基于OD切分的船舶AIS航跡

葉仁道， 黃靚瑩

(杭州電子科技大學(xué) 經(jīng)濟學(xué)院， 杭州 310018)

在世界經(jīng)濟全球化、一體化大環(huán)境下，隨著國內(nèi)水運量和國際貿(mào)易量不斷增多，海上交通管理系統(tǒng)智能化成為必然趨勢。作為世界航運大國之一，我國的海運船隊運力規(guī)模和港口貨物吞吐量均居世界前列。[1]然而，貿(mào)易貨物標(biāo)準(zhǔn)化管理、運輸及裝卸的大趨勢導(dǎo)致港口水域、航道和航線承載的壓力增大，安全事故頻發(fā)。

隨著大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展及船舶自動識別系統(tǒng)(Automatic Identification System, AIS)的廣泛應(yīng)用，通過對船舶AIS數(shù)據(jù)進(jìn)行深入挖掘，可獲取船舶海上交通特征信息。在船舶航跡研究方面，已有研究[2-3]大多利用船舶航跡分布、航速和航向變化率分布來分析船舶海上交通特征，或通過軌跡聚類獲取船舶典型運動軌跡，很少考慮船舶運動的流動性特征。鑒于此，這里從OD(出發(fā)點—終點)的航跡角度出發(fā)，基于Hive數(shù)據(jù)倉庫和R語言平臺，結(jié)合船舶海上交通特征和探索性分析、可視化等數(shù)據(jù)挖掘技術(shù)[4]，對往返于廈門港水域的船舶“中遠(yuǎn)之星”號的航跡進(jìn)行研究，由此獲取船舶運動路線及行為規(guī)律等海上交通流動性特征，為船舶行為預(yù)測、航跡聚類和異常檢測奠定基礎(chǔ)，同時為做好船舶運營和海上安全管理提供理論依據(jù)[5-6]。

1 廈門港水域交通基本特征

廈門港地理位置優(yōu)越，是我國沿海最重要的港口之一，特別在集裝箱運輸干線方面，發(fā)展態(tài)勢迅猛。[7]2016年，廈門港主動適應(yīng)經(jīng)濟新常態(tài)，年累計集裝箱吞吐量大幅提高(約961.4萬TEU)，年增速位列沿海干線港第三。同時，為適應(yīng)船舶逐漸大型化和集裝箱吞吐量快速增長的現(xiàn)狀，廈門港正在進(jìn)行主航道擴建工程，建成以后可滿足目前世界上最大的集裝箱船全天候通航。此外，廈門國際航運中心在2016年被確定為國家“十三五”規(guī)劃重點建設(shè)項目，各項軟硬件設(shè)施不斷加速配置，為建設(shè)創(chuàng)新發(fā)展活力型、協(xié)調(diào)發(fā)展產(chǎn)業(yè)型、綠色發(fā)展生態(tài)型、開放發(fā)展國際型和共享發(fā)展信用型的“五大發(fā)展”示范港口助力。[8]綜上所述，廈門港水域船舶交通量將不斷攀升，海上交通環(huán)境日趨復(fù)雜，勢必在港航安全智能化管理方面面臨更大的挑戰(zhàn)。因此，這里以往返于廈門港水域(經(jīng)度范圍為118.02°～118.28°，緯度范圍為24.23°～24.45°)的船舶為例，研究其海上交通流動性特征，為廈門港水域船舶行為安全監(jiān)測及港航管理提供幫助。

首先選取2015年4月1日至4月30日的數(shù)據(jù)對廈門港水域整體的交通特征進(jìn)行初步探索。從Hive數(shù)據(jù)倉庫中導(dǎo)出廈門港水域的數(shù)據(jù)，利用R軟件統(tǒng)計船舶交通量信息，其中4月份預(yù)處理前AIS觀測數(shù)據(jù)共計1 153 379條，處理后共計515 330條，包含2 017艘船舶。在描繪海上交通特征時，除了體現(xiàn)交通規(guī)模的交通量之外，船舶航跡分布也至關(guān)重要，反映船舶運動行為路線。由于AIS數(shù)據(jù)量龐大，為清晰起見，選取4月1日至4月5日的數(shù)據(jù)進(jìn)行可視化。船舶航跡分布見圖1，從中觀察到進(jìn)出廈門港的主交通流1及往返于廈門港和漳州港的交通流2等廈門港水域幾條重要的交通流。綜上所述，為應(yīng)對日趨復(fù)雜的交通環(huán)境，除了推進(jìn)廈門港航道擴建工程之外，合理利用AIS數(shù)據(jù)對船舶海上交通行為進(jìn)行挖掘也至關(guān)重要。

2 船舶航跡OD切分算法與實例

OD流[9]體現(xiàn)軌跡從起點到終點的流動性特征，其中，O代表出發(fā)點，D代表終點。采用切分算法獲取OD航跡，并對其進(jìn)行挖掘分析，可在AIS靜態(tài)信息缺失的情況下憑借動態(tài)信息得到船舶停靠港口的信息及其運動路線。此外，通過分析和可視化OD航跡，亦可挖掘船舶交通行為規(guī)律，并為船舶軌跡聚類提供新的劃分思路。

雖然已確定將往返于廈門港水域的船舶作為研究對象，但在實際操作中發(fā)現(xiàn)，若同時對全部船舶進(jìn)行切分，存在以下2個問題：

1)船舶AIS數(shù)據(jù)量龐大，構(gòu)建的算法中包含多個循環(huán)，運算量大，對硬件的要求較高。

2)部分船舶存在某些靜態(tài)信息和動態(tài)信息缺失的情況，對這類船舶進(jìn)行航跡切分無法準(zhǔn)確判斷或驗證切分的正確性。

鑒于此，選擇有可查固定路線且AIS數(shù)據(jù)較為完整的閩臺直航船“中遠(yuǎn)之星”號作為挖掘?qū)ο?，結(jié)合船舶海上交通特征和探索性分析、可視化等數(shù)據(jù)挖掘技術(shù)，提出船舶AIS航跡研究思路和方法。

2.1 步驟

對海上船舶航跡數(shù)據(jù)進(jìn)行分析，主要利用Hive數(shù)據(jù)倉庫和R語言平臺建立OD切分算法，從船舶OD航跡的角度挖掘、分析船舶海上交通行為，具體步驟為：

1)將Hive數(shù)據(jù)倉庫中“中遠(yuǎn)之星”2015年4月的AIS數(shù)據(jù)導(dǎo)入到R語言平臺上，并對其進(jìn)行預(yù)處理，清理部分異常數(shù)據(jù)。

2)每隔128 s對預(yù)處理后的數(shù)據(jù)進(jìn)行1次等時間間隔的插值補點，避免長時間缺失數(shù)據(jù)導(dǎo)致航跡無法切分。

3)采用OD切分算法得到若干個子航跡段?？紤]到港口附近船舶軌跡相對復(fù)雜及網(wǎng)絡(luò)爬蟲港口位置的精確性，將各航跡點距離最近港口是否<20 km作為切分標(biāo)準(zhǔn)(若<20 km，則切分航跡)。

4) 采用航跡合并算法對切分后的若干個子航跡段進(jìn)行合并，得到OD航跡。由于船舶?？扛劭诘臅r間較長，因此利用船舶新航程開始時間與上一段航程結(jié)束時間之差進(jìn)行子航跡段合并，可剔除船舶經(jīng)過某港口但不?？康那闆r。

2.2 算法

為更好地描述船舶軌跡OD切分模型整體算法流程，結(jié)合以下算法偽代碼進(jìn)行描述。[10]首先從Hive數(shù)據(jù)倉庫導(dǎo)入已篩選的“中遠(yuǎn)之星”號的AIS數(shù)據(jù)，并輸入補點階段的時間間隔閾值λ，切分階段距離閾值σ及航跡合并階段的航跡段時間差閾值ε。由于AIS數(shù)據(jù)存在缺失和重復(fù)的情況，因此算法的第1步為插值補點，補點后相鄰航跡點的時間間隔為λ。算法的第2步為航跡切分，其中：算法07～算法11度量各航跡點與最近港口的距離；算法12～算法16實現(xiàn)航跡切分，若距離小于σ，則切分航跡。算法的第3步為航跡合并，計算切分所得各相鄰子軌跡段的時間差，若時間差小于ε，則對其進(jìn)行合并。合并完成之后得到真正的OD航跡段，重新計算航程、航行時間等信息。

Input:

(1)Load AIS data from Hive databaseTr={p1,p2,…,pn} and PORT={h1,h2,…,hn}(After pretreated and filtered); //從數(shù)據(jù)庫中載入船舶、港口預(yù)處理后的數(shù)據(jù)；

(2)Set neighborhood parameterλ; //設(shè)定補點時間間隔閾值λ；

(3)Set neighborhood parameterσ; //設(shè)定切分距離閾值σ；

(4)Set neighborhood parameterε; //設(shè)定子航跡段時間差閾值ε；

BEGIN

//FIRST STEP: Interpolating points //第1步，插值補點

01: FOR eachpkinTrDO //對Tr中的每個航跡點pk執(zhí)行以下循環(huán)

02: Add new points which make the time lag between adjacent point equals toλ; //在相鄰兩點間每隔λ時間進(jìn)行補點

03: Calculate new points’ longitude and latitude; //計算所補點的經(jīng)緯度

04: END FOR

05: Return a new dataTr_2, and it contains the following variable MMSI, time, longitude and latitude; //生成包含船舶標(biāo)識、時間變量、經(jīng)緯度變量的補點后新數(shù)據(jù)集Tr_2

06: END

//SECOND STEP: Trajectory Segmentation //第2步，航跡切分

07: FOR eachpkinTr_2 DO

08: FOR eachhjin PORT DO //對集合PORT中的每個點hj執(zhí)行以下循環(huán)

09: Calculate the distance betweenpkandhj, and take the minimum value as the distance; //計算各航跡點與各港口的距離，取最小值記為distance

10: END FOR

11: END FOR

12: FOR eachpkinTr_2 DO

13: IF distance<σ; //如果距離小于σ

14: Cut off the track; //切斷航跡

15: END IF

16: END FOR

17: Return number of sub-trajectories; //生成若干切分后子航跡段

18: END

// THIRD STEP: Trajectory Merging //第3步，軌跡合并

19: FOR each STlin sub-trajectories DO //對子航跡段集合sub-trajectories中每一段子航跡執(zhí)行以下循環(huán)

20: IF diff(c(date.begin(STl+1),date.end(STl)))<ε; //如果相鄰子航跡段時間差小于ε

21:STlandSTl+1merge into one; //合并兩個子航跡段

22: Calculate new voyage, voyage time; //重新計算航程及航行時間

23: END IF

24: END FOR

25: END

2.3 實證分析結(jié)果

“中遠(yuǎn)之星”號現(xiàn)有廈門—臺中和廈門—基隆2條航線，具體船期為：廈門—臺中航線，周二駛離廈門港，周三抵達(dá)臺中港，周三駛離臺中港，周四返回廈門港；廈門—基隆路線，周四駛離廈門港，周五到達(dá)基隆港，周日駛離基隆港，周一返回廈門港。該船在一定程度上開創(chuàng)了海峽兩岸海上運輸新模式，實現(xiàn)了真正意義上的客貨直航。[10]

2.3.1補點結(jié)果展示

首先從Hive數(shù)據(jù)倉庫導(dǎo)入“中遠(yuǎn)之星”號2015年4月的AIS數(shù)據(jù)，共觀測43 556條，預(yù)處理后得到39 887條；隨后對這些數(shù)據(jù)進(jìn)行插值補點，使航跡連續(xù)、完整。航跡補點前后對比見圖2，補點后航跡能更直觀地反映船舶真實的運動規(guī)律。

a)補點前b)補點后

圖2 航跡補點前后比對

2.3.2航跡切分合并結(jié)果展示

初始航跡切分完成之后，共產(chǎn)生19個子航跡段，且包含過路港的情況。在此基礎(chǔ)上進(jìn)行航跡合并，從而得到“中遠(yuǎn)之星”號的14段完整OD航跡，結(jié)果見表1，其中有8段直航廈門—臺中，另外6段直航廈門—基隆(由于臺北與基隆較近，因此可將臺北港記為基隆港)。

為驗證OD切分算法的可靠性和正確性，進(jìn)一步對航跡切分結(jié)果進(jìn)行以下分析。首先，將“中遠(yuǎn)之星”號實際船期與該研究所得船舶出發(fā)時間和到達(dá)時間相對比，檢驗切分的OD時間點是否為離港時間或抵港時間。通過對比發(fā)現(xiàn)，除了第10條OD航跡，其余結(jié)果均與實際情況一致。分析第10條航跡的原始數(shù)據(jù)可知，17日06點14分至20日05點30分的船舶AIS數(shù)據(jù)全部缺失，且這2個時間點對應(yīng)的位置分別為臺北港和廈門港。由于缺少17日至19日船舶在廈門港口停留的數(shù)據(jù)，導(dǎo)致只能將缺失前一點作為航跡切分O點，因此得到的航程出發(fā)時間是錯誤的。其次，基于船舶在港口附近航速小的特征，計算在港口20 km內(nèi)航速<5 kn的航跡點比例δ，結(jié)果見表1。最后，得到14段OD航跡均有75%以上的航跡點航速<5 kn，因此認(rèn)為OD航跡切分點符合港口特征。綜上所述，分析及驗證航跡切分結(jié)果，可得到“中遠(yuǎn)之星”號的交通流動性特征。船舶運動路線為廈門—臺中和廈門—基隆，航程及航行時間規(guī)律均與其實際航程和實際船期一致。

3 結(jié)束語

本文基于Hive數(shù)據(jù)倉庫和R語言平臺，結(jié)合船舶海上交通特征和探索性分析、可視化等數(shù)據(jù)挖掘技術(shù)，提出一種基于OD切分的船舶軌跡研究方法。以“中遠(yuǎn)之星”號為例進(jìn)行船舶OD航跡切分，獲取船舶往來港口、航程時間和運動路線等交通流動性特征。在不考慮原始數(shù)據(jù)缺失的情況下，從船舶航期和港口范圍速度分布2個角度驗證船舶OD切分算法的可靠性及正確性。然而，在設(shè)定航跡合并參數(shù)閾值時，該研究方法存在一定的主觀性，下一步將嘗試改進(jìn)閾值設(shè)定方法，同時探索停靠港口船舶新特征，以優(yōu)化航跡合并算法，使之更加合理。

[1] 《廣東造船》編輯部. 今年迎來第12個中國航海日：我國去年海上運力居世界第三[J]. 廣東造船, 2016,35(4): 79.

[2] 潘家財, 邵哲平, 姜青山. 數(shù)據(jù)挖掘在海上交通特征分析中的應(yīng)用研究[J]. 中國航海, 2010, 33(2): 60-62.

[3] 朱飛祥, 張英俊, 高宗江. 基于數(shù)據(jù)挖掘的船舶行為研究[J]. 中國航海, 2012, 35(2): 50-54.

[4] 王斌會.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用現(xiàn)狀[J]. 統(tǒng)計與決策, 2006(10): 122-124.

[5] RISTIC B, SCALA B L, MORELANDE M, et al. Statistical Analysis of Motion Patterns in AIS Data: Anomaly Detection and Motion Prediction[C]. International Conference on Information Fusion, 2008,29(1):1-7.

[6] 熊勇, 瞿小豪, 郭俊維，等. 基于AIS數(shù)據(jù)的渡輪異常運動模式監(jiān)測[J]. 中國安全科學(xué)學(xué)報, 2016, 26(1): 100-103.

[7] 郭曉清, 黃建設(shè). 廈門港與我國主要港口競爭力的比較分析[J]. 中國航海, 2015, 38(4): 121-124.

[8] 李珂. 建設(shè)新港口再創(chuàng)新業(yè)績(三):全力打造廈門國際航運中心[EB/OL]. (2017-02-07)[2017-02-25]. http://www.portxiamen.gov.cn/gkzx/gkxw/277180.htm.

[9] 宋璐. 基于手機定位數(shù)據(jù)的交通OD分布研究[D]. 南京：東南大學(xué), 2015：2-8.

[10] 肖瀟. 基于AIS信息的船舶軌跡聚類模型研究[D]. 廈門：集美大學(xué), 2015：32-45.