基于AIS 大数据分析的航道通航宽度计算方法

2020-11-27黄小鹏郭冬冬

水运工程 2020年11期

王飞，黄小鹏，郭冬冬

(中交上海航道勘察设计研究院有限公司，上海200120)

航道的通航宽度是航道安全性和经济性的关键影响因素之一[1]。航道越宽，船舶航行越安全，但航道基建疏浚工程量会越大，建设投资和航道常年维护的成本也会越高；反之，疏浚工程量小，投资小，但通航的安全风险增加。因此，如何安全、经济地优化航道通航宽度显得尤为重要。

《海港总体设计规范》[2]针对通航宽度有指定的计算方法，其主要是根据7.4 万t 以下船舶推出的经验公式，缺乏对大型船舶的数据支撑，因此一些学者进行了相关研究。陈爱平等[3]指出了规范中针对通航宽度计算公式的可改进之处，并利用少量数据进行了分析计算，得出可适当放宽的结论；郭冬冬等[4]提出了基于大型船舶观测数据的航道宽度计算方法，手动对130 条船舶自动识别系统(简称AIS)数据进行了分析，得到了不同保证率下的漂移倍数。

上述研究均只对少量的实船数据进行分析，若要得到可信度更高的成果，则需更多实船数据。AIS 数据自身具备大数据特征，其传输频次可达1～5 Hz，单船1 d 内就含数万个原始数据样本，前期筛选和后期解析难度较大。因此，有必要结合航道通航宽度和AIS 大数据特征，建立一套解析方法，解决大数据存取难、轨迹提取难、横流取值繁琐等难点，以大幅提高解析效率，为大型航道通航宽度研究提供精度更高、数据更全的可靠数据。

1 基于AIS 大数据分析的航道通航宽度计算方法

1.1 AIS 简介

AIS 由岸基(基站)设施和船载设备共同组成，是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。 AIS 系统采集的信息主要为静态信息和动态信息，其中静态信息包括船名、船舶编号、MMSI(Maritime Mobile Service Identify，水上移动通信业务标识码)、船长、船宽、船舶类型等；动态信息包括实时船位、对地航向、对地航速、船首向、回转速率等。

1.2 航道通航宽度计算方法总体研究思路

航道通航宽度计算方法总体研究思路分4 大步骤(图1):

1)收集AIS 系统的原始数据，筛选同航道等级及以上的大型船舶航行数据，并形成航行轨迹。国内现有高等级航道，如连云港港30 万吨级(现行25 万吨级)航道、虾峙门口外30 万吨级航道等。

2)通过潮流观测、边滩定点水文测验及三维潮流数模等手段获得各样本航行轨迹的同步横流数据。

3)统计分析航道边线内的各样本航迹带宽度及对应横流特征值。

4)根据航迹带宽度推求相应的船舶漂移倍数并进行概率分布统计，获得大型船舶不同横流条件下不同保证率的船舶漂移倍数。

图1 航道通航宽度计算方法总体研究思路

1.3 软件开发思路

针对上述总体思路，开发了一套基于AIS大数据的航道宽度计算解析软件，主要包括轨迹初始化、实时横流数据耦合及航迹带宽度计算等。

1.3.1 数据初筛

筛选同航道等级及以上的大型船舶航行数据(如针对25 万t 现行航道，则仅需25 万吨级及以上船舶AIS 数据)，针对每个AIS 实船样本进行原始数据清洗和初始化，仅保留船名、 MMSI、等级、时间、定位等有效信息。

1.3.2 横流赋值

将每个AIS 实船样本的所有轨迹点均赋予实时横流值。横流通过潮流数模推算获得，并通过AIS 实船航行对应的潮位过程线与推算横流的潮位过程线进行相位匹配后赋值横流: 1)根据船舶进港时间确定大潮、中期、小潮等潮型； 2)确认任意船舶位置对应的横流推算点； 3)通过潮位过程线相位匹配，读取任意位置的横流值。

1.3.3 有效轨迹提取

提取航道边线内的航道航迹及与轨迹相关的实时数据，如时间、轨迹坐标、风流压偏角、横流值等。

1.4 航迹带宽度计算

计算航道边线内的各样本航迹带宽度及对应横流特征值。

2 AIS 大数据软件开发中的关键技术

2.1 船舶信息库

AIS 数据来源于每一条船舶的运行状态，因此首先须建立船舶属性表。将船型、吨位等先行筛选，方可与MMSI、吨位等后续数据进行交叉对比。为提升数据库检索和分析效率，船舶信息库应采用关系型数据库建表。

2.2 数据标准化

AIS 数据包含多项数据，须进行标准化操作，选取需要的时间、经纬度、航向等数据存入数据库。除此之外，还有两项工作需要标准化:

1)坐标转换。将AIS 中的经纬度转化为该工程区域采用的投影坐标系，以用于航道位置和轨迹的几何关系判断，一般须根据当地参数进行投影转换，见表1。

表1 坐标转换

2)时间转换。须将AIS 数据中的公历转化为农历，用于判断大、中、小潮的潮流值。目前并没有直接的转换公式，采用开源库，如Python 的sxtwl库或.Net 的Globalization. ChineseLunisolarCalendar函数库调用查询。

2.3 潮型拟合

航行轨迹在某时刻的横流，需要通过其对应的潮位过程线与推算横流的潮位过程线进行相位匹配后获取。因此，首先对潮位数据通过式(1)进行正弦函数拟合(图2)，然后与指定潮位过程线的相位进行匹配，得到计算点的潮时偏移，继而读取对应数据。

式中:A为振幅； ω 为角频率； φ 为初相；b为计算值增量。均为常量。

图2 某地某日的原始潮位数据及其拟合曲线

正弦函数拟合无法直接采用线性回归算法，须将该函数利用式(2)～(4)进行有效拆解，拆解后的公式可采用Math. Net 库中的线性回归快速拟合。

式中:A为振幅； ω 为角频率； φ 为初相；b为计算值增量；u为水平速率。v为纵向速率。均为常量。

2.4 有效轨迹提取

船舶AIS 轨迹线中，只有航道边线以内、且航向为进港方向的轨迹是有效的。传统手工方法效率低下，纯数学判断又包含多种临界条件，因此采用基于CAD(Computer Aided Design ，计算机辅助设计)可视化技术的图形法进行有效轨迹的判断与提取(图3)。本文采用基于Autodesk Civil 3D 的BIM 技术，建立航线轨迹与航道边线，通过几何运算可快速准确提取有效路径，计算函数为AutoCAD.DataBase. Entities:: Entity. IntersectWith()。

图3 有效轨迹提取

3 软件架构与开发

本软件开发基于C∕S(即Client∕Server 客户端∕服务器端)架构，软件开发层次分为前端交互开发与后端逻辑开发(图4)，其中前端主要包括“文件管理” “数据管理” 与各用户交互模块；后端服务前端，为了满足大数据的读写操作，应采用“数据库” 作为数据容器， “图形交互” 主要为了提高软件的交互性能，其他部分如“读写操作” 与“底层函数”，对应服务前端的各应用模块。软件开发采用C#.Net 语言，核心的大数据采用SQLite数据库，前端界面为WPF(Windows Presentation Foundation，基于Windows 系统的用户界面框架)。