石常坡，朱武斌
（连云港引航站， 江苏 连云港 222042）
近年来，海洋资源开发和国际航运的高速发展给港口交通和管理提出了更高的要求，迫切需要提高海上交通信息智能化管理水平，因此，基于AIS 的数据研究成为智能交通研究领域的研究热点，AIS 数据研究在数据挖掘、航行安全、船舶行为分析、贸易分析等领域发挥着重要作用。
AIS 数据作为时空数据类型，记录着船舶轨迹的位置和时间序列，通过AIS 数据挖掘可以识别船舶的航行路线、港口锚泊作业特殊区、港口热点会遇区和碰撞危险区等，利用AIS 中蕴含的大量海上交通特征信息，采用数据挖掘技术，对船舶轨迹进行聚类分析，构建轨迹聚类模型，采用改进的DBSCAN 算法对大量AIS 数据聚类研究，分析船舶进出港口的航行路径、不同季节的交通流方向以及不同类型船舶的引航方法，为外籍船舶进出港口、主管部门实施航路规划和智能交通研究提供数据支撑。
2.1 研究区域及数据来源
本文研究区域为连云港主港区航道及锚地水域，研究水域从五号锚地至主港区防波堤，全长22 海里，研究区域内水域开阔无遮挡且附近船舶数量众多，包括工程船、渔船、商船等，船舶数量随着国家的发展逐年递增，船舶引航艘次统计如图1 所示。根据《国内航行船舶船载电子海图系统和自动识别系统设备规定》：船载 AIS设备将不定时的发送动静态数据。实验数据选取连云港航道主航道2019年 6月份的AIS 数据，数据包括船舶识别码（MMSI），时间（GPS TIME），经度（LONGITUDE），纬度（LATITUDE），速度（SPEED），航向角（COURSE）等信息，如表1 所示，本文研究船舶类型为A 级船台，研究水域年进出船舶量达6 千多艘次，为连云港繁忙区。本次研究的AIS 信息来源于连云港港口采集的AIS 数据，从 AIS 数据接收服务器提取出研究水域所需的AIS 信息报文文件，运用AIS 数据解码模块实现数据解码，对解码的数据进行数据预处理，剔除错误信息，建立AIS 数据库并对其数据分析，以使得到的AIS 数据真实反映船舶航行轨迹。
2.2 AIS 数据解析与预处理
船舶AIS 数据通过船舶AIS 设备发射到岸上AIS 基站、地方海事局，再由相关行业用户进行下载使用，初始AIS 数据存在异常数据，需要对数据进行预处理，剔除包括航向偏差大、MMSI 位数不对、经纬度不在正常范围内等错误信息，还包括大量冗余数据，如果不预处理会存在影响数据准确性、影响运行速度等问题。AIS数据有22 种不同类型，报文分为明暗码两大类，其中暗码遵照IEC61162 进行解码，先对报文进行解析。
然后将解码数据进行预处理，挑选出所需水域AIS信息，包括动、静态信息，建立数据库，最后将两者相同MMSI 的动静态信息保存到 txt 中，删除重复数据，最终提取出船舶的UTC、MMSI、经纬度、速度、航向等船舶信息。以连云港港口AIS 数据为例，数据处理显示为图2 所示，其中如图a 红色航迹为异常数据显示，图b 为经过预处理显示。
3.1 主要轨迹聚类算法
船舶轨迹聚类就是利用聚类算法对船舶轨迹进行聚类，找出具有相似船舶运动演化方式的轨迹簇，揭示船舶轨迹内在联系，目前广泛应用于船舶研究的算法大致分为基于距离、密度、统计学三种算法，对应上述算法的典型代表包括：Hausdorff 距离( Hausdorff Distance，HD) 算法、DBSCAN 算法、混合高斯模型 (Gaussian Mixture Model，GMM) 的轨迹建模方法、K-Means算法等。
3.2 轨迹聚类总体流程
目前，轨迹聚类方法选取主要从以下两方面进行：
(1) 将整条轨迹作为目标的聚类方法，该方法缺点是轨迹数据量大，时间和空间要求高、轨迹子段丢失等问题；
(2) 将轨迹进行分段划分，对轨迹子段作为目标的聚类方法，运用该方法 可能无法完全获取整条轨迹的特征，但能较好地把握轨迹子段的特征，且综合各子段的特征也能较好地对整条轨迹的特征进行描述。
3.3 轨迹划分
船舶AIS 信息播发时间间隙根据船舶航向和航速变化率进行，采集到的AIS 信息包含大量不同时间信息的轨迹分段，轨迹划分不仅需要体现轨迹的特性，又要保证轨迹的准确性和简洁性，由于连云港航段路程简单，弯曲路段少并且弯曲幅度小，因此船舶AIS 体现的特征点简单，通过船舶转向的航向角阈值与速度变化率阈值就可以进行划分如图4。
建立特征点集（a、b、c....），将相邻航段之间的航向和航速进行计算，航迹间的夹角为，计算公式如下：
式中av、ac分别为速度变化率和航向变化率，为相邻时间间隔。
根据上式公式再结合航向航速阈值对轨迹进行分类，将符合阈值的特征点进行收集，阈值设定的设定要兼顾计算速率、细节以及聚类效果。在复杂航段航向航速变化较大的水域，简单的航向阈值和速度阈值不能很好地体现轨迹的原始特征，需要进一步优化特征点的选取，利用智能算法找点全局最优结果，使得数据还原真实轨迹。
3.4 轨迹相似度的度量
船舶轨迹划分需要利用AIS 数据特征信息进行聚类，如船舶的MMSI、航向、航速以及船位等4 个主要特征信息，提高轨迹的聚类效果和准确的，通过对航向、航速、船位进行距离计算，并进行归一化处理，本文还将MMSI 作为其他三项度量综合权重的系数，MMSI 不符合的轨迹分段直接忽略，减少聚类计算复杂度。相似度的度量主要包括轨迹间距度量、航速信息度量、MMSI 综合权重系数以及最后的综合度量。根据速度、航向、轨迹距离以及MMSI 综合权重系数公式，再对相关距离进行归一化处理，使得不同量纲之间可以进行计算，首先定义相关权重，且满足权重取值大于等于0，。在对距离进行归一化处理时采用Z-score 标准法进行，处理过的数据符合正态分布，公式为：
3.5 建立AIS 轨迹聚类模型
为进一步加强船舶轨迹聚类效果，本文对传统DBSCAN 算法进行改进，加入AIS 约束条件，提高聚类精度，对基于AIS 改进的DBSCAN 中的领域，密度阈值，船舶航向，航速以及MMSI 进行定义。定义轨迹数据集N 由不超过领域的轨迹组成，且定义核心对象满足领域内的轨迹数目大于或者等于密度阈值，定义轨迹Li的数据集N（），轨迹点集为D，p 为轨迹点且，轨迹聚类满足航向、航速以及MMSI 三个条件，具体定义如下：
其中短距离范围为的地球曲度可以忽略不计，在航向计算过程中需要注意临界数值的转换。
船舶AIS 信息为船舶航行安全提供了数据支持，通过对AIS 数据的处理，利用AIS 轨迹聚类模型对有效数据进行聚类，形成有效的航路轨迹，对不同船舶的航行习惯、路径进行分析，引航员通过大量的AIS 数据分析能直观有效地指导引航员操纵船舶，避开浅滩或者流急水域，船舶航行的转向时机、转向速度、转头速率等进行学习，引航员能够直观感受船舶的运动态势，达到提高引航员的引航安全性。
猜你喜欢 航速航向连云港 连云港杜钟新奥神氨纶纺织报告(2022年8期)2022-08-25基于事件触发的船舶航向逻辑切换自适应控制舰船科学技术(2022年11期)2022-07-15风浪干扰条件下舰船航向保持非线性控制系统舰船科学技术(2022年10期)2022-06-17提升全回转港作拖轮航速的有效途径水上消防(2022年1期)2022-06-16江苏连云港：为农民工送上“寒冬暖查”今日农业(2020年23期)2020-12-15连云港：为农民工讨薪“撑腰”今日农业(2020年22期)2020-12-14水下拖曳航行器水动力和拖缆姿态仿真分析海洋开发与管理(2020年2期)2020-09-10奇妙的连云港之旅少年文艺·开心阅读作文(2019年6期)2019-07-08考虑几何限制的航向道模式设计民用飞机设计与研究(2019年4期)2019-05-21低速水面目标航速精度分析及精确解算舰船科学技术(2018年7期)2018-07-25