基于AIS 大數據分析的航道通航寬度計算方法

王 飛， 黃小鵬， 郭冬冬

(中交上海航道勘察設計研究院有限公司， 上海200120)

航道的通航寬度是航道安全性和經濟性的關鍵影響因素之一[1]。 航道越寬， 船舶航行越安全，但航道基建疏浚工程量會越大， 建設投資和航道常年維護的成本也會越高； 反之， 疏浚工程量小，投資小， 但通航的安全風險增加。 因此， 如何安全、 經濟地優化航道通航寬度顯得尤為重要。

《海港總體設計規范》[2]針對通航寬度有指定的計算方法， 其主要是根據7.4 萬t 以下船舶推出的經驗公式， 缺乏對大型船舶的數據支撐， 因此一些學者進行了相關研究。 陳愛平等[3]指出了規范中針對通航寬度計算公式的可改進之處， 并利用少量數據進行了分析計算， 得出可適當放寬的結論； 郭冬冬等[4]提出了基于大型船舶觀測數據的航道寬度計算方法， 手動對130 條船舶自動識別系統(簡稱AIS)數據進行了分析， 得到了不同保證率下的漂移倍數。

上述研究均只對少量的實船數據進行分析，若要得到可信度更高的成果， 則需更多實船數據。AIS 數據自身具備大數據特征， 其傳輸頻次可達1～5 Hz， 單船1 d 內就含數萬個原始數據樣本，前期篩選和后期解析難度較大。 因此， 有必要結合航道通航寬度和AIS 大數據特征， 建立一套解析方法， 解決大數據存取難、 軌跡提取難、 橫流取值繁瑣等難點， 以大幅提高解析效率， 為大型航道通航寬度研究提供精度更高、 數據更全的可靠數據。

1 基于AIS 大數據分析的航道通航寬度計算方法

1.1 AIS 簡介

AIS 由岸基(基站)設施和船載設備共同組成，是一種新型的集網絡技術、 現代通訊技術、 計算機技術、 電子信息顯示技術為一體的數字助航系統和設備。 AIS 系統采集的信息主要為靜態信息和動態信息， 其中靜態信息包括船名、 船舶編號、MMSI(Maritime Mobile Service Identify，水上移動通信業務標識碼)、 船長、 船寬、 船舶類型等； 動態信息包括實時船位、 對地航向、 對地航速、 船首向、 回轉速率等。

1.2 航道通航寬度計算方法總體研究思路

航道通航寬度計算方法總體研究思路分4 大步驟(圖1):

1)收集AIS 系統的原始數據， 篩選同航道等級及以上的大型船舶航行數據， 并形成航行軌跡。 國內現有高等級航道， 如連云港港30 萬噸級(現行25 萬噸級)航道、 蝦峙門口外30 萬噸級航道等。

2)通過潮流觀測、 邊灘定點水文測驗及三維潮流數模等手段獲得各樣本航行軌跡的同步橫流數據。

3)統計分析航道邊線內的各樣本航跡帶寬度及對應橫流特征值。

4)根據航跡帶寬度推求相應的船舶漂移倍數并進行概率分布統計， 獲得大型船舶不同橫流條件下不同保證率的船舶漂移倍數。

圖1 航道通航寬度計算方法總體研究思路

1.3 軟件開發思路

針對上述總體思路， 開發了一套基于AIS大數據的航道寬度計算解析軟件， 主要包括軌跡初始化、 實時橫流數據耦合及航跡帶寬度計算等。

1.3.1 數據初篩

篩選同航道等級及以上的大型船舶航行數據(如針對25 萬t 現行航道，則僅需25 萬噸級及以上船舶AIS 數據)， 針對每個AIS 實船樣本進行原始數據清洗和初始化， 僅保留船名、 MMSI、 等級、時間、 定位等有效信息。

1.3.2 橫流賦值

將每個AIS 實船樣本的所有軌跡點均賦予實時橫流值。 橫流通過潮流數模推算獲得， 并通過AIS 實船航行對應的潮位過程線與推算橫流的潮位過程線進行相位匹配后賦值橫流: 1)根據船舶進港時間確定大潮、 中期、 小潮等潮型； 2)確認任意船舶位置對應的橫流推算點； 3)通過潮位過程線相位匹配， 讀取任意位置的橫流值。

1.3.3 有效軌跡提取

提取航道邊線內的航道航跡及與軌跡相關的實時數據， 如時間、 軌跡坐標、 風流壓偏角、 橫流值等。

1.4 航跡帶寬度計算

計算航道邊線內的各樣本航跡帶寬度及對應橫流特征值。

2 AIS 大數據軟件開發中的關鍵技術

2.1 船舶信息庫

AIS 數據來源于每一條船舶的運行狀態， 因此首先須建立船舶屬性表。 將船型、 噸位等先行篩選， 方可與MMSI、 噸位等后續數據進行交叉對比。 為提升數據庫檢索和分析效率， 船舶信息庫應采用關系型數據庫建表。

2.2 數據標準化

AIS 數據包含多項數據， 須進行標準化操作，選取需要的時間、 經緯度、 航向等數據存入數據庫。 除此之外， 還有兩項工作需要標準化:

1)坐標轉換。 將AIS 中的經緯度轉化為該工程區域采用的投影坐標系， 以用于航道位置和軌跡的幾何關系判斷， 一般須根據當地參數進行投影轉換， 見表1。

表1 坐標轉換

2)時間轉換。 須將AIS 數據中的公歷轉化為農歷， 用于判斷大、 中、 小潮的潮流值。 目前并沒有直接的轉換公式， 采用開源庫， 如Python 的sxtwl庫或.Net 的Globalization. ChineseLunisolarCalendar函數庫調用查詢。

2.3 潮型擬合

航行軌跡在某時刻的橫流， 需要通過其對應的潮位過程線與推算橫流的潮位過程線進行相位匹配后獲取。 因此， 首先對潮位數據通過式(1)進行正弦函數擬合(圖2)， 然后與指定潮位過程線的相位進行匹配， 得到計算點的潮時偏移， 繼而讀取對應數據。

式中:A為振幅； ω 為角頻率； φ 為初相；b為計算值增量。 均為常量。

圖2 某地某日的原始潮位數據及其擬合曲線

正弦函數擬合無法直接采用線性回歸算法，須將該函數利用式(2)～(4)進行有效拆解， 拆解后的公式可采用Math. Net 庫中的線性回歸快速擬合。

式中:A為振幅； ω 為角頻率； φ 為初相；b為計算值增量；u為水平速率。v為縱向速率。 均為常量。

2.4 有效軌跡提取

船舶AIS 軌跡線中， 只有航道邊線以內、 且航向為進港方向的軌跡是有效的。 傳統手工方法效率低下， 純數學判斷又包含多種臨界條件， 因此采用基于CAD(Computer Aided Design ，計算機輔助設計)可視化技術的圖形法進行有效軌跡的判斷與提取(圖3)。 本文采用基于Autodesk Civil 3D 的BIM 技術， 建立航線軌跡與航道邊線， 通過幾何運算可快速準確提取有效路徑， 計算函數為AutoCAD.DataBase. Entities:: Entity. IntersectWith()。

圖3 有效軌跡提取

3 軟件架構與開發

本軟件開發基于C∕S(即Client∕Server 客戶端∕服務器端)架構， 軟件開發層次分為前端交互開發與后端邏輯開發(圖4)， 其中前端主要包括“文件管理” “數據管理” 與各用戶交互模塊； 后端服務前端， 為了滿足大數據的讀寫操作， 應采用“數據庫” 作為數據容器， “圖形交互” 主要為了提高軟件的交互性能， 其他部分如“讀寫操作” 與“底層函數”， 對應服務前端的各應用模塊。 軟件開發采用C#.Net 語言， 核心的大數據采用SQLite數據庫， 前端界面為WPF(Windows Presentation Foundation，基于Windows 系統的用戶界面框架)。

圖4 軟件開發層次

考慮到大數據處理分析的效率， 本文采用C#.Net 與數據庫SQLite 進行聯合開發。 其中， SQLite為輕型數據庫， 是遵守ACID 的關系型數據庫管理系統， 數據處理速度快， 適合大結構化數據的儲存、 提取、 分析和存入等操作。 相關開發成果見圖5。

圖5 軟件界面

軟件最終除了輸出常規的文本數據外， 還將航行軌跡線統一輸出到AutoCAD Civil 3D[5]中(圖6)， 以協助可視化校核。 通過隨機抽取AIS船舶樣本進行手動計算驗證， 軟件計算正確率達到100%， AIS 數據處理效率至少提升10 倍以上。

圖6 綜合數據可視化篩選

4 工程應用

本文的開發成果已應用于連云港港30 萬t 航道工程關于航道通航寬度(圖7)的深化研究中，該研究基于連云港區25 萬噸級及以上AIS 船舶數據， 提出了不同保證率對應的船舶漂移倍數， 以及不同條件下航道船舶漂移倍數取值。

圖7 連云港港30 萬t 航道

采用本文研發的算法與軟件， 對50 余萬條原始數據進行橫流、 航行軌跡等航行數據的篩選和分析， 最終得到所有樣本的航跡帶寬度結果(表2)， 總耗時6 d(共6 組數據源，含人工處理修正的時間，其中每組純計算時間約3 ～4 h)， 相比傳統算法2 ～3 個月的解析時間， 大幅提高了AIS數據處理和分析的效率。

表2 部分計算結果

根據表2 船型、 橫流、 航跡帶寬度等數據， 統計獲得在風流壓角為5°的情況下， 25 萬噸級及以上船舶航跡帶寬度樣本總數489 個， 均值101.1 m；在風流壓角為7°的情況下， 樣本總數43 個， 均值110.7 m。

利用《海港總體設計規范》航跡帶寬度計算公式， 反算漂移倍數， 并進行概率分布統計， 漂移倍數服從伽瑪分布(圖8)， 提出25 萬噸級及以上航道對應不同保證率下的漂移倍數建議值(表3)。

圖8 漂移倍數伽瑪分布曲線

表3 25 萬噸級及以上船舶航道漂移倍數優化建議值

5 結語

1)現有規范中針對高等級航道通航寬度的計算方法缺乏數據支撐， 基于AIS 的實船數據可對規范形成有效補充， 因此基于AIS 大數據， 提出了總體計算思路， 并開發了對應軟件， 可高效獲得航跡帶寬度、 橫流等統計數據， 為高等級航道通航寬度研究提供技術支持。

2)AIS 大數據分析的關鍵技術包括船舶信息入庫、 坐標與時間標準化、 潮型擬合和有效軌跡提取等， 采用各類數學計算庫和關系型數據庫可解決對應問題。

3)本文解析方法在連云港港30 萬噸航道工程中進行了相關應用， 快速取得了預期成果， 對同類工程研究具有參考意義。