基于GIS和AIS的水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)

黃 亮， 文元橋， 周春輝， 肖長詩， 劉 益， 張哲源

(1.武漢理工大學(xué) 航運(yùn)學(xué)院， 武漢 430063；2.內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室， 武漢 430063； 3.國家水運(yùn)安全工程技術(shù)研究中心， 武漢 430063)

基于GIS和AIS的水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)

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(xué) 航運(yùn)學(xué)院， 武漢 430063；2.內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室， 武漢 430063； 3.國家水運(yùn)安全工程技術(shù)研究中心， 武漢 430063)

為快速、準(zhǔn)確地從海量的船舶軌跡中獲取水上交通宏觀態(tài)勢(shì)，利用地理信息系統(tǒng)(Geographic Information System，GIS)技術(shù)在海量時(shí)空數(shù)據(jù)組織、統(tǒng)計(jì)分析及動(dòng)態(tài)可視化等方面的優(yōu)勢(shì)，設(shè)計(jì)區(qū)域水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)總體架構(gòu)，提出基于全球四叉樹金字塔索引的船舶軌跡數(shù)據(jù)組織模式，引入水上交通流動(dòng)態(tài)密度、速度場(chǎng)和宏觀復(fù)雜度等3種態(tài)勢(shì)評(píng)估因子，開發(fā)水上交通宏觀態(tài)勢(shì)評(píng)估原型系統(tǒng)。該系統(tǒng)能實(shí)時(shí)感知區(qū)域水上交通宏觀態(tài)勢(shì)及其動(dòng)態(tài)變化，為水上交通安全管理和保障提供參考。

態(tài)勢(shì)感知；四叉樹金字塔索引；宏觀復(fù)雜度；動(dòng)態(tài)密度圖；動(dòng)態(tài)速度場(chǎng)

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(yùn)輸業(yè)快速發(fā)展，水上通航環(huán)境日益復(fù)雜，安全監(jiān)管形勢(shì)日益嚴(yán)峻。水上交通態(tài)勢(shì)反映區(qū)域內(nèi)船舶交通流與通航環(huán)境交互活動(dòng)的復(fù)雜狀態(tài)及演變趨勢(shì)，理解和掌握水上交通態(tài)勢(shì)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(dòng)識(shí)別系統(tǒng)(Automatic Identification System, AIS)數(shù)據(jù)不僅記錄著船舶在地理空間的運(yùn)動(dòng)，同時(shí)反映船舶與他船及通航環(huán)境的交互過程，是進(jìn)行區(qū)域水上交通態(tài)勢(shì)評(píng)估的重要數(shù)據(jù)源。[1]目前，有關(guān)水上交通態(tài)勢(shì)的研究主要集中在從宏觀層面構(gòu)建態(tài)勢(shì)評(píng)估和預(yù)測(cè)模型，利用AIS數(shù)據(jù)定量計(jì)算典型態(tài)勢(shì)指標(biāo)，進(jìn)而評(píng)估水上交通態(tài)勢(shì)。文元橋等[2]引入“安全模態(tài)”的概念，融合多種水上交通要素評(píng)價(jià)水上交通系統(tǒng)安全在不同條件下的波動(dòng)態(tài)勢(shì)；趙嶷飛等[3]采用模糊綜合評(píng)價(jià)方法，基于航路外部限制和自身狀態(tài)2項(xiàng)指標(biāo)評(píng)估航路交通態(tài)勢(shì)等級(jí)；黃亞敏[4]從“復(fù)雜性”視角，利用交通流宏觀特征和微觀船舶行為特征評(píng)估水上交通態(tài)勢(shì)；周夢(mèng)婕[5]從船舶交通風(fēng)險(xiǎn)識(shí)別的角度，基于船舶碰撞風(fēng)險(xiǎn)和航行異常風(fēng)險(xiǎn)進(jìn)行水上交通態(tài)勢(shì)建模及計(jì)算。不同于上述“正向”態(tài)勢(shì)評(píng)估模式，越來越多的研究者通過識(shí)別水上交通船舶異常行為感知水上交通態(tài)勢(shì)，提出遺傳算法[6]、混合高斯模型[7]、核密度估計(jì)[7]、支持向量機(jī)[8]、概率聯(lián)想型學(xué)習(xí)[9-10]、模糊貝葉斯網(wǎng)絡(luò)[11]和馬爾科夫邏輯網(wǎng)絡(luò)[12]等一系列檢測(cè)方法。此外，考慮到理論模型缺乏可視化顯示和指導(dǎo)，部分學(xué)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(tài)勢(shì)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(tài)勢(shì)感知方法，但主要以靜態(tài)分析為主，僅通過局部范圍內(nèi)的船舶交通流驗(yàn)證方法的可行性，未考慮水上交通態(tài)勢(shì)隨時(shí)間演化的動(dòng)態(tài)特征及大規(guī)模船舶交通流對(duì)算法時(shí)效性的挑戰(zhàn)。因此，借助地理信息系統(tǒng)(Geographic Information System, GIS)技術(shù)的海量時(shí)空數(shù)據(jù)組織、統(tǒng)計(jì)分析和動(dòng)態(tài)可視化能力，構(gòu)建水上交通宏觀態(tài)勢(shì)評(píng)估原型系統(tǒng)，通過海量AIS數(shù)據(jù)的高效組織，基于動(dòng)態(tài)可視化提供任意區(qū)域水上交通態(tài)勢(shì)及其變化的快速感知，協(xié)助管理員進(jìn)行態(tài)勢(shì)判斷。

1 水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)設(shè)計(jì)

1.1基于Client/Server模式的系統(tǒng)架構(gòu)設(shè)計(jì)

水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)為多數(shù)據(jù)源、多功能模塊集成的水上交通信息系統(tǒng)。該系統(tǒng)采用Client/Server(C/S)體系結(jié)構(gòu)，將水上交通數(shù)據(jù)存儲(chǔ)管理與分析應(yīng)用分離，分別由服務(wù)端和客戶端執(zhí)行。系統(tǒng)總體架構(gòu)分為AIS數(shù)據(jù)服務(wù)器、空間數(shù)據(jù)服務(wù)器和水上交通態(tài)勢(shì)評(píng)估客戶端等3部分(見圖1)。

圖1 水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)架構(gòu)

1)AIS數(shù)據(jù)服務(wù)器負(fù)責(zé)組織、管理船舶AIS數(shù)據(jù)及建立全球四叉樹金字塔空間索引，面向水上交通態(tài)勢(shì)評(píng)估客戶端提供空間維度、時(shí)間維度、屬性條件及其組合形式的船舶AIS數(shù)據(jù)快速查詢。

2)空間數(shù)據(jù)服務(wù)器負(fù)責(zé)存儲(chǔ)和管理基礎(chǔ)地理空間數(shù)據(jù)(包括矢量地圖、影像地圖、行政區(qū)劃數(shù)據(jù)、水系、地名及路網(wǎng)數(shù)據(jù)等)，接收客戶端發(fā)送的地理空間數(shù)據(jù)瓦片請(qǐng)求，采用網(wǎng)絡(luò)地圖瓦片服務(wù)和瓦片地圖服務(wù)將結(jié)果數(shù)據(jù)集發(fā)送至態(tài)勢(shì)評(píng)估客戶端進(jìn)行顯示，為水上交通態(tài)勢(shì)評(píng)估提供地理環(huán)境參考。

3)水上交通態(tài)勢(shì)評(píng)估客戶端負(fù)責(zé)構(gòu)建全球基礎(chǔ)地理環(huán)境底圖，為用戶提供交互界面，對(duì)指定空間區(qū)域和時(shí)間區(qū)間內(nèi)的水上交通態(tài)勢(shì)進(jìn)行評(píng)估，并動(dòng)態(tài)展現(xiàn)態(tài)勢(shì)評(píng)估結(jié)果。

1.2基于全球四叉樹金字塔的船舶AIS數(shù)據(jù)組織模式設(shè)計(jì)

船舶AIS數(shù)據(jù)具有上傳頻率高、數(shù)據(jù)量大和覆蓋范圍廣等特點(diǎn)，對(duì)海量AIS數(shù)據(jù)進(jìn)行高效組織是進(jìn)行區(qū)域水上交通態(tài)勢(shì)評(píng)估的基礎(chǔ)。根據(jù)AIS技術(shù)國際規(guī)范，AIS采用經(jīng)緯度坐標(biāo)記錄船舶位置信息。在經(jīng)緯網(wǎng)構(gòu)成的地理坐標(biāo)系統(tǒng)中，四叉樹網(wǎng)格是最常見的空間數(shù)據(jù)組織方式之一。這里基于多粒度四叉樹網(wǎng)格思想，采用不同尺寸的網(wǎng)格對(duì)地理空間進(jìn)行剖分，構(gòu)建全球多分辨率四叉樹金字塔空間索引，建立AIS經(jīng)緯度坐標(biāo)與多級(jí)網(wǎng)格索引之間的映射關(guān)系，從而快速定位指定空間區(qū)域的AIS數(shù)據(jù)。

圖2為AIS數(shù)據(jù)的全球四叉樹金字塔空間索引邏輯，其中：第0層根結(jié)點(diǎn)覆蓋全球，具有“1行×1列”個(gè)索引格；第1層將全球分為4個(gè)子半球，具有“2行×2列”個(gè)索引格；每個(gè)索引格的空間覆蓋范圍為上一層索引格內(nèi)與其對(duì)應(yīng)每個(gè)網(wǎng)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(gè)子格。因此，全球四叉樹金字塔能為AIS數(shù)據(jù)提供不同空間尺度下的多級(jí)索引。

在全球四叉樹金字塔中，每個(gè)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(gè)索引層的行列編碼起點(diǎn)(0, 0)位于左上角，行碼自左向右遞增，列碼自上向下遞增?；谏鲜鏊饕幋a方法，對(duì)于任意經(jīng)緯度坐標(biāo)(λ,φ)，可采用式(1)和式(2)快速計(jì)算該點(diǎn)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(dòng)態(tài)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)設(shè)計(jì)

船舶AIS數(shù)據(jù)分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)2類，記錄船舶自身屬性信息和船舶航行相關(guān)屬性信息。面向態(tài)勢(shì)評(píng)估應(yīng)用，設(shè)計(jì)船舶動(dòng)態(tài)信息表和船舶索引信息表對(duì)船舶AIS數(shù)據(jù)進(jìn)行存儲(chǔ)。

表1為船舶動(dòng)態(tài)信息表數(shù)據(jù)結(jié)構(gòu)，每條記錄均包含船舶編碼、經(jīng)緯度、接收時(shí)間、對(duì)地船速、對(duì)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(chǔ)四叉樹金字塔最低索引層級(jí)的編碼值。除主鍵MMSI(Maritime Mobile Service Identity)編碼和接收時(shí)間外，對(duì)最低索引層行編碼、最低索引層列編碼和最低索引層級(jí)建立BTREE索引，可實(shí)現(xiàn)AIS動(dòng)態(tài)數(shù)據(jù)的快速查詢。

表1 船舶動(dòng)態(tài)信息表數(shù)據(jù)結(jié)構(gòu)

表2為船舶索引信息表數(shù)據(jù)結(jié)構(gòu)，存儲(chǔ)有全球四叉樹金字塔最低索引層級(jí)的索引格在其他索引層級(jí)的父節(jié)點(diǎn)編碼值，每條記錄均包含1個(gè)索引格在最低索引層級(jí)和其他索引層級(jí)中的編碼值。船舶動(dòng)態(tài)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(guān)聯(lián)，從而獲取不同索引層級(jí)下的索引格編碼，實(shí)現(xiàn)多尺度船舶動(dòng)態(tài)數(shù)據(jù)的快速查詢。

表2 船舶索引信息表數(shù)據(jù)結(jié)構(gòu)

2 基于DotSpatial的水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)實(shí)現(xiàn)

2.1DotSpatial開源組件

DotSpatial是GIS開源軟件中功能比較全面、擴(kuò)展性和維護(hù)性比較好的開源類庫，采用C#.NET語言開發(fā)完成，模塊化的設(shè)計(jì)思想方便用戶根據(jù)實(shí)際應(yīng)用靈活擴(kuò)展新功能。[17]對(duì)此，借助DotSpatial組件的空間數(shù)據(jù)組織、分析和可視化能力，采用C#.NET平臺(tái)開發(fā)水上交通宏觀態(tài)勢(shì)評(píng)估系統(tǒng)客戶端(見圖3)。系統(tǒng)服務(wù)端空間數(shù)據(jù)服務(wù)器采用網(wǎng)絡(luò)服務(wù)方式接入OpenStreetMap地圖數(shù)據(jù)實(shí)現(xiàn)，并以網(wǎng)絡(luò)地圖瓦片服務(wù)的形式向態(tài)勢(shì)評(píng)估客戶端提供基礎(chǔ)空間數(shù)據(jù)。AIS數(shù)據(jù)服務(wù)器采用MySQL數(shù)據(jù)庫實(shí)現(xiàn)，依據(jù)“1.3”節(jié)中的存儲(chǔ)結(jié)構(gòu)依次建立船舶動(dòng)態(tài)信息表和船舶索引信息表。

圖3 水上交通態(tài)勢(shì)評(píng)估原型系統(tǒng)界面

2.2系統(tǒng)功能實(shí)現(xiàn)

面向水上交通態(tài)勢(shì)評(píng)估，系統(tǒng)引入動(dòng)態(tài)密度、速度場(chǎng)和復(fù)雜度等3個(gè)影響因子進(jìn)行計(jì)算，并采用動(dòng)態(tài)柵格圖展現(xiàn)區(qū)域水上交通態(tài)勢(shì)評(píng)估結(jié)果及其變化。在客戶端功能菜單區(qū)域，系統(tǒng)提供用戶水上交通流動(dòng)態(tài)密度、水上交通流動(dòng)態(tài)速度場(chǎng)和水上交通流宏觀復(fù)雜度查詢等功能。

2.2.1水上交通流動(dòng)態(tài)密度

水上通航環(huán)境中的船舶聚集程度[4]是區(qū)域水上交通宏觀態(tài)勢(shì)評(píng)估中的一個(gè)重要因子，船舶聚集越密集的區(qū)域，水上交通態(tài)勢(shì)越復(fù)雜。系統(tǒng)采用動(dòng)態(tài)密度圖展示目標(biāo)水域在某時(shí)間范圍內(nèi)的船舶聚集程度(見圖4)。系統(tǒng)依據(jù)用戶輸入的時(shí)間參數(shù)，從AIS數(shù)據(jù)服務(wù)器中查詢視場(chǎng)范圍內(nèi)可航水域的船舶經(jīng)緯度信息，統(tǒng)計(jì)單位面積內(nèi)的船舶數(shù)量，經(jīng)高斯分布插值后形成實(shí)時(shí)水上交通密度圖，并以1 min為周期動(dòng)態(tài)更新統(tǒng)計(jì)結(jié)果。圖4a和圖4b分別為長江入?？谒蛟?015年6月1日13:10和13:30時(shí)刻的交通流密度統(tǒng)計(jì)結(jié)果，灰度值越大的區(qū)域交通流量密度越高。對(duì)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(shí)刻的聚集程度明顯高于前一時(shí)刻。基于水上交通流動(dòng)態(tài)密度圖，管理者能重點(diǎn)監(jiān)控船舶密集區(qū)域，感知交通擁塞和交通事故的發(fā)生。

a) 2015年6月1日13:10密度場(chǎng)

b) 2015年6月1日13:30密度場(chǎng)

2.2.2水上交通流動(dòng)態(tài)速度場(chǎng)

水上通航環(huán)境中的船舶迫近程度[4]是區(qū)域水上交通宏觀態(tài)勢(shì)評(píng)估中的另一個(gè)重要因子，船舶迫近越緊迫的區(qū)域，水上交通態(tài)勢(shì)越復(fù)雜。系統(tǒng)采用動(dòng)態(tài)速度場(chǎng)展示目標(biāo)水域在某時(shí)間段內(nèi)的船舶迫近程度(見圖5)。系統(tǒng)依據(jù)用戶輸入的時(shí)間參數(shù)查詢視場(chǎng)范圍內(nèi)可航水域的船舶對(duì)地航速信息，采用基于統(tǒng)計(jì)模型的反距離加權(quán)插值法獲取實(shí)時(shí)水上交通速度場(chǎng)，即根據(jù)某點(diǎn)的估計(jì)值與周圍已知采樣點(diǎn)速度值的距離平方倒數(shù)呈線性關(guān)系，以空間距離的加權(quán)平均進(jìn)行計(jì)算，并以1 min為周期動(dòng)態(tài)更新計(jì)算結(jié)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(chǎng)，灰度值越大的區(qū)域交通流速度值越大。借助水上交通流動(dòng)態(tài)速度場(chǎng)，管理者能直觀地了解區(qū)域水上交通速度分布和異常情況。對(duì)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(shí)有助于管理者進(jìn)行水上交通安全監(jiān)管。

a) 2015年6月1日13:25上行速度場(chǎng)

b) 2015年6月1日13:25下行速度場(chǎng)

2.2.3水上交通流宏觀復(fù)雜度

水上交通流宏觀復(fù)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(jì)算區(qū)域內(nèi)交通簇的運(yùn)動(dòng)趨勢(shì)和分布特征描述管理人員認(rèn)知交通的難易程度。[4]宏觀復(fù)雜度越高的區(qū)域，水上交通態(tài)勢(shì)越復(fù)雜?；谖墨I(xiàn)[4]提出的交通流宏觀復(fù)雜度計(jì)算模型，系統(tǒng)依據(jù)用戶輸入時(shí)間參數(shù)查詢視場(chǎng)范圍內(nèi)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(qū)域內(nèi)所有的交通簇，依次計(jì)算各交通簇的認(rèn)知復(fù)雜度，通過高斯核密度估計(jì)獲取區(qū)域內(nèi)的復(fù)雜度地圖。系統(tǒng)采用動(dòng)態(tài)復(fù)雜度圖展示目標(biāo)水域在某時(shí)間段內(nèi)的交通流復(fù)雜程度(見圖6)，并以1 min為周期動(dòng)態(tài)更新計(jì)算結(jié)果。圖6中：冷色調(diào)表示復(fù)雜度低的區(qū)域，暖色調(diào)表示復(fù)雜度高的區(qū)域；橢圓區(qū)域是蘇通大橋?qū)叫薪?jīng)過路線，同時(shí)存在靠泊船舶和航行船舶。該區(qū)域交通簇分布密集，且相對(duì)航速和航向差異較大，導(dǎo)致宏觀復(fù)雜度呈現(xiàn)高值；矩形區(qū)域是蘇通大橋錨泊區(qū)域，雖然區(qū)域內(nèi)交通簇分布較為密集，但船舶運(yùn)動(dòng)趨勢(shì)相互不沖突，因此呈現(xiàn)較低的復(fù)雜度?；诮煌鲝?fù)雜度地圖，管理者能更容易理解和掌握水上交通狀態(tài)的復(fù)雜情況。

圖6 2015年6月1日13:30蘇通大橋區(qū)域水上交通復(fù)雜度地圖

3 結(jié)束語

結(jié)合GIS軟件和時(shí)空數(shù)據(jù)庫技術(shù)開發(fā)水上交通宏觀態(tài)勢(shì)評(píng)估原型系統(tǒng)，基于AIS數(shù)據(jù)的空間表達(dá)特點(diǎn)設(shè)計(jì)基于全球四叉樹金字塔的船舶AIS數(shù)據(jù)組織模式，提高AIS數(shù)據(jù)存儲(chǔ)和查詢的效率；將水上交通流動(dòng)態(tài)密度、速度場(chǎng)和宏觀復(fù)雜度等3種態(tài)勢(shì)評(píng)估因子模塊化，采用動(dòng)態(tài)可視化表達(dá)實(shí)時(shí)展現(xiàn)區(qū)域水上交通宏觀態(tài)勢(shì)及其動(dòng)態(tài)變化，協(xié)助船舶進(jìn)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(tǒng)安全模態(tài)定義與建模[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23(6): 32.

[3] 趙嶷飛, 史永亮.基于模糊綜合評(píng)價(jià)的航路交通態(tài)勢(shì)評(píng)估[J]. 中國民航大學(xué)學(xué)報(bào), 2011, 29(1): 5-8.

[4] 黃亞敏. 水上交通復(fù)雜性測(cè)度研究[D]. 武漢:武漢理工大學(xué)，2014.

[5] 周夢(mèng)婕. 船舶交通風(fēng)險(xiǎn)識(shí)別與評(píng)估研究[D]. 杭州：

浙江大學(xué)，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(fā)與研究[D]. 上海：華東師范大學(xué)，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(tǒng)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(xué)基金(51679180； 51579204)；中國博士后科學(xué)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