基于云計算平臺的船舶航行數據實時快速采集系統設計

高麗娟

(鄭州工業應用技術學院 軟件學院，河南 鄭州 451100)

0 引 言

艦船在航行過程中會產生較多的航行實時數據，通過采集該數據，運用大數據挖掘算法可從數據中尋找到異常數據，為艦船航行運行維護和航行控制提供準確的數據支持。但在挖掘和運用船舶航行數據之前需要實時快速采集航行數據[1]，為后續異常檢測提供實時性較好的數據，也能盡快為用戶提供船舶異常航行時數據。因此，如何實時快速采集船舶航行數據是航海領域重點關注的問題之一[2]。目前有很多學者設計艦船航行數據實時快速采集系統，于志強等[3]設計了多通道數據采集系統，該系統通過不同的組網形式，在網絡內設置多通道來實現艦船航行數據快速采集。賈世海等[4]設計APV25 數據采集系統，該系統以Qt 框架作為基礎，結合APV25 采集卡實現數據的快速采集。雖然上述2 個系統均可實現數據采集，但其采集數據的及時性略差，因此應用效果不佳。云計算平臺也被稱為云平臺，其是集硬件資源和軟件資源于一體的服務，具備計算、網絡傳輸和存儲等功能。本文以云計算平臺為基礎，設計基于云計算平臺的艦船航行數據實時快速采集系統，提升艦船航行數據的采集能力。

1 船舶航行數據實時快速采集系統

1.1 系統總體結構設計

以云計算平臺作為基礎，設計船舶航行數據實時快速采集系統總體結構，如圖1 所示。船舶航行數據實時快速采集系統由數據源模塊、DDN 網絡模塊、服務模塊和應用模塊組成。數據源模塊通過數據采集裝置采集艦船航行數據后，通過接收機和廣播信號將數據傳輸到DNN 網絡模塊內，該模塊通過轉換器、路由器、交換機等將航行數據傳輸到本地網絡內，然后發送到服務模塊內，服務模塊由采集服務和其他服務組成，分別負責執行數據采集、通信、采集任務調度以及數據異常分析、異常告警等功能，然后將相關數據采集、分析等結果發送到應用模塊內，該模塊通過數據實時顯示單元、數據分析結果單元等為用戶呈現艦船航行數據實時快速采集結果等。

圖1 艦船航行數據實時快速采集系統總體結構Fig.1 Overall structure of the real time rapid acquisition system for ship navigation data

1.2 云計算平臺網絡拓撲設計

云計算平臺是船舶航行數據實時快速采集系統架設的基礎，設計云計算平臺網絡拓撲，結構如圖2 所示。在云計算平臺網絡內，數據通過防火墻傳輸到核心交換區內，在核心交換區可通過管理區域對網絡匯聚節點和自主門戶進行管理[5]，然后通過萬兆以太網將數據發送到若干個Web 服務集群內，通過Web 服務集群和FC 存儲網絡將采集到的船舶航行數據傳輸到云存儲區內，實現船舶航行數據實時快速采集系統的數據傳輸。

圖2 云計算平臺網絡拓撲Fig.2 Cloud computing platform network topology

1.3 云計算虛擬機集群部署

云計算虛擬機集群負責實時快速傳輸信息的云計算虛擬部署，其也是負責實現接收用戶請求的功能[6]，實際云計算虛擬機集群部署，結構如圖3 所示。

圖3 云計算虛擬機集群部署Fig.3 Cloud computing virtual machine cluster deployment

云計算虛擬機集群內共有6 個鏡像隨機分為3 組互相連接負責生成鏡像文件，當用戶發送請求時，鏡像組生成鏡像文件后，云計算虛擬機集群先判定當前資源類型，然后對虛擬機集群進行部署后，同時啟動集群并進行鏡像傳遞[7]，該過程可使艦船航行數據實時快速采集系統高效運行并綜合利用系統的各個資源。

1.4 數據實時采集裝置設計

船舶航行數據實時快速采集系統數據源模塊利用數據采集裝置獲取船舶航行數據，設計航行數據實時采集裝置，其結構如圖4 所示。用戶通過終端啟動數據采集算法程序后，通過網絡接口連接AIS 設備和機艙集控室接口，其中AIS 設備由VHF 通信機、GPS 定位儀、船載顯示器以及各種傳感器相連[8]，連接AIS 設備后，可獲得航行船位、航速、航向等航行數據，通過機艙集控室接口可獲得當前船舶航行驅動設備溫度、轉速等航行信息。

圖4 船舶航行數據實時采集裝置Fig.4 Real time acquisition device for ship navigation data

1.5 基于線性網絡編碼的快速數據采集方法

船舶航行數據實時采集裝置接收，系統服務模塊內采集服務中數據采集單元指令方執行數據采集任務，數據采集單元利用基于線性網絡編碼的快速數據采集方法向數據實時采集裝置發送指令，數據采集方法執行過程如下：

式中，y(v) 為傳感器節點v在云計算平臺的存儲碼字。

式中，yi表示采集到第i個節點上的碼字。

通過采集船舶航行AIS 和機艙集控室接口每個傳感器節點上的碼字，組成全局編碼向量矩陣，該矩陣即為采集到的船舶航行實時數據。

2 實驗結果與分析

以某遠洋船舶作為實驗對象，該船用于勘探海洋水質和生態環境，因此航行海域水況較為復雜。使用本文系統對該船航行數據進行實時快速采集，分析本文方法實際應用效果。

先驗證本文方法采集航行數據的有效性，以該船航行時的偏航角度作為衡量指標，使用本文系統采集時間段內該船偏航角度，設置采集偏差閾值為0.1°，結果如表1 所示。可知，本文系統在采集航行數據時，船舶偏航角度的采集值與實際值之間最小偏差為0°，最大偏差僅為0.02°，該結果遠低于預設的偏差閾值。說明本文系統采集船舶航行數據精度較好，采集到的船舶航行數據有效性較強。

表1 船舶航行數據采集結果Tab.1 Results of ship navigation data collection

驗證本文系統的云計算平臺集群部署效果，以傳輸速率作為衡量指標，測試在傳輸不同類型船舶航行數據時傳輸速率，也可依據其傳輸速率分析本文系統采集船舶航行數據的快速效果，測試結果如圖5 所示。分析可知，本文系統在傳輸不同類型船舶航行數據時，其傳輸速率隨著數據量的增加而降低，但降低幅度較為緩慢。在數據量相同時，圖像類的船舶航行數據傳輸速率略低于數值類，二者相差較小。在數據量為55 G 時，圖像類和數值類的船舶航行數據傳輸速率均高于700 Mb/s，該數值說明本文系統傳輸船舶航行數據速度較快，其部署的云計算集群較為合理，采集船舶航行數據較為快速。驗證本文系統采集船舶航行數據的實時性，以采集延遲時間作為衡量指標，以船舶航行速度作為實驗對象，驗證本文方法采集船舶航行數據的實時性，為使實驗結果更加充分，同時使用文獻[3]和文獻[4]系統展開實驗，實驗結果如圖6 所示。可知，3 種系統在采集船舶航行數據時，其延遲時間隨著采集數據量的增加而增加，其中本文系統在采集數據量相同時，其延遲時間最小，說明本文系統采集船舶航行數據時的及時性較好。

圖5 船舶航行數據傳輸速率Fig.5 Ship navigation data transmission rate

圖6 船舶航行數據采集實時性Fig.6 Real time performance of ship navigation data collection

3 結 語

本文設計基于云計算平臺的船舶航行數據實時快速采集系統，該系統以云計算平臺集群部署和網絡拓撲為基礎架設，并通過基于線性網絡編碼的快速數據采集方法控制系統的數據采集裝置采集艦船航行數據。經過對本文系統進行多角度驗證，得出本文系統采集數據時的及時性和快速性均較好。