構(gòu)建岸基雷達網(wǎng)輔助海上執(zhí)法智能平臺的關(guān)鍵技術(shù)分析

黃妙芬 ，楊光照 ，邢旭峰，黃 山 ，楊 鋒，卓永強

（1.廣東海洋大學(xué)，廣東 湛江 524088；2.湛江海蘭寰宇海洋科技信息有限公司，廣東 湛江 524088；3.湛江市海洋與漁業(yè)環(huán)境監(jiān)測站，廣東 湛江 518052）

為提升海洋綜合管理信息化水平、保障海洋經(jīng)濟發(fā)展環(huán)境，2014年12月9日，原國家海洋局印發(fā)了《全國海洋觀測網(wǎng)規(guī)劃（2014-2020年）》，其主要任務(wù)之一就是強化岸基觀測能力，并提出了在我國管轄海域的沿岸和島礁布局岸基海洋觀測站（點）、岸基雷達站和海嘯預(yù)警觀測臺等具體任務(wù)[1]。為此，廣東省構(gòu)建了“岸基雷達網(wǎng)綜合監(jiān)控系統(tǒng)”，可對全省近海20 nmile以內(nèi)的海上目標(biāo)及其分布態(tài)勢進行探測與跟蹤。

岸基雷達系統(tǒng)具有捕獲海上目標(biāo)的信息量大、且能解決無船舶身份自動識別系統(tǒng)（Automatic Identification System，AIS）數(shù)據(jù)的目標(biāo)探測與跟蹤問題等優(yōu)勢[2]，成為海上目標(biāo)實時動態(tài)數(shù)據(jù)收集的一種有效的技術(shù)手段。另外，雷達目標(biāo)數(shù)據(jù)具有更新快的特點，實時入數(shù)據(jù)庫時對響應(yīng)速度、穩(wěn)健性和整體性能都有較高的要求，若頻繁地建立與關(guān)閉連接會極大地降低系統(tǒng)的性能。線程池（Thread Pool）和數(shù)據(jù)庫連接池（Connection Pool）技術(shù)是保證雷達目標(biāo)數(shù)據(jù)動態(tài)入庫的有效手段之一[3]，這些技術(shù)已在遙感衛(wèi)星系統(tǒng)衛(wèi)星數(shù)據(jù)的下傳、雷達數(shù)據(jù)處理、交通領(lǐng)域等方面得到了廣泛的應(yīng)用[4-6]。

導(dǎo)航雷達的工作原理是通過回波獲取小目標(biāo)信息，然后實時地全部推送到屏幕上，由此會存在許多無效或冗余目標(biāo)，因此進行數(shù)據(jù)預(yù)清洗是保證構(gòu)建的智能平臺高效運行的前提。數(shù)據(jù)清洗是大數(shù)據(jù)領(lǐng)域常用的一種技術(shù)手段，得到了廣泛應(yīng)用[7]。目前，數(shù)據(jù)清洗技術(shù)提供了檢測并消除數(shù)據(jù)異常、檢測并消除近似重復(fù)記錄、特定領(lǐng)域的數(shù)據(jù)清洗等功能[8-10]。

船舶態(tài)勢估計（Situation Assessment,SA）技術(shù)的發(fā)展比較迅速，通過態(tài)勢覺察、態(tài)勢理解和態(tài)勢預(yù)測等方式[11]，可實現(xiàn)對近海小型船舶的有效監(jiān)測。近年來，隨著學(xué)者們對態(tài)勢估計基礎(chǔ)理論的深入研究，概率圖、模板匹配算法、黑板算法、證據(jù)理論算法、貝葉斯網(wǎng)絡(luò)等被引入到船舶態(tài)勢估計的研究中[12-16]，為輔助海上執(zhí)法奠定了基礎(chǔ)。隨著人工智能技術(shù)的發(fā)展，越來越多的相關(guān)算法應(yīng)用于船舶行為識別模型的建立[17-21]，從而提高了復(fù)雜海洋環(huán)境下監(jiān)管船舶行為的效率。

現(xiàn)有的“岸基雷達網(wǎng)綜合監(jiān)控系統(tǒng)”為實時目標(biāo)監(jiān)測系統(tǒng)。由于系統(tǒng)實時推送的目標(biāo)數(shù)據(jù)量非常龐大，因而僅靠人工分析很難充分發(fā)揮作用，另外為保障其安全與可靠、高效運行，系統(tǒng)構(gòu)架相對封閉，難以拓展多樣化的涉海部門與機構(gòu)業(yè)務(wù)應(yīng)用。為此需要通過綜合運用動態(tài)數(shù)據(jù)庫、數(shù)據(jù)清洗和人工智能分析等技術(shù)，充分挖掘雷達網(wǎng)的應(yīng)用與信息服務(wù)潛力，達到近海船舶作業(yè)、安全生產(chǎn)的智能化監(jiān)管，使管理人員更快、更準(zhǔn)確地獲取近海小型船舶作業(yè)模式與分布態(tài)勢，輔助現(xiàn)場監(jiān)管與執(zhí)法決策。本文將圍繞開發(fā)智能平臺涉及的相關(guān)關(guān)鍵技術(shù)展開分析與討論。

1 現(xiàn)有岸基雷達綜合監(jiān)控系統(tǒng)

1.1 硬件組成

廣東省“岸基雷達網(wǎng)綜合監(jiān)控系統(tǒng)”由50多座岸基雷達系統(tǒng)構(gòu)成，每座雷達站由X波段導(dǎo)航雷達、光電觀察設(shè)備、船舶身份自動識別系統(tǒng)AIS接收天線等組成，如圖1所示。圖中，A為X波段雷達傳感器，B為光電觀察設(shè)備，C為AIS接收天線，通過先進的雷達信號處理算法及獨特的自適應(yīng)門限設(shè)計[16-17]，實現(xiàn)對近海20 nmile以內(nèi)的海域目標(biāo)（特別是海上極小目標(biāo)，即雷達截面積（Radar Cross-Section,RCS）≥0.1 m2和高度≥1 m的物體的全自動探測、跟蹤和識別，提供海上目標(biāo)態(tài)勢信息。該系統(tǒng)不依賴于船舶自身定位與船位上報設(shè)備，就能實現(xiàn)對海上所有目標(biāo)的實時監(jiān)控。

圖1 雷達系統(tǒng)

岸基雷達網(wǎng)中單個雷達站能夠有效探測、跟蹤3 000批以上目標(biāo)，探測概率達到90%以上。對于小型漁業(yè)船舶、竹排、舢板，乃至網(wǎng)箱、浮標(biāo)、漁網(wǎng)浮球、浮冰和海上漂浮垃圾等，均能實現(xiàn)探測跟蹤，可以滿足近岸海域所有作業(yè)船只，包括小型“三無”船舶（即無船名船號、無船舶證書、無船籍港的船舶）監(jiān)管的需求。圖2為通過雷達、光電、AIS等設(shè)備獲取的廣東省近海目標(biāo)信息圖。圖中圓圈為雷達傳感器獲取的小目標(biāo)，這些小目標(biāo)或是未安裝AIS，或是關(guān)閉了AIS的船只，或者為RCS≥0.1 m2以上的其他物體；三角形符號為裝有AIS信息的船只。

圖2 廣東省岸基雷達系統(tǒng)觀測目標(biāo)態(tài)勢分布圖

1.2 軟件系統(tǒng)架構(gòu)

系統(tǒng)軟件架構(gòu)分為數(shù)據(jù)采集、數(shù)據(jù)融合、中心顯示三級，如圖3所示。整個系統(tǒng)架構(gòu)主要包括8個軟件模塊，其中數(shù)據(jù)采集層主要包括雷達處理軟件（RadPro）、雷達控制軟件（RadControl）、AIS接收軟件（AIS）、光電控制軟件（TVCtrl）4部分；數(shù)據(jù)融合層主要包括雷達電源管理器（RelayAdapter）、數(shù)據(jù)處理軟件Collector兩部分；中心顯示層主要包括終端顯示軟件（GeoViewer）、系統(tǒng)管理器（Systemconsole）。各軟件的主要功能描述如表1所示。

圖3 雷達系統(tǒng)軟件系統(tǒng)構(gòu)架

表1 雷達系統(tǒng)軟件功能描述

1.3 系統(tǒng)功能提升需求分析

由表1可見，終端顯示軟件GeoViewer為用戶直觀地展示近海實時監(jiān)控的全部信息。但在實際應(yīng)用過程中，發(fā)現(xiàn)其不能覆蓋全面客戶應(yīng)用需求，主要表現(xiàn)在兩方面：（1）缺少數(shù)據(jù)的預(yù)處理（大數(shù)據(jù)清洗）。現(xiàn)有的雷達網(wǎng)單站3 000目標(biāo)，整個雷達網(wǎng)按50個站計算可達15萬個目標(biāo)，其中包括了一些靜態(tài)目標(biāo)、重復(fù)目標(biāo)、目標(biāo)不連續(xù)情況下ID不統(tǒng)一、虛假目標(biāo)等。（2）缺少目標(biāo)行為的智能挖掘與分析功能。雷達系統(tǒng)主要提供實時目標(biāo)數(shù)據(jù)，船舶行為需要值班人員利用經(jīng)驗來判斷，工作量大，容易出現(xiàn)疑似違法目標(biāo)的判斷與跟蹤疏漏。

這些問題的存在限制了岸基雷達網(wǎng)對海上船舶的輔助執(zhí)法、行政監(jiān)管、安全生產(chǎn)等方面的業(yè)務(wù)應(yīng)用與信息服務(wù)能力的提升，為此需要開發(fā)一套基于岸基雷達網(wǎng)的輔助海上執(zhí)法智能平臺，以便提升雷達網(wǎng)業(yè)務(wù)應(yīng)用效能。

2 構(gòu)建智能平臺的關(guān)鍵技術(shù)分析與實現(xiàn)

2.1 線程池與連接池的應(yīng)用

對于雷達探測的目標(biāo)和AIS接收到的信息，其工作流程為：（1）雷達探測到的數(shù)據(jù)先通過雷達卡，采用tcpip鏈接模式，將雷達系統(tǒng)的目標(biāo)數(shù)據(jù)流送入Collector；（2）AIS接受軟件將接收到的AIS信號，按照國標(biāo)進行解碼，解碼后的AIS信息也送入Collector；（3）Collector接收各個雷達站目標(biāo)數(shù)據(jù)和AIS數(shù)據(jù)后進行目標(biāo)融合；對融合后的數(shù)據(jù)按照區(qū)域、目標(biāo)特性分發(fā)，再輸送到Gateway軟件，通過Gateway送到數(shù)據(jù)服務(wù)器，最后提供一個http接口連到數(shù)據(jù)服務(wù)器。Gateway主要功能是接收Collector內(nèi)部的數(shù)據(jù)，其基本內(nèi)核與客戶端Geoviewer一致，相當(dāng)于一個固定接入且身份特殊的客戶，但它沒有顯示功能，沒有地圖服務(wù)或用戶輸入，只是將所獲取的目標(biāo)數(shù)據(jù)、報警事件、光電列表等所需導(dǎo)出的數(shù)據(jù)按一定的時間間隔（默認值是6 s）發(fā)送給指定地址。

在構(gòu)建智能平臺時，將通過兩個HTTP從數(shù)據(jù)服務(wù)器獲取目標(biāo)數(shù)據(jù)，其中一個是下載所有目標(biāo)，另外一個是下載每個目標(biāo)的所有詳細信息。要保證10 s數(shù)據(jù)動態(tài)更新入庫，會頻繁地建立、關(guān)閉連接，這樣極大地降低了系統(tǒng)的性能，如果不用線程池就會與數(shù)據(jù)服務(wù)器有成百上千條連接，耗費數(shù)據(jù)服務(wù)器資源。HTTP協(xié)議基于TCP協(xié)議，每發(fā)起一個獨立的請求，TCP都需要經(jīng)過3次握手的過程，而釋放連接需要經(jīng)過4次握手的過程，效率不高。連接池技術(shù)最基本的思想就是預(yù)先建立一些連接，放置于內(nèi)存對象中以備使用。當(dāng)程序中需要建立連接時，只須從內(nèi)存中取一個來用而不用新建。同樣,使用完畢后,只需放回內(nèi)存即可。而通過重用已經(jīng)連接過的Socket（HTTP1.1支持），連接過程將會省去大量連接建立與釋放的時間，減少對系統(tǒng)資源的占用。因而采用線程池和連接池技術(shù)，可實現(xiàn)全省近海5萬海上目標(biāo)數(shù)據(jù)10 s實時更新，確保目標(biāo)數(shù)據(jù)實時動態(tài)入庫。

為此，對于所有目標(biāo)的入庫采用連接池技術(shù)，而對于每個目標(biāo)的所有詳細信息的入庫同時采用連接池和線程池。圖4為獲取所有目標(biāo)信息的技術(shù)流程，圖5為獲取單個目標(biāo)詳細信息的技術(shù)流程。分析圖4～圖5可見，具體的技術(shù)實現(xiàn)為：（1）啟動主線程：查詢目標(biāo)列表→寫入日志→轉(zhuǎn)換成json數(shù)組→循環(huán)數(shù)組獲取目標(biāo)id，扔給線程池→休眠60 s。（2）線程池：查詢單個目標(biāo)→寫入日志、查詢單個目標(biāo)→寫入日志、查詢單個目標(biāo)→寫入日志、……，共20個。

圖4 獲取所有目標(biāo)信息的技術(shù)流程

圖5 獲取單個目標(biāo)詳細信息的技術(shù)流程

2.2 雷達網(wǎng)數(shù)據(jù)清洗策略的確定

對于構(gòu)建岸基雷達智能平臺所涉及的數(shù)據(jù)清洗（Data Cleaning/cleansing）內(nèi)容主要包括：（1）確定靜態(tài)目標(biāo)的去除算法。岸基雷達系統(tǒng)探測到的網(wǎng)箱、浮標(biāo)、漁網(wǎng)浮球、竹排等屬于靜態(tài)目標(biāo)，會占用大量數(shù)據(jù)空間。（2）目標(biāo)斷續(xù)ID不統(tǒng)一的數(shù)據(jù)唯一性入庫算法。由于雷達工作機理是通過回波獲取小目標(biāo)信息，并立即分配一個ID號，那么存在的問題是只要該目標(biāo)存在這個ID號就一直伴隨，但是信號捕捉中斷后，同一個目標(biāo)再次出現(xiàn)時就會重新獲得一個ID號。（3）虛假目標(biāo)的去除算法。例如發(fā)生大波浪時，具有一定規(guī)模的浪花都會獲得ID號然后消失，由此足夠大的浪花會占用較多的ID。（4）針對時效性強與時效性弱情況下雷達網(wǎng)獲取的數(shù)據(jù)的歸類算法。對于非實時應(yīng)用來說，原始的雷達網(wǎng)目標(biāo)數(shù)據(jù)過密，不利于建立行為智能分析算法；對于實時應(yīng)用來說，例如海上交通事故、應(yīng)急處置等實時監(jiān)控，大量目標(biāo)信息是不需要的，因而需要進行數(shù)據(jù)清洗。圖6為數(shù)據(jù)清洗流程，由圖6可見，確定清洗檢測算法是關(guān)鍵技術(shù)。

圖6 數(shù)據(jù)清洗流程

在對2019年廣東省岸基雷達網(wǎng)雷達目標(biāo)數(shù)據(jù)分析的基礎(chǔ)上，確定了目標(biāo)類型檢測算法。通過數(shù)據(jù)分析發(fā)現(xiàn)，靜態(tài)固定目標(biāo)的特點是隨著漲落潮的變化，有一個固定的漂移范圍，所以設(shè)定在36 h內(nèi)，目標(biāo)長度小，漂移距離閾值為20 m以內(nèi)的為靜態(tài)目標(biāo)；對于目標(biāo)斷續(xù)ID不統(tǒng)一的情況，往往出現(xiàn)在有遮擋，或者從一個雷達監(jiān)控區(qū)進入到另外一個雷達監(jiān)控區(qū)時，此時采用的檢測策略是根據(jù)軌跡變化的連續(xù)性或者AIS的MMSI號，可以將其統(tǒng)一起來；對于虛假目標(biāo)，主要特征是ID號存在的時間短,一定時間間隔讀取數(shù)據(jù)時（例如設(shè)為1 min時長），其在第一組數(shù)據(jù)中有，在第二組數(shù)據(jù)中沒有，就認為是無效目標(biāo)。表2列出了不同目標(biāo)類型清洗所采取的策略。針對時效性強與時效性弱情況下雷達網(wǎng)獲取的數(shù)據(jù)的歸類算法，采用表3的檢測算法。清洗后的數(shù)據(jù)就可進入到系統(tǒng)中，為后續(xù)海上目標(biāo)數(shù)據(jù)智能挖掘與分析模型的建立提供有效的數(shù)據(jù)源。

表2 不同目標(biāo)類型清洗檢測算法

表3 考慮時效性的目標(biāo)數(shù)據(jù)檢測算法

2.3 船舶態(tài)勢估計模型的建立

態(tài)勢估計是在一定時間與空間范圍內(nèi)，對特定環(huán)境中相關(guān)元素理解并預(yù)測未來變化趨勢的智能處理過程。船舶態(tài)勢估計模型中的運動態(tài)勢代表下一刻船舶的航行趨勢，通過態(tài)勢推理計算船舶當(dāng)前時刻不同航向的概率分布來體現(xiàn)[22]。

為了得到船舶的運動態(tài)勢，首先需要對模型中的態(tài)勢要素進行選取，其次是將態(tài)勢要素及其屬性輸入到態(tài)勢推理機中，最后根據(jù)模型輸出態(tài)勢結(jié)果。態(tài)勢要素的選取主要包括4部分：雷達數(shù)據(jù)、AIS數(shù)據(jù)、天氣數(shù)據(jù)、海浪數(shù)據(jù)。其中雷達數(shù)據(jù)、AIS數(shù)據(jù)由廣東省岸基雷達網(wǎng)觀測得到，經(jīng)過數(shù)據(jù)清洗后的入庫數(shù)據(jù)庫。海浪數(shù)據(jù)來自國家海洋環(huán)境預(yù)報中心（http://www.nmefc.cn/），天氣數(shù)據(jù)來自中國天氣網(wǎng)（http://www.weather.com.cn/）。結(jié)合態(tài)勢察覺、態(tài)勢理解的需求進行選擇，最終確定態(tài)勢要素由船舶類型、船舶速度、船舶航向、船舶所在區(qū)域、船舶與觀測點的距離、天氣、風(fēng)浪和航行態(tài)勢組成，并對每個要素賦予屬性值，如表4所示。表4中的船舶航行態(tài)勢要素為模型的輸出，由所建立的船舶態(tài)勢分析模型計算得到[11]。

表4 態(tài)勢要素和屬性列表

態(tài)勢推理機所涉及的具體推理方法有很多，本研究要構(gòu)建的智能平臺主要采用基于概率論的概率圖推理方法。概率圖能夠用圖結(jié)構(gòu)的形式將復(fù)雜的概率模型可視化，并計算模型的輸入與輸出。概率圖的表達式為：

式中：G表示概率圖；N表示圖中所有節(jié)點的集合；E表示圖中節(jié)點間關(guān)系的集合。具體的節(jié)點集合如表4的態(tài)勢要素所示，一共有8個節(jié)點。

對于式（1）所示的概率圖，采用的是有向圖模型，即貝葉斯網(wǎng)絡(luò)算法。貝葉斯網(wǎng)絡(luò)采用聯(lián)合條件概率方法描述事件之間的因果關(guān)系，且構(gòu)建的決策網(wǎng)絡(luò)模型具備處理不確定性問題的能力。令X=Xi為節(jié)點i代表的隨機變量，則節(jié)點X的聯(lián)合概率表示為[23]：

式中：pa(i)代表父節(jié)點，對于任意的隨機變量，其聯(lián)合概率可由局部條件概率的乘積表示：

概率圖的推理問題屬于后驗概率問題，故對其推理采用聯(lián)合樹算法。聯(lián)結(jié)樹算法將有向圖模型轉(zhuǎn)化為一種二次結(jié)構(gòu)（Second Structure,SS），并在這個結(jié)構(gòu)上執(zhí)行置信傳播，從而完成有向圖的推理。由于篇幅所限制，模型輸出態(tài)勢結(jié)果在此不贅述。

3 結(jié)語

基于現(xiàn)有的廣東省“近岸雷達網(wǎng)綜合監(jiān)控系統(tǒng)”所提供的實時目標(biāo)數(shù)據(jù)，攻克了全省近海海域5萬以上海上目標(biāo)數(shù)據(jù)2 s實時更新的動態(tài)數(shù)據(jù)庫技術(shù)和針對不同應(yīng)用目的雷達網(wǎng)大數(shù)據(jù)的清洗技術(shù)，并建立了針對不同應(yīng)用需求的多源海上目標(biāo)數(shù)據(jù)船舶航行態(tài)勢智能挖掘與分析模型，在此基礎(chǔ)上，開發(fā)了“廣東省岸基雷達網(wǎng)輔助海上執(zhí)法智能平臺”，能拓展現(xiàn)有雷達網(wǎng)的應(yīng)用范圍，真正實現(xiàn)近海目標(biāo)的智能化24 h實時/非實時的業(yè)務(wù)化自動監(jiān)控，并輔助現(xiàn)場（執(zhí)法船）行政監(jiān)管和執(zhí)法。

引入線程池和連接池的技術(shù)，可實現(xiàn)全省近海海域5萬以上海上目標(biāo)數(shù)據(jù)2 s實時更新；針對不同雷達目標(biāo)特性建立不同的清洗檢測算法和清洗策略，可為后續(xù)海上目標(biāo)數(shù)據(jù)智能挖掘與分析模型的建立提供可靠的數(shù)據(jù)源。引入智能數(shù)據(jù)挖掘技術(shù)，結(jié)合航行態(tài)勢分析知識庫，通過態(tài)勢覺察、態(tài)勢理解和態(tài)勢預(yù)測等方式，構(gòu)建近海小型船舶航行態(tài)勢估算模型，從而實現(xiàn)對海上船舶的非法單拖/雙拖、非法采砂、違規(guī)拋錨、違規(guī)進入/滯留/穿越等行為進行自動判斷、告警、軌跡跟蹤等。