AIS數據中單船操縱模式辨識

馬文耀， 吳兆麟， 李偉峰， 楊家軒

(大連海事大學 航海學院， 遼寧 大連 116026)

當前根據軌跡數據分析移動對象的行為已成為交通領域的研究熱點。[1]通過分析軌跡數據，觀察目標隨時間序列的變化并進行剖析，得到運動個體高層次的行為描述。在道路交通安全方面，主要從避免“交通堵塞”的角度，利用車輛個體軌跡分析駕駛員的出行習慣和駕駛習慣[2]，重點識別交通擁堵高發的時段和地段，推薦個人出行路線。[3-4]在船舶行為研究方面，主要從 “交通安全”的角度研究船舶避讓的方法和規律。[5]船舶避讓措施一般為轉向和(或)變速[6]，避讓時機和采取避讓措施的位置會在很大程度上影響避讓安全。同時，船舶操縱行為是船與船之間及船與外界環境之間的相互作用，能通過船舶運動軌跡有效地描述出來。因此，從軌跡中挖掘出避讓時機和采取避讓措施的位置等信息有助于識別及理解船舶操縱行為。

船舶自動識別系統(Automatic Identification System,AIS)不僅能保障船舶的航行安全，還可獲取更高級別的海上情境意識。[7]盡管AIS的覆蓋范圍有限，只能反映局部區域的海上交通，但其具有全球統一的標準，通過融合多個AIS數據源，可用于分析全球海上交通。隨著各國AIS基站網絡的建立和星載AIS群的出現，AIS已成為近乎實時的全球海上交通信息來源。[8]海量的AIS船舶運動軌跡數據包含有豐富的船舶交通模式和駕駛行為習慣等信息[9]，通過充分挖掘這些信息，可為船舶駕駛行為研究和異常行為檢測提供決策支持。

船舶AIS軌跡數據能描述船舶空間位置及屬性隨時間的變化。海上交通研究關注的對象一般包括運動船舶、空間區域、時間特征和運動事件。軌跡特征通常既包括最原始的位置和時間參數，也包括間接得到的距離、方向、空間分布和加速度等參數。由于這些特征過于簡單，無法反映單船操縱行為，導致可檢測的船舶異常行為類型有限，甚至無法發現某些 “重點關注水域”。

根據船舶操縱行為特性，結合船舶運動學約束條件，增加軌跡特征維度，將船舶操縱行為引入AIS軌跡特征中，使其對應船舶具體操縱模式，提出一種從AIS軌跡數據中自動辨識單船操縱模式的方法。

1 軌跡中船舶操縱行為建模

1.1 船舶操縱行為

船舶操縱行為是指控制船舶在水中運動的行為。船舶駕駛員根據船舶的操縱性能和車、舵效應，結合風、流和水域等客觀條件，運用船舶推進器、舵、錨、纜和拖船來保持或改變船舶的運動狀態。

船舶軌跡是船舶在一段時間內的操縱過程在空間上的體現，因此蘊含船舶操縱過程。由于船舶操縱過程是由一系列操縱行為(機動行為)構成的，因此操縱行為能用模型實例化，并能以可識別的操縱模式體現。AARSAETHER等[10]將船舶操縱模式分為航向基本恒定和航向變化機動2類。這種基于最簡單的幾何模型建立的單船操縱行為辨識模型不能充分體現制動、加速、大幅度轉向和小角度轉向等船舶操縱模式。根據船舶操縱行為，可進一步對航向基本恒定和航向變化機動進行細分，結果見圖1。

1.2 船舶操縱行為特征

通過對有限時間窗內特定船舶軌跡的運動進行分析，可識別出需重點關注的船舶行為。根據操縱行為的不同，將船舶AIS軌跡分成不同類型的航段，每個航段對應1種操縱模式，每種模式具有若干個運動學特征。根據不同的運動學約束條件， 將AIS軌跡劃分為勻速航段、制動航段、加速航段、停留航段、弱偏航航段、強偏航航段和其他航段等航段。各航段分別與圖1中的操縱行為模式對應。

1) 勻速航段：在整個航段內，線速度不為0，線加速度和角加速度接近于0，對應“勻速航行”模式。

2) 制動航段：在整個航段內，線加速度小于某個負數的閾值，對應“減速”模式。

3) 加速航段：在整個航段內，線加速度大于某個正數的閾值，對應“加速”模式。

4) 停留航段：在整個航段內，線性速度接近于0，對應“停留”模式。

5) 弱偏航航段：角速度接近于一個定值，開始點和結束點的航向差在某個閾值內。若航向差為正，則為右舵弱偏航航段，對應“右舵小角度”模式；否則為左舵弱偏航航段，對應“左舵小角度”模式。

6) 強偏航航段：角速度接近于一個定值，結束點和開始點的航向差在某個閾值內，其閾值大于弱偏航閾值。若航向差為正，則是右強偏航航段，對應“大幅度右轉”模式；否則為左強偏航航段，對應“大幅度左轉”模式。

7) 其他航段：在整條船舶軌跡中，已提取的常規航段以外的航段為不規則航段。這些航段通常或多或少涉及一些類似痙攣的動作，即線性和角加速度均不為0。不規則航段近似認為是“勻速航行”模式。

1.3 軌跡數據中單船操縱行為模型

船舶操縱行為也可稱為機動行為，反映船舶的運動過程。運動軌跡中每3個點就構成1個運動過程，即每3個軌跡點蘊含1個船舶操縱行為事件。通過等時間間隔采樣3個軌跡點，得到該過程中的船舶操縱行為。圖2為船舶操縱模式辨識示意。圖2a)中：pi與相鄰的pi-1點和pi+1點的采樣時間間隔為Δt；vin,i為軌跡段pi-1pi的矢量速度；vout,i為軌跡段pipi+1的矢量速度。vin,i和vout,i的計算式為

(1)

(2)

v=(VSOG,CCOG)

(3)

在航海上，速度矢量可用VSOG或CCOG來表示(如圖2b)所示),其中,VSOG為船舶對地速度，CCOG為船舶對地航向。為劃分各航段的操縱行為模式，設定4個門限(VTZero，aTAcceleration，aTWeak，aTSharp)，

a)軌跡點間的運動示意b)速度矢量在航海上的分解示意

圖2 船舶操縱模式辨識示意

其中VTZero為接近于0的速度值。船舶在錨泊時，即使自身停止運動，受風和流影響，仍有一定的對地速度。因此，須設定VTZero門限。當船舶速度小于VTZero時，認為船舶處于“停留”狀態。aTAcceleration為船舶加速度，船舶航行時，受不規律風、浪影響，即使車鐘狀態始終不變，其加速度仍在微弱變化，故須設定aTAcceleration，僅當船舶加速度達到一定程度(即超過該門限)時，才判定船舶進行變速機動。aTWeak和aTSharp為航向變化率，即船舶航向每分鐘改變的度數。船舶以自動舵模式航行時，沿預定航向前進，受外界風、浪和流聯合作用，其運動軌跡呈“S”形，幾乎是沿預定航向左右擺動；當船舶偏離預定航向一定程度之后，會慢慢轉回至預定航向。這種船舶左右偏擺運動與船舶轉向機動的區別主要在于航向變化率。當船舶的航向變化率小于aTWeak時，認為船舶做“S”形擺動，近似認為做直線運動；當船舶的航向變化率在aTWeak與aTSharp之間時，認為船舶做小角度轉向機動；當船舶的航向變化率大于aTSharp時，認為船舶做大角度轉向機動。

為比較與Pi點相連的上、下2個航段的操縱模式，定義船舶速度變化率和航向變化率，分別用as和ac表示，計算式為

(4)

(5)

根據不同的運動學約束條件，提出船舶操縱模式辨識模型，辨識規則為：

1) 若VSOG,in，i>VTZero,VSOG,out，i>VTZero,|as|

2) 若as<0 且 |as|>aTAcceleration，則認為pi處船舶操縱行為屬于減速航行行為。

3) 若as>0且|as|>aTAcceleration，則認為pi處船舶操縱行為屬于加速航行行為。

4) 若VSOG,in，i

5) 若ac<0 且aTWeak<|ac|

6) 若ac>0 且aTWeak<|ac|

7) 若ac<0 且 |ac|>aTSharp，則認為pi處船舶操縱行為屬于左舵強偏航行為。

8) 若ac>0 且 |ac|>aTSharp，則認為pi處船舶操縱行為屬于右舵強偏航行為。

1.4 門限閾值的確定

門限閾值的選擇對操縱行為模式的辨識起到關鍵性作用。門限閾值的大小由船舶操縱性能決定。轉向性差的船舶，其舵效較差，單位時間內的航向改變量較小。即使駕駛員操相同的舵角，其轉向率變化幅度也較小。因此，對于操縱性差的船舶，其aTSharp設置得略小一些。若船舶的保向性好，船舶軌跡“S”形擺動幅度相對較小，則其aTWeak應設置得小一些。若船舶的轉向性好，則操相同轉舵角能獲得更高的轉向率，aTSharp應設置得更大一些。船舶的操縱性好，其加速性能和制動性能就會更好，船舶稍微增減檔位，航速立刻發生變化，因此aTAcceleration應設置得偏大一些。 船舶的操縱性能與船舶類型、尺度和天氣海況密切相關，需研究這些因素對閾值參數的影響。

1.4.1船舶類型對閾值參數的影響

船舶類型一般分為客船、集裝箱船、散貨船、油船和漁船。就操縱性能而言，客船、集裝箱船、散貨船、油船和漁船的操縱性能依次下降。因此，aTAcceleration和aTSharp應依次偏大，而aTWeak應依次偏小。例如，集裝箱船的操縱性比油船好，加速和減速比油船更迅速，因此集裝箱船的aTAcceleration應比油船的大。由于油船的保向性比較差，因此其aTWeak門限設定應比集裝箱船略大。

1.4.2船舶尺度對閾值參數的影響

對于同種船型，小尺度船舶的操縱性明顯優于大尺度船舶。因此，小尺度船舶的aTWeak應設置得偏小，而aTSharp應設置得偏大。

1.4.3天氣和海況對閾值參數的影響

船舶的操縱性與天氣、海況密切相關。船舶在天氣、海況狀況良好條件下的操縱性明顯優于在惡劣天氣條件下的操縱性。因此，天氣、海況良好條件下的aTWeak設置得比惡劣天氣海況下的小一些，而aTSharpp設置得偏大一些。

針對不同天氣海況、不同種類(油船、集裝箱船、客滾船和散貨船)和不同尺度的船舶，通過實船操縱性調研并根據相關領域專家的分析，確定船舶操縱行為辨識模型中的門限閾值，建立船舶操縱行為辨識參數知識庫。

2 AIS軌跡數據中單船操縱行為辨識

辨識過程：根據海上移動通信業務標識碼(Maritime Mobile Service Identity, MMSI)(或船名)及開始時刻和結束時刻,從AIS原始數據中提取出某段時間內單船的原始軌跡，并對該軌跡進行數據清洗、插值和等時間間隔采樣，得到單船等時間間隔采樣軌跡。對軌跡上的各個點進行操縱行為模式辨識，為各軌跡點添加表示操縱模式行為語義的屬性。最后得到帶有船舶操縱行為模式語義的單船軌跡。具體操縱模式辨識流程見圖3。

2.1 數據查詢

船舶軌跡點由船舶采樣點位置、采樣時間、對地速度(Speed Over Ground, SOG)、對地航向(Course Over Ground, COG)、航行狀態、轉向速率和MMSI碼等構成。該船的這些采樣點數據信息根據采樣時間先后順序構成軌跡點序列。根據船舶的MMSI碼及輸入的開始時刻和結束時刻，并按時間先后排序，采用SQL 查詢語句迅速從AIS數據庫中提取出該條船舶軌跡，即該船的單船原始軌跡。

2.2 單船軌跡數據清洗

船舶有時會發送超出岸臺AIS接收范圍的AIS消息，導致該船舶軌跡不全；船舶AIS設備發生故障會導致軌跡中出現部分錯誤或軌跡缺失等。[14-15]這些因素都會影響到單船軌跡操縱行為的分類和識別，因此需對AIS數據進行清洗。

2.3 單船軌跡數據插值和采樣

由于AIS設備以不同時間間隔(2～360 s)發送消息，導致基于AIS的單船軌跡點之間的時間間隔不一致。須對單船AIS軌跡數據進行插值，并根據指定的時間間隔進行采樣，得到等時間間隔的單船軌跡。

2.4 單船操縱模式辨識參數的獲取

根據船舶的MMSI碼，從AIS信息中獲取船舶靜態信息，包括船舶類型、船舶長度、天氣和海況，從門限數據庫中得到該船的操縱模式辨識參數。

2.5 單船軌跡操縱行為模式辨識

逐一對單船軌跡的各軌跡點進行操縱模式辨識，將得到的操縱模式類別作為該點的船舶操縱行為特征保存到該點中，最終獲得帶有船舶操縱模式的單船軌跡。

3 試驗及分析

以瓊州海峽2015年5月份的AIS數據集為研究數據，提取763艘船舶的運動軌跡，基于這些數據辨識船舶操縱模式，提取單船的“停留”“勻速航行”“加速”“減速”“小幅度左轉”“小幅度右轉”“大幅度左轉”和“大幅度右轉”等8 種操縱模式。采樣時間間隔設置為60 s，VTZero=0.4，aTAcceleration=1.2，aTWeak=2，aTSharp=10，獲得帶有操縱模式的船舶軌跡。圖4為某散貨船的帶有操縱模式的船舶軌跡。用4個矩形框對圖4中的船舶軌跡進行劃分，將其編號為①～④。圖5為這4個矩形區域的放大圖。

圖5a)中，點A1的模式為“小幅度左轉”，點B1的模式為“小幅度右轉”，點C1的模式為“加速”，點D1的模式為“減速”，點B1與點C1之間的軌跡點的模式為“勻速航行”，點E1的模式為“大幅度右轉”。船舶在矩形區域①中航行，在點A1～點B1采取小幅度調整，船舶從瓊州海峽西行通航分道的右側慢慢移動到分道的左側。

a)矩形區域1放大圖b)矩形區域2放大圖

c)矩形區域3放大圖d)矩形區域4放大圖

圖5 4個矩形區域的放大圖

圖5b)中，點A2的模式為“小幅度左轉”,點B2的模式為“小幅度右轉”，點C2的模式為“大幅度左轉”，點D2的模式為“加速”。船舶在矩形區域②中航行，先在西行分道中航行，然后小幅度左轉調整進入警戒圈，隨后再大幅度左轉，航向變為185°，即南北向航行。

圖5c)中，點A3的模式為“小幅度左轉”，點B3的模式為“大幅度左轉”，點C3的模式為“減速”，點D3的模式為“小幅度右轉”。從矩形區域③中可看出，船舶先勻速航行一段，然后小幅度左轉，隨后大幅度左轉并減速進入某個區域，最終停止。

圖5d)中，點A4和點B4的模式為“大幅度右轉”，點C4和點D4的模式為“大幅度左轉”，點E4的模式為停留，且軌跡中點E4之后的軌跡點的模式均為“停留”。矩形區域④中軌跡點信息見表1。

海口秀英港No.4作業、防臺錨地區域為矩形，矩形頂點坐標值見表2。從表1和表2中可看出，這些點所處區域為秀英港No.4作業、防臺錨地，船

表1 矩形區域4中軌跡點信息

舶在點A4～點D4在錨地內航行，但沒有抵達錨位。船舶到達錨位后拋錨，點E4以后軌跡點速度均為0，處于錨泊狀態。辨識結果與實際狀態一致。

表2 海口秀英港No.4作業、防臺錨地

4 結束語

根據船舶操縱規律和運動學約束條件，建立船舶操縱模式模型，提出一種從AIS數據中自動辨識單船操縱模式的方法。利用該方法對瓊州海峽內船舶的航行軌跡進行單船操縱行為模式辨識。試驗結果表明，該方法能有效識別出所需的船舶操縱行為模式，如大幅度轉向。結合地理場景知識，有助于進一步了解船舶操縱意圖。由單船操縱模式辨識結果可知：小幅度轉向往往是船舶調整航向，糾正偏航；大幅度轉向則是船舶在避讓或在航路點轉向至新航向。從船舶安全的角度考慮，更加關注“大幅度左轉”和“大幅度右轉”。對海上交通中多艘船舶進行單船操縱模式辨識，通過對所需的“操縱模式”進行軌跡點聚類，能進一步識別出交通模式中的轉向區和停留區。通過將交通模式中的轉向區與單船軌跡中“大幅度轉向”點相比對，可識別出單船軌跡中的避讓點。

[1] FANG Z,SHAW S L,TU W,et al．Spatiotemporal Analysis of Critical Transportation Links Based on Time Geographic Concepts: A Case Study of Critical Bridges in Wuhan，China[J].Journal of Transport Geography，2012，23(3): 44-59．

[2] 陶立. 機動車駕駛員不當駕駛行為特征與判別指標分析 [D].北京: 清華大學, 2012.

[3] 辛飛飛，韋龍雨．交通誘導信息對駕駛員路徑選擇行為影響調查分析[J]. 交通信息與安全，2013，31(3): 64-68．

[4] 王祖超,袁曉如. 軌跡數據可視分析研究[J]. 計算機輔助設計與圖形學學報, 2015, 27(1): 9-25.

[5] 吳兆麟,朱軍.海上交通工程[M].大連：大連海事大學出版社, 2013:110-116.

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

[7] VESPE M, VISENTINI I, BRYAN K, et al. Unsupervised Learning of Maritime Traffic Patterns for Anomaly Detection[C]∥Data Fusion & Target Tracking Conference: Algorithms & Applications, 9th IET. IET, 2012: 1-5.

[8] IALA. Recommendation A-124 Appendix 19 : Satellite AIS Considerations[C]∥International Association of Marine Aids to Navigation and Lighthouse Authorities, Tech. Rep., 2011.

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

[10] AARSAETHER K G，MOAN T. Estimating Navigation Patterns from AIS [J].Journal of Navigation, 2009, 62(4):587-607.

[11] AARSAETHER K G，MOAN T. Combined Maneuvering Analysis, AIS and Full-Mission Simulation[J].International Navigational Symposium on Marine Navigation & Safety of Sea Transportation. Gdynia Poland Main Papers, 2007,23(2):93-100.

[12] TOMINSKI C，SCHUMANN H，ANDRIENKO G，et al．Stacking-Based Visualization of Trajectory Attribute Data[J].Transactions on Visualization and Computer Graphics，2012，18(12) : 2565- 2574.

[13] ANDRIENKO G, ANDRIENKO N, BAK P, et al. Visual Analytics of Movement [M]. New York: Springer, 2013:83-86.

[14] GRAVESON A. AIS-An Inexact Science [J]. Journal of Navigation, 2004,57(3):339-343.

[15] NORRIS A. AIS Implementation-Success or Failure [J]. Journal of Navigation, 2007,60(1):1-10.