試述基于多傳感信息融合的內河水運統計應用研究

何建春

（嘉興市港航管理局，浙江 嘉興 314000）

試述基于多傳感信息融合的內河水運統計應用研究

何建春

（嘉興市港航管理局，浙江 嘉興 314000）

目前我國水運統計的主要手段是抽樣統計，嘉興港航局定期在船舶樣本庫中抽取樣本船，通過人工調查，根據樣本船調查結果推算出全區的統計數據。抽樣統計方法在實際應用過程中難免會存在數據不準、分析不到位等問題。基于多傳感信息融合的內河水運統計方法，運用科技手段可對全樣本船舶流量流向、船舶航行里程、航道船舶密度的即時化、準確化、精細化統計分析與展現，實現對水路運輸船舶科技化、動態化和智慧化管理。

多傳感信息融合；內河水運統計；MMSI（Maritime Mobile Service Identity）；船舶航次全樣本數據

嘉興港航局的內河水運統計模式以浙江省港航管理局統一制定的抽樣調查制度為依據，定期在船舶樣本庫中抽取樣本船，由于人工樣本數據的取得過程中會形成很多誤差，導致抽樣總體與實際有誤差，樣本調查數據存在不準確性等問題與不足影響統計推算結果準確性。為此，如何結合現有船舶RFID、GPS/AIS等技術的應用、港航管理新模式和水運統計信息化進行多傳感技術融合研究顯得非常必要。

1 多傳感信息融合技術

多傳感信息融合技術將各種傳感器進行多層次、多空間的信息互補和優化組合處理，最終產生對觀測環境的一致性解釋。根據信息表征的層次，多傳感信息融合劃分為像素級融合、特征級融合和決策級融合。

（1）像素級融合是最低層次的信息融合。在這種方法中，匹配的傳感器數據直接融合，而后對融合的數據進行特征提取和特征說明。傳感器的信息融合之后，沒有單個處理的信息損失，識別的處理等價于對單個傳感器的處理。

（2）特征級融合是中間層次的信息融合。在這種方法中，每個傳感器觀測目標，并對各傳感器的觀測進行特征提取（如提取形狀、邊沿、方位信息等），產生特征矢量，而后融合這些特征矢量，并做出基于聯合特征矢量的屬性說明。

（3）決策級融合是最高層次的信息融合。在這種方法中，每個傳感器觀測目標，對各傳感器的觀測進行特征提取，產生特征矢量；而后對特征矢量進行模式識別處理，完成各傳感器關于目標的說明；再將各傳感器關于目標的說明數據按同一目標進行分級；最后利用融合算法將某一目標各傳感器的數據進行合成，得到該目標的一致性解釋與描述。

2 內河水運統計概況

嘉興港航局的統計模式以浙江省局統一制定的抽樣調查制度為依據，定期在船舶樣本庫中抽取樣本船，抽出的樣本船根據船舶注冊地、船籍港，通過局、處、站三級網絡分派到基層進行人工調查，由市局運管科統一對本港船進行每半年一次性抽6個月所要使用的所有樣本，這些樣本船舶主要靠手動錄入。

然后將每個月的樣本船舶分配到各個站點，由站點工作人員主要采用電話調查方式了解信息（包括船舶航次、貨物名稱、貨物重量、運輸公里、油耗、運輸成本、利潤等等）。調查完成后，工作人員手動填寫《浙江省水路運輸分月抽樣調查單船登記表》，然后上報到各個處，由各處的工作人員統一錄入抽樣調查系統。利用統計學中的抽樣調查法，根據樣本從而推算出嘉興所有本港船的年載貨量與總運距。

抽樣調查統計方法在原理上正確可行，但在實際應用過程中難免會存在一些問題與不足：

（1）船舶樣本總體與實際存在差異性。船舶樣本總體每個月進行調整，船舶總體運力隨經濟形勢的變化相對敏感，導致抽樣總體與實際有誤差，另外，由于總體庫相對固定，抽出的樣本船存在已變賣或注銷的可能性，這會影響結果的正確性。

（2）樣本調查數據存在不準確性。由于樣本船舶需要人工調查，樣本數據的取得過程中會存在船戶經常不接電話，不配合；船戶上報的數據存在相當大的主觀性；各站抽樣統計的基礎數據也依賴于基層工作人員的經驗，甚至也有拍著腦袋出數據等問題而形成很多誤差。

針對以上問題，結合港航已有的信息化能力，需要研究應用船舶AIS動態、GIS、RFID、視頻監控等多傳感器信息融合的全樣本水運統計模型與方法，提高水上運輸統計的準確性。

3 基于多傳感信息融合的內河水運統計方法

3.1 基于船舶航次記錄的全樣本統計數據模型

內河水運全樣本統計數據模型涉及船舶電子報告、碼頭作業報告、船舶AIS動態、RFID、激光流量、視頻監控等多感知信息以及航道/碼頭等基礎數據以及這些信息在業務上、邏輯上、時空上的相互關系。理清內河水運生產活動中可能產生的數據，做到一數一源、多元采集、共享校核、及時應用，可以實現基于統計總體的全樣本數據統計。

根據基于船舶航次記錄建立的全樣本統計數據模型，對于內河水運統計的全樣本數據庫中的每條船舶都有一張船舶航次記錄信息表及船舶流向、貨物流量流向、港口吞吐量、營運船舶狀況、途經過點軌跡等多個派生表。通過AIS、RFID、視頻監控、激光流量等多傳感信息融合并輔于電子報告、碼頭作業等信息，可以以時間為主線來完善船舶航次記錄信息表，從時空上把握船舶的航行記錄，重現每條船舶的生產活動過程，從而為基于船舶航次記錄的全樣本水運統計打下堅實的數據基礎。

3.2 基于船舶航次全樣本水運統計方法

3.2.1 水運統計主要指標的計算思路

在基于船舶航次全樣本水運統計計算中，通過AIS/GPS、RFID電子船名牌等智能感知手段獲取船名，再通過船名獲取該船舶的船名、船舶經營人、凈載重量、功率、船舶類型等基本信息。對于航次、航次起訖地點、貨物名稱、貨物重量、運輸里程等動態信息的采集，需要基于船舶航次記錄建立的全樣本統計數據模型進行計算或者獲取。對航次起訖地點、運輸里程、航行時間、貨運量這四個主要指標數據計算的基本方法是：

航次起訖地點（裝貨港-卸貨港）：基于船舶航次記錄建立的全樣本數據模型，利用航道卡口點及AIS/GPS/RFID/激光流量等感知手段，通過定位還原航行軌跡，在電子航道圖中調出起點、終點數據。再通過電子報告獲取的數據，結合碼頭作業報告對數據進行核實。

運輸里程：通過AIS/GPS獲取船舶航行路線軌跡，利用RFID電子船名牌卡口監測數據，以及激光船體識別記錄進行核實，結合電子航道圖各航道航段里程數據計算出運輸里程。需要注意的是，在AIS/GPS開機率不高的情況下，RFID數據和激光船體識別記錄成為推算船舶航行路線軌跡的主要數據庫源。

航行時間：在航次起訖地點已知的情況下，利用AIS/GPS獲取船舶行駛記錄，通過碼頭作業報告獲取載貨、卸貨數據，結合電子報告，計算出空載、重載時間，兩者相加得到合計時間。

貨運量：在航次起訖地點已知的情況下，可通過碼頭作業報告獲取載貨、卸貨數據得到船舶每一個航次的貨運量。在目前的智能感知手段中，激光流量系統能夠大致估計船舶裝載貨物的重量，但用于實際的水運統計還不成熟。

3.2.2 基于船舶航行軌跡的計算方法

以上三種統計數據信息的采集主要采用在電子航道矢量圖上繪制航行軌跡的方法實現。具體實現方法如下：

AIS感知平臺收集了豐富的船舶位置信息，且信息中包含了船舶唯一標識MMSI（Maritime Mobile Service Identity），這就為每艘船舶的航跡繪制提供了可行性。AIS數據庫包括了船舶動態和靜態信息表、船舶資料表及各AIS點位置信息表等。其中，各AIS點位置信息表AIS_NAME記錄了AIS點的名稱、安裝位置及最大覆蓋范圍；動態信息表記錄MMSI、船舶位置、記錄數據時間等信息。

利用船舶動態表的經緯度信息、記錄數據時間和AIS點名稱可以完成航跡分布圖的繪制。

（1）生成繪制航跡分布所需的全部且無重復記錄的MMSI表。根據輸入的港口名稱、時間段，繪制區域的矩形，搜索完成航跡分布所需的全部動態表，再對這些動態表按MMSI分組查詢，把分組的MMSI放入到一個表，由于這些MMSI來自不同的動態表，故有些MMSI記錄會重復，對這些表繼續按MMSI分組查詢，就可以得到繪制航跡分布全部且無重復記錄的船舶MMSI。

（2）對MMSI表的每個MMSI，按時間先后順序搜索有關動態表的位置信息，接著設置經度、緯度、時間的最大差值（閥值）λlat、λlong、λtime，然后比較相鄰的兩個位置信息，當時間差≤λtime，經度差≤λlong，緯度差≤λlat，同時滿足這三個條件時，才可以畫線，否則，就不能畫線。這樣遍歷所有的位置信息，就可以得到屬于此MMSI的航跡。然后對下一個MMSI重復上述步驟，直至遍歷MMSI表中的所有MMSI。這樣就得到了此港口水域或矩形區域的航跡分布圖。在這里，設置經度、緯度、時間閥值的原因在于有些船舶在較短的時間內出現了較大的位置變化，或者是間隔相當長的時間才有記錄，或者是進入了AIS設備盲區，設置了閥值就可以避免航跡分布出現雜亂線的可能。時間閥值主要根據船舶最大報告頻率設置；經緯度閥值主要根據船舶航行最大速度及時間閥值設置。

根據算法設計的思路可歸納出基本的算法步驟，它表示一個AIS點在輸入起止日期、繪制矩形經緯度后，繪制航跡分布的流程。若要繪制多AIS點航跡分布圖，循環此算法即可。

由AIS/GPS采集的船舶航行軌跡數據是船舶連續變化的行駛狀態（位置,速度,方向等）的離散化,目前在應用領域普遍采用線性參考系統和航道分段技術建立航行軌跡數據的坐標參考系（Rm,ln,Di,ti）。其中，Rm,ln,Di分別表示該軌跡采樣點在航網中的航段編號、航道編號、該采樣點與航道中線的垂足點與航段起始點的沿航道中線的距離。

根據上述算法在矢量圖上繪制出船舶航行軌跡，航次起訖地點即為每段航行軌跡的起點和終點。

其中Li表示編號為i的航段長度，Ti表示經過該航段的次數。航行時間通過AIS/GPS讀取時間信息計算可得。

4 總結

本文研究基于多傳感信息融合的內河水運統計方法，實現船舶流量流向，貨物流量流向，船舶航行里程，航道船舶密度的即時化、準確化、精細化統計分析與展現，對水路營運船舶實施科技化、動態化和智慧化的管理，為解決長期以來水運統計靠人工抽查造成的數據不準、分析不到位等問題做出一定的貢獻。

U692

A

1006—7973（2017）10-0039-02

10.13646/j.cnki.42-1395/u.2017.10.017