基于信息熵的船舶航行與區(qū)域監(jiān)控方法

崔威威，劉 碩，張秉致，曹德建

(中國船舶集團有限公司第八研究院，南京 211153)

0 引 言

隨著國民經(jīng)濟快速持續(xù)發(fā)展，長江和沿海黃金水道的水面交通迅猛發(fā)展。海事監(jiān)管部門不斷完善船舶自動識別系統(tǒng)、水面交通雷達等監(jiān)管設(shè)施，力圖提高船舶活動監(jiān)管能力。[1]船舶活動感知能力建設(shè)極大充實了目標(biāo)活動數(shù)據(jù)庫。如何充分利用AIS為代表的船舶活動信息，保障水上交通安全，提高水面交通規(guī)律認知與監(jiān)管服務(wù)能力，積極應(yīng)對潛在經(jīng)濟損失和環(huán)境破壞風(fēng)險，是一個值得研究的問題。

作為準(zhǔn)實時、更新快的信息源，船舶AIS信息是提高水面交通監(jiān)管能力的重要依賴。[2-3]目前，針對AIS信息處理形成了一些結(jié)合局部區(qū)域地理信息的數(shù)據(jù)處理手段[4-7]，側(cè)重基于密度、流量的區(qū)域統(tǒng)計分析，以及船舶進出港、靠泊條件下的速度分析，能夠提供目標(biāo)碰撞概率、區(qū)域熱點分析等數(shù)據(jù)應(yīng)用。[8-13]終端設(shè)備使用與信息采集管理體制決定了AIS信息存在大量重復(fù)、抖動、缺失、甚至篡改偽裝。如何在低質(zhì)量數(shù)據(jù)場景下實現(xiàn)區(qū)域監(jiān)控、船舶航行狀態(tài)判別，并提供針對重要船舶與敏感區(qū)域的風(fēng)險評估分析與預(yù)警告，尚未見到相應(yīng)的報道。

1 主要研究內(nèi)容

船舶AIS信息由靜態(tài)部分和動態(tài)部分組成。靜態(tài)信息包括移動服務(wù)識別碼(MMSI)、國際船舶組織識別碼(IMO)、船舶呼號、船名、船長、船寬、船舶類別等。動態(tài)信息包括船舶位置、船速、航向、艏向、轉(zhuǎn)向率、航行狀態(tài)、更新時間等。由于AIS設(shè)備是大型船舶必須配備的，理論上具有單一性、精度高、更新快、準(zhǔn)實時的特點，是船舶身份識別、行為監(jiān)控、規(guī)律統(tǒng)計的重要信息源。[14]為此，開展數(shù)據(jù)清洗、目標(biāo)編批、航行狀態(tài)評估與區(qū)域監(jiān)控技術(shù)研究，形成面向船舶個體與區(qū)域的精細行為監(jiān)控能力。

1.1 數(shù)據(jù)清洗

由于AIS工作原理、設(shè)備使用、傳輸機制存在的客觀限制，船長可以關(guān)閉終端設(shè)備或者編輯靜態(tài)信息。管理部門信息系統(tǒng)內(nèi)的轉(zhuǎn)發(fā)、記錄、管理機制容易造成大量信息重復(fù)、錯誤和缺失等數(shù)據(jù)質(zhì)量問題，必須進行數(shù)據(jù)清洗治理，提高數(shù)據(jù)處理的速度和質(zhì)量，降低計算存儲資源消耗。AIS數(shù)據(jù)清洗基本原則是：依據(jù)更新時間、位置、MMSI清洗重復(fù)數(shù)據(jù)，在無法獲得精確航路、河道等地理信息時給定船舶活動的大致區(qū)域范圍并刪除野值信息。

1.2 船舶身份識別和AIS數(shù)據(jù)編批

由于靜態(tài)信息存在被修改的可能，在實際中存在大量重復(fù)的MMSI、船名，無法基于MMSI、船名、船長、船寬等用靜態(tài)信息準(zhǔn)確區(qū)分船舶身份。同時，考慮到AIS更新存在的船舶動態(tài)信息存在錯誤的可能。為此，提出基于船舶呼號、時間和位置實現(xiàn)目標(biāo)身份識別編批的基本思路，并進而修正船舶AIS的航速、航向等動態(tài)數(shù)據(jù)。

首先按照時間對MMSI相同的AIS數(shù)據(jù)進行排序，其次計算相鄰AIS的時間差、距離和速度。指定船舶目標(biāo)最高速度為30 m/s。如果前后兩個AIS之間的速度大于閾值，則認為出現(xiàn)了兩個目標(biāo)。同時，考慮到AIS數(shù)據(jù)抖動，計算e(1)到s(1)+1、s(2)、s(2)+1之間的速度并修正編批結(jié)果。船舶AIS目標(biāo)身份識別基本原理和編批流程見圖1和圖2所示。

圖 1 AIS初步編批原理

為快速計算船舶AIS數(shù)據(jù)之間的距離，簡單采用標(biāo)準(zhǔn)球體作為理想地球模型，從而降低計算復(fù)雜度。理論分析和實際處理表明，這樣簡化處理不影響低速船舶目標(biāo)的速度計算經(jīng)度，以及身份識別和編批結(jié)果。

圖 2 船舶AIS目標(biāo)識別和編批過程

假設(shè)兩個A、B坐標(biāo)分別是(Lat1,Lon1)和(Lat2,Lon2)，其中A為中心點。按照下式計算B相對于A的距離dis：

Lati=90-Lati,i=1,2

c=sin(Lat1)*sin(Lat2)*cos(Lon1-Lon2)+

cos(Lat1)*cos(Lat2)

dis=R*acos(c)

其中，R=(6 378.14+5 253.755)/2≈6 316 km，是地球半徑的近似值。最終得到目標(biāo)由A到B的航向cour與航速velo：

cos(c)=cos(90-Lat2)*cos(90-Lat1)+sin(90-Lat2)*sin(90-Lat1)*cos(Lon2-Lon1)

sin(c)=sqrt(1-(cos(c))2)

cour=arcsin(sin(90-Lat2)*sin(Lon2-lon1)/sin(c))

velo=dis/Δt

需要注意的是，如果B點在A的第1象限則不對角度cour進行修正，如果在第2象限則cour=360+cour，如果在第3、4象限則cour=180-cour。

1.3 基于信息熵的目標(biāo)運動狀態(tài)評估

在理想條件的運動中，目標(biāo)的航速、航向不會發(fā)生較為頻繁或者劇烈的變化。船舶目標(biāo)一旦出現(xiàn)劇烈、連續(xù)的運動狀態(tài)變化，可能是航行條件變化、船舶狀況異常、主觀意圖造成船舶操縱駕駛非線性變化。這種變化往往意味著潛在監(jiān)管風(fēng)險。處于異常狀態(tài)的大型客貨運船舶目標(biāo)是特別需要管理部門相關(guān)人員重點關(guān)注的。本文借助信息熵方法評估在最近的一段時間內(nèi)(或者全部航程)目標(biāo)的航速、航向運動狀態(tài)變化情況。

信息熵在計算過程首先對數(shù)據(jù)序列x={x1,x2,…,xn}進行去量綱，并可根據(jù)數(shù)據(jù)的不同屬性提供成本型、效益型和適中型去量綱公式：

為了實現(xiàn)實時化的航行狀態(tài)評估，可記錄每個目標(biāo)最近5 min內(nèi)的目標(biāo)速度和航行，進而得到此5 min內(nèi)的速度、航向差分，以完成航行狀態(tài)評估。在離線情況下，可以對AIS目標(biāo)的全部數(shù)據(jù)進行處理。為防止xi=0，對上述xi公式進行修正處理，并在此基礎(chǔ)上進行計算得到熵值e：

其中，k=1/(lnN)，N是數(shù)組的x長度。

1.4 基于格子的船舶活動監(jiān)控與目標(biāo)伴隨識別

按照網(wǎng)格進行區(qū)域劃分、統(tǒng)計是實現(xiàn)熱點區(qū)域監(jiān)控的重要手段。為降低計算資源消耗，基于AIS信息動態(tài)生成統(tǒng)計網(wǎng)格。仍然取R=6 316 km作為地球標(biāo)準(zhǔn)球體模型的半徑，并選取500 m作為格子的延伸，從而換算得到緯度延伸ExtLat=0.0045°。記在不同緯度的經(jīng)度延伸、格子坐標(biāo)分別是ExtLat、IdxLat、IdxLon，其計算公式如下：

IdxLat=floor(lati/ExtLat),i=1,2,3,…,n
ExtLon=500/(R*cos(IdxLat*ExtLat)*2*Pi/360)
IdxLon=floor(loni/ExtLon)

根據(jù)航跡的AIS信息計算得到所在的格子后可以動態(tài)統(tǒng)計格子內(nèi)目標(biāo)的進入和駛出時間、平均航速和航向，以及航速航向產(chǎn)生的熵值，從而完成格子內(nèi)目標(biāo)數(shù)量統(tǒng)計、運動情況評估和船舶伴隨識別。此處認為，如果兩個目標(biāo)在同一個網(wǎng)格內(nèi)出現(xiàn)時間差不超過5 min且在不少于10個格子出現(xiàn)，則認為兩船存在伴隨情況。在完成伴隨目標(biāo)處理后，進一步實現(xiàn)船舶編隊航行判斷，數(shù)據(jù)處理流程如圖3所示。伴隨是傳遞的，即如[Obja,Objb]、[Objb,Objc]是伴隨目標(biāo)對，則[Obja,Objb,Objc]是一個伴隨群。

圖3 格子生成與目標(biāo)伴隨識別

2 仿 真

此針對南京海事局轄區(qū)長江段2018年6月29日一天的離線AIS數(shù)據(jù)進行分析驗證，提供如表1所示幾類分析結(jié)果。

表1 分析結(jié)果

通過預(yù)處理、編批處理，一共獲得9 592個目標(biāo)，其空間分布與編批目標(biāo)數(shù)隨時間變化如圖4所示。

圖4 船舶AIS信息分布空間及編批目標(biāo)數(shù)隨小時變化

由圖4可知，每小時存在的目標(biāo)數(shù)不小于2 300個。如果不進行對目標(biāo)的行為特征進行精細化處理和分析，就難以實現(xiàn)船舶與區(qū)域的風(fēng)險監(jiān)控。

在獲得目標(biāo)編批信息后，采用信息熵方法評估由目標(biāo)航向、航速變化產(chǎn)生的熵值。圖5給出熵值最大的2個目標(biāo)的軌跡圖及其速度、航向變化。

由圖5可知，2個目標(biāo)在運動中存在大量機動變向，而這些機動目標(biāo)正是需要管理者重點關(guān)注的。

根據(jù)網(wǎng)格劃分結(jié)果，統(tǒng)計活動目標(biāo)最多的9個船舶密集區(qū)域，如圖6所示。

圖5 基于信息熵方法識別得到的高機動目標(biāo)軌跡及其速度、航向變化

圖6 船舶目標(biāo)密集區(qū)域與航行風(fēng)險區(qū)

最后借助網(wǎng)格統(tǒng)計獲得伴隨最長的1對目標(biāo)。該伴隨編隊在早上8點鐘左右出現(xiàn)在長江海事局轄區(qū)西部，下午5點鐘駛出長江海事局轄區(qū)，如圖7所示。

圖7 一對伴隨船舶目標(biāo)軌跡圖

3 結(jié)束語

本文提到的方法可以實現(xiàn)船舶AIS目標(biāo)編批處理，利用信息熵方法識別高機動目標(biāo)，并結(jié)合劃分網(wǎng)格劃分結(jié)果得到目標(biāo)密集區(qū)和高風(fēng)險區(qū)統(tǒng)計結(jié)果，可以提高伴隨目標(biāo)、機動目標(biāo)和高風(fēng)險區(qū)域的精細管理。不足之處在于，網(wǎng)格化分是按照大約500 m的距離根據(jù)AIS信息到中心點的位置計算得到的。這種網(wǎng)格化分方法沒有考慮航道、港口等地理信息，存在網(wǎng)格劃分不嚴(yán)謹(jǐn)?shù)那闆r，其統(tǒng)計結(jié)果和對AIS地理空間分布特征的直觀認知有一定的區(qū)別。因此，需要進一步完善網(wǎng)格化分和數(shù)據(jù)統(tǒng)計處理方法。