?

一種基于海量船舶軌跡數(shù)據(jù)的細(xì)粒度網(wǎng)格海上交通密度計(jì)算方法*

修回日期：2015-10-23

通信地址：100029 北京市朝陽(yáng)區(qū)北三環(huán)東路15號(hào)北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院Address:College of Information Science & Technology,15 Bei Sanhuan Rd East,Chaoyang District,Beijing,100029,P.R.China

寧建強(qiáng)，黃濤，刁博宇，趙瑞蓮，畢經(jīng)平

(1.北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院,北京 100029;2.中國(guó)科學(xué)院計(jì)算技術(shù)研究所,北京 100190)

摘要：在“一路一帶”的戰(zhàn)略構(gòu)想下，對(duì)于海上貿(mào)易的關(guān)注逐漸升溫。海上運(yùn)輸是海上貿(mào)易的承載，掌握細(xì)粒度的海上交通密度，對(duì)于提取熱點(diǎn)航道熱點(diǎn)區(qū)域、分析全球貿(mào)易走勢(shì)、推斷海上交通連通性及相關(guān)的異常檢測(cè)等具備重要的意義。提出了一種面向海量船舶軌跡數(shù)據(jù)的細(xì)粒度網(wǎng)格海上交通密度計(jì)算方法，該方法將全球劃分為0.01°*0.01°的標(biāo)準(zhǔn)化細(xì)粒度網(wǎng)格，一方面為了適應(yīng)細(xì)粒度網(wǎng)格對(duì)全球船舶真實(shí)軌跡數(shù)據(jù)特點(diǎn)設(shè)計(jì)了針對(duì)性的預(yù)處理方案，處理了異常點(diǎn)和停泊點(diǎn)；另外一方面設(shè)計(jì)并實(shí)現(xiàn)了一種面向該網(wǎng)格的利用海量軌跡數(shù)據(jù)對(duì)信息發(fā)送數(shù)目、信息發(fā)送間隔、經(jīng)過(guò)船舶數(shù)目、經(jīng)過(guò)船舶時(shí)間等多維交通密度特征進(jìn)行量化計(jì)算的方法，具備良好的拓展性。最后采用2014年2個(gè)月共計(jì)8億余條數(shù)據(jù)對(duì)該方法的性能、準(zhǔn)確性進(jìn)行了評(píng)估驗(yàn)證，證明了該方法的切實(shí)可行性。

關(guān)鍵詞：AIS；細(xì)粒度；交通密度

1引言

海運(yùn)經(jīng)濟(jì)是帶動(dòng)經(jīng)濟(jì)全球化發(fā)展的重要一環(huán)，日益頻繁的船舶活動(dòng)和不斷增加的船舶數(shù)目，使全球海事環(huán)境更加復(fù)雜多變，由此引發(fā)的一系列水運(yùn)安全隱患也接踵而至。對(duì)于海事監(jiān)管部門而言，實(shí)現(xiàn)對(duì)海上交通的監(jiān)管可以為海上貿(mào)易分析、經(jīng)濟(jì)形勢(shì)預(yù)測(cè)、異常船舶行為分析提供數(shù)據(jù)支持。海上交通密度是單位時(shí)間單位區(qū)域內(nèi)船舶活動(dòng)情況的表征，在很大程度上反映了不同區(qū)域船舶活動(dòng)的情況，是交通流十分重要的參數(shù)，也是判別交通流狀態(tài)的一個(gè)重要指標(biāo)[1]，是海事監(jiān)管部門實(shí)現(xiàn)海上交通監(jiān)管的重要依據(jù)。因此，實(shí)現(xiàn)海上交通密度的計(jì)算是非常有必要的。

與陸地交通運(yùn)行的方式不同，海上交通并不存在“固定道路”，兩點(diǎn)之間的行駛路線往往是不確定的。船舶自動(dòng)識(shí)別系統(tǒng)AIS(Automatic Identification System)收集了豐富的船舶位置信息，且包含了船舶身份的唯一標(biāo)識(shí)MMSI(Maritime Mobile Service Identity)[2]，這就為我們實(shí)現(xiàn)海量船舶信息下交通密度計(jì)算提供了充分的可行性。在一些海事監(jiān)管型系統(tǒng)(如SeeCoast系統(tǒng)、BAE系統(tǒng)[3])中，海上交通密度是通過(guò)計(jì)算一段時(shí)間內(nèi)某一位置附近的AIS信號(hào)數(shù)目來(lái)實(shí)現(xiàn)的。這樣的方法雖然可以反映船舶活動(dòng)聚集區(qū)域的信息，但無(wú)法表征船舶“運(yùn)動(dòng)”的屬性。

為了實(shí)現(xiàn)海上交通密度的準(zhǔn)確表征和計(jì)算，將結(jié)果用于海事監(jiān)管活動(dòng)的實(shí)踐之中，本文依托地理經(jīng)緯度劃分的思想，提出了一種以細(xì)粒度網(wǎng)格為最小計(jì)算單元、充分考慮了船舶“運(yùn)動(dòng)”屬性的計(jì)算方法，從信息發(fā)送數(shù)目、信息發(fā)送間隔、船舶經(jīng)過(guò)數(shù)目、船舶經(jīng)過(guò)時(shí)間等多個(gè)維度表征和計(jì)算了海上交通密度。通過(guò)采用真實(shí)的AIS數(shù)據(jù)進(jìn)行計(jì)算和實(shí)驗(yàn)對(duì)比分析，表明了該方法計(jì)算的密度結(jié)果準(zhǔn)確性高，同時(shí)可以滿足實(shí)時(shí)系統(tǒng)使用的響應(yīng)要求。

2背景

海上貿(mào)易的升溫使得政府部門對(duì)于海事活動(dòng)的監(jiān)管越來(lái)越重視，獲取海上交通的狀況是監(jiān)管部門實(shí)現(xiàn)監(jiān)管的第一步也是最為重要的一步。在陸運(yùn)領(lǐng)域，交通密度是指一條車道上車輛的密集程度，即在單位時(shí)間內(nèi)某一車道單位長(zhǎng)度上的車輛數(shù)，又稱車流密度[4]。而在水運(yùn)領(lǐng)域，這一概念也可相應(yīng)地被借鑒為某一時(shí)間段某一水域范圍內(nèi)船舶的數(shù)目，水上交通密度可以很好地反映某一水域的交通繁忙程度。傳統(tǒng)的密度計(jì)算方式如人口密度、道路交通密度等主要是通過(guò)大規(guī)模調(diào)研[5]和路網(wǎng)監(jiān)控系統(tǒng)的數(shù)據(jù)采集[6]后進(jìn)行的統(tǒng)計(jì)分析，這類方式存在的問(wèn)題主要包括時(shí)間開銷大和準(zhǔn)確性無(wú)法保證等。

AIS是一種用于船舶之間、船岸之間自動(dòng)應(yīng)答和識(shí)別的船舶避碰系統(tǒng)，由AIS船臺(tái)和AIS岸站系統(tǒng)組成[7]。AIS標(biāo)準(zhǔn)自創(chuàng)立以來(lái)，受到了多方海事管理部門的充分肯定。SOLAS(international convention for the Safety Of Life At Sea)公約于2004年開始提出了AIS的相關(guān)要求，截止到2008年7月1日，航行于國(guó)際航線300總t以上的船舶，航行于非國(guó)際航線500總t以上的船舶，都必須配備AIS[8]。

AIS所提供的數(shù)據(jù)信息主要包括船舶動(dòng)態(tài)信息和靜態(tài)信息兩類。利用AIS進(jìn)行交通密度的計(jì)算研究主要應(yīng)用的是動(dòng)態(tài)AIS數(shù)據(jù)。動(dòng)態(tài)AIS數(shù)據(jù)是船舶在海上作業(yè)(航行或停泊)時(shí)，定期發(fā)送(船位最快2 s，最慢3 min報(bào)告1次)[9]的狀態(tài)信息數(shù)據(jù)，包括GPS時(shí)間、終端碼MMSI、編碼類型、命令類型、緯度、經(jīng)度、航向、首向、速度、轉(zhuǎn)向率等。在AIS提供的動(dòng)態(tài)數(shù)據(jù)中，MMSI可以作為船舶身份的唯一標(biāo)識(shí)，除了GPS時(shí)間、經(jīng)度、緯度之外，其他信息的真實(shí)性往往會(huì)被許多人為因素所破壞[10]。

AIS動(dòng)態(tài)數(shù)據(jù)的特征為我們進(jìn)行海上交通相關(guān)的研究提供了充足的現(xiàn)實(shí)可能性，但相關(guān)的研究和應(yīng)用數(shù)量十分有限。英國(guó)海洋管理協(xié)會(huì)MMO(the Marine Management Organization)在文獻(xiàn)[11]中利用了MCA(Maritime and Coastguard Agency)提供的既有數(shù)據(jù)計(jì)算了2012年英國(guó)周邊水域的船舶航行的繁忙程度；文獻(xiàn)[12]分析并可視化地再現(xiàn)了美國(guó)東海岸的某港口不同類型船舶的航行活動(dòng)；文獻(xiàn)[13]利用Apriori關(guān)聯(lián)規(guī)則挖掘算法對(duì)中國(guó)遼東半島附近水域的船舶行為模式進(jìn)行了挖掘和分析。文獻(xiàn)[11～13]除了需要經(jīng)過(guò)繁瑣的數(shù)據(jù)預(yù)處理過(guò)程外，也僅針對(duì)特定部門的應(yīng)用，具有區(qū)域局限性，這顯然無(wú)法滿足“全球化”發(fā)展的戰(zhàn)略要求。Scheepens R等人在文獻(xiàn)[14]中提出了一種基于可視化展示的交通密度和異常分析方法，但該方法并沒有提出量化的數(shù)據(jù)交通密度表征方法。Baldacci A和Carthel C在文獻(xiàn)[15,16]中提出并運(yùn)用了一種劃分網(wǎng)格并統(tǒng)計(jì)信息覆蓋率作為海上交通密度表征的方式，這種方式已被若干海事監(jiān)管的原型系統(tǒng)所使用，但該方法僅從信息覆蓋率的角度認(rèn)識(shí)交通密度，不夠全面和精確。Giuliana P等人[10]提出了基于AIS數(shù)據(jù)對(duì)海上交通建模的方法，但是該方法建模的對(duì)象是單一船舶，因此并不能表征一個(gè)區(qū)域的交通態(tài)勢(shì)。

針對(duì)海上交通密度研究區(qū)域局限性、量化表征不全面、缺乏區(qū)域表征等問(wèn)題，本文豐富了海上交通密度的表征方式，提出了一種可以應(yīng)用于全球范圍內(nèi)基于AIS所提供的海量船舶位置信息的密度計(jì)算方法，通過(guò)不同類型的值，量化地反映了不同區(qū)域多個(gè)維度的海上交通密度。

3細(xì)粒度網(wǎng)格交通密度計(jì)算方法

在不存在“固定道路”的情況下，為了計(jì)算和表征不同區(qū)域的海上交通密度，全球地理范圍將會(huì)依照經(jīng)緯度的跨度劃分為若干大小相等的網(wǎng)格來(lái)作為交通密度的表征單元。以海量的AIS信息(包括船舶身份、時(shí)間、位置信息)為輸入，我們可以獲得不同船舶的信息集合，并通過(guò)在時(shí)間上相鄰的點(diǎn)構(gòu)成船舶的“航段”。在AIS數(shù)據(jù)獲取的過(guò)程當(dāng)中，由于人為的錯(cuò)誤操作、船舶偽裝、信號(hào)丟失等原因可能造成信息的缺失和錯(cuò)誤[16]，為了確保計(jì)算的準(zhǔn)確性，在開始計(jì)算之前，需要依據(jù)船舶在網(wǎng)格間運(yùn)動(dòng)的特點(diǎn)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。在去除干擾因素后，計(jì)算不同船舶在不同網(wǎng)格內(nèi)的密度信息，最后可以得到不同網(wǎng)格的密度信息。

與文獻(xiàn)[9,14,15]中的方法僅通過(guò)AIS信息覆蓋來(lái)表征海上交通密度不同，本文方法用多維特征表征海上交通密度。這些特征包括：信息發(fā)送數(shù)目(DynamicDataCount)、信息發(fā)送間隔(MessageSendInterval)、經(jīng)過(guò)船舶數(shù)目(VesselCount)、船舶經(jīng)過(guò)時(shí)間(CrossingTimeSum)。其中，信息發(fā)送數(shù)目和間隔以信息發(fā)送的情況為基礎(chǔ)，體現(xiàn)了船舶聚集的“靜態(tài)”屬性特征，而經(jīng)過(guò)船舶數(shù)目和船舶經(jīng)過(guò)的時(shí)間則從船舶航行的路線和運(yùn)行的速度方向考慮，反映了船舶航行的“動(dòng)態(tài)”特征。圖1展示了該計(jì)算方法的基本流程。

Figure 1Fine-grained grid traffic density calculation process
圖1細(xì)粒度網(wǎng)格交通密度計(jì)算方法流程

3.1　網(wǎng)格構(gòu)建

海上交通尤其是遠(yuǎn)洋交通并沒有像陸地上一樣嚴(yán)格成型的道路，因此海上交通密度無(wú)法像陸地交通那樣利用道路流量來(lái)計(jì)算衡量。以地理經(jīng)緯度劃分的思想為基礎(chǔ)，將全球區(qū)域構(gòu)建為不同的網(wǎng)格，可以為海上交通密度提供可用的計(jì)算單元，為海上交通的管理提供規(guī)格化的支持。

不同粒度大小的網(wǎng)格可以反映不同精度的交通密度信息，過(guò)大的網(wǎng)格可能包含多個(gè)重點(diǎn)關(guān)心的區(qū)域，這會(huì)失去交通密度計(jì)算的意義。全球海洋總面積多達(dá)36 110萬(wàn)km2，超過(guò)了全球總面積的70%，而一艘大型的貨輪的長(zhǎng)度一般不會(huì)超過(guò)400 m，寬度不會(huì)超過(guò)60 m。在實(shí)際應(yīng)用中，為了更加精準(zhǔn)地追蹤船舶的行為，網(wǎng)格劃分的粒度可達(dá)0.01°*0.01°，約合1 km*1 km的范圍，即每跨過(guò)一個(gè)網(wǎng)格，相當(dāng)于一艘普通貨輪移動(dòng)兩到三個(gè)船位。

網(wǎng)格劃分后，全球范圍由集合G={gi |0

3.2　數(shù)據(jù)預(yù)處理

如第2節(jié)所述，AIS可以快速收集豐富的船舶身份信息和位置信息，在較短的時(shí)間內(nèi)，船舶運(yùn)動(dòng)可以近似認(rèn)為是勻速直線運(yùn)動(dòng)，連接任意在時(shí)間上鄰接的兩點(diǎn)，就構(gòu)成了船舶的一條航段lps，pe(ps為航段起始點(diǎn)，pe為航段終止點(diǎn))。對(duì)于某一船舶的記錄集合P0={p01，p02,…,p0n}，第一步是按照記錄時(shí)間升序排列得到有序集合P={p1，p2,…，pn}，其中每個(gè)記錄點(diǎn)為piLon，Lat，T(Lon、Lat代表的是p的經(jīng)緯度坐標(biāo)，T則指代當(dāng)前數(shù)據(jù)的記錄時(shí)間)。

在排序完成后，要根據(jù)記錄分布的特點(diǎn)對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的處理，主要包括異常點(diǎn)和停泊點(diǎn)兩種類型。

(1) 數(shù)據(jù)異常點(diǎn)。

船舶在航行過(guò)程中，短時(shí)間內(nèi)的速度是相對(duì)穩(wěn)定的，同時(shí)船舶航行的速度在理論上也不會(huì)超過(guò)設(shè)計(jì)最大值。AIS信號(hào)的丟失和錯(cuò)報(bào)的情況可能導(dǎo)致相鄰數(shù)據(jù)點(diǎn)之間船舶航行速度的計(jì)算值不合理，為了避免這類錯(cuò)誤對(duì)結(jié)果帶來(lái)的不利影響，在進(jìn)行計(jì)算之前要首先去除這些不合理的因素。因此，兩點(diǎn)之間的速度大小可以作為判斷數(shù)據(jù)是否不合理的標(biāo)準(zhǔn)，即：

其中，v[pi，p(i+1)]是集合P中在時(shí)序上相鄰兩點(diǎn)間的速度(單位是海里/小時(shí))，分子中Distance()函數(shù)將pi和p(i+1)的經(jīng)緯度信息轉(zhuǎn)化成實(shí)際的距離(單位是海里)，分母則計(jì)算了兩點(diǎn)的記錄時(shí)間差(單位是小時(shí))。當(dāng)上式的結(jié)果大于閾值v_max時(shí)，我們認(rèn)為p(i+1)屬于數(shù)據(jù)異常點(diǎn)。

本方法針對(duì)異常點(diǎn)的處理方法是將原集合P以p(i+1)為中心，拆分為兩個(gè)集合P1和P2，其中，pi為P1的終止點(diǎn)，p(i+1)為P2的起始點(diǎn)。這樣既避免了過(guò)大跨度的錯(cuò)誤，又可以保留最充足的原始數(shù)據(jù)信息。如圖2所示，由于v[p3，p4]>v[max]且p4為數(shù)據(jù)異常點(diǎn)，因此將原集合P={p1，p2，…，p7}拆分為P1={p1，p2，p3}和P2={p4，p5，p6，p7}。

Figure 2　Abnormal data points圖2　數(shù)據(jù)異常點(diǎn)

(2) 數(shù)據(jù)停泊點(diǎn)。

船舶在海上的行為除了航行等動(dòng)態(tài)行為之外，還包括捕魚、停泊等靜態(tài)行為。由于船舶的停泊方式的特殊性，船舶的靜態(tài)行為并非完全的靜止行為，當(dāng)船舶在某一位置(如錨地、漁區(qū))停留時(shí)，位置往往會(huì)隨著水流或風(fēng)向發(fā)生變化，如果計(jì)算網(wǎng)格粒度足夠小，可能會(huì)出現(xiàn)在不同的網(wǎng)格循環(huán)往復(fù)運(yùn)動(dòng)的情況，實(shí)際上船舶可以被看作始終停留在初始位置，這樣的位置即停泊點(diǎn)。如果僅按照原始數(shù)據(jù)處理，會(huì)出現(xiàn)重復(fù)計(jì)算船舶出現(xiàn)次數(shù)的錯(cuò)誤。

滑動(dòng)窗格的方法可以解決上述的問(wèn)題，對(duì)于任意一個(gè)集合P，設(shè)置窗格的大小為n，當(dāng)從pi到p(i+n-1)的所有連續(xù)的記錄點(diǎn)中有超過(guò)80%的記錄點(diǎn)落在同一網(wǎng)格中，我們就認(rèn)為該船處于“靜態(tài)”行為當(dāng)中，這些點(diǎn)的位置統(tǒng)一化為他們初始位置網(wǎng)格的中心點(diǎn)。如圖3所示，設(shè)定移動(dòng)窗格的大小為6，從p2到p7的運(yùn)動(dòng)過(guò)程中，超過(guò)80%的點(diǎn)都落入了同一網(wǎng)格中，因此以上點(diǎn)統(tǒng)一化為p2所在網(wǎng)格的中心點(diǎn)。

Figure 3　Data mooring圖3　數(shù)據(jù)停泊點(diǎn)

3.3　基于網(wǎng)格的密度計(jì)算

數(shù)據(jù)預(yù)處理之后，可以得到不同的包含船舶軌跡記錄的數(shù)據(jù)集合P={pi|1

對(duì)于每個(gè)航段而言，起始點(diǎn)為ps，終止點(diǎn)為pe，那么船舶走過(guò)該航段的時(shí)間和經(jīng)緯度跨度分別為:

ΔT=pe(T)-ps(T)

LLon=pe(Lon)-ps(Lon)

LLat=pe(Lat)-ps(Lat)

其中，LLon和LLat作為兩點(diǎn)之間的距離度量，單位與經(jīng)緯度的單位相同。

若ps和pe都屬于同一個(gè)網(wǎng)格g0，那么我們將認(rèn)為該船舶處于“停泊點(diǎn)”位置，因此只計(jì)算其所在網(wǎng)格的信息發(fā)送次數(shù)DC和船舶停留時(shí)間CT，而不對(duì)經(jīng)過(guò)的船舶數(shù)目VC做多余計(jì)算，即：

若ps和pe屬于兩個(gè)網(wǎng)格g0和gn+1(n為船舶經(jīng)過(guò)的網(wǎng)格數(shù)目)，則要根據(jù)他們所處的不同位置及航段穿過(guò)的網(wǎng)格來(lái)計(jì)算不同的密度信息。

g0和gn+1中信息發(fā)送的數(shù)目DC會(huì)增加，從g0到gn+1的每個(gè)網(wǎng)格中，經(jīng)過(guò)的船舶數(shù)目VC和船舶經(jīng)過(guò)的時(shí)間CT也會(huì)增加。

從ps到pe的運(yùn)動(dòng)是勻速直線運(yùn)動(dòng)，因此可以通過(guò)計(jì)算網(wǎng)格中每個(gè)網(wǎng)格所占據(jù)的航段長(zhǎng)度占航段總長(zhǎng)度的比例來(lái)得到船舶經(jīng)過(guò)的時(shí)間。以赤道中心點(diǎn)為原點(diǎn)，經(jīng)度遞增方向?yàn)閄軸正向，緯度遞增方向?yàn)閅軸正向，每個(gè)航段就是該直角坐標(biāo)系內(nèi)的一條線段，求解網(wǎng)格中船舶停留時(shí)間的問(wèn)題就轉(zhuǎn)化為了求解網(wǎng)格中線段的長(zhǎng)度問(wèn)題。然而，直接求解線段長(zhǎng)度不僅公式復(fù)雜，且計(jì)算量大，容易造成性能的瓶頸。為了盡可能地降低算法的復(fù)雜度和運(yùn)算的時(shí)間開銷，使算法可以在應(yīng)對(duì)海量數(shù)據(jù)時(shí)滿足實(shí)際應(yīng)用的性能要求，本文通過(guò)求解投影長(zhǎng)度而不是求解點(diǎn)距來(lái)作為時(shí)間的度量，這種方法利用了船舶瞬時(shí)勻速運(yùn)動(dòng)的特性，保證準(zhǔn)確性的前提下大大降低了運(yùn)算的開銷。

如圖4a所示，當(dāng)LLon=0，即ps和pe的連線平行于經(jīng)度線時(shí),ps和pe連接的線段所在直線的斜率不存在，除了起始網(wǎng)格g0和終止網(wǎng)格gn+1之外，船舶在其他網(wǎng)格中經(jīng)過(guò)的時(shí)間都是相同的，經(jīng)過(guò)時(shí)間占據(jù)航段總時(shí)間的比例均為當(dāng)前網(wǎng)格的寬度與該航段總長(zhǎng)度的比值，則網(wǎng)格各密度特征的計(jì)算為：

g0(DC)=DC+1

gn+1(DC)=DC+1

如圖4b所示，當(dāng)LLon≠0，即ps和pe連接的線段所在直線的斜率存在時(shí)，可以將該航段對(duì)應(yīng)線段投影在X軸的方向，除了起始點(diǎn)和終止點(diǎn)之外，任意兩個(gè)投影點(diǎn)之間的距離與投影總長(zhǎng)度L(Lon)的比值即為網(wǎng)格中船舶經(jīng)過(guò)時(shí)間占據(jù)航段總時(shí)間的比例。網(wǎng)格各密度特征的計(jì)算為：

g0(DC)=DC+1

gn(DC)=DC+1

Figure 4　Relationship between segment and the location of the grid圖4　航段與網(wǎng)格的位置關(guān)系

3.4　密度計(jì)算結(jié)果

依據(jù)3.2節(jié)中的方法，依次遍歷所有船舶的每個(gè)航段，我們可以計(jì)算出每個(gè)網(wǎng)格中包括信息發(fā)送總數(shù)、信息發(fā)送間隔、船舶經(jīng)過(guò)的總時(shí)間等海上交通密度特征。其中信息發(fā)送總數(shù)不僅可以作為船舶高頻出現(xiàn)區(qū)域探測(cè)的證據(jù)，同時(shí)也可以為探測(cè)信息發(fā)送盲區(qū)和海上停泊區(qū)提供數(shù)據(jù)參考，以此作為信號(hào)接收基站位置選取的重要決策支持。船舶經(jīng)過(guò)的總時(shí)間和經(jīng)過(guò)的船舶總數(shù)則充分關(guān)注了船舶所經(jīng)過(guò)的航段，為后續(xù)工作中的航道發(fā)現(xiàn)和異常檢測(cè)提供了原始數(shù)據(jù)支撐。

進(jìn)一步，我們計(jì)算了一段時(shí)間內(nèi)的信息發(fā)送的間隔。影響船舶活動(dòng)的因素復(fù)雜而多變，短期內(nèi)的頻繁活動(dòng)會(huì)使一段時(shí)間內(nèi)某網(wǎng)格的信息發(fā)送總數(shù)增加，但卻并不一定能準(zhǔn)確反映該區(qū)域較長(zhǎng)時(shí)期內(nèi)的交通密度情況。信息發(fā)送間隔將船舶經(jīng)過(guò)時(shí)間的因素加入考慮，從信息發(fā)送速率的角度反映了在一段較長(zhǎng)的時(shí)間內(nèi)每個(gè)網(wǎng)格區(qū)域內(nèi)的信息發(fā)送的整體情況，可以有效地反映船舶活動(dòng)過(guò)程中信息發(fā)送速率的特征，其計(jì)算公式為：

4結(jié)果展示和實(shí)驗(yàn)分析

4.1　實(shí)驗(yàn)數(shù)據(jù)

在第3節(jié)中，我們已提出了針對(duì)全球海上交通密度的計(jì)算方法，計(jì)算結(jié)果包括了不同的密度特征。表1列出了此次實(shí)驗(yàn)運(yùn)行環(huán)境的配置，表2列出了此次實(shí)驗(yàn)采用的數(shù)據(jù)。

Table 1　Configuration of the

Table 2　Experimental datasets

海事活動(dòng)中，船舶航行的周期比陸地長(zhǎng)，距離也可能更遠(yuǎn)，為了準(zhǔn)確反映某一地區(qū)的交通密度，本實(shí)驗(yàn)交通密度的計(jì)算周期將以月為單位，滑動(dòng)窗格的大小設(shè)置為10，速度閾值vmax設(shè)置為120km/h(約64海里/小時(shí)),所采用的數(shù)據(jù)是自2014年11月1日至2014年12月31日的AIS真實(shí)信息。為了驗(yàn)證算法的正確性，我們將算法得出的結(jié)果與公布的全球范圍內(nèi)最活躍的港口數(shù)據(jù)作對(duì)比進(jìn)行驗(yàn)證

4.2　全球的密度信息圖

熱圖(Heatmap)展示是一種可以直觀展示不同區(qū)域參數(shù)數(shù)值的一種圖示展示方式，我們采用了超圖(SuperMap)[17]的方式實(shí)現(xiàn)了對(duì)結(jié)果的可視化展示。

從圖5可以看出，全球范圍內(nèi)經(jīng)過(guò)船舶數(shù)目較多的區(qū)域集中在了中國(guó)東南沿海、歐洲大部以及美國(guó)西海岸區(qū)域，其中以中國(guó)東南沿海地區(qū)密度最高。

Figure 5　Global maritime traffic density(the number of passing vessels)圖5　全球海上交通密度(經(jīng)過(guò)船舶數(shù)目)

從圖5中可以清晰地看到，在各個(gè)高密度區(qū)域之間的“航行路線”，由此可以看出經(jīng)過(guò)船舶數(shù)目這一交通密度特征對(duì)于全球航運(yùn)連通性的發(fā)掘和研究意義重大。

圖6列出了局部區(qū)域內(nèi)的船舶經(jīng)過(guò)總數(shù)的密度信息。從圖6a中可以看出，歐洲西部的貿(mào)易繁忙地區(qū)中活躍船舶的總數(shù)要明顯多于東歐地區(qū)。從圖6b則看出了中國(guó)東南沿海地區(qū)船舶活動(dòng)數(shù)目遠(yuǎn)高于其他區(qū)域，這也印證了整個(gè)亞洲地區(qū)內(nèi)，船舶出現(xiàn)數(shù)目和海上貿(mào)易發(fā)達(dá)程度最高的地區(qū)分布于中國(guó)領(lǐng)海周邊的事實(shí)。

Figure 6　Local maritime traffic density(number of passing vessels)圖6　局部海上交通密度(經(jīng)過(guò)船舶數(shù)目)

4.3　算法性能實(shí)驗(yàn)

與文獻(xiàn)[9,14,15]中僅計(jì)算AIS出現(xiàn)數(shù)目的方法相比，本文方法擴(kuò)展了海上交通密度的表征特征。以2014年11月數(shù)據(jù)的計(jì)算結(jié)果為例，由圖7可以看出，本文方法輸出結(jié)果比原有方法更加豐富，并且與原有方法中遍歷網(wǎng)格的思路相比，在運(yùn)算速度上有所提高。

當(dāng)網(wǎng)格粒度大于0.1°時(shí)，運(yùn)算時(shí)間控制在了2 500s之內(nèi)，隨著網(wǎng)格粒度的進(jìn)一步縮小，運(yùn)算時(shí)間呈增長(zhǎng)趨勢(shì)，當(dāng)達(dá)到0.01°時(shí)，運(yùn)行時(shí)間接近5 500s，在單機(jī)運(yùn)行的環(huán)境下，該算法可以滿足實(shí)際數(shù)據(jù)分析的需求。

Figure 7　Algorithm running time圖7　算法運(yùn)行時(shí)間

4.4　區(qū)域密度分析和數(shù)據(jù)驗(yàn)證

表3列出了《2014全球港口發(fā)展報(bào)告》中世界前十大港口的信息以及在網(wǎng)格密度計(jì)算中對(duì)應(yīng)位置所得到的密度信息。由表3記錄可以看出，在2014年全球范圍內(nèi)水上交通密度最高的世界十大港口區(qū)域內(nèi)，其信號(hào)發(fā)送總數(shù)和經(jīng)過(guò)船舶數(shù)目和停留時(shí)間的數(shù)值也相對(duì)較大，名次均位于全球范圍的前列。其中，格子坐標(biāo)為(30N，122E)的網(wǎng)格信號(hào)發(fā)送總數(shù)在這兩個(gè)月中都是排在全球第一位的，其所屬的位置恰在排名第一的寧波-舟山港口附近；坐標(biāo)為(39N，118E)和(23N，113E)的網(wǎng)格信息發(fā)送間隔分別是這兩個(gè)月中是全球范圍內(nèi)最小的，它們恰好位于繁忙的天津港區(qū)域和廣州港區(qū)域。

5結(jié)束語(yǔ)

海上交通密度是反映海洋船舶活動(dòng)的重要特征之一。本文提出了一種基于海量船舶位置數(shù)據(jù)的全球海上交通密度的計(jì)算方法，將海上交通分析的區(qū)域擴(kuò)展至了全球，并豐富了海上交通密度的量化特征指標(biāo)。我們通過(guò)真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)得出的密度計(jì)算結(jié)果，以可視化的熱圖形式對(duì)密度計(jì)算結(jié)果進(jìn)行了直觀的展示和分析，并通過(guò)性能測(cè)試證明了該算法的可行性，最后將運(yùn)行結(jié)果與官方公布的水上交通熱點(diǎn)區(qū)域進(jìn)行了比較，驗(yàn)證了該算法的準(zhǔn)確性。

海上交通密度的分布是海上交通情況最直觀的表示，在后續(xù)的工作中，可以通過(guò)挖掘連續(xù)的密集區(qū)域?yàn)楹降劳诰蛱峁┰嫉臄?shù)據(jù)支持，或者觀測(cè)同一海域交通密度的變化來(lái)實(shí)現(xiàn)海事異常監(jiān)測(cè)，最終為海事監(jiān)管部門提供決策的依據(jù)。此外，利用海上交通密度的變化特征對(duì)全球海運(yùn)形勢(shì)和發(fā)展做預(yù)測(cè)等也可以作為一個(gè)重要的研究方向。

參考文獻(xiàn):附中文

[1]HuXiao-wen,YangDong-yuan.Theurbanrapidroadtrafficflowdensityestimation[J].JournalofTransportationSystemsEngineeringandInformation,2008,1(3):79-82. (inChinese)

[2]TangCun-bao,ShaoZhe-ping,TangQiang-rong,etal.TheshiptrackdistributionalgorithmbasedonAIS[J].JournalofJimeiUniversity(NaturalScienceEdition),2012,17 (2):109-112.(inChinese)

[3]MartineauE,RoyJ.Maritimeanomalydetection:Domainintroductionandreviewofselectedliterature[R]. 2010-460.Quebec:DefenceResearchandDevelopmentCanadaValcartier,2011.

[4]Transformationdensity[EB/OL].[2015-05-06].http://baike.baidu.comview1173046.htm.

[5]BalmatJF,LafontaF,MaifretR,etal.MAritimeRISkassessment(MARISA),afuzzyapproachtodefineanindividualshipriskfactor[J].OceanEngineering,2009,36(15):1278-1286.

[6]YuanChang-feng,LiuDe-qin,CuiXian-guo,etal.BasedontheanalysisofpopulationGISpopulationdensityspatialdistributionofBeijing[J].JournalofYangtzeUniversityNatu-

Table 3　World top ten port information in 2014

ral Science Edition:Medical Volumes,2004,1(4):40-42. (in Chinese)[7]Cai Xin-mei. AIS application and development [J]. Mechanical and Electrical Equipment,2011,28 (2):28-30.(in Chinese)

[8]Tang Cun-bao,Shao Zhe-ping,Wu Jian-sheng,et al. Based on the research of AIS information density distribution algorithm and implementation [J]. Journal of Guangzhou Maritime College,2012,20 (3):7-10. (in Chinese)

[9]Beaudreau T. AIS analysis of maritime traffic density[R].2010-13.Alaska:BOEM(Bureau of Ocean Energy Management),2010.

[10]Harati-Mokhtari A, Wall A, Brooks P, et al. Automatic identification system (AIS):Data reliability and human error implication[J].Journal of Navigation，2007,60(3):373-389.

[11]Mapping UK shipping density and routes technical[R].1066.UK:Marine Management Organization, 2014.

[12]Zhu Fei-xiang, Zhang Ying-jun,Gao Zong-jiang. Data mining research based on the ship’s behavior [J]. Navigation of China, 2012,35(2):50-54.(in Chinese)

[13]Scheepens R,Willems N,van de Wetering H,et al. Interactive density maps for anomaly detection[J].IEEE Computer Graphics and Applications, 2012,32(1):56-66.

[14]Baldacci A,Fabiani A. Contact-based AIS coverage estimation and distribution[R].NURC-MR Technical Report,2008-001.2008．

[15]Baldacci A,Carthel C. Maritime traffic characterization with the automated identification system[J]. NURC-MR Technical Report, 2009．

[16]Mazzarella F,Vespe M,Damalas D. Discovering vessel activities at sea using AIS data:Mapping of fishing footprints[C]∥Proc of the 17th International Conference on Information Fusion(FUSION), 2014:1-7.

[17]SuperMap[EB/OL].[2014-02-06].http://www.supermap.com/cn/.

[1]胡小文，楊東援. 城市快速道路交通流密度的估計(jì)[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2008，1(3):79-82．

[2]唐存寶,邵哲平,唐強(qiáng)榮,等. 基于 AIS 的船舶航跡分布算法[J]. 集美大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,17(2):109-112.

[6]袁長(zhǎng)豐,劉德欽,崔先國(guó),等. 基于人口 GIS 的北京市人口密度空間分布分析[J]. 長(zhǎng)江大學(xué)學(xué)報(bào)自然科學(xué)版:醫(yī)學(xué)卷,2004,1(4):40-42．

[7]蔡新梅. AIS 應(yīng)用與發(fā)展[J]. 機(jī)電設(shè)備,2011,28(2):28-30．

[8]唐存寶,邵哲平,吳建生,等. 基于 AIS 信息的船舶密度分布

算法的研究與實(shí)現(xiàn)[J]. 廣州航海高等?？茖W(xué)校學(xué)報(bào),2012,20(3):7-10．

[12]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(guó)航海, 2012,35(2):50-54.

寧建強(qiáng)(1990-),男，山西繁峙人，碩士生，研究方向?yàn)閿?shù)據(jù)融合和數(shù)據(jù)處理。E-mail:2013200762@grad.buct.edu.cn

NING Jian-qiang,born in 1990,MS candidate,his research interests include data fusion, and data processing.

黃濤(1992-),男，河南信陽(yáng)人，碩士生，研究方向?yàn)閿?shù)據(jù)融合。E-mail:huangtao01@ict.ac.cn

HUANG Tao,born in 1992,MS candidate,his research interest includes data fusion.

刁博宇(1989-),男，山東聊城人，碩士，研究方向?yàn)閭鞲衅骶W(wǎng)絡(luò)和數(shù)據(jù)融合。E-mail:diaoboyu2012@ict.ac.cn

DIAO Bo-yu,born in 1989,MS,his research interests include wireless sensor network, and data fusion.

趙瑞蓮(1964-),女，山西忻州人，博士，研究方向?yàn)檐浖y(cè)試和軟件可靠性。E-mail:rlzhao@mail.buct.edu.cn

ZHAO Rui-lian,born in 1964,PhD,her research interests include software testing, and software reliability.

畢經(jīng)平(1974-),女，山東萊蕪人，博士，研究員，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)和數(shù)據(jù)融合。E-mail:bjp@ict.ac.cn

BI Jing-ping,born in 1974,PhD,researcher fellow,her research interests include computer network, and data fusion.

A fine grained grid-based maritime traffic density algorithm for mass ship trajectory data

NING Jian-qiang,HUANG Tao,DIAO Bo-yu,ZHAO Rui-lian,BI Jing-ping

(1.College of Information Science & Technology,Beijing University of Chemical Technology,Beijing 100029;

2.Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China)

Abstract:The attention to maritime trades is heating up with the strategic plan of “One Belt, One Road”. Maritime transport is significant for maritime trades, and thus getting a fine-grained maritime traffic density is of great importance for extracting hot spots, analyzing global trade trends, inferring maritime traffic connectivity and handling maritime anomaly detection. We propose a fine-grained grid-based maritime traffic density calculation method for massive ship trajectory data, which divides the global area into a standard fine-grained grid of 0.01 * 0.01 degrees. On the one hand, in order to be adaptive to the granular characteristics of global ship real trajectory data, we design a corresponding pretreatment solution to deal with abnormal points and mooring. On the other hand, we design and implement a calculation method for multi-dimensional traffic density features utilizing mass trajectory data of the grid, including dynamic data count, message sending interval, vessel count, and the sum of crossing time, which shows good scalability. Experiments on more than 800 million records of two months in 2014 verify the desirable performance, accuracy and feasibility of the proposal.

Key words:AIS;fine-grained; traffic density

作者簡(jiǎn)介:

doi:10.3969/j.issn.1007-130X.2015.12.008

中圖分類號(hào)：TP393

文獻(xiàn)標(biāo)志碼：A

收稿日期：*2015-08-10;

文章編號(hào)：1007-130X(2015)12-2242-08