摘要在船舶軌跡壓縮方面，通常存在難以有效剔除海量船舶自動識別系統(tǒng)(AIS)數(shù)據(jù)中無用數(shù)據(jù)點的問題。為改進船舶軌跡壓縮質(zhì)量，提出基于道格拉斯—普克(DP)改進的特征點(FP)–時空(TS)算法。在FPTSD算法中，關(guān)注船舶行駛過程中加減速、轉(zhuǎn)向、進出特殊區(qū)域等重要的動態(tài)行為點，采用數(shù)值計算方法提取和保留AIS數(shù)據(jù)中上述動態(tài)行為FP，以FP為初始點使用DP算法對AIS數(shù)據(jù)進行壓縮;同時，考慮AIS數(shù)據(jù)的TS特性，以時空距離為標準進行取舍，進而在FP和TS特性優(yōu)化的基礎(chǔ)上實現(xiàn)了船舶軌跡壓縮。結(jié)果表明，在保證壓縮率的前提下，經(jīng)FPTSDP算法壓縮后的軌跡更接近原始軌跡，同時其重要動態(tài)行為點留存率更高。
關(guān)鍵詞AIS;FPTSDP算法;軌跡特征點;時空特性;船舶軌跡壓縮
1引言
船舶自動識別系統(tǒng)AutomaticIdentificationSystem,AIS軌跡數(shù)據(jù)中蘊含著大量信息[14]，包括船舶的靜態(tài)和動態(tài)信息、船舶駕駛員的人為因素、船舶避碰行為、船員通常做法和習(xí)慣航路等。通過分析和研究船舶軌跡，可獲取能夠反映船舶規(guī)律的有效和潛在信息，進而為海上安全監(jiān)管、船舶通航、航海保障等活動提供必要的數(shù)據(jù)支持[5。然而，海量的AIS數(shù)據(jù)中存在一些利用價值較低的數(shù)據(jù)點，當移除此類數(shù)據(jù)后船舶軌跡不會產(chǎn)生改變。由此，為提高數(shù)據(jù)的利用效率，需要對冗雜的船舶AIS軌跡數(shù)據(jù)進行壓縮處理。
通常，包括道格拉斯–普克(Douglaseucker,DP)在內(nèi)的多數(shù)船舶軌跡壓縮算法往往僅考慮軌跡的距離偏移量來壓縮軌跡[7]，在壓縮過程中舍棄了船舶航速、航向改變、進出某區(qū)域邊界等航跡特征點，得到的軌跡忽略了船舶的動態(tài)信息，降低了數(shù)據(jù)的利用價值;少部分壓縮算法通過航向、航速變化率均值來保留船舶軌跡特征點[810]，但忽略了由傳感器誤差導(dǎo)致的航速、航向出現(xiàn)的小范圍波動，進而保留了波動點，使得壓縮后保留的數(shù)據(jù)點過多。
極少數(shù)壓縮算法雖然考慮了船舶的時空特性[1113]，但僅將時間特性僅作為分類和排序的指標，一般壓縮后的軌跡失真率較高。為提升軌跡壓縮算法質(zhì)量，充分應(yīng)用船舶動態(tài)特征點(FeaturePoint,FP)數(shù)據(jù)以及時空特性(TemporalandSpatial,TS)，在DP算法的基礎(chǔ)上提出FPTSDP船舶軌跡壓縮算法。對比結(jié)果表明，經(jīng)FPTSDP算法壓縮后的軌跡質(zhì)量得到較好的提升。
2AIS數(shù)據(jù)解碼與預(yù)處理AIS數(shù)據(jù)分析主要包括數(shù)據(jù)解碼、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘個步驟。數(shù)據(jù)預(yù)處理包括軌跡異常點清除和船舶軌跡壓縮環(huán)節(jié)，經(jīng)過預(yù)處理的數(shù)據(jù)，較為精簡，具有較高的實用性和使用價值。
2.1AIS數(shù)據(jù)解碼
AIS報文信息是一串復(fù)雜晦澀的字符串，封裝度極高，難以被人們直接理解和應(yīng)用，為獲取直觀信息，需要解碼原始信息。數(shù)據(jù)中的每個記錄點代表一個由船載AIS設(shè)備在某個瞬間發(fā)出的AIS報告信息。AIS數(shù)據(jù)解碼主要由個階段實現(xiàn)14]。首先，將AIS原始數(shù)據(jù)轉(zhuǎn)換為ASCII碼。然后，將ASCII碼值與16進制數(shù)80H相比較，如果大于80H，則轉(zhuǎn)換出的ASCII碼值加上20H;如果小于80H，則轉(zhuǎn)換的ASCII碼值加上28H。
經(jīng)變換，原來的ASCII碼變成了位ASCII碼。單條信息轉(zhuǎn)換后全長最大為168bit，每個字符都是轉(zhuǎn)換后6bit的ASCII碼，從字符“”開始為有效信息。最后，參照AIS國際標準信息對照表，解析出對應(yīng)信息。解碼后的信息是一連串由數(shù)字和組成的二進制編碼，需對比國際AIS制定的標準協(xié)議，利用27種電文的格式分配相應(yīng)的比特位，拼接信息后解析出AIS信息。
2.2AIS數(shù)據(jù)預(yù)處理
經(jīng)數(shù)據(jù)解碼后的AIS數(shù)據(jù)不能直接使用，主要是存在許多異常數(shù)據(jù)，會影響船舶軌跡壓縮的結(jié)果。為保證數(shù)據(jù)的準確性，需要對AIS數(shù)據(jù)進行異常數(shù)據(jù)處理工作。AIS數(shù)據(jù)主要有種異常情況。其一，存在靜態(tài)信息輸入錯誤和部分信息未輸入的情況;其二，存在船舶航次相關(guān)信息輸入錯誤或信息未輸入的情況;其三，存在因傳感器故障，導(dǎo)致船舶動態(tài)信息出現(xiàn)錯誤的情況。
由此，針對解碼后的數(shù)據(jù)，需要開展AIS數(shù)據(jù)篩選預(yù)處理工作[15]，即需要刪除AIS報告信息MMSI記錄為的點;刪除數(shù)據(jù)中偏離所選水域航道較遠的點，如經(jīng)緯度顯著超出航道，速度出現(xiàn)負值或超出正常值;刪除時間相鄰的個AIS報告點距離超過實際可能最大值的軌跡點。在數(shù)據(jù)預(yù)處理階段，刪除無效的、不合理的、偏離航道的數(shù)據(jù)，確保獲得有效的AIS數(shù)據(jù)。出于安全考慮，國際海事組織要求AIS數(shù)據(jù)點的報告間隔較短。
經(jīng)過上述篩選處理的AIS數(shù)據(jù)規(guī)模非常大，直接使用導(dǎo)致運算速度緩慢，難以得到有效應(yīng)用。為此，需要對AIS數(shù)據(jù)進行壓縮處理。傳統(tǒng)DP壓縮算法[16]根據(jù)距離閾值來判定。在DP算法中，通常將軌跡的起點和終點連成直線，計算軌跡上每個點到這條直線的距離，選擇其中距離最大的點，將其距離與預(yù)設(shè)的距離閾值進行比較，小于距離閾值，則舍棄這條直線兩側(cè)的點，若大于距離閾值，則保留這個點;然后，將起點和終點分別同這個點進行連線，得到兩條直線，再分別重復(fù)上述步驟，迭代計算，直至所有點到對應(yīng)直線的距離都小于距離閾值，則完成壓縮。可知，上述方法壓縮出來的軌跡，動態(tài)信息丟失較多、軌跡失真率較高，有必要設(shè)計一種高質(zhì)量的船軌跡壓縮算法。
3船舶軌跡壓縮FPTSDP算法
3.1特征點優(yōu)化
傳統(tǒng)DP算法一般僅通過距離偏移量來壓縮軌跡，會導(dǎo)致在壓縮過程中舍棄部分船舶的動態(tài)信息、航速及航向改變、進出某區(qū)域邊界等航跡特征點，降低了數(shù)據(jù)的利用價值。因此，在DP算法的基礎(chǔ)上，需要優(yōu)化軌跡特征點，開展提取和保留特征點研究工作。針對船舶航速、航向改變點的提取保留工作，可通過判斷各數(shù)據(jù)點的船舶航速、航向改變率是否高于某一設(shè)定閾值來實現(xiàn)。
船舶駛?cè)氤鲂袨閇18]包括駛?cè)氤龃a頭、錨地、橋區(qū)水域、漁區(qū)水域、環(huán)形道等閉合區(qū)域以及航道、危險線、邊界線等非閉合區(qū)域。船舶駛?cè)氤鲕壽E特征點是指船舶通過上述非閉合區(qū)域邊界線前后的AIS數(shù)據(jù)點。對于此類軌跡特征點，可以通過判斷相鄰兩個AIS數(shù)據(jù)點分別代入邊界線方程后值的乘積是否小于。
若小于則標記并保留為船舶進出某區(qū)域軌跡點，構(gòu)成進出某區(qū)域點集合。DP算法特征點優(yōu)化即通過上述方法，對軌跡中的特征點進行識別保留，以特征點為DP算法輸入的初始點進行軌跡壓縮。經(jīng)過特征點優(yōu)化后的DP算法進行軌跡壓縮，壓縮后的軌跡保留了這些軌跡特征點，關(guān)鍵信息含量高于傳統(tǒng)DP算法進行壓縮后的軌跡，輪廓特征更加接近于原始軌跡，具有較高的利用價值。
3.2時空特性優(yōu)化AIS數(shù)據(jù)的時空特性
不難看出，在預(yù)期軌跡上偏移點所對應(yīng)的實際預(yù)期船位應(yīng)在偏移點計算到預(yù)期軌跡線歐式距離的船位之前。傳統(tǒng)DP算法計算軌跡的偏移量的方式往往采用歐式幾何上的垂直距離，此距離略小于時空偏移距離，使用此距離進行壓縮，雖然壓縮后數(shù)據(jù)量較小，但壓縮后軌跡的失真率較高。因此，在DP算法的基礎(chǔ)上，需要進行時空特性優(yōu)化，計算偏移船位與實際預(yù)期船位的時空距離，以時空距離對比DP算法距離閾值進行偏移點的取舍。
4仿真結(jié)果及分析
長江武漢段屬于長江中游與下游的交接段，是長江中下游水運的重要中轉(zhuǎn)站，水運較為繁忙，AIS基站僅一天接收到的AIS數(shù)據(jù)就有15萬條之多。水域內(nèi)橋區(qū)多、港區(qū)和停泊區(qū)多，增加了船舶在水域內(nèi)航行的安全隱患。為提升利用AIS數(shù)據(jù)對船舶軌跡的分析研究，可以從中獲取能夠反映船舶規(guī)律的、有效的、潛在的信息，進而為海事機關(guān)對船舶違章行為監(jiān)管，修訂航行規(guī)則，推行船舶定線制提供有效的數(shù)據(jù)支持。為提升數(shù)據(jù)利用效率，需要對數(shù)據(jù)進行壓縮處理。
結(jié)論
針對船舶AIS數(shù)據(jù)中無用數(shù)據(jù)點的剔除問題，本文對傳統(tǒng)DP算法進行了特征點優(yōu)化和時空特性優(yōu)化，提出了基于FPTSDP算法的船舶AIS軌跡壓縮方法。實驗結(jié)果表明，在保證一定壓縮率的前提下，F(xiàn)PTSDP算法充分考慮了特征軌跡點的保留問題，對船舶行駛中加速、減速、轉(zhuǎn)向、進出特殊區(qū)域等重要的動態(tài)行為點較完整地進行保留。同時，利用時空距離壓縮軌跡，較好地保留了原始軌跡的形狀。通過FPTSDP算法簡化后的數(shù)據(jù)較為簡潔，且有較大的二次利用價值。
參考文獻
[1]楊博辰.基于AIS的船舶軌跡分析的研究與應(yīng)用[D].成都:電子科技大學(xué)2018.
[2]DeVriesGKD,VanSomerenM.Machinelearningforvesseltrajectoriesusingcompression,alignmentsanddomainknoledge[J].ExpertSystemswithApplications,2012,39(18):1342613439.
[3]郭乃琨,馬壯壯,岳明橋.船舶軌跡挖掘與可視化技術(shù)分析研究[J].電子元器件與信息技術(shù)2020,4(3):137138.
[4]朱飛祥,張英俊,高宗江基于數(shù)據(jù)挖掘的船舶行為研究[J].中國航海2012,35(2):5054.
[5]LinK,LiX,ZhangZ,etal.AKmeansclusteringwithoptimizedinitialcenterbasedonHadoopplaform[C].InternationalConferenceonComputerScience&.Education.IEEE,2014:263266.
[6]XuK,ZhenH,LiY,etal.Bigdataacquisitionandanalysisplatformforintermodaltransport[J].InternationalJournalofDatabaseTheoryandAppliction,2016,9(12):6778.
[7]畢月琨.AIS基站系統(tǒng)中的數(shù)據(jù)解析與壓縮[D].舟山:浙江海洋學(xué)院2014.
[8]張永兵,孟凡彬,孟科.一種基于航向和航速變化率的船舶軌跡壓縮方法[P].天津:CN110990504A,20200410.
[9]張廣娜,梁營力.船舶高速航行運動軌跡分段壓縮算法研究[J].艦船科學(xué)技術(shù)2020,42(12):4951.
[10]陳永超.基于數(shù)據(jù)挖掘的船舶軌跡預(yù)測研究[D].哈爾濱:哈爾濱工程大學(xué)2020.
[11]徐凱,邱家瑜,李燕.一種加入時間維的船舶軌跡高效離線壓縮算法研究[J].計算機科學(xué)2017,44(S2):498502.
作者：江海洋，高超，馬勇
相關(guān)閱讀
