如河道的通航能力主要由水位信息決定，豐水期可通航的航道，在枯水期可能無法通航。

現有慢變航道信號的采集手段主要為航標采集和監測站采集。現有智能航標集成了高精度定位、水深采集等功能，能夠更準確的檢測所監測位置水位的變化，并將水位信息匯聚和后臺監測系統。水文檢測和天氣檢測主要通過監測站，以及對接氣象數據。部署在航道附近的檢測站通過本地的水流、天氣的檢測一般比衛星測量的天氣等更能反映實際情況。

2.3 動態航道數據采集

動態的航道信息數據主要包括航道中的船舶的實時位置，現有的檢測方法主要是通過岸基雷達和船載AIS系統兩個手段，其中岸基雷達可以檢測掃描范圍內的水面上的各類船只，具有檢測準確全面的特點，但是檢測范圍有限，適合于港口等應用環境。船載AIS系統可以實時匯報船舶的位置信息，但是一般只在等級較高的船舶上裝配有AIS設備，在普通的小型漁船或者游船上一般沒有裝配。AIS定時將船舶的信息匯聚到后臺服務器，結合雷達和AIS系統可以較為準確的獲得水面的實時動態，為航運規劃提供基礎。

3.航道大數據融合方法

航道大數據融合分為兩個層面：一是基于多種采集手段生成全面準確的航道三維結構圖的數據融合方法；二是基于航道結構圖、結合慢變信息和動態信息，面向應用的數據融合方法。

3.1 航道結構圖構建數據融合

航道結構圖構建的多源信息融合是通過處理多源、多類型、多尺度的航道結構相關數據，提升航道測繪圖的整體性、測繪質量和測繪準確性的主要方法。

航道結構圖構建的數據融合的首要問題是航道數據的拼接問題。由于基于無人機、測繪船舶所采集的航道信息，一般只是一段航道的三維結構，如何將不同設備采集的航道信息拼接，形成全局的整體的航道三維結構圖是應用中的重要問題。三維數據的拼接問題在應用中主要包括手工拼接和自動拼接兩種方法，其中自動拼接主要基于點云對齊技術，包括ICP(Iterat ive Closest Point)等算法。

航道結構拼接過程中，不同測量源的相同位置測繪數據的匹配也是重要的融合問題。基于無人機的圖像采集、測繪船的雷達采集、多波束超聲等采集的多源數據，在融合過程中需要首先基于數據的特征，找到不同設備采集的數據之間的匹配關系，之后才能夠通過多源信息的融合提升檢測精度，匹配過程主要通過相似特征等手段。在數據匹配的基礎上，多源數據融合主要包括Kalman濾波，粒子濾波，隱馬爾科夫模型等多源數據融合手段，提升數據精度和準確性。

3.2 輔助航運應用的數據融合

在航道結構圖生成的基礎上，面向輔助航運的應用需求，數據融合主要是融合航道結構數據、慢變航道狀態數據和動態航道狀態數據，全面呈現航道網絡實時、準確狀態的方法。這方面的主要數據融合手段包括：（1）結合水位信息和航道三維結構圖，給出當前實際航道的三維結構；（2）在實時三維航道結構的基礎上，計算實時航道通行能力；（3）根據AIS和岸基雷達采集的船舶實時位置數據，計算船舶的實時交通流；（4）根據AIS和岸基雷達采集的船舶實時位置數據，計算航道網絡中的動態目標位置；（5）結合航道結構數據、慢變狀態數據和動態航道狀態數據，進行航道三維結構的呈現和渲染。這些面向應用的數據融合手段，是在數據層基礎上，提取關鍵應用信息，為應用服務的基礎。

4.航道大數據管理和更新方法

航道大數據管理和更新是在基于地理信息的航道要素時空建庫技術和基于數據分類編碼的內河航道地理信息模型技術的基礎上開展的，在空間屬性上增加時間屬性后，便于開展數據管理與更新，更利于分析歷史數據的變化情況。

4.1 基于地理信息的航道要素時空建庫技術

時空建庫是在傳統的航道信息管理系統的基礎上加入時間特性。在GIS的現有數據維度上再增加適當的時間維度，用時間關聯GIS地物信息數據的空間和屬性的演變歷史、現狀，展現航道要素的時間變化。時空建庫主要將時間屬性分為數據的產生時間、數據的創建時間、數據的更新時間，時空數據庫建設以多尺度、多分辨率統一數據格式，建設全航道數據覆蓋最全的時空信息庫。基于地理信息的時空數據庫主要為矢量時空數據庫、影像時空數據庫、立體航道等。基于地理信息的航道要素的特點可分為四步建立基礎時空數據庫，分別為數據處理、數據篩查、數據提取以及矢量數據入庫。

4.2 基于數據分類編碼的內河航道地理信息模型技術

航道要素數據分類編碼要遵循準確性、完整性、兼容性、可擴展性、唯一性等基本原則。目前國內所采用的編碼體系主要由《基礎地理信息要素分類和代碼》標準形成基本的分類原則，以《長江電子航道圖制作規范》、《長江航道地物要素編碼規范》等內河航道標準作為補充，以此來建立標準的數據分類編碼系統，完善數據在地理信息模型技術中的應用。基于數據分類編碼的內河航道地理信息模型技術主要分為以下兩部分。

（1）數據準備。將數據歸納為一種可以服務于場景的模型元數據，以此來充分展現地形航道等特征，消除各部分數據間的獨立性和異構性。

（2）構造模型。在數據完備基礎下，將地理影像、紋理采用LOD技術以重構的數據模型為基礎生成不同的地理地形數據。

4.3 內河航道要素聯動更新處理技術

內河航道要素聯動更新技術是一項復雜的工程，包括航道要素更新數據檢測、航道要素自適應增量更新以及更新數據匹配與傳遞。通過新舊數據對比分析來構建需更新數據的信息空間，然后將更新的信息更新到舊數據下，并對新舊數據邊界進行融合，最后將更新的數據經網絡傳輸給上層。數據聯動更新主要分為以下三步驟。

（1）更新信息檢測。基于BP神經網絡和決策樹融合的矢量數據更新檢測可顯著提高檢測效率。根據新舊時空數據更新匹配原則創建決策樹體系，然后將新舊數據對比節點利用BP神經網絡進行節點分裂。神經網絡的輸入數據為新舊數據的變化特征，輸出為各類信息的分類結果。

（2）自適應增量更新。在更新信息檢測后需要將新信息增加到數據庫中，但是更新后異構數據的數據邊緣常存在空間沖突，要綜合考慮空間、表述相似度以及拓撲一致性約束，建造最佳的接邊匹配模型來匹配融合邊界數據。

（3）更新信息多尺度匹配與傳遞。在更新后信息尺度匹配和傳遞上可采用基于RVM與主動學習的多尺度匹配和面向對象群的更新信息多尺度傳遞等方式，為不同部門、不同用戶的航道信息需求提供自主學習多尺度更新的方式，滿足信息的多尺度匹配與傳遞。

5.結論

本文總結了內河航道大數據的采集體系、數據融合方法、數據管理和更新方法，提出了內河航道大數據技術體系的建議。隨著內河航道大數據體系的推進，未來將會有更多的涉及數據處理的新需求，為此建議在大數據體系的建設中不斷地吸收前沿技術，逐步形成具有特色的內河航道大數據體系。