引江濟(jì)淮航道多源數(shù)據(jù)融合模型及應(yīng)用分析

燕麗，蘇東峰，謝長波，劉玉敏，馮建華

（1.安徽大學(xué)，安徽 合肥 230039；2.安徽省引江濟(jì)淮集團(tuán)有限公司，安徽 合肥 230041；3.清華大學(xué)，北京 100084）

引江濟(jì)淮航道的感知設(shè)備包括AIS 基站、雷達(dá)設(shè)備、船舶電子卡口設(shè)備、船閘過閘設(shè)備、航標(biāo)遙測遙控設(shè)備、水位站等多種設(shè)備，目前，隨著物聯(lián)網(wǎng)和人工智能等技術(shù)的發(fā)展，船舶數(shù)據(jù)融合模型受到越來越多的研究關(guān)注。已經(jīng)有許多研究者從不同的角度對船舶數(shù)據(jù)融合模型進(jìn)行了深入的研究和探索，提出了多種不同的融合方法和模型。如何侃等提出GPS 數(shù)據(jù)與慣性導(dǎo)航數(shù)據(jù)的船舶導(dǎo)航多源數(shù)據(jù)融合模型[1]，王永興等提出基于AIS 數(shù)據(jù)和視頻數(shù)據(jù)的船舶多源數(shù)據(jù)融合模型[2]，趙益智等提出了AIS 與衛(wèi)星圖像數(shù)據(jù)的船舶數(shù)據(jù)融合模型[3]，嚴(yán)慶新等提出基于AIS 與雷達(dá)數(shù)據(jù)的船舶融合模型[4][5]，以上模型均可針對船舶數(shù)據(jù)進(jìn)行多源數(shù)據(jù)融合，提高船舶軌跡的精確度。

針對引江濟(jì)淮航道管理部門來說，除船舶軌跡精確度外，更重要的是對船舶多維度的分析，如船舶的貨物、噸位、載重等，對船舶軌跡的精確程度要求并不高，而對船舶多維度數(shù)據(jù)的完整性和一致性要求更高。尤其近年來，隨著技術(shù)發(fā)展越來越多的船舶及航道觀測設(shè)備分別從不同維度進(jìn)行觀測，但是其時空屬性、觀測重點(diǎn)均有不同，如何對不同來源、不同性質(zhì)的數(shù)據(jù)進(jìn)行融合成為新的課題。

本文針對新的數(shù)據(jù)特點(diǎn)和應(yīng)用需求，提出船舶及航道時空數(shù)據(jù)融合模型，可將移動軌跡感知設(shè)備如AIS 及雷達(dá)、固定位置感知設(shè)備如電子卡口及船閘等不同時空特性的感知數(shù)據(jù)進(jìn)行統(tǒng)一融合，從而可對航道及船舶數(shù)據(jù)進(jìn)行更多維度及其關(guān)聯(lián)性的分析，實(shí)現(xiàn)航道監(jiān)管的需求。

1 航道及船舶時空感知數(shù)據(jù)融合模型

1.1 融合數(shù)據(jù)時空特性

在引江濟(jì)淮項(xiàng)目中涉及的船舶及航道感知設(shè)備中，如表1 所示，不同的感知數(shù)據(jù)具備不同時空特性，在時間方面，有的數(shù)據(jù)時間連續(xù)性較強(qiáng)，如AIS、雷達(dá)，有的數(shù)據(jù)則是隨機(jī)或離散的，如航標(biāo)告警，有的則是定時發(fā)送，如水位等；在空間方面，有的數(shù)據(jù)是固定位置，如電子卡口、船閘，有的數(shù)據(jù)是可變位置，如AIS、雷達(dá)，其空間的覆蓋范圍也各不相同，有的是全區(qū)域覆蓋，有的是局部區(qū)域覆蓋，有的僅覆蓋特定航道段。

表1 感知數(shù)據(jù)時空屬性

1.2 數(shù)據(jù)融合算法及流程

針對不同感知數(shù)據(jù)的時空特性不同，我們提出了通用的時空數(shù)據(jù)融合模型，其數(shù)據(jù)結(jié)構(gòu)包括感知對象庫，感知動態(tài)數(shù)據(jù)庫，感知數(shù)據(jù)融合點(diǎn)庫，感知融合數(shù)據(jù)庫，其數(shù)據(jù)架構(gòu)如圖1：

圖1 感知融合數(shù)據(jù)架構(gòu)

感知融合動態(tài)庫對應(yīng)各數(shù)據(jù)來源的原始動態(tài)數(shù)據(jù)，感知對象庫對應(yīng)各對象的基礎(chǔ)數(shù)據(jù)，感知融合點(diǎn)庫對應(yīng)特定航段不同感知設(shè)備的位置及屬性，不同來源感知數(shù)據(jù)需進(jìn)行融合算法處理，并將融合后的數(shù)據(jù)寫入感知融合數(shù)據(jù)庫。

感知融合點(diǎn)庫記錄特定位置的多種感知設(shè)備及其屬性，如對特定航段，同時存在AIS、雷達(dá)、電子卡口等設(shè)備，感知融合點(diǎn)庫記錄各設(shè)備的屬性如表2 所示。

表2 感知融合點(diǎn)庫字段

對每一數(shù)據(jù)來源，需確定其每一字段的如下特征：數(shù)據(jù)精確度、數(shù)據(jù)采集周期、時間保持屬性、空間保持屬性、設(shè)備所在位置、設(shè)備所在航道等，數(shù)據(jù)對象可為船舶或航道，時間保持屬性為特定時間范圍，如AIS 數(shù)據(jù)的位置字段僅在1 分鐘內(nèi)有效，水位數(shù)據(jù)可在60 分鐘內(nèi)有效，空間保持可分單程、雙程、有效區(qū)域范圍等，如電子卡口的船舶載重字段僅單程有效，水位數(shù)據(jù)可在航道1 公里內(nèi)有效，感知融合點(diǎn)相關(guān)屬性用于后續(xù)數(shù)據(jù)融合算法。

感知融合算法將針對每一感知對象的不同屬性，選擇數(shù)據(jù)質(zhì)量最高的數(shù)據(jù)來源為主數(shù)據(jù)源，在此基礎(chǔ)上通過數(shù)據(jù)融合算法對同一屬性不同來源的數(shù)據(jù)進(jìn)行概率計(jì)算并寫入感知融合數(shù)據(jù)庫，感知融合數(shù)據(jù)庫中船舶融合動態(tài)數(shù)據(jù)的結(jié)構(gòu)如圖2 所示。

圖2 感知融合數(shù)據(jù)字段

數(shù)據(jù)融合算法的處理流程如3:

獲取感知數(shù)據(jù)后，首先進(jìn)行航道匹配，根據(jù)航道位置獲取相關(guān)的數(shù)據(jù)融合點(diǎn)，如數(shù)據(jù)融合點(diǎn)的其他數(shù)據(jù)來源感知對象為船舶，則加載相關(guān)的數(shù)據(jù)并判斷是否為同一船舶，其中對象融合算法可根據(jù)船舶位置、速度等屬性通過歐式距離算法進(jìn)行判斷，歐式距離算法如下：

位置關(guān)聯(lián)度：

其中xi,yi及xj,yj分別對應(yīng)于不同數(shù)據(jù)來源的位置坐標(biāo)，通常通過經(jīng)緯度轉(zhuǎn)化為墨卡托坐標(biāo)進(jìn)行計(jì)算。

速度關(guān)聯(lián)度：

其中vi及vj分別對應(yīng)于t 時刻不同數(shù)據(jù)來源的船舶速度。

如果已有數(shù)據(jù)不為船舶數(shù)據(jù)（航道或水位數(shù)據(jù)），且該屬性數(shù)據(jù)在時空保持范圍內(nèi)，則同樣將該屬性數(shù)據(jù)與船舶軌跡進(jìn)行融合，沿當(dāng)前對象歷史軌跡進(jìn)行循環(huán)判斷并寫入融合數(shù)據(jù)庫。

2 數(shù)據(jù)融合應(yīng)用分析

通過多源感知數(shù)據(jù)融合模型算法的處理，感知融合數(shù)據(jù)庫具備不同對象的多維度數(shù)據(jù)，如針對船舶，除AIS 數(shù)據(jù)所具備的NMIS 號、船名、位置等，還可融合電子卡口設(shè)備所觀測的貨物信息、噸位信息，水位觀測設(shè)備所觀測的水位信息等，為下一步的業(yè)務(wù)和管理應(yīng)用提供數(shù)據(jù)支撐，主要可應(yīng)用到如下方面：

2.1 交通流特征多維度分析

如果僅依賴單一來源數(shù)據(jù)，如AIS 數(shù)據(jù)，交通流特征分析的維度比較有限，僅限于傳統(tǒng)的區(qū)域密度、速度、流量等，而船舶與陸地交通不同，不同船舶的可裝載噸位、實(shí)際裝載噸位均不同，且船舶實(shí)際裝載量是比船舶流量更重要的參考維度，因此，通過對船舶數(shù)據(jù)的融合，我們可以在傳統(tǒng)的交通流特征基礎(chǔ)上，對不同區(qū)域的船舶運(yùn)載能力、實(shí)際運(yùn)載量進(jìn)行統(tǒng)計(jì)分析，而不僅僅限于安裝電子卡口設(shè)備的區(qū)域。

2.2 交通流特征關(guān)聯(lián)分析

除對交通流特征進(jìn)行實(shí)時統(tǒng)計(jì)分析外，因?yàn)橥ㄟ^該模型可融合航道、航標(biāo)、水位等信息，還可以對船舶的速度與航道寬度、水位、航標(biāo)報警等因素進(jìn)行關(guān)聯(lián)分析，例如，分析在水位變化時，某區(qū)域的船舶速度與水位的關(guān)聯(lián)程度，或在航標(biāo)出現(xiàn)異常情況時，對船舶航行速度的影響，從而為航道維護(hù)、航道規(guī)劃的經(jīng)濟(jì)分析提供數(shù)據(jù)支撐。

3 結(jié)論

因此通過該時空數(shù)據(jù)融合模型，可實(shí)現(xiàn)不同時空特性的感知數(shù)據(jù)針對同一對象的數(shù)據(jù)融合，且部分屬性可沿對象軌跡進(jìn)行延申融合，可將固定位置的數(shù)據(jù)屬性融合擴(kuò)展到全部區(qū)域，從而可對航道交通流特征進(jìn)行全區(qū)域的、更多維度的分析，并且可實(shí)現(xiàn)不同維度的關(guān)聯(lián)程度分析。隨著引江濟(jì)淮項(xiàng)目的通航運(yùn)行，將積累越來越多的感知數(shù)據(jù)，該模型可結(jié)合SPARK 等分布式計(jì)算技術(shù)對交通流特征進(jìn)行實(shí)時計(jì)算，支持海量AIS、雷達(dá)數(shù)據(jù)及其他感知數(shù)據(jù)的實(shí)時融合與分析，為航道及船舶的管理決策提供更完整、更多維度、更實(shí)時的數(shù)據(jù)支撐。