基于AIS實(shí)時(shí)數(shù)據(jù)的航道交通擁堵快速判定方法

何正偉， 劉力榮， 楊 帆, 王開(kāi)森

(1.武漢理工大學(xué) 航運(yùn)學(xué)院， 武漢 430063；2.國(guó)家水運(yùn)安全工程技術(shù)研究中心， 武漢 430063;3.內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室， 武漢 430063)

隨著大型船舶不斷增多，航道交通擁堵問(wèn)題時(shí)有發(fā)生，不僅會(huì)延誤船舶航行和進(jìn)出港，還會(huì)增加船舶交通事故發(fā)生的可能性。如何快速、準(zhǔn)確地判定航道交通狀態(tài)成為目前亟待解決的問(wèn)題。

已有許多學(xué)者對(duì)航道和公路交通擁堵問(wèn)題進(jìn)行研究。劉予笑[1]分析船舶定位數(shù)據(jù)，建立航道擁堵分級(jí)指標(biāo)模型，提出基于模糊綜合評(píng)價(jià)的航道擁堵識(shí)別方法；劉賽龍等[2]提出航道服務(wù)水平指標(biāo)和等級(jí)，將其與船舶交通流理論相結(jié)合，建立內(nèi)河航道通過(guò)能力計(jì)算模型；劉明俊等[3]分析航道通過(guò)能力的影響因素，選取修正系數(shù)，建立基于船舶流的航道通過(guò)能力計(jì)算模型；祝付玲[4]借鑒國(guó)外的公路通行能力手冊(cè)(Highway Capacity Manual，HCM)，建立城市道路交通擁堵評(píng)價(jià)指標(biāo)體系；KNORR等[5]基于三相交通理論，提出通信檢測(cè)和控制擁堵技術(shù)，使公路交通擁堵可觀、可控；LAKAS等[6]基于Geocast協(xié)議，制造車對(duì)車通信系統(tǒng)，可有效判定公路交通狀況。

當(dāng)前，公路交通擁堵判定方法已較為成熟，擁有科學(xué)的判定指標(biāo)體系,而航道交通擁堵判定大多基于航道通過(guò)能力來(lái)確定擁堵分級(jí)原則，屬于人工判定和事后判定，缺乏實(shí)時(shí)性，海事部門(mén)難以及時(shí)處理航道交通擁堵問(wèn)題。為解決該問(wèn)題，本文借鑒國(guó)內(nèi)外道路交通擁堵判定方法，結(jié)合交通流參數(shù)和船舶領(lǐng)域模型等，實(shí)時(shí)計(jì)算船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)數(shù)據(jù)，建立航道交通擁堵快速判定模型。

1 航道交通擁堵判定原則和流程

1.1 判定原則

將航道交通狀態(tài)分為嚴(yán)重?fù)矶?、一般擁堵和暢通?種。嚴(yán)重?fù)矶率侵负降乐写昂芏?，船舶時(shí)動(dòng)時(shí)?；蛲耆?；一般擁堵是指航道中的船舶雖然較多，但船舶尚能低速航行；暢通是指航道中的船舶不多，船舶能按正常速度航行。

國(guó)外相關(guān)研究[4]通過(guò)HCM確立V/C(交通量與通行能力的比值)、服務(wù)水平(公路運(yùn)行服務(wù)質(zhì)量)等公路交通擁堵評(píng)價(jià)指標(biāo)。在研究航道交通擁堵時(shí)，可借鑒這些指標(biāo)，并參照美國(guó)公路服務(wù)水平(見(jiàn)表1)和服務(wù)水平與速度的關(guān)系(見(jiàn)表2)。

表1 美國(guó)公路服務(wù)水平的分類

本文借鑒E等和F等服務(wù)水平。當(dāng)服務(wù)水平為E等時(shí)，公路開(kāi)始出現(xiàn)交通擁堵，車輛行駛速度比自由流速度下降約70%；當(dāng)服務(wù)水平為F等時(shí)，公路嚴(yán)重?fù)矶拢珻/V>1。同理，航道服務(wù)水平和交通狀態(tài)也遵循該規(guī)律。

1.2 判定流程

1) Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)實(shí)時(shí)接收AIS在線數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行解析、預(yù)處理、匹配和傳送等，然后自動(dòng)統(tǒng)計(jì)數(shù)據(jù)個(gè)數(shù)m1。

2) 將經(jīng)緯度為負(fù)值或大大偏離航道的數(shù)據(jù)清除掉，剩下m2個(gè)數(shù)據(jù)。

表2 服務(wù)水平與速度的關(guān)系 %

3) 船舶數(shù)據(jù)集中分布的區(qū)域才是有效的，反映航道的走向。選取合適的經(jīng)緯度范圍作為有效區(qū)域，有效區(qū)域內(nèi)有m3個(gè)數(shù)據(jù)。

4) 多數(shù)航道是彎曲的，對(duì)整段航道進(jìn)行精確計(jì)算不容易，可在其中選取某個(gè)經(jīng)緯度范圍內(nèi)的小段航道作為研究區(qū)域，該區(qū)域內(nèi)有m4個(gè)數(shù)據(jù)。

5) 對(duì)m4個(gè)數(shù)據(jù)進(jìn)行分類，將MMSI相同的數(shù)據(jù)歸為一類，共分成m5類，即有m5艘船。

6) 用Polynomial(多項(xiàng)式)函數(shù)將研究區(qū)域內(nèi)的數(shù)據(jù)擬合成曲線1，清除偏離主航道的數(shù)據(jù)，剩下m6個(gè)數(shù)據(jù)，再用Polynomial將其擬合成曲線2，曲線2可視為該段航道的主航道。

7) 在曲線2上取(x1,y1)和(x2,y2)這2點(diǎn)作為該段航道的主航道起止點(diǎn)，用經(jīng)緯度坐標(biāo)計(jì)算兩點(diǎn)間的距離，求出其長(zhǎng)度s0。

8) 從步驟“5)”中已分類的數(shù)據(jù)中找出各船船長(zhǎng)，結(jié)合s0和標(biāo)準(zhǔn)船舶艘次求出航道實(shí)際密度ρ1。

9) 將各船船長(zhǎng)和標(biāo)準(zhǔn)船舶艘次結(jié)合起來(lái)，借助船舶領(lǐng)域模型求出航道阻塞密度ρ0。

11) 確定航道自由流速度u0。

1.3 Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)

由于普通數(shù)據(jù)處理軟件難以快速處理大量AIS數(shù)據(jù)，故采用Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)。Spark是一種可處理大數(shù)據(jù)集合的低延遲集群分布式計(jì)算系統(tǒng)。[7-8]

首先運(yùn)用Spark實(shí)時(shí)接收并解析AIS在線數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、數(shù)據(jù)清洗、數(shù)據(jù)集成和剔除無(wú)效數(shù)據(jù)等預(yù)處理。隨后對(duì)數(shù)據(jù)進(jìn)行匹配，通過(guò)HDFS文件存儲(chǔ)系統(tǒng)和Hbase數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，使數(shù)據(jù)能傳送到Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上。

在該平臺(tái)上，先將AIS數(shù)據(jù)轉(zhuǎn)換成Stream數(shù)據(jù)，用Spark Streaming將其按6 min/段分割成若干片段，用batch批量處理這些數(shù)據(jù)，再采用Spark Engine高層算法處理，轉(zhuǎn)變成一批批結(jié)果流。

2 構(gòu)建航道交通擁堵判定模型

2.1 模型參數(shù)確定

1) 平均速度。船舶交通流平均速度是指單位時(shí)間內(nèi)船舶平均對(duì)地速度，計(jì)算式為

(1)

式(1)中：u為船舶交通流平均速度；∑vi為船舶對(duì)地速度之和；n為船舶數(shù)量。

2) 區(qū)域密度。船舶交通流區(qū)域密度[9]是指單位矩形區(qū)域內(nèi)存在的船舶數(shù)量，計(jì)算式為

(2)

式(2)中：k為船舶交通流區(qū)域密度；n為船舶數(shù)量；s為區(qū)域面積。

3) 臨界密度。航道臨界密度[2]分為轉(zhuǎn)折密度和阻塞密度。轉(zhuǎn)折密度指當(dāng)船舶可安全暢行時(shí)，航道能允許的最大交通流密度；阻塞密度指船舶密集到難以移動(dòng)時(shí)的交通流密度。本文根據(jù)阻塞密度提出一種新的航道交通擁堵判定方法。

4) 線密度。航道線密度實(shí)際上是區(qū)域密度的一種特殊形式，指航道單位長(zhǎng)度上某個(gè)時(shí)間段內(nèi)的船舶數(shù)量，計(jì)算式為

(3)

式(3)中：k為航道線密度；n為船舶數(shù)量；l為航道長(zhǎng)度。

2.2 標(biāo)準(zhǔn)船舶艘次計(jì)算

船舶的大小會(huì)影響航道擁堵程度，故不能只考慮船舶艘次。將各船船長(zhǎng)換算成標(biāo)準(zhǔn)船長(zhǎng)，設(shè)置相應(yīng)系數(shù)，將船舶艘次轉(zhuǎn)換成標(biāo)準(zhǔn)船舶艘次[10](見(jiàn)表3)。標(biāo)準(zhǔn)船舶艘次的計(jì)算式為

S=Ciμi

(4)

式(4)中：S為標(biāo)準(zhǔn)船舶艘次；Ci為同類船舶艘次；μi為每類船舶的轉(zhuǎn)換系數(shù)。

表3 船舶按船長(zhǎng)分類后的轉(zhuǎn)換系數(shù)

2.3 航道交通擁堵判定模型

根據(jù)藤井船舶領(lǐng)域模型[11]，在按船長(zhǎng)分類之后，單船的船舶領(lǐng)域長(zhǎng)軸計(jì)算式為

li=k0Li

(5)

式(5)中：li為單船的船舶領(lǐng)域長(zhǎng)軸；Li為單船的船長(zhǎng)；i的取值范圍為1～n2；n2為船舶數(shù)量；k0為船舶領(lǐng)域長(zhǎng)軸系數(shù)。

若要判斷航道是否嚴(yán)重?fù)矶?，須用到臨界密度中的阻塞密度。阻塞密度等于臨界船舶數(shù)量除以航道長(zhǎng)度，是一種線密度。臨界船舶數(shù)量是指船舶可安全暢行時(shí)航道內(nèi)的最大標(biāo)準(zhǔn)船舶艘次。單船對(duì)應(yīng)的航道阻塞密度分量的計(jì)算式為

(6)

式(6)中：ρ0i為單船對(duì)應(yīng)的航道阻塞密度分量；n0i為單船對(duì)應(yīng)的臨界船舶數(shù)量分量；s0為航道長(zhǎng)度。

臨界船舶數(shù)量等于航道長(zhǎng)度除以船舶領(lǐng)域長(zhǎng)軸，n0i的計(jì)算式為

(7)

將式(7)代入式(6)可得

(8)

在計(jì)算各船的平均阻塞密度時(shí)，要考慮標(biāo)準(zhǔn)船舶艘次的影響，計(jì)算式為

(9)

式(9)中:Ci為單船對(duì)應(yīng)的船舶艘次，均等于1;ρ0為航道阻塞密度;k0為船舶領(lǐng)域長(zhǎng)軸系數(shù)，一般取1.5。[2]

判斷航道是否嚴(yán)重?fù)矶拢瑢?shí)際上是用航道實(shí)際密度與阻塞密度相比較。航道實(shí)際密度等于標(biāo)準(zhǔn)船舶艘次之和除以航道長(zhǎng)度，計(jì)算式為

(10)

式(10)中:ρ1為航道實(shí)際密度;n1為標(biāo)準(zhǔn)船舶艘次之和。

借鑒公路交通擁堵判定方法，由表1可知，當(dāng)V/C>1時(shí)，交通擁堵很嚴(yán)重。同理，若航道水域的總面積大于航道中所有船舶的領(lǐng)域之和，則航道處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)，結(jié)合式(3)，可對(duì)ρ1和ρ0定義一個(gè)標(biāo)準(zhǔn)：若ρ1≥ρ0，則航道處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)。

(11)

vi對(duì)應(yīng)q個(gè)AIS點(diǎn)，計(jì)算式為

(12)

式(12)中:vij為vi在q個(gè)點(diǎn)中對(duì)應(yīng)的第j個(gè)點(diǎn)；j的取值范圍為1～q。

自由流速度u0是指暢通狀態(tài)下的航道最高限速值，該值可定為8 kn。[12]

綜上所述，判定航道交通狀態(tài)的標(biāo)準(zhǔn)為

(13)

3 實(shí)例驗(yàn)證

3.1 長(zhǎng)江南通段航道數(shù)據(jù)試驗(yàn)

該試驗(yàn)的數(shù)據(jù)來(lái)源于長(zhǎng)江南通段，該航段見(jiàn)圖2。試驗(yàn)于2017年2月6日10:00—10:05進(jìn)行，初始數(shù)據(jù)個(gè)數(shù)m1=2 822。

選取東經(jīng)120.5°～121.25°、北緯31.5°～32.5°的范圍作為有效區(qū)域(見(jiàn)圖3)。

選取東經(jīng)120.85°～120.9°、北緯31.9°～31.95°范圍內(nèi)的小段航道作為研究區(qū)域，其數(shù)據(jù)個(gè)數(shù)m4=240，分類后有24艘船。將數(shù)據(jù)擬合成曲線1(見(jiàn)圖4)。

在圖4中，清除偏離主航道的數(shù)據(jù)，將剩余數(shù)據(jù)擬合成曲線2(見(jiàn)圖5)。

取曲線2上的(120.860，31.952)和(120.882，31.903)2點(diǎn)作為該段航道的主航道的起止點(diǎn)，用式(14)求出其長(zhǎng)度s0=5.829 8 km。

(14)

式(14)中:R為地球半徑,約6 370 km;(x1,y1)和(x2,y2)為地球上任意2點(diǎn)。

試驗(yàn)結(jié)果見(jiàn)表4第1行。將10:00—10:59分成10段，重復(fù)進(jìn)行試驗(yàn)，結(jié)果見(jiàn)表4。

表4 各時(shí)間間隔內(nèi)的試驗(yàn)結(jié)果

將表4的擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)用折線圖表示，結(jié)果見(jiàn)圖6。

3.2 湘江湘陰段航道數(shù)據(jù)試驗(yàn)

該試驗(yàn)的數(shù)據(jù)來(lái)源于湘江湘陰段，該航段見(jiàn)圖7。試驗(yàn)于2017年2月18日17:00—17:05進(jìn)行，初始數(shù)據(jù)個(gè)數(shù)m1=301。

選取東經(jīng)112.5°～113°、北緯28°～29°的范圍作為有效區(qū)域(見(jiàn)圖8)。

選取東經(jīng)112.805°～112.815°、北緯28.57°～28.59°范圍內(nèi)的航道作為研究區(qū)域，其數(shù)據(jù)個(gè)數(shù)m4=77，分類后有10艘船。將數(shù)據(jù)擬合成曲線1(見(jiàn)圖9)。

由于沒(méi)有偏離主航道的數(shù)據(jù)，可取曲線1上的(112.805 2，28.571 0)和(112.811 8，28.590 0)作為該段航道的主航道的起止點(diǎn)，用式(14)求出其長(zhǎng)度s0=2.208 5 km。

試驗(yàn)結(jié)果見(jiàn)表5第1行。將17:00—17:47分成8段，重復(fù)進(jìn)行試驗(yàn)，結(jié)果見(jiàn)表5。

將表5的擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)用折線圖表示,結(jié)果見(jiàn)圖10。

表5 各時(shí)間間隔內(nèi)的試驗(yàn)結(jié)果

4 結(jié)束語(yǔ)

本文借鑒國(guó)內(nèi)外道路交通擁堵判定方法，將航道交通狀態(tài)劃分為嚴(yán)重?fù)矶?、一般擁堵和暢通?種，運(yùn)用交通流參數(shù)、標(biāo)準(zhǔn)船舶艘次和船舶領(lǐng)域模型，根據(jù)參數(shù)計(jì)算公式，構(gòu)建航道交通擁堵快速判定模型。在Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上實(shí)時(shí)處理AIS數(shù)據(jù)，運(yùn)用該模型分別對(duì)長(zhǎng)江南通段航道和湘江湘陰段航道進(jìn)行多組在線試驗(yàn)。

試驗(yàn)結(jié)果表明:2段航道數(shù)據(jù)試驗(yàn)的判定準(zhǔn)確率均達(dá)到80%以上，準(zhǔn)確率較高；判定耗時(shí)均為1.50 s左右，判定速度較快；多次重復(fù)試驗(yàn)可使判定準(zhǔn)確率達(dá)到90%以上。

本文提出的航道交通擁堵判定方法是一種全新的方法，考慮的參量與已有方法的參量有很大不同，思路也不一致，因此難以直接對(duì)比。本文的創(chuàng)新點(diǎn)和優(yōu)勢(shì)可概括為:

1) 實(shí)時(shí)性高，利用詳細(xì)的AIS實(shí)時(shí)數(shù)據(jù)，實(shí)時(shí)運(yùn)用判定模型，快速判定航道交通狀態(tài)。

2) 利用計(jì)算機(jī)平臺(tái)進(jìn)行自動(dòng)化判定，大大降低了人為因素的影響。

3) 判定準(zhǔn)確率高，判定速度快，具有可重復(fù)性、可驗(yàn)證性，明確了航道交通狀態(tài)的定量劃分，克服了以往人工判定和事后判定的缺陷，可為海事部門(mén)實(shí)時(shí)掌握航道交通狀態(tài)提供有效的技術(shù)支持。

[1] 劉予笑. 基于模糊綜合評(píng)價(jià)的航道擁堵?tīng)顟B(tài)識(shí)別研究[D]. 杭州:浙江工商大學(xué), 2015.

[2] 劉賽龍, 蔣璘暉. 內(nèi)河航道服務(wù)水平及通過(guò)能力研究[J]. 水運(yùn)工程, 2014(3):134-139.

[3] 劉明俊, 萬(wàn)長(zhǎng)征. 航道通過(guò)能力影響因素的分析[J]. 船海工程, 2008,37(5): 116-118.

[4] 祝付玲. 城市道路交通擁堵評(píng)價(jià)指標(biāo)體系研究[D]. 南京:東南大學(xué), 2006.

[5] KNORR F, SCHRECKENBERG M. Influence of Inter-Vehicle Communication on Peak Hour Traffic Flow[J]. Physica A: Statistical Mechanics & Its Applications, 2012, 391(6): 2225-2231.

[6] LAKAS A, CHAQFEH M. A Novel Method for Reducing Road Traffic Congestion Using Vehicular Communication[C]//International Wireless Communications & Mobile Computing Conference, 2010: 16-20.

[7] 李文棟. 基于Spark的大數(shù)據(jù)挖掘技術(shù)的研究與實(shí)現(xiàn)[D]. 濟(jì)南:山東大學(xué), 2015.

[8] 李天喜. 基于Spark Streaming的試驗(yàn)數(shù)據(jù)處理系統(tǒng)的研究與實(shí)現(xiàn)[D]. 西安：西安電子科技大學(xué), 2015.

[9] 馮宏祥, 孔凡邨, 肖英杰,等. 基于AIS的元胞自動(dòng)機(jī)模型的船舶交通流特征參數(shù)分析[J]. 武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版), 2014(2):324-328.

[10] 鄧順江, 劉明俊. 船舶領(lǐng)域模型的對(duì)比研究[J]. 中國(guó)水運(yùn), 2009, 9(6):7-9.

[11] 丁法. 基于AIS數(shù)據(jù)的開(kāi)闊水域船舶領(lǐng)域分析研究[D]. 大連:大連海事大學(xué), 2016.

[12] 徐春, 鄭中義, 吳兆麟. 受限航道中船舶的限速[J].大連海事大學(xué)學(xué)報(bào), 2002, 28(2):6-9.