陳一路,王 貴

(1.南海航海保障中心，廣東 廣州 510276；2.廣東海洋大學(xué) 機(jī)械與動力工程學(xué)院，廣東 湛江 524088)

0 引 言

隨著水運物流以及交通的高速發(fā)展，大量的船只在同一水域正向、反向行駛，會發(fā)生碰撞風(fēng)險[1]。同時，由于橋梁的建筑標(biāo)準(zhǔn)并不統(tǒng)一[2]，船只大小不一致，往來船只易發(fā)生撞橋與偏航事件。文獻(xiàn)[3]設(shè)計的電力通信網(wǎng)絡(luò)安全智能預(yù)警系統(tǒng)與文獻(xiàn)[4]基于信息通信技術(shù)研究的燃?xì)廨啓C(jī)遠(yuǎn)程預(yù)警技術(shù)，都是改變船只管理系統(tǒng)，在船上安裝遠(yuǎn)程預(yù)警系統(tǒng)達(dá)到防撞目的，且安裝在橋梁上的預(yù)警系統(tǒng)大多是高度測量系統(tǒng)，現(xiàn)有系統(tǒng)不能實時監(jiān)測與預(yù)警船體的偏航事件。

通信特征分析能實時分析船體運行速度，獲取船只的航行路線，通過無線通信特征網(wǎng)絡(luò)，能實時向系統(tǒng)發(fā)送信息。因此，本文研究基于通信特征分析的智能橋梁防撞偏航預(yù)警系統(tǒng)，通過VS2010+OpenCV2.4.3環(huán)境實現(xiàn)系統(tǒng)軟件設(shè)計，并通過構(gòu)建系統(tǒng)硬件內(nèi)不同模塊，完成整體設(shè)計，實現(xiàn)橋梁防撞與船體偏航預(yù)警。

1 預(yù)警系統(tǒng)設(shè)計

1.1 系統(tǒng)總體構(gòu)架

系統(tǒng)的軟件部分在VS2010+OpenCV2.4.3環(huán)境下設(shè)計，硬件部分通過聯(lián)想R720計算平臺進(jìn)行構(gòu)建，搭配工業(yè)相機(jī)、船只速度傳感器、網(wǎng)絡(luò)節(jié)點以及開發(fā)板進(jìn)行設(shè)計[5]，其中監(jiān)控雷達(dá)為JY-50全相參多普勒移動目標(biāo)監(jiān)控雷達(dá)[6]。系統(tǒng)工作站主要通過水位監(jiān)控模塊、VHF模塊、船舶超高檢測模塊、船體檢測模塊[7]、橋梁照明模塊、聲光預(yù)警模塊實現(xiàn)功能。

系統(tǒng)通過通信特征技術(shù)進(jìn)行組網(wǎng)，并通過2套JY-50雷達(dá)與系統(tǒng)配合，全方位覆蓋橋梁附近水域周圍上下游5 000 m范圍，完成橋梁防撞的預(yù)警[8-10]。系統(tǒng)具體結(jié)構(gòu)如圖1所示。

圖 1 系統(tǒng)總體結(jié)構(gòu)

1.2 系統(tǒng)核心設(shè)備設(shè)計

系統(tǒng)硬件的無線通信特征網(wǎng)絡(luò)模塊由通信射頻信號構(gòu)成[11]，依據(jù)無線通信特征網(wǎng)絡(luò)模塊傳輸采集信息的射頻信號，系統(tǒng)工作站通過水位監(jiān)控模塊、VHF模塊、船舶超高檢測模塊、船體檢測模塊、橋梁照明模塊、聲光預(yù)警模塊完成系統(tǒng)工作。

依據(jù)不同模塊的功能，將相應(yīng)硬件設(shè)備分別安置在橋梁中的各個區(qū)域，依次檢測來往船只的位置、狀態(tài)以及高度等數(shù)據(jù)，若檢測船只偏航或接近橋梁，則通過無線通信特征網(wǎng)絡(luò)傳輸預(yù)警信號至服務(wù)器中[12]，并開啟船舶拍攝錄像設(shè)備，采集過往船只的違規(guī)現(xiàn)象，并將采集到的圖像發(fā)送至系統(tǒng)中，通過監(jiān)控設(shè)備，管理員能實時獲取航道內(nèi)的船只航行狀態(tài)[13]。

1.2.1 無線通信特征網(wǎng)絡(luò)模塊 船只在航行過程中受周圍環(huán)境影響較大，其速度是實時變化的，為建設(shè)智能橋梁防撞偏航預(yù)警系統(tǒng)，需要對其航行的信息進(jìn)行實時采集，首先就是船只的相對航行速度。現(xiàn)代技術(shù)下的通信特征逐漸呈現(xiàn)數(shù)字化、智能化發(fā)展，可利用智能網(wǎng)絡(luò)采集信息。本文系統(tǒng)采用Zigbee架構(gòu)構(gòu)建用于獲取速度信息的無線通信特征網(wǎng)絡(luò)，通過各處傳感器采集過往船只的速度信息，將該類信息以信號的形式傳達(dá)到服務(wù)器之中，通過對信號進(jìn)行分析，及時獲取同一河道同時行駛船只的相對速度[14-15]。

構(gòu)建無線通信特征網(wǎng)絡(luò)主要包括單片機(jī)嵌入式開發(fā)以及構(gòu)建網(wǎng)絡(luò)。通常情況下，在船只航行過程中會出現(xiàn)電磁干擾、行駛速度等影響，導(dǎo)致捕捉的網(wǎng)絡(luò)信號不穩(wěn)定、丟包率升高等問題，因此，本文選取基于Zigbee架構(gòu)所制造的XbeePRO900HP節(jié)點搭配Arduino開發(fā)板完成無線通信特征網(wǎng)絡(luò)的構(gòu)建，其應(yīng)用于900 MHz頻段，相較于其他設(shè)備能有效改善信號發(fā)射的可接受性[16-18]。

在網(wǎng)絡(luò)構(gòu)建過程中，確立無線通信特征標(biāo)準(zhǔn)，其中包括波特率、信道掩碼以及局域網(wǎng)地址等數(shù)據(jù)，完成通信標(biāo)準(zhǔn)的設(shè)定[19]。同時本文依據(jù)實際船只航行環(huán)境情況，對傳輸速率以及休眠時間等異常情況進(jìn)行依次設(shè)定，使船體檢測模塊應(yīng)用場景更加全面。

1.2.2 VHF模塊 當(dāng)放置的機(jī)器測試到船只進(jìn)入監(jiān)控范圍內(nèi)時，通過海事頻道，該模塊向船只以及系統(tǒng)發(fā)出預(yù)警信號。

1.2.3 水位監(jiān)控模塊 通過安置水位傳感器[20]，實時監(jiān)控水位變化情況，并對水位變化情況進(jìn)行記錄，向服務(wù)器實時發(fā)送水位狀態(tài)。

1.2.4 視頻監(jiān)控模塊 選取200萬像素的超高清網(wǎng)絡(luò)監(jiān)控器實時監(jiān)測河道與橋面內(nèi)的船只航行狀態(tài)，同時重點監(jiān)控船只偏航情況，具有報警與定時監(jiān)控等功能。

1.2.5 超高檢測模塊 通過熱成像攝像儀監(jiān)測橋梁周圍的溫差變化，并將溫差采用熱輪廓圖像形式傳輸。

1.2.6 聲光報警模塊 通過分析是否存在超高船只，并通過云跟蹤探照燈對不符合要求的船只進(jìn)行預(yù)警。

1.2.7 橋梁照明模塊 向橋梁頂部放置LED照明燈組，若該區(qū)域出現(xiàn)船只，通過照明控制模塊控制燈組進(jìn)行照明，若船只駛離該區(qū)域，則關(guān)閉燈光[21]。

1.2.8 船體檢測模塊 通過USB數(shù)據(jù)線與網(wǎng)線連接網(wǎng)絡(luò)處理終端、船體傳感器、MV-EM120C工業(yè)相機(jī)、Xbee PRO900HP網(wǎng)絡(luò)傳輸節(jié)點，構(gòu)成船體檢測模塊，將其放置在船只駕駛座附近區(qū)域，配合無線通信特征網(wǎng)絡(luò)模塊進(jìn)行船體目標(biāo)檢測。

1.3 智能多級預(yù)警設(shè)計

首先，設(shè)計系統(tǒng)軟件流程，主要通過嵌入式軟件以及主程序構(gòu)成本文系統(tǒng)的軟件部分。在主程序中，采用MFC架構(gòu)，通過HOG.cpp和SVM.cpp源文件關(guān)聯(lián)函數(shù)不斷對文件進(jìn)行訓(xùn)練，實現(xiàn)實時船體檢測器的檢測，并依據(jù)雷達(dá)采集到的圖像，完成船體距離檢測以及船體接近預(yù)警，具體軟件工作步驟如圖2所示。

圖 2 軟件工作流程

本文系統(tǒng)的預(yù)警過程主要通過提前劃分預(yù)警區(qū)域完成。若雷達(dá)搜尋到船只航行，即可通過系統(tǒng)實時監(jiān)測過往船只，并分析船只的經(jīng)緯度、速度、距離以及各方面特征等[22]，依據(jù)預(yù)警范圍內(nèi)的船只位置與船只情況，通過系統(tǒng)發(fā)出預(yù)警。若船只行駛過程被雷達(dá)捕捉到，即實時跟蹤該船只的航行狀態(tài)，若船只航行至預(yù)警范圍，則系統(tǒng)依據(jù)船只的航行條件，分析未來風(fēng)險程度，并及時發(fā)出預(yù)警。

根據(jù)預(yù)警情況，再設(shè)計系統(tǒng)預(yù)警，依據(jù)現(xiàn)實中的橋梁情況，在橋梁中設(shè)定3個報警范圍，分別是預(yù)警、報警與緊急報警，并分別通過單向形式實現(xiàn)預(yù)警。

設(shè)定預(yù)警參數(shù)為船只航行速度以及船只體積，當(dāng)距離橋梁100～2 000 m區(qū)域內(nèi)出現(xiàn)體型較大且船速較快的船只，系統(tǒng)開啟預(yù)警，發(fā)出疑似危險信號，并向監(jiān)控管理員發(fā)出預(yù)警消息，同時通過VHF模塊發(fā)出能見度、水文信息等數(shù)據(jù)，并且通過智能攝像機(jī)實時捕捉該危險信號。

設(shè)定報警位置的主要參數(shù)為船只運行速度，當(dāng)距離橋梁500～1 500 m范圍內(nèi)出現(xiàn)速度較快的船只，系統(tǒng)開啟報警，發(fā)出確定危險信號，通過操控室工作人員喊話等方式警告，并且通過智能攝像機(jī)實時捕捉該危險信號。

設(shè)定緊急報警的參數(shù)為航向與船只航行速度[23]，當(dāng)距離橋梁500 m以內(nèi)出現(xiàn)偏航以及飛速行駛的船只，系統(tǒng)開啟緊急報警，發(fā)出緊急危險信號，指導(dǎo)操控室人員實時采用擴(kuò)音喇叭進(jìn)行喊話，并通過智能攝像機(jī)實時跟蹤信號。

最后，通過向量梯度直方圖(HOG)+支持向量機(jī)(SVM)訓(xùn)練系統(tǒng)內(nèi)的正、負(fù)樣本獲取離線訓(xùn)練數(shù)據(jù)，匯集成為實時船體檢測器，選取工業(yè)攝像相機(jī)，配合檢測器捕捉到分辨率為1 280×960圖像，完成船體目標(biāo)的在線檢測。

1) 構(gòu)建正、負(fù)樣本集。針對不同時間段、氣候條件下的船體目標(biāo)進(jìn)行采集，采集到其中1 245個目標(biāo)，將其作為初始正樣本，將這些正樣本同時修正，得到的尺寸為128×128，通過高斯模糊劃分船體前、中、后3種距離，并構(gòu)成3 735幅該大小的正樣本。同時選取12 302幅畫面，作為負(fù)樣本進(jìn)行測試，其中負(fù)樣本尺寸并不一致，且尺寸大于正樣本。

2) 檢測器增強(qiáng)分析。通過訓(xùn)練SVM檢測器和HOG信息提取，實現(xiàn)檢測器的訓(xùn)練過程。采用網(wǎng)格法，確定圖像像素位置，通過式(1)對每一像素進(jìn)行計算：

G(xi,yi)=

(1)

式中:(xi,yi)坐標(biāo)像素由R(xi,yi)表示，為解決位置梯度向量G(xi,yi)的分析，向量算子(-1,0,1)依次添加圖片內(nèi)的像素；通過二線差值法，分析在鄰近角度通道位置內(nèi)，該向量的通道權(quán)值，得出結(jié)論后，輸入到樣本的類型、信息矩陣，實現(xiàn)采集、保存HOG信息。

少女隨著少年，將視線投向西方，入目所見，盡是綿延的蒼山，哪里有“它們”的身影？她望向少年，她看到少年的眼睛，有那么一瞬，閃過了一道金色的光，眼仁也由白色變成了金黃。

g(x)=WTx+b

(2)

式中:高維可變動權(quán)值向量由W=(w1,w2,…,wN)表示，外部偏置由b表示，x=(x1,x2,…,xN)。向式(2)引入經(jīng)過HOG特征采集的待測幀，通過二值判斷分析計算結(jié)果，即能完成樣本劃分與檢測。

在現(xiàn)實操作中，需通過條件極值方式描述判別函數(shù)的計算過程，可表示為

(3)

分析最小值的計算式可表示為

di=wixi+b≥1

(4)

經(jīng)該計算過程，能獲取SVM檢測器，并通過xml文件形式保存正在工作中的檢測器。

當(dāng)首次訓(xùn)練過后，繼續(xù)通過式(1)～(4)計算負(fù)樣本，獲取負(fù)樣本的SVM檢測器，將獲取結(jié)果設(shè)定為錯誤報告或檢測困難樣本[24]。對檢測困難樣本再次進(jìn)行訓(xùn)練，并將該過程描述為強(qiáng)化學(xué)習(xí)過程，經(jīng)再次檢測后的檢測器能有效降低誤報率，并有效增高魯棒性，同時，若強(qiáng)化學(xué)習(xí)1次或2次，能有效提升檢測器的能力，但若檢測次數(shù)增多，由于正樣本逐漸減少，會導(dǎo)致檢測器擬合性較強(qiáng)，檢測效果逐漸變差。

4)實時檢測。將xml訓(xùn)練文件構(gòu)成的SVM檢測器存儲至存儲器對象中，并將檢測到的目標(biāo)船體坐標(biāo)由黑色箭頭進(jìn)行表示,如圖3所示。

圖 3 重點采集區(qū)域設(shè)置

圖 4 應(yīng)用本文系統(tǒng)前后漏警率

2 實驗分析

將本文系統(tǒng)應(yīng)用至某大橋的監(jiān)控過程中，對該大橋上下1 000 m范圍內(nèi)水域進(jìn)行監(jiān)測，分別在200 m、400 m、600 m、800 m和1 000 m設(shè)置檢測點，用于檢測實際距離，與安裝本文系統(tǒng)后檢測的數(shù)據(jù)進(jìn)行對比，并分析環(huán)境因素的影響，選取該水域正向、反向航行的1 000條船只，船只平均噸位在3萬噸，分析應(yīng)用本文系統(tǒng)前、后預(yù)警橋梁防撞偏航的漏警率，分析結(jié)果如4所示。

從圖4可以看出，在應(yīng)用本文系統(tǒng)前，隨著航行船只數(shù)量的上升，漏警率逐漸升高，在船只數(shù)量為200條時，漏警率為7%，當(dāng)航行船只達(dá)到1 000條時，未應(yīng)用本文系統(tǒng)達(dá)到27%的漏警率，在應(yīng)用本文系統(tǒng)后，監(jiān)控過往船只的防撞與偏航最高漏警率達(dá)到6%，且并未隨著航行船只數(shù)量的提升出現(xiàn)較大變化，因此，應(yīng)用本文系統(tǒng)后，能有效監(jiān)測過往船只的靠近，達(dá)到較高的預(yù)警率。

分析應(yīng)用本文系統(tǒng)后在不同環(huán)境下出現(xiàn)目標(biāo)船體的預(yù)警發(fā)出時間，統(tǒng)計數(shù)據(jù)如表1所示。

表 1 不同環(huán)境下預(yù)警發(fā)出時間

從表1可以看出，不同天氣環(huán)境下，當(dāng)航行船只數(shù)量增加，發(fā)出預(yù)警的時間也因此增加，不同環(huán)境會導(dǎo)致預(yù)警時間有所增加。在霧霾天氣下，發(fā)出預(yù)警的時間最長，最高達(dá)到0.87 ms，在該環(huán)境下，攝像機(jī)監(jiān)測困難，僅能依靠雷達(dá)監(jiān)測過往船只，因此，在該環(huán)境下的預(yù)警發(fā)出時間最晚；雨天環(huán)境下預(yù)警時間低于霧霾環(huán)境，而高于晴天環(huán)境，在晴天環(huán)境中，系統(tǒng)發(fā)出預(yù)警最高僅需要0.34 ms，在3種環(huán)境中耗時最短，這是由于晴天環(huán)境下，攝像機(jī)與雷達(dá)不受干擾，且監(jiān)控管理人員目測視線較遠(yuǎn)。同時，在3種環(huán)境下，通過本文系統(tǒng)發(fā)出預(yù)警同時不高于1 ms，說明本文系統(tǒng)能夠較為及時地發(fā)出預(yù)警信號。

利用監(jiān)測點所得數(shù)據(jù)，分析應(yīng)用本文系統(tǒng)后各預(yù)警器監(jiān)測到船體后的實際距離與預(yù)警距離，分析結(jié)果如表2所示。

表 2 預(yù)警距離與實際距離

從表2可以看出，當(dāng)前上游、下游共10個預(yù)警器中，實際距離與預(yù)警發(fā)出的距離較為接近，其中，在300 m左右以及300 m以下完全可以精準(zhǔn)預(yù)警，與實際距離并未出現(xiàn)差錯，當(dāng)船只實際距離在400 m以上時，由于距離較遠(yuǎn)，預(yù)警的距離會出現(xiàn)誤差，但各預(yù)警器預(yù)警距離僅與實際距離相差1 m，因此，本文系統(tǒng)對船只的距離預(yù)警較為準(zhǔn)確。

分析船只航行實際軌跡與本文系統(tǒng)的檢測軌跡經(jīng)緯度，分析結(jié)果如圖5所示。

圖 5 目標(biāo)船只檢測軌跡與實際軌跡

從圖5可以看出，通過本文系統(tǒng)檢測的船只航行軌跡，與實際船只航行軌跡幾乎不存在誤差，其經(jīng)緯度較為相近，因此表明本文系統(tǒng)能夠?qū)崿F(xiàn)較好的船只航行軌跡檢測。

3 結(jié) 語

研究基于通信特征分析的智能橋梁防撞偏航預(yù)警系統(tǒng)，通過嵌入式軟件以及主程序構(gòu)成本文系統(tǒng)的軟件部分，并設(shè)計3個報警范圍，分別是緊急報警、預(yù)警與報警，并分別通過單向形式實現(xiàn)預(yù)警；通過無線通信特征網(wǎng)絡(luò)、船體檢測等各個模塊，實現(xiàn)本文系統(tǒng)的硬件設(shè)計，構(gòu)成智能橋梁防撞偏航預(yù)警系統(tǒng)。在未來階段可依據(jù)現(xiàn)有設(shè)計繼續(xù)完善預(yù)警系統(tǒng)的功能，實現(xiàn)多航道范圍內(nèi)，更迅速地進(jìn)行防撞偏航預(yù)警。