基于時(shí)空立方體的農(nóng)機(jī)運(yùn)動(dòng)軌跡分割方法

肖 敬， 劉 卉， 魏學(xué)禮， 陳競平， 王 培， 孟志軍

(1.首都師范大學(xué)信息工程學(xué)院，北京 100048； 2.國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京 100097)

隨著智能農(nóng)業(yè)、精準(zhǔn)農(nóng)業(yè)的發(fā)展，智能感知設(shè)備、移動(dòng)嵌入式系統(tǒng)等物聯(lián)網(wǎng)技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用逐步被拓寬[1]。通過使用各種自動(dòng)化、智能化的監(jiān)控設(shè)備和網(wǎng)絡(luò)技術(shù)獲取基于時(shí)空信息的農(nóng)業(yè)環(huán)境數(shù)據(jù)[2]、農(nóng)機(jī)作業(yè)數(shù)據(jù)[3]和作物生長數(shù)據(jù)[4]，不僅可以有效降低人力消耗和人為因素對(duì)農(nóng)業(yè)環(huán)境的影響，而且通過采用大數(shù)據(jù)分析，能夠?yàn)榭茖W(xué)種植、科學(xué)管理提供決策支持[5]。

目前，國內(nèi)關(guān)于農(nóng)業(yè)大數(shù)據(jù)的相關(guān)研究主要集中在農(nóng)作物與土壤光譜分析[6]、農(nóng)業(yè)經(jīng)濟(jì)類型劃分[7]、農(nóng)產(chǎn)品安全的監(jiān)督和預(yù)警[8-9]等方面。隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，軌跡相關(guān)研究主要集中在交通數(shù)據(jù)[10]、動(dòng)物遷徙數(shù)據(jù)[11]、用戶出行數(shù)據(jù)[12]等方面的數(shù)據(jù)挖掘分析。針對(duì)農(nóng)機(jī)運(yùn)動(dòng)軌跡數(shù)據(jù)的研究甚少。

本研究基于農(nóng)機(jī)深松作業(yè)監(jiān)管系統(tǒng)所記錄的農(nóng)機(jī)運(yùn)動(dòng)軌跡數(shù)據(jù)，采用時(shí)空立方體的分析方法，研究農(nóng)機(jī)田間作業(yè)軌跡與道路行駛軌跡的分割算法，并采用馬修斯相關(guān)性系數(shù)及正確率進(jìn)行算法的量化評(píng)估。

1 農(nóng)機(jī)深松作業(yè)監(jiān)管系統(tǒng)

1.1 概述

農(nóng)機(jī)深松作業(yè)是指用拖拉機(jī)等動(dòng)力機(jī)械牽引深松機(jī)，打破犁底層堅(jiān)硬土壤，通過疏松土壤而改善耕層結(jié)構(gòu)以提高蓄水保墑和抗旱防澇能力的一種機(jī)械化整地技術(shù)[13]。在《全國農(nóng)機(jī)深松整地作業(yè)實(shí)施規(guī)劃(2016—2020年)》中指出，2016年全國規(guī)劃實(shí)施農(nóng)機(jī)深松整地1 000萬hm2，2017年規(guī)劃 1 100萬hm2，2018、2019、2020年規(guī)劃1 270萬hm2。國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心針對(duì)農(nóng)機(jī)深松作業(yè)的監(jiān)管需求研制了農(nóng)機(jī)深松作業(yè)監(jiān)管系統(tǒng)。

農(nóng)機(jī)深松作業(yè)監(jiān)管服務(wù)系統(tǒng)是基于物聯(lián)網(wǎng)技術(shù)思想開發(fā)的，系統(tǒng)設(shè)計(jì)為4層架構(gòu)：(1)感知層為安裝在農(nóng)機(jī)上的車載智能終端設(shè)備，用來獲取農(nóng)機(jī)作業(yè)狀態(tài)數(shù)據(jù)；(2)網(wǎng)絡(luò)層主要依托移動(dòng)GPRS(通用分組無線服務(wù)技術(shù))網(wǎng)絡(luò)、移動(dòng)3G(第三代移動(dòng)通信技術(shù))網(wǎng)絡(luò)和Internet公網(wǎng)上傳采集到的農(nóng)機(jī)作業(yè)數(shù)據(jù)；(3)支撐層主要由中心服務(wù)器、應(yīng)用服務(wù)器、數(shù)據(jù)服務(wù)器、數(shù)據(jù)庫管理系統(tǒng)、基礎(chǔ)地理信息管理軟件和安全監(jiān)控設(shè)備等組成；(4)應(yīng)用層是基于Web瀏覽器的農(nóng)機(jī)深松監(jiān)管與服務(wù)軟件系統(tǒng)，協(xié)助監(jiān)管部門對(duì)深松作業(yè)進(jìn)行綜合管理與數(shù)據(jù)分析。

農(nóng)機(jī)深松作業(yè)監(jiān)管系統(tǒng)感知層的車載智能終端設(shè)備集成了GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng))定位模塊、GPRS數(shù)傳模塊及作業(yè)參數(shù)傳感器等。通過解析GNSS模塊的NMEA-0183語句及傳感器輸出語句，獲取農(nóng)機(jī)作業(yè)時(shí)間、經(jīng)度、緯度、速度、作業(yè)深度等時(shí)空數(shù)據(jù)及作業(yè)屬性數(shù)據(jù)。GPRS數(shù)據(jù)傳輸模塊每隔4 s將上述監(jiān)測信息回傳到遠(yuǎn)程服務(wù)器。

1.2 農(nóng)機(jī)運(yùn)動(dòng)軌跡分布特征

農(nóng)機(jī)田間作業(yè)速度一般在10 km/h以內(nèi)，《中華人民共和國道路交通安全法實(shí)施條例》規(guī)定：拖拉機(jī)在寬闊、視野良好的道路上行駛時(shí)最高時(shí)速不超過30 km/h。農(nóng)機(jī)田間作業(yè)和道路行駛的運(yùn)動(dòng)軌跡具有不同的時(shí)空分布特征。田間作業(yè)時(shí)，農(nóng)機(jī)通常以較低的作業(yè)速度進(jìn)行地塊區(qū)域內(nèi)時(shí)空往復(fù)運(yùn)動(dòng)，作業(yè)軌跡具有顯著的時(shí)空聚類特征[14]。相比較而言，農(nóng)機(jī)在道路行駛過程中，運(yùn)動(dòng)軌跡呈現(xiàn)離散的線性特征。依據(jù)農(nóng)機(jī)運(yùn)動(dòng)軌跡的上述時(shí)空分布特征，進(jìn)行田間作業(yè)與道路行駛軌跡分割方法的研究。

2 農(nóng)機(jī)運(yùn)動(dòng)軌跡預(yù)處理

首先，解析農(nóng)機(jī)運(yùn)動(dòng)軌跡數(shù)據(jù)，獲取時(shí)空數(shù)據(jù)及作業(yè)屬性數(shù)據(jù)；然后，采用通用橫軸墨卡托投影(universal transverse Mercator projection，簡稱UTM)，將GNSS大地坐標(biāo)轉(zhuǎn)換為平面坐標(biāo)[15]。此外，還須進(jìn)行異常數(shù)據(jù)清理。

2.1 異常位置數(shù)據(jù)清理

GNSS設(shè)備存在精度、信號(hào)漂移等問題[16]，因此在原始作業(yè)數(shù)據(jù)中存在異常位置數(shù)據(jù)。假定任意農(nóng)機(jī)軌跡點(diǎn)的大地坐標(biāo)P(lon，lat)滿足下列等式：

lon∈[-180°，+180°]；
lat∈[-90°，+90°]。

(1)

式中：lon為軌跡點(diǎn)的經(jīng)度，°；lat為軌跡點(diǎn)的緯度，°。

根據(jù)式(1)對(duì)異常位置的農(nóng)機(jī)軌跡點(diǎn)進(jìn)行初步數(shù)據(jù)清理。初步數(shù)據(jù)清理不能完全清除位置漂移點(diǎn)，通過判斷農(nóng)機(jī)連續(xù)軌跡點(diǎn)運(yùn)動(dòng)速度，進(jìn)一步清理異常位置數(shù)據(jù)。

若Pi與Pi+1為時(shí)序相鄰的2個(gè)軌跡點(diǎn)，d(Pi，Pi+1)為軌跡點(diǎn)Pi與Pi+1的距離，t(Pi,Pi+1)為軌跡點(diǎn)Pi與Pi+1的時(shí)間間隔。則農(nóng)機(jī)運(yùn)動(dòng)速度v(Pi)計(jì)算公式為

(2)

在農(nóng)機(jī)正常行駛和作業(yè)過程中，其行駛速度不超過農(nóng)機(jī)技術(shù)參數(shù)中最大速度閾值vmax，則有：

v(Pi)≤vmax。

(3)

通過設(shè)置最大速度閾值可以過濾掉漂移的軌跡點(diǎn)。

2.2 停歇點(diǎn)數(shù)據(jù)清理

農(nóng)機(jī)車載智能終端設(shè)備在加電情況下持續(xù)上報(bào)數(shù)據(jù)，即使農(nóng)機(jī)處于停歇狀態(tài)也會(huì)上傳軌跡數(shù)據(jù)。這些停歇軌跡點(diǎn)會(huì)影響數(shù)據(jù)分類效率和效果，因此需要對(duì)農(nóng)機(jī)停歇點(diǎn)進(jìn)行數(shù)據(jù)清理。

(4)

式中：v(Pj)表示第i個(gè)軌跡點(diǎn)Pj的運(yùn)動(dòng)速度，m/s。連續(xù)軌跡點(diǎn)數(shù)量k可以通過經(jīng)驗(yàn)值給定。

3 農(nóng)機(jī)運(yùn)動(dòng)軌跡分割方法

采用時(shí)空立方體模型，通過設(shè)置時(shí)空單元的軌跡點(diǎn)密度閾值，分割農(nóng)機(jī)田間作業(yè)和道路行駛運(yùn)動(dòng)軌跡。

3.1 時(shí)空立方體模型

時(shí)空立方體(Space-Time cube，簡稱ST-Cube)是一種時(shí)空模型[16]，由Hagerstrand于1970年提出[16]，它采用二維坐標(biāo)軸表示現(xiàn)實(shí)世界的平面空間，采用一維時(shí)間軸表示平面位置沿時(shí)間的變化，從而形成一個(gè)三維的立方體，詳見圖1。

在時(shí)空立方體模型中，時(shí)空單元是數(shù)據(jù)存儲(chǔ)的基本單元，表現(xiàn)為以空間網(wǎng)格單元為底、以時(shí)間單元為高的規(guī)則長方體。在時(shí)空立方體中，沿時(shí)間維度劃分的時(shí)間單位，記為Δt；在二維平面區(qū)域劃分的網(wǎng)格單位，記為Δs，則Δs×Δt代表了1個(gè)三維空間體，即時(shí)空單元，記為Δc。在時(shí)空立方體中，為每個(gè)時(shí)空單元進(jìn)行編碼索引，可以實(shí)現(xiàn)快速遍歷所有時(shí)空單元[17]。

采用時(shí)空立方體模型，可以顯示三維時(shí)空下的農(nóng)機(jī)運(yùn)動(dòng)軌跡。定義一系列時(shí)空單元，使得農(nóng)機(jī)運(yùn)動(dòng)軌跡分布于時(shí)空單元中。

在圖1中，時(shí)空單元Δc公式如下：

Δc=Δx×Δy×Δt。

(5)

式中：Δx和Δy組成時(shí)空單元的二維網(wǎng)格單位，可以按式(6)取值：

Δx=Δy=vmax×t。

(6)

式中：t為GNSS軌跡點(diǎn)上傳的時(shí)間間隔，s，本研究的時(shí)間間隔為4 s。

時(shí)空單元的時(shí)間單位為Δt，如圖2所示，應(yīng)該保證農(nóng)機(jī)在作業(yè)時(shí)有盡可能多的軌跡點(diǎn)落在時(shí)空立方體單元中，Δt應(yīng)滿足：

(7)

由公式(6)、公式(7)可得：

(8)

(9)

式中：v(Pi)為第i個(gè)軌跡點(diǎn)Pi的運(yùn)動(dòng)速度，m/s；n為軌跡點(diǎn)數(shù)量，個(gè)。

由于農(nóng)機(jī)的運(yùn)動(dòng)速度不會(huì)高于最大行駛速度，因此包含運(yùn)動(dòng)軌跡的任意時(shí)空單元中分布著不止1個(gè)軌跡點(diǎn)。此外，由于農(nóng)機(jī)田間作業(yè)速度和道路行駛速度存在差異，二者軌跡在時(shí)空單元中的分布密度不同，田間作業(yè)軌跡點(diǎn)分布密度高，而道路行駛軌跡點(diǎn)分布密度低。因此，通過設(shè)置時(shí)空單元的軌跡點(diǎn)密度閾值，分割田間作業(yè)軌跡和道路行駛軌跡。

3.2 軌跡點(diǎn)分布密度

農(nóng)機(jī)田間作業(yè)時(shí)，時(shí)空單元的軌跡點(diǎn)分布密度公式如下：

(10)

為了分割農(nóng)機(jī)田間作業(yè)和道路行駛運(yùn)動(dòng)軌跡，要保證農(nóng)機(jī)在道路上以最大速度行駛時(shí)至少有1個(gè)點(diǎn)分布在時(shí)空單元內(nèi)。因此，農(nóng)機(jī)在道路上行駛時(shí)，時(shí)空單元的軌跡點(diǎn)密度ρwork>ρroad≥1(ρrood為農(nóng)機(jī)在道路行駛時(shí)，時(shí)空單元的軌跡點(diǎn)分布密度)。

在時(shí)空立方體模型中，軌跡點(diǎn)分布密度滿足：

ρ∈[ρwork,ρroad]。

(11)

為了達(dá)到更好的分類效果，時(shí)空立方體的密度間隔應(yīng)該最大化[18]，因此本研究分割密度取值見公式(12)：

(12)

3.3 分割方法的評(píng)價(jià)

1975年生物化學(xué)家Matthews提出馬修斯相關(guān)性系數(shù)(Matthews correlation coefficient，簡稱MCC)，用于機(jī)器學(xué)的效果評(píng)估的正確率判斷[19]。具體公式如下：

(13)

式中：TP為將正類預(yù)測為正類數(shù)；FN為將正類預(yù)測為負(fù)類數(shù)；FP為將負(fù)類預(yù)測為正類數(shù)；TN為將負(fù)類預(yù)測為負(fù)類數(shù)。MCC的取值范圍在[-1，+1]，其取值越接近+1說明分類的效果越好。正確率a也可表示為下式：

(14)

a取值在范圍在[0，+1]，其取值越接近+1，說明分類的效果越好。

在本研究中，對(duì)于農(nóng)機(jī)田間作業(yè)與道路行駛軌跡分割方法，可采用馬修斯相關(guān)性系數(shù)進(jìn)行效果評(píng)估。在分割結(jié)果中，存在以下4種情況：(1)田間作業(yè)軌跡點(diǎn)被正確識(shí)別為田間作業(yè)軌跡點(diǎn)，用TP表示；(2)田間作業(yè)軌跡點(diǎn)被錯(cuò)誤識(shí)別為道路行駛軌跡點(diǎn)，用FN表示；(3)道路行駛軌跡點(diǎn)被正確識(shí)別為道路行駛軌跡點(diǎn)，用TN表示；(4)道路行駛軌跡點(diǎn)被錯(cuò)誤識(shí)別為田間作業(yè)軌跡點(diǎn)，用FP表示。

4 數(shù)據(jù)處理與分析

4.1 數(shù)據(jù)分割處理

從2015年1月至2016年8月新疆塔城地區(qū)的農(nóng)機(jī)深松作業(yè)數(shù)據(jù)中，隨機(jī)選取8臺(tái)農(nóng)機(jī)作業(yè)軌跡作為樣本數(shù)據(jù)集，進(jìn)行田間作業(yè)與道路行駛軌跡數(shù)據(jù)分割試驗(yàn)。首先需要對(duì)樣本數(shù)據(jù)進(jìn)行異常位置及停歇點(diǎn)軌跡清理。數(shù)據(jù)預(yù)處理后獲得干凈的農(nóng)機(jī)軌跡，構(gòu)建時(shí)空立方體，進(jìn)行農(nóng)機(jī)田間作業(yè)與道路行駛軌跡數(shù)據(jù)分割，分割算法的參數(shù)設(shè)置見表1?；跁r(shí)空立方體分割的ID8農(nóng)機(jī)軌跡數(shù)據(jù)分布如圖3所示。

4.2 分割結(jié)果評(píng)價(jià)

為了評(píng)估分割方法的有效性和正確率，采用遙感衛(wèi)星地圖數(shù)據(jù)，疊加農(nóng)機(jī)軌跡點(diǎn)數(shù)據(jù)，進(jìn)行目視解譯。以農(nóng)機(jī)ID8為例，分割結(jié)果如圖4和圖5所示。圖4和圖5為同一區(qū)域的不同尺度遙感地圖，其中圖4的比例尺為1 ∶250，圖5的比例尺為1 ∶125。分別統(tǒng)計(jì)TP、FN、TN、FP 4種情況下的軌跡點(diǎn)數(shù)量，從表2可以看出，道路行駛軌跡更容易被誤判為田間作業(yè)軌跡(FP)，并計(jì)算MCC和正確率。從表2還可以看出，分割算法的正確率均在95%以上，正確率的均值達(dá)到 97.98%，MCC的均值也達(dá)到82.10%。

表1 分割算法的參數(shù)

5 結(jié)論

(1)本研究采用時(shí)空立方體模型，通過建立時(shí)空立方體密度與農(nóng)機(jī)作業(yè)速度、機(jī)具幅寬和GNSS上傳時(shí)間間隔等變量之間的定量關(guān)系，探討通過時(shí)空立方體密度閾值分割農(nóng)機(jī)作業(yè)軌跡與道路行駛軌跡。

表2 分割結(jié)果統(tǒng)計(jì)

(2)選取農(nóng)機(jī)實(shí)際田間作業(yè)軌跡數(shù)據(jù)，采用遙感衛(wèi)星地圖數(shù)據(jù)目視解譯法，驗(yàn)證軌跡分割算法的效果。結(jié)果表明，本算法正確率的均值達(dá)到97.98%，MCC的均值也達(dá)到 82.10%。在此基礎(chǔ)上，可以通過研究農(nóng)機(jī)田間作業(yè)軌跡計(jì)算地塊面積與農(nóng)機(jī)作業(yè)效率、重疊和遺漏量，可通過研究道路轉(zhuǎn)移軌跡進(jìn)一步分析農(nóng)機(jī)作業(yè)調(diào)度問題，減少農(nóng)機(jī)道路轉(zhuǎn)移時(shí)間。