時空數據庫在護航行動輔助決策中的應用研究*

彭一航 包 磊 孫悅林

(海軍工程大學電子工程學院 武漢 430033)

時空數據庫在護航行動輔助決策中的應用研究*

彭一航 包 磊 孫悅林

(海軍工程大學電子工程學院 武漢 430033)

為了更加有效地利用大量傳感器搜集的海量水面船只數據,提高護航行動的執行效率,分析了各類水面船只的時空行為特征,利用時空數據庫提供的時空量算、時空聚集、時空拓撲查詢等手段對可疑海盜船、護航盲區、危險商船進行了查詢實驗,效果顯示可以利用時空數據庫對未知船只進行預測分析,為護航行動提供了新的輔助決策支持手段。

時空數據庫; 時空查詢; 輔助決策系統

ClassNumberTP311

1 引言

索馬里海盜對國際社會產生了極大的危害,是一個復雜的國際問題[1～3]。目前,在亞丁灣參與護航的各國海軍有30多艘現代化的驅逐艦、護衛艦。然而對于整個亞丁灣海域,美國海軍預計,僅僅確保亞丁灣一條航道的暢通就至少需要61艘軍艦,而按照目前多國軍艦數量,會給海盜留下了巨大的“活動空間”[3]。另一方面,索馬里海盜在與各國軍艦“過招”中,不斷提高自身偽裝能力,混跡于大量漁船中難以發現。同時海盜找到了新的活動區域,利用各國軍艦護航區的接合部進行作案。

如何更高效地利用各國投入的現有軍艦,在不增加兵力的情況下對索馬里海域進行全天候的有效護航,成為各國面對廣闊海域的首要問題。如何利用各種傳感器捕獲到的海量數據,進行更有效的分析成為關鍵問題。

本文通過對各類水面船只的時空行為進行分析和建模,找出各類船只的時空行為差異。然后通過現有時空數據庫的時空量算、時空聚集、時空拓撲查詢等手段對海量船只信息進行分析,如可疑海盜群體的分析,護航盲區的分析,軍艦護航效率的分析等。

2 水面船只時空行為分析

主要對漁船和海盜船進行時空行為分析,其原因是海量數據中軍艦和各國商船的信息都是已知的,且對于海量的未知身份的漁船,數量規模很小。但分析軍艦和商船的時空行為也是很有必要的,因為漁船和海盜船(尤其是海盜船)的行為都會隨著軍艦和商船的行動發生變化。

下文首先對船只作為單獨個體的時空行為進行研究,然后對各類船只的相互聯系及相應的時空行為變化進行分析。

2.1 個體船只時空行為分析

先將各類船只看作是相互無聯系的時空個體,對各類船只的時空行為進行分析,如漁船、海盜船、商船等的個體時空行為特征如圖1所示。在亞丁灣海域,商船和軍艦具有明顯的標識,很容易辨別。但是研究它們的時空行為有利于海盜船的挖掘。個體船只所表現的時空行為與其從事的工作密切相關。軍艦往往在推薦的航道及周邊做往復巡查;而商船一般情況下會徑直通過航道,并向目的地航行。漁船成群結隊的進行有規律的捕魚,多數時間處于漂泊的作業狀態。海盜船試圖把自己裝扮成漁船的樣子,但為了尋找作案目標會更多的進行偵查,其活動區域也集中在航道附近。

圖1分析了漁船、海盜船和商船的個體時空行為。海盜船混雜于漁船之中,所以我們將其歸為一個大類進行分析。漁船多從海港起航,白天沿岸作業,船藝良好,航速較慢,航跡規律。海盜船多從海灘起航,日夜偽裝作業,船藝不佳,航速變化快,航跡無規律。商船只會停靠主要港口,燃料充足,按航線航行,船藝良好,船速固定。

圖1 各類船只個體時空行為分析圖

2.2 船只相互間時空行為分析

為了更好的利用時空數據庫提供的時空連接、投影查詢等手段,除了分析船只個體時空行為外還要著重分析船只相互間時空行為。各類艦船在交互的過程中表現出不同于個體行為的復雜時空行為,尤其是軍艦、商船和海盜船相互之間影響明顯。

如圖2所示,漁船更加在意自身的捕魚作業,對于其他船只的行為反應很少。海盜船往往成群作業,頻繁活動于商船周圍,且有意躲避護航軍艦。軍艦進行有組織的分區護航,對檢測到的不明漁船進行危險評估。商船往往會單獨行駛,試圖與軍艦保持距離,并快速擺脫未知的漁船群體。

圖2 船只相互間時空行為分析圖

3 時空查詢及其類型

傳統的數據庫管理系統為時空對象的應用提供了基礎,但它并不能完全滿足時空對象應用的需求,并且無法從數據庫的查詢操作、底層表示和存儲層面上對時空數據的處理提供良好的支撐。而時空數據庫從數據庫底層解決了時空數據的高效存儲、查詢[4～5]等問題,為現實應用中面向時空問題的分析和解決提供了新的方法。

戰場態勢實體間存在著多種空間關系,包括拓撲、順序、距離、方位等關系。通過時空關系查詢和定位戰場實體是戰場態勢輔助分析的重要功能之一。通常包括幾何拓撲查詢、屬性條件查詢、時空位置查詢以及查詢結果統計分析等。

從查詢技術實現角度看,戰場態勢時空查詢分為時空選擇查詢、時空投影查詢以及時空復合查詢三類。護航行動危機事件分析查詢則主要為時空復合查詢,但也包含一些時空投影或時空選擇查詢。下面舉例了各類查詢的查詢語句。

1)時空選擇查詢

時空選擇查詢一般用于基本事件的查詢,其內容一般為根據某選擇條件,對時空關系或者時空對象實體進行檢索。

例 返回1000～1200時間內通過矩形區域Rect的所有目標?

查詢:Select p.targetid

Where Contain(RECT,atinstant(p.route,t))and 1000

說明:查詢通過空間分析操作Contain返回位于rect內部的所有目標。

2)時空投影查詢

時空投影查詢對關系r在x,y空間軸或t時間軸上選取1個或者2個坐標軸進行投影,返回其分量。

例 返回各目標在矩形區域Rect中的最大航行距離?

查詢:Select max(length(trajectory(p.route)))

在高校體育信息平臺內部建立一個可以在存儲上面達到統一和可以在不同數據中心進行信息幻術和共享的要求。通過虛擬化技術，把在各個存儲設備上面的存儲空間進行合并，這些傳統模式的存儲形式通過虛擬性戶籍分配開展相應的工作，最終實現存儲資源統一不一樣的級別。因為會關系到很多類型的信息，并且這些信息對于學生的反饋教學和反映情況是息息相關的，因此是非要有必要存儲這類資源的。因此，高校體育信息共享平臺在建設這個環節就變得非常有價值了。

From Targets p

Where Contain(RECT, p.route)

3)時空連接查詢

當查詢涉及到時空連接操作時,根據發生連接的屬性不同,可分為時態連接、空間連接和時空連接三種情況。

例 返回同時進入矩形區域Rect中的目標?

查詢:Select p1,p2

From Targets p1,p2

Where deftime(intersection(p1.route,Rect)).begin

=deftime(intersection(p1.route,Rect)).begin

說明:“同時進入”蘊含針對t1,t2進入rect區域的時間做時態連接。intersection操作返回運動點位于Rect范圍內的部分。Deftime獲得運動點在時間軸上的投影。

4 實驗與驗證

4.1 應用場景設置

實驗建立在時空數據庫NHSTDB[4]上,應用層顯示模塊使用了ArcEngine以增強地理信息數據的顯示效果[6]。課題建立了測試用庫,其中設置了模擬數據,時空對象實體包括軍艦、商船、漁船、海盜船、國際推薦航道、各艦船使用時空點對象GmPoint存儲、國際推薦航道、軍艦保護區域、海盜船威脅區域使用時空面對象GmRegion存儲。國際推薦航道為半徑2海里的沿岸狹長區域;軍艦保護區域、海盜船威脅區域分別為軍艦、海盜船點對象為中心、影響距離r為半徑的圓形區域。

各類艦船數據使用編寫的索馬里海域艦船數據模擬生成程序產生xml數據文件,使用數據管理功能批量導入時空數據庫原型系統。所有時空數據跨度24小時,時間切片粒度為10分鐘,每個時空對象實體具有144個時空快照。根據各類艦船行為模擬產生了南岸各國護航軍艦20艘、通行商船100艘和1000艘身份不明的漁船。各類船只的最大速度按實際情況設置。如表1所示。

表1 實驗使用的數據列舉

4.2 查詢實例

例1:查詢海域Rect內的可疑的海盜群?

說明:實例利用海盜船與漁船的若干行為差異(漁船作業時航跡無規律且航速較慢,海盜船準備作案時則“跟隨”商船目標且航速較快),對整個海域內的漁船進行時空查詢。海盜船只往往有組織地結隊航行尋找目標,而當地漁船多為單體作業,缺少聯系。利用海盜船群體作業特征對單體可疑海盜船目標集進行時空聚集查詢可以得到更加可靠的可疑海盜信息。

圖3中右側顯示的是對海盜群的檢測結果,這里的時空判定查詢準則為:“目標間距持續小于1000m,且均與商船距離小于5000m的最大持續時間大于20分鐘,且累計持續時間超過1小時”。

圖3 海盜群查詢實例

例2:查詢航道段Rect內的護航盲區?

說明:“護航盲區”指某段航道長時間無法獲得護航編隊艦船的巡視和護航。對長段時間(如1小時)內所有軍艦的保護區域進行時空投影操作,使用投影區域與航道區域進行Contain操作得到重疊區域以外的護航盲區。

圖4中右側顯示的是對當前護航盲區查詢結果,這里的時空判定查詢準則為:“盲區為當前時間下,所有護航艦艇影響區域都無法覆蓋到的區域”。

圖4 護航盲區查詢實例

例3:查詢海域Rect內的危險商船?

說明:“危險商船”指處在可疑海盜船作案范圍內且距離最臨近軍艦較遠,短時間(如30分鐘)軍艦無法前往援助的商船。首先對可疑海盜威脅區與所有商船進行Contain操作,得到區域海盜威脅下的商船集,對商船集中每個目標與軍艦進行臨近連接查詢,判斷軍艦趕赴時間,最后得到高危的商船信息并進行預警。

圖5中右側顯示的是對處于危險中的商船的檢測結果,這里的時空判定查詢準則為:“航道內,處于所有護航艦艇在1小時內都無法覆蓋到的區域內的所有商船”。

圖5 危險商船預警查詢實例

5 結語

為了更加有效地利用護航行動中各類傳感器搜集的海量船只數據,更早地發現潛在威脅,更合理地規劃護航區域,本文分析了各類水面船只的時空行為特征,重點對比了漁船與海盜船的時空行為特征差異,利用時空數據庫提供的各類時空查詢手段對海域船只數據進行了挖掘,查詢得到可疑的海盜船集合、護航的盲區以及危險的商船,效果顯示可以利用時空數據庫對未知船只進行預測分析,為護航行動提供了一種新的輔助決策支持手段,也為時空數據庫的應用方法提供了新的思路。

[1]張超漢.淺析索馬里海盜行為的國際規制[J].黑龍江省政法管理干部學院學報,2009(5):112-114.

[2]馬民革,周倩.索馬里海盜犯罪問題研究[J].國際關系學院學報,2010(5):76-83.

[3]檀有志.索馬里海盜問題的由來及其應對之道[J].國際問題研究,2009(2):56-60,69.

[4]段海亮.時空數據庫數據模型和查詢語言的研究與實現[D].南京:南京航空航天大學,2009.

[5]陳倩,秦小麟.時空數據庫中數據建模的研究[J].計算機工程,2004,30(20):56-58.

[6]楊平,唐新明,翟亮.基于時空數據庫的動態可視化研究[J].測繪科學,2006,31(3):111-113.

[7]黃勇奇,崔偉宏.基于歷史關系數據庫的時空數據庫實現研究[J].遙感學報,2008,12(5):759-764.

ApplicationofSpatio-TemporalDataBaseinAidedDecisionMakingofConvoyOperations

PENG Yihang BAO Lei SUN Yuelin

(College of Electronic Engineering, Naval University of Engineering, Wuhan 430033)

An effective analysis of the surface vessels situation has great significance for the commander to perceive the convoy operations situation and to make the right decision. Based on the existing query technique of Spatio-Temporal DataBase(STDB), a new mining method for the vast amounts of vessels data is given. A comprehensive analysis of the spatio-temporal behavior of surface vessels, and the object-oriented data model is chosen to modify it; at the same time STDB applications are introduced to discover suspicious pirates which are the biggest threat to convoy operations.

spatio-temporal database, spatio-temporal query, assistant decision system

2013年10月3日,

:2013年11月19日

國家863創新基金(編號:2010AAJ168);湖北省自然科學基金(編號:2011CBD053)資助。

彭一航,男,碩士研究生,研究方向:時空數據庫應用、人機交互。包磊,男,博士,教授,博士生導師,研究方向:裝備保障仿真、時空數據庫。

TP311DOI:10.3969/j.issn1672-9730.2014.04.029