基于Openlayers3和Cassandra的船舶碰撞風險識別系統(tǒng)

本系統(tǒng)使用了兩種類型的圖層如下：

var layerTileMap = new ol.layer.Tile({

source: new ol.source.XYZ({

url:′getmaptile.do?x={x}&y={y}&z={z}′

})

});

var layerVectorShip = new ol.layer.Vector({

source:vectorSourceShips

});

var vectorSourceShips = new ol.source.Vector({ });

var =shipfeature=newol.Feature(

new ol.geom.Point(ol.proj.transform([132,33],′EPSG:4326′,′EPSG:3857′)));

vectorSourceShips.addFeature(shipfeature);

layerTileMap為瓦片圖層，配置XYZ數(shù)據(jù)源，定義圖層這里加載的是電子海圖，url為海圖地址。layerVectorShip為矢量圖層，加載GeoJson類型的shipfeature對象,可以使用shipfeature.setStyle(shipstyle)來為該Feature設(shè)置樣式，本文為其添加了ShipShape樣式來將點表示為三角形樣式來標示船舶。

var shipstyle= new ol.style.Style({

image: new ol.style.ShipShape({

fill: fill,

points: 4,

radius: 10,

angle: Math.PI / 4,

height:imageheight,

feature: _shipfeature,

})

});

2012年前后，杭州市政府大力探索智慧城市建設(shè)，區(qū)域醫(yī)療信息化建設(shè)推進迅速，希望實現(xiàn)醫(yī)療機構(gòu)互聯(lián)互通，達成“智慧醫(yī)療”概念。最終，市民卡成為患者進入杭州醫(yī)療服務(wù)體系的一個“公共載體”。這些網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，為醫(yī)院一系列后續(xù)流程變革創(chuàng)造了條件。

1.2 Cassandra

Apache Cassandra 是一套開源分布式 Key-Value 存儲系統(tǒng)，它是一種混合型的非關(guān)系型數(shù)據(jù)庫，類似于Google的BigTable，被Apache列為重點發(fā)展的頂級項目[7]。AIS 數(shù)據(jù)量巨大，使用傳統(tǒng)的關(guān)系型數(shù)據(jù)來查詢多天的單船軌跡或者區(qū)域軌跡的數(shù)據(jù)時，通常面臨著較大的困難。近幾年來隨著大數(shù)據(jù)云計算技術(shù)的流行，云存儲技術(shù)能夠較好地解決海量數(shù)據(jù)的存儲和檢索問題，本系統(tǒng)采用基于鍵值對的非關(guān)系分布式數(shù)據(jù)庫Cassandra來對AIS數(shù)據(jù)進行存儲和快速檢索。

1) Cassandra分布式數(shù)據(jù)庫

Cassandra 是一種分布式數(shù)據(jù)，它將數(shù)據(jù)劃分為多個部分，并創(chuàng)建多個副本，分別存儲在不同的數(shù)據(jù)節(jié)點上面，節(jié)點和節(jié)點之間通過互聯(lián)網(wǎng)網(wǎng)絡(luò)相互通信，相互協(xié)作，保證數(shù)據(jù)的一致性。而每個節(jié)點又具有獨立處理數(shù)據(jù)的能力，在一個節(jié)點宕機的情況下，數(shù)據(jù)庫仍能提供服務(wù)，從而保證數(shù)據(jù)的安全性和完整性，并提供較高性能的檢索服務(wù)[6]。Cassandra善于處理非結(jié)構(gòu)化的數(shù)據(jù)，在存儲的時候是面向列進行存儲，每條記錄都是以鍵值對的形式進行存儲，由關(guān)鍵字(Key)和值(Value)確定一個對象集合，根據(jù)鍵可以快速檢索其對應(yīng)的值，其中值可以是一個對象，包含一些屬性。比如一條AIS記錄，以其九位碼和時間戳可以確定唯一的鍵，而其值則是對應(yīng)的包含船舶經(jīng)緯度、速度、轉(zhuǎn)向角、船首向等船舶動態(tài)信息和靜態(tài)信息的AIS數(shù)據(jù)。Cassandra數(shù)據(jù)庫還有高擴展性、高穩(wěn)定性的優(yōu)點。

2) 空間索引結(jié)構(gòu)

在進行單船軌跡回放和區(qū)域軌跡回放時，由于是在線回放，對數(shù)據(jù)的檢索效率有著較高要求，本文采用改進四叉樹數(shù)據(jù)結(jié)構(gòu)來對AIS數(shù)據(jù)存儲創(chuàng)建索引。 其基本思想是將地理空間遞歸劃分為不同層次的樹結(jié)構(gòu)。對不同層次的不同區(qū)域建立索引，它將已知范圍的空間等分成四個相等的子空間，依次遞歸，直至樹的層次達到一定深度后停止分割。如圖1所示，將第一層等分為四個子空間，并進行編號0、1、2、3，第一層的子空間再等分為四個子空間進行編號，比如第二個子空間的子空間編號為20、21、22、23，依次遞歸，給每一個區(qū)域進行編號。每一區(qū)域，對應(yīng)一定的地理范圍，根據(jù)AIS信息中的經(jīng)緯度信息，可以計算該信息屬于哪一區(qū)域，從而為AIS信息添加區(qū)域字段，對該AIS區(qū)域字段創(chuàng)建空間索引，可以極大地提高檢索效率。

圖1 儲存索引結(jié)構(gòu)圖

2 基于船舶領(lǐng)域的碰撞風險識別原理

2.1 船舶安全領(lǐng)域模型

本文使用了通過疊加網(wǎng)格頻數(shù)圖來獲取受限水域船舶領(lǐng)域的方法，選取目標船舶的AIS數(shù)據(jù)，將其附近水域網(wǎng)格化，考慮船舶尺寸，計算了他船船體出現(xiàn)在每一個網(wǎng)格中的頻數(shù)，提取單船網(wǎng)格頻數(shù)圖。將同一類型的目標船舶網(wǎng)格頻數(shù)圖疊加，形成了特定類型船舶的網(wǎng)格頻數(shù)圖。將網(wǎng)格頻數(shù)圖按頻數(shù)填充顏色，可清晰地顯示船舶領(lǐng)域的形狀，利用斷面分析測量船舶領(lǐng)域長度?？紤]到船舶安全領(lǐng)域研究還尚未完善和計算機的處理能力，在實際操作中對船舶安全領(lǐng)域做了一定簡化，簡化后的船舶領(lǐng)域為一個橢圓，其中橢圓的短軸長為sax，長軸長為lax，得出的領(lǐng)域計算公式如式(1)所示。其中V為船舶速度，L為船舶的長度，對于特殊船如LNG船其領(lǐng)域?qū)凑障嚓P(guān)規(guī)定進行特殊處理。

(1)

2.2 碰撞風險識別方法

使用改進的DBSCAN聚類算法，利用船舶領(lǐng)域模型，識別船舶碰撞風險，是較為合理的[8-9]，其具體流程如下。首先進行如下定義：

1) 對象：對象就是船舶。

2)ε領(lǐng)域：通過領(lǐng)域模型計算的該對象周圍的橢圓區(qū)域ε稱為該對象的ε領(lǐng)域。

3) 密度：對象p的密度是指對象p的領(lǐng)域ε內(nèi)包含的其他對象個數(shù)。

4) 核心對象：如果給定對象ε領(lǐng)域內(nèi)的樣本點數(shù)大于等于MinPts(最小包含點數(shù))，則稱該對象為核心對象。

5) 直接密度可達：給定一個樣本集合D，如果樣本點p在樣本點q的ε鄰域內(nèi)，且q是一個核心對象，則我們說對象p從對象q出發(fā)是直接密度可達的。

6) 密度可達：對于樣本集合D，如果存在一個對象鏈p1,p2,…,pn,p1=q,pn=p,對于pi∈D(1≤i≤n),pi+1是從pi直接密度可達，則對象p是從對象q密度可達的。

7) 密度相連：如果存在對象o∈D，使對象p和q都是從o密度可達的，那么對象p到q是密度相連的。

8) 類簇：給定對象集合D，各對象領(lǐng)域ε以及MinPts，類簇C是集合D滿足下三個條件的非空子集：

(1) 對于任意對象p，q∈D，如果q∈C，并且p到q密度可達，則p∈C；

(2) 對于任意對象p，q∈C，p和q密度相連；

(3) 將不屬于任何類簇的對象視為噪聲。

算法描述：

輸入：對象集合D即當前時間監(jiān)管區(qū)域船舶集合，每個對象對應(yīng)的領(lǐng)域ε，密度閾值MinPts。

輸出：聚類C即識別出的高風險船舶集合。

1) 判斷輸入點是否為核心對象。

2) 從該核心點出發(fā)，尋找該點ε領(lǐng)域內(nèi)所有的密度相連的數(shù)據(jù)點。

3) 遍歷該核心點的ε領(lǐng)域內(nèi)的所有核心點，尋找與該核心點密度相連點，對遍歷過的點進行標記，直到?jīng)]有可以擴充的數(shù)據(jù)點為止，將聚類結(jié)果放入C中。

4) 重新掃描數(shù)據(jù)集D，從未標記過的點內(nèi)尋找新的核心點，重復上面過程，直達沒有新的核心點為止。

3 船舶碰撞風險識別系統(tǒng)設(shè)計實現(xiàn)

本文研究的船舶碰撞風險分析系統(tǒng)是由東海航海保障中心和上海海事大學聯(lián)合開發(fā)，是基于B/S結(jié)構(gòu)的Web項目，目前已完成開發(fā)并正在實際現(xiàn)場環(huán)境中運行。

3.1 系統(tǒng)架構(gòu)設(shè)計

船舶碰撞風險分析系統(tǒng)整體結(jié)構(gòu)圖如圖2所示。系統(tǒng)基站、天線、AIS衛(wèi)星接收船舶的AIS信息并發(fā)往AIS數(shù)據(jù)接收系統(tǒng)，接收系統(tǒng)接收傳過來的AIS信息，解析處理后存入數(shù)據(jù)庫當中。預警系統(tǒng)計算船舶鄰域，并根據(jù)船舶鄰域，實時識別船舶碰撞風險，并將報警結(jié)果通過WebSocket技術(shù)實時推送給相關(guān)管理人員去處理。

圖2 軟件系統(tǒng)架構(gòu)圖

3.2 功能模塊詳細設(shè)計

碰撞風險分析系統(tǒng)采用B/S架構(gòu)，其功能模塊可簡要劃分為四大部分：電子海圖顯示模塊、船舶預警模塊、用戶操作模塊以及用戶管理模塊，如圖3所示。

圖3 系統(tǒng)整體結(jié)構(gòu)圖

1) 電子海圖顯示模塊

海圖顯示是系統(tǒng)實現(xiàn)船位動態(tài)信息顯示的最基本功能。電子海圖顯示模塊具有電子海圖顯示、海圖縮放、海圖漫游、圖層控制、分層顯示、海圖比例尺顯示、光標坐標顯示、船舶定位顯示、船舶領(lǐng)域定位顯示等功能。本系統(tǒng)使用Html5+Openlayers3來實現(xiàn)電子海圖顯示模塊。首先使用Canvas繪制船舶圖標，以三角形的形式展現(xiàn)船舶實時位置、航向、船首向，通過計算Map內(nèi)相鄰Feature對象的顯示位置，確定船舶名字的顯示位置，避免重疊顯示；使用近橢圓形狀來表示船舶鄰域船舶領(lǐng)域。鼠標在船舶圖標上懸停時，將高亮顯示該船舶，并顯示其船名、航向、船首向、速度、更新時間等簡要的船舶動態(tài)信息；鼠標懸浮在船舶領(lǐng)域上時，將顯示領(lǐng)域的基本信息。點擊船舶圖標時，將以彈出框形式顯示詳細的船舶動態(tài)及呼號，船旗國等靜態(tài)信息。在詳細船舶信息彈出框中，可以回放和導出船舶軌跡。電子海圖主界面如圖4所示。

圖4 電子海圖主界面

2) 船舶預警模塊

船舶預警模塊為本系統(tǒng)的核心功能模塊。系統(tǒng)按照上文所述的碰撞風險識別方法，將識別出的存在碰撞風險的船舶以列表的形式顯示，每一行代表一對存在碰撞風險的船舶；并按照風險等級從高到低依次排列，以不同的三種顏色進行標記，方便用戶優(yōu)先查看高危險船舶，其風險等級的計算主要以領(lǐng)域的交織面積為依據(jù)。查看報警船舶時，可點擊列表中的預警船舶，海圖將會定位到當前報警船舶，并高亮顯示；而該次點擊報警記錄事件將會被記錄在數(shù)據(jù)庫中，使系統(tǒng)管理員可以查看當前用戶的報警查看情況，用來判斷當前用戶是否對系統(tǒng)報警進行查看并處理，以方便進行事故追責，對系統(tǒng)用戶進行管理；統(tǒng)計報警記錄，統(tǒng)計核密度來繪制熱圖，展示高危碰撞風險水域，提醒管理人員重點關(guān)注這些區(qū)域；模擬航行功能模擬一條船舶出入南漕、北漕航道時的航行情況，模擬未來一段時間內(nèi)模擬船舶通過南漕、北漕可能遇到的危險情況，主要針對大型船舶進行預警，將可能遇到的危險船舶以列表的形式展示出來，點擊可以定位到在什么時間，什么位置可能碰到窘迫局面，在對報警船舶識別的過程中，將正在拖帶作業(yè)的拖輪、引航船以及速度小于0.1節(jié)的船舶設(shè)置為噪聲點，不進行報警；結(jié)束作業(yè)的拖輪、引航船，不再設(shè)為噪聲點，參與避碰識別。并根據(jù)國家對LNG船舶安全范圍尺度的有關(guān)標準，對LNG船的船舶領(lǐng)域計算進行了修正，并應(yīng)用到了系統(tǒng)當中。船舶預警界面如圖5所示。

圖5 預警船舶

3) 用戶操作模塊

允許用戶登錄后，自定義報警提醒區(qū)域，對區(qū)域內(nèi)存在碰撞風險、反航道逆向航行或超速的船舶來進行提醒；根據(jù)船舶的船名(拼音或英文)、呼號、MMSI或IMO編號來搜索定位一條船舶，自動彈出船舶的詳細信息，可繪制該船舶的歷史軌跡；區(qū)域軌跡回放功能(見圖6)以鼠標拉矩形框方式，選定交通流回放區(qū)域，選擇回放區(qū)域后，將會彈出播放控制對話框，在對話框里面可以選擇播放的時間區(qū)間、播放速度，點擊播放按鈕開始播放，區(qū)域內(nèi)的船舶將會按照時間進行回放，每條船舶都會在后面留下黑色的小圓形軌跡點，播放進度以及播放時間會在播放控制面板顯示，在播放過程中可以漫游海圖，將鼠標懸浮在船舶或者軌跡點上面，可顯示其船舶名稱、速度等基本信息；單船軌跡回放功能可以通過船名或MMSI搜索到的一條或多條船舶，設(shè)定播放區(qū)間進行軌跡回放；模擬航行功能(見圖7)支持用戶在海圖上點選任意一點作為船舶模擬航行的起始位置，輸入模擬航行的速度，航向和起止時間，開始模擬一條船舶的航行，并預警在模擬航行中可能與哪些船舶存在碰撞危險或可能碰到那些窘迫局面，該功能可以在特殊船舶(如拖帶石油平臺，超寬船舶等)航行通過前，進行航行模擬，預測可能遇到的窘迫局面，從而可提前重點關(guān)注這些船舶，以保證特殊船舶能夠安全通過；測距、測面功能輔助用戶對系統(tǒng)的使用。

圖6 區(qū)域軌跡回放

圖7 模擬船舶與它船會遇時間和地點示意圖

4) 用戶管理模塊

用戶管理模塊對一個多用戶系統(tǒng)來說，有著重要作用，用戶可以注冊并登錄系統(tǒng),在系統(tǒng)內(nèi)可以根據(jù)自己的需要，自定義管轄區(qū)域，系統(tǒng)會根據(jù)設(shè)定的管轄區(qū)域，只對管轄區(qū)域內(nèi)的報警船舶進行提醒，使賬戶更加個性化；系統(tǒng)管理員可以對注冊用戶進行管理，查看注冊用戶的信息，對注冊用戶進行功能授權(quán)或收回授權(quán)，查看某個用戶的報警查看記錄等。

4 船舶碰撞風險識別系統(tǒng)的應(yīng)用

利用2015年全年的上海港水域的船舶AIS數(shù)據(jù)，對上海港水域典型航道的船舶領(lǐng)域提取和建模，進行了典型航道內(nèi)的碰撞風險區(qū)域計算，對計算結(jié)果進行了網(wǎng)格化劃分，形成了493個小區(qū)域，其分布情況如圖8所示。對網(wǎng)格數(shù)據(jù)聚類分析，得出如圖9所示的熱圖：南槽水道、南支水道、北槽水道、進出洋山深水港水道以及由于船舶通航密度較大，較易形成船舶會遇局面，船舶間潛在的碰撞風險較高。通過上述統(tǒng)計可以得出，潛在碰撞風險發(fā)生頻次較高的區(qū)域相對較為集中，統(tǒng)計發(fā)生潛在碰撞風險頻次較高的區(qū)域分布情況，得到頻次不小于1 000的高碰撞風險區(qū)域熱圖，如圖9所示，統(tǒng)計出的高風險區(qū)域和現(xiàn)實情況相穩(wěn)和。系統(tǒng)投入應(yīng)用三個月以來，已識別上海港39 757起船舶碰撞風險，其中被VTS操作人員處理的險情超過80%，累計處理險情32 214起，提高了VTS服務(wù)水平，減少了事故的發(fā)生。

圖8 對分析水域聚類后的區(qū)域分布圖

圖9 高碰撞風險區(qū)域熱圖

5 結(jié) 語

本文所研究的碰撞風險識別系統(tǒng)，通過AIS數(shù)據(jù)提取船舶鄰域，利用改進聚類算法，識別船舶碰撞風險，具有一定的智能性，可以主動識別船舶碰撞風險，與VTS系統(tǒng)需要人根據(jù)經(jīng)驗和實際情況去判斷相比，具有一定的優(yōu)越性。通過研究發(fā)現(xiàn)，構(gòu)建的碰撞風險識別系統(tǒng)具有現(xiàn)實可行性，可應(yīng)用于輔助決策，它可以輔助海事主管機關(guān)對轄區(qū)水域的船舶交通形勢進行監(jiān)管，根據(jù)識別出的碰撞風險情況，提前向相關(guān)的船舶發(fā)出預警，保障船舶交通安全，適當減輕了海事監(jiān)管人員的工作強度，提升了監(jiān)管水平。系統(tǒng)中集成的區(qū)域、多船船舶軌跡回放功能，可將事故現(xiàn)場重現(xiàn)，為水上交通事故調(diào)查提供參考；模擬航行功能可預測特殊船舶在航道航行中可能遇到的窘迫局面，提前提醒海事監(jiān)管人員關(guān)注引導，避免窘迫局面的產(chǎn)生。在系統(tǒng)投入應(yīng)用以后，處理險情超過80%，實際的使用過程中，系統(tǒng)但還存在一定的誤警率，在未來的研究過程中，可以通過歷史AIS數(shù)據(jù)和事故情況構(gòu)建訓練集、測試集，運用機器學習的相關(guān)方法，提高系統(tǒng)的識別準確率。

[1] 蔡誠君.基于場論的水域船舶碰撞危險度研究[D].大連海事大學,2015.

[2] 周夢婕,葛泉波,黃習剛,等.海上智能交通系統(tǒng)的新型船舶航行系統(tǒng)風險識別方案[J].中國航海,2013(4):114-118.

[3] 李麗娜,王俊玲,陳國權(quán).船舶擬人智能避碰決策理論的集成機器學習策略[J].信息與控制,2011,40(3):359-368.

[4] Liu Z,Hu M B,Jiang R,et al.Method to enhance traffic capacity for scale-free networks[J].Physical Review E,2007,76(3):037101.

[5] 楊鵬,鄒時林.基于OpenLayers的WebGIS客戶端的研發(fā)[J].測繪與空間地理信息,2012,35(3):131-133.

[6] Tang Y,Sun H,Wang X,et al.An efficient and highly available framework of data recency enhancement for eventually consistent data stores[J].Frontiers of Computer Science,2017,11(1):1-17.

[7] 王博千,于齊,劉辛,等.面向Cassandra數(shù)據(jù)庫的高效動態(tài)數(shù)據(jù)管理機制[J].計算機科學,2016,43(7):197-202.

[8] Hansen M G,Jensen T K,Lehn-Schiφler T,et al.Empirical ship domain based on AIS data[J].Journal of Navigation,2013,66(6):931-940.

[9] Yan Z L,Luo W J,Bu C Y,et al.Clustering spatial data by the neighbors intersection and the density difference[C]//Proceedings of the 3rd IEEE/ACM International Conference on Big Data Computing,Applications and Technologies.ACM,2016:217-226.

SHIPCOLLISIONRISKIDENTIFICATIONSYSTEMBASEDONOPENLAYERS3ANDCASSANDRA

Huang Chun1Wang Lei2Yang Chun2Hu Qinyou21

(ShanghaiAIDStoNavigation,DonghaiNavigationSafetyAdministration,Shanghai201208,China)2(ShanghaiMaritimeUniversity,Shanghai201306,China)

The ship field model is established by applying the improved clustering algorithm to improve the intelligent level of vessel traffic service (VTS), ensure the safety of shipping , and identify the ship collision risk on the basis of the massive AIS data in Shanghai harbor. Using the open source map framework Openlayers, the collision risk visualization is realized, and the Cassandra database is used to realize the mass AIS data storage and efficient retrieval. After that, we designed the real-time ship visual display, single-ship, regional ship history track playback, simulation ship navigation and other functions. Finally, we used the AIS historical data of Shanghai in 2015 to carry out collision risk identification experiment. The results indicates the similar areas as the previous high-risk areas, which can be used as an auxiliary analysis system for maritime personnel decision-making reference.

Ship Collision AIS Openlayers3 Cassandra Risk identification

TP3

A

10.3969/j.issn.1000-386x.2017.09.003

2017-04-06。上海市科委重點科技項目(15590501600)。黃純，高工，主研領(lǐng)域：航標管理。王壘，碩士。楊春，助教。胡勤友，教授。