提升算法下船舶AIS 航迹数据压缩方法
2023-09-16吴晓阳
吴晓阳
(桂林理工大学，广西 南宁 530001)
0 引 言
船舶自动识别系统（Automatic Identification System，AIS），其是船舶航行必须安装的船载AIS 设备，其主要作用是实现船舶导航和监控[1]。目前海上管理系统的不断完善，已经形成AIS 基站的基础网络体系[2]。随着船载AIS 设备数量的逐渐增加，设备信息的收集和管理逐步完善，则形成海量的船舶AIS 轨迹数据，该数据可为船舶异常识别、交通情况监测等提供可靠依据[3]。但是该数据量较大、维度较高，并且数据格式存在一定差异，导致数据的查询效率、效用程度受到影响，同时数据的传输耗时较大[4]。因此，数据压缩成为解决该问题的有效手段。在压缩过程中，如何保证数据的完整性，避免数据在压缩过程中发生损坏，成为重点研究内容。刘歌等[5]为保证多维数据的压缩效果，以MVC 架构为核心，通过正交变换的方式实现数据重构，并对重构后的数据进行编码，以此完成多维数据压缩；该方法在应用过程中，可实现数据降维，但是无法实现不同数据格式的处理。张晓梅等[6]为实现数据压缩，利用边缘计算较好的计算能力，实现数据无损压缩；但是该方法在应用过程中，对于维数较高数据的压缩率较低。
提升算法属于框架算法，该算法能够强化数据点的处理效果，常见的提升算法包扩道格拉斯-普克算法（Douglas-Peucker,DP）、机器分类算法等。本文以DP 算法为核心，提出船舶AIS 航迹数据压缩方法。
1 船舶AIS 航迹数据压缩
1.1 AIS 数据处理
1.1.1 AIS 轨迹数据格式转换
AIS 在使用过程中，仅可实现可打印的AIS 字符传输，该字符的有效范围为0X20～0X7E，在该范围内，可将字符划分为保留、有效和未定义3 种字符。其中保留字符指的是传输数据中，用于控制数据格式的关键字[7]，有效字符用于描述能够用于打印的ASCII 字符，未定义字符用于描述无法直接进行传输的字符。
AIS 数据的每条记录均由开始符（！）开始，以结束符（
1.1.2 AIS 轨迹数据清洗
由于AIS 数据中包含静态数据、动态数据等所有和船舶航行相关的数据，这些数据在采集过程中，会受到网络性能、采集环境以及采集设备性能的影响，导致数据不完整、错误或者重复，影响数据的效用水平。因此，完成AIS 数据格式转换后，需对AIS 数据进行清洗，清洗的主要目的是删除AIS 数据中的不完整数据，并且清除数据中的错误数据，同时对重复的数据进行筛选，只保留一条数据记录。本文针对AIS 数据的清洗需求，本文采用基于偏序集的规则链方法完成AIS 数据清洗，该方法的整体结构如图1 所示。该方法整体分为标准模块、业务模块以及自动模块，将格式转换后的数据作为该方法的输入，结合数据清洗需求按层选择相应规则，以此生成每一层的规则链，最后依据规则链完成数据清洗，并输出清洗后的AIS 数据。
1.2 AIS 轨迹数据库设计
海量的AIS 轨迹数据的存储和调用，是实现该数据快速压缩以及显示的主要基础，如何高效完成所需AIS 数据的提取，并按照时间顺序将其导入DP 算法中进行压缩，是待解决的首要问题。为保证AIS 轨迹数据的快速压缩，采用SQLite 数据库进行AIS 轨迹数据的管理，清洗后数据存储在该数据库中，为该轨迹数据压缩提供支撑。该数据库的管理方案如图2 所示。该数据库以单TRACK 表库结构为主完成构建，并且单表的各条记录中包含MMSI（数据识别码）、经度、纬度以及时间4 个字段。单表的一条记录则对应AIS 设备一次发送的数据，以此实现AIS 轨迹数据的可靠管理，保证AIS 轨迹数据的高效压缩。
图2 AIS 轨迹数据库结构Fig.2 AIS trajectory database structure
AIS 轨迹数据中，主要是依据经度和纬度描述船舶的地理位置，在进行数据压缩前，先对经度和纬度进行转换，形成墨卡托坐标，在此基础上进行转换使其形成屏幕坐标进行显示。在上述转换过程中，依据等角正圆柱投影原理完成，如果船舶在某处的经度和纬度坐标用 (φ,λ)表示，平面坐标用(x,y)表示，将经度和纬度转换至平面坐标的转换公式为：
式中：r0为基准纬度圈半径；a和e分别为地球椭圆球长轴半径和第一偏心率；q表示等量纬度； φ为基准纬度。
依据上述公式即可完成所有AIS 轨迹数据中，船舶位置数据的转换，并存储在数据库中。
1.3 基于DP 算法的AIS 轨迹数据压缩
AIS 轨迹数据压缩的主要目的快速获取AIS 数据中的目标数据，实现船舶航行轨迹的识别监测。DP 算法属于一种曲变形逼近算法，主要是采用以直代曲的理念，保留AIS 航迹中的关键航迹点，舍弃其中的非关键航迹点，以此高效实现船舶AIS 航迹数据压缩。该算法的详细压缩过程如下：
步骤1 船舶轨迹离散点为：P1(x1,y1),P2(x2,y2),...,Pn(xn,yn)，A=P1(x1,y1)，B=Pn(xn,yn) ，则 连 接A和B后，形成线段AB。
步骤2 在AB的范围内进行寻找，获取该范围内的和AB之 间距离最远的点，用C表示；C和AB之间的距离用d表示。
步骤3 设定AIS 轨迹数据的压缩阈值 η，如果d≤η ， 则采用线段AB描述船舶原始航迹曲线，如图3所示；如果d＞η ，则定义C为关键点，并对船舶航迹进行划分，使其形成两段曲线，如图4 所示。采用步骤1～步骤3，对两段曲线分别处理。
图3 船舶原始航迹曲线Fig.3 Original ship track curve
图4 划分航迹曲线Fig.4 Divided track curve
步骤4 按照上述步骤完成整个航迹数据处理后，连接航迹曲线AB的上所有关键点，以此获取原始船舶航迹曲线AB的压缩航迹数据。
2 测试结果与分析
为验证本文方法对于船舶AIS 航迹数据压缩的处理效果，以某海洋科技有限公司的船舶AIS 航迹数据为例，进行相关测试。该数据主要以csv 的文件格式进行存储，共包含256 艘船的航迹数据，共计1200条，部分数据详情如表1 所示。
表1 部分船舶AIS 航迹数据详情Tab.1 Details of AIS track data for some ships
为验证本文方法的船舶AIS 航迹数据压缩效果，采用压缩率ζ、数据长度损失率l作为评价指标，计算公式分别为：
式中：No和Ns均为船舶航迹数据点数量，前者对应压缩前，后者对应压缩后；l为船舶航迹总长度；lL为长度损失；lo和ls则表示压缩前和压缩后的船舶轨迹长度；lR为原始船舶航迹数据点数量；pnpn+1为2 个相邻船舶航迹电脑之间的距离。压缩率的期望结果在90.6%以上，数据长度损失率测期望结果在0.15%以下。
依据上述公式计算本文方法在不同航迹数据点数量下，本文方法的ζ 和l结果如表2 所示。可知：采用本文方法对船舶AIS 航迹数据进行压缩后，其压缩率均在90.6%以上，数据长度损失率最大值为0.11%。满足使用需求，可保证AIS 航迹数据的压缩效果。
表2 压缩率结果和数据长度损失率测试结果Tab.2 Compression rate results and data length loss rate test results
为验证本文方法对于船舶AIS 航迹数据的压缩应用性，随机选择一艘船舶的AIS 航迹数据，对该数据进行转换和清洗后，进行该数据压缩，并且获取压缩前后的AIS 轨迹结果，如图5 和图6 所示。可知：船舶AIS 轨迹数据压缩前，原始数据中包含若干个数据点，采用本文方法对数据进行压缩后，共剩余13 个数据点，这些数据点完好保存了船舶转向行为数据点，能够精准描述船舶的操纵情况，不会遗漏船舶航行过程中的关键点，完好保存船舶运动特性。因此，该方法具有较好的应用性，能够在保留AIS 轨迹特征数据的前提下，完成数据压缩，为船舶航行情况管理提供可靠依据。
图5 压缩前船舶的AIS 轨迹Fig.5 AIS trajectory of the ship before compression
图6 压缩后船舶的AIS 轨迹Fig.6 AIS trajectory of compressed ship
3 结 语
船舶航行情况监测、运动模式识别等均是船舶管理的重要部分，在管理过程中，由于AIS 数据量较大，并且数据中存在一定的重复或者损坏数据，导致数据的效用水平较低，直接降低船舶的管理效率。因此，为提升船舶的管理效果，针对海量AIS 船舶航迹数据，提出提升算法下的船舶AIS 航迹数据压缩算法。并对该算法的应用效果进行测试，可知：本文所提方法具有较好的船舶AIS 航迹数据压缩性能，并且压缩后数据能够可靠描述船舶航行过程中操纵情况，为船舶航行管理提供可靠保障。
