唐藝靈

(中國人民解放軍92941部隊,遼寧 葫蘆島 125001)

隨著武器裝備作戰(zhàn)性能的不斷提高,與其相關(guān)的試驗范圍不斷擴大,對試驗安全保障要求不斷提高。同時,伴隨地方經(jīng)濟的發(fā)展和人民生活的需求,海區(qū)的船舶運輸、漁業(yè)生產(chǎn)等海上活動也日益繁忙,軍地雙方對海區(qū)使用的矛盾越來越突出。

目前,民船上強制配備了AIS船舶自動識別系統(tǒng),該系統(tǒng)向岸基及周邊船舶發(fā)送自身的靜態(tài)、動態(tài)和航次數(shù)據(jù),可實時監(jiān)測和記錄9萬平方千米海域內(nèi)裝備AIS船舶的數(shù)據(jù)。靶場設(shè)置了AIS信息接收站,收集了豐富的區(qū)域內(nèi)海上情報數(shù)據(jù),但是僅限于實時海情保障,沒有二次利用和分析挖掘。基于海上軌跡數(shù)據(jù)的船舶異常行為識別研究的傳統(tǒng)方法是建立統(tǒng)計模型,文獻[4]分析了針對海量軌跡數(shù)據(jù)的處理方法,并利用地理網(wǎng)格技術(shù)劃分港口水域,通過對每個單元進行統(tǒng)計分析來揭示船舶航行規(guī)律,從時空多維角度分析船舶屬性信息，其定義的關(guān)聯(lián)規(guī)則較為簡單,并未通過實測數(shù)據(jù)進行相關(guān)驗證。文獻[5]中利用最小二乘法對船舶航跡進行了曲線擬合,通過計算監(jiān)控船舶軌跡點與典型軌跡間距離是否大于典型軌跡95%置信區(qū)間范圍來識別軌跡異常船舶,對進出港船舶軌跡考慮較為理想,然而，擬合曲線針對變航向航跡、機動性較強的航跡擬合效果較差。文獻[6]采用基于DBScan聚類算法構(gòu)建船舶軌跡模型,并在相似度度量時融入了位置信息與航向信息兩個軌跡結(jié)構(gòu)特征,最終能夠有效地計算船舶會遇密集區(qū),得到密集海上交通流的特征區(qū)域。隨著時間的增大，AIS數(shù)據(jù)量呈現(xiàn)線性增長,因此，該方法的聚類效率有待進一步提高。

綜上所述,當(dāng)前針對海上船只交通行為異常檢測多注重仿真，主要應(yīng)用于碼頭、港口船只的交通協(xié)調(diào)。本文基于靶場海域的情報保障和指揮需求提出了基于AIS的民船行為預(yù)測與區(qū)域告警方法,將船舶位置、航向等信息,進行船舶聚集和航跡分析,依據(jù)試驗區(qū)域范圍,統(tǒng)計和過濾對劃定禁區(qū)具有威脅的船只活動,實現(xiàn)對船舶異常行為的識別,構(gòu)建船舶行為的識別模型。

1 民船行為預(yù)測與區(qū)域告警方法

采集的民船AIS數(shù)據(jù)包含船舶的經(jīng)緯度位置信息、航向信息和速度信息。然而，根據(jù)這些信息無法判斷該船當(dāng)前行為是否異常,也無法對其行為進行預(yù)測,不能進行區(qū)域預(yù)警。本文利用民船AIS歷史數(shù)據(jù),對航跡、距離、朝向、航速分別進行聚類分析,得到相應(yīng)不同的等級,進而根據(jù)船舶異常行為判斷模型計算民船當(dāng)前位置異常值、運動趨勢異常值,然后，依據(jù)計算矩陣得到民船當(dāng)前運動趨勢異常等級,最后,結(jié)合航跡點歸屬等級以及當(dāng)前運動趨勢異常等級,利用當(dāng)前行為異常等級劃分原則進行判斷,進而實現(xiàn)民船當(dāng)前行為異常告警,輔助指揮員決策,具體方法流程見圖1。

圖1 基于AIS的民船行為預(yù)測與區(qū)域告警方法流程

基于AIS的民船行為預(yù)測與區(qū)域告警方法,具體步驟如下:

步驟1.對歷史的AIS航跡信息進行整編處理,存入數(shù)據(jù)庫航跡庫表;

步驟2.采用軌跡分段劃分方法,得到航跡特征點集;

步驟3.計算航跡點歸屬異常等級;

步驟4.計算選定的AIS目標(biāo)距離禁區(qū)的最短距離,根據(jù)距離,得到距離等級;

步驟5.判斷選定的AIS目標(biāo)的航向是否朝向禁區(qū),根據(jù)朝向,得到朝向等級;

步驟6.根據(jù)選定的AIS目標(biāo)的航速,得到航速等級;

步驟7.根據(jù)位置異常值計算模型,采用計算矩陣得到位置異常值,進而通過等級劃分得到位置異常等級;

步驟8.根據(jù)運動趨勢異常值計算模型,采用計算矩陣，得到運動趨勢異常值,進而通過等級劃分得到運動趨勢異常等級;

步驟9.根據(jù)當(dāng)前運動異常值計算模型,采用計算矩陣，得到當(dāng)前運動異常值,進而通過等級劃分得到當(dāng)前運動異常等級;

步驟10.根據(jù)當(dāng)前行為異常值計算模型,采用計算矩陣，得到當(dāng)前行為異常值,進而通過等級劃分得到當(dāng)前行為異常等級。

2 航跡特征點集計算方法

船舶動態(tài)信息通常2～180 s廣播一次,AIS數(shù)據(jù)量龐大,從全部數(shù)據(jù)中找到航行特征需要的時間和空間開銷都很大,容易造成一些相似的軌跡子段信息丟失等問題,判斷民船行為的實時性要求很高,因此，本文采用海區(qū)船舶AIS軌跡數(shù)據(jù)的分段劃分方法,將采集的航速和航速變化率等軌跡子段作為研究對象,將各子段的特征綜合得到整條軌跡的特征較為完整的描述,這樣既保留了船舶軌跡航行的原始特征(保持原有軌跡的精確性),又有效降維處理了AIS的數(shù)據(jù)。對軌跡的分段劃分有以下步驟。

步驟1.設(shè)定閾值;

步驟2.特征點候選集初始化,特征點候選集={起點 終點};

步驟3.根據(jù)式(1)、(2),計算AIS采集的每個點的航向或航速變化率;

(1)

(2)

步驟4.特征點候選集擴充,特征點候選集={起點 終點 軌跡點>閾值}。

軌跡劃分的關(guān)鍵是特征點的選取,特征點要盡量描述軌跡的變化,本文用航向或航速的變化率和閾值比較,來判斷特征點。

步驟1中設(shè)定的閾值大小要合適,閾值過小,軌跡重要細節(jié)特征點會被排除掉,閾值過大,會將軌跡的突變或由采樣導(dǎo)致的異常包含進來。

下面以AIS采集到的船舶～數(shù)據(jù)來分析軌跡分段劃分方法。圖2中,點、、、、、、和為AIS采集到的船舶航向和航速數(shù)據(jù),用實線連接起來得到船舶的原始航跡。在～中選取特征點,要求將所有的航向變化率、航速變化率大于某一閾值的點選為特征點。若將八個位置點都作為特征點,則軌跡原始特征保留情況最好,但是計算過程耗時也最長。若特征點候選集={，，},{，，},{，，}等三個特征點候選點集,雖然點集數(shù)量減少,但是沒有準(zhǔn)確刻畫船舶原始軌跡的特征。按照軌跡的分片劃分方法步驟,首先將特征點候選集初始化,特征點候選集={，},接著按照式(1)和式(2)計算、、、、、的航向和航速變化率,根據(jù)歷史數(shù)據(jù)得到該民船的航向和航速變化率,設(shè)置閾值,判斷是否是特征點。計算得到特征點候選集={，，，，},顯然，得到的軌跡劃分基本描述了該民船的原始軌跡。

圖2 海區(qū)船舶AIS軌跡數(shù)據(jù)的分段劃分示意圖

3 航跡點歸屬等級計算

本文采用DBScan方法對民船目標(biāo)的AIS歷史數(shù)據(jù)進行分析,得出航跡點歸屬等級。選定一批當(dāng)前AIS目標(biāo),根據(jù)該目標(biāo)的海上移動識別碼MMSI在數(shù)據(jù)庫的航跡庫表中檢索出歷史航線航跡點,采用DBScan聚類算法計算密集多邊形區(qū)域,通過設(shè)置不同的掃描半徑和最小包含對象數(shù),計算出核心區(qū)域集、重要區(qū)域集、一般區(qū)域集三類區(qū)域集合,然后判斷當(dāng)前航跡點的位置歸屬,計算航跡點歸屬異常等級。具體方法是:

首先設(shè)置基礎(chǔ)掃描半徑和最小包含對象數(shù)；

當(dāng)掃描半徑為,最小包含對象數(shù)為時,掃描得到的是一般區(qū)域集;

當(dāng)掃描半徑為,最小包含對象數(shù)為2時,掃描得到的是重要區(qū)域集;

當(dāng)掃描半徑為/2,最小包含對象數(shù)為2時,掃描得到的是核心區(qū)域集;

再判斷當(dāng)前航跡點的位置歸屬,計算航跡點歸屬異常等級;

如果<,則=1;

如果<,則=2;

如果<,則=3;

不滿足上述三個條件,則=4。

4 船舶目標(biāo)距離、朝向和航速等級評價準(zhǔn)則

在對船舶目標(biāo)進行航跡點歸屬等級計算的同時,建立AIS目標(biāo)與目標(biāo)區(qū)域間距離、朝向和航速的評價準(zhǔn)則和等級賦值。

4.1 距離等級評價準(zhǔn)則

計算選定的AIS目標(biāo)與禁區(qū)的最短距離,根據(jù)距離,采用DBScan方法設(shè)置掃描半徑為100 n mile,距離等級賦5個數(shù)值,生成距離等級的評價準(zhǔn)則如表1。

表1 距離等級賦值表

4.2 朝向等級評價準(zhǔn)則

判斷選定的AIS目標(biāo)的航向是否朝向禁區(qū),根據(jù)朝向,生成朝向等級的評價準(zhǔn)則如表2。

表2 朝向等級賦值表

4.3 航速等級評價準(zhǔn)則

根據(jù)選定的AIS目標(biāo)的航速,生成航速等級的評價準(zhǔn)則如表3。

表3 航速等級賦值表航速分類

5 船舶異常行為判斷模型

5.1 位置異常等級劃分原則

位置異常評判與朝向等級和位置等級相關(guān),采用計算矩陣得到位置異常值,其中，計算矩陣見表4。

表4 位置異常值計算矩陣

根據(jù)計算得到不同的位置異常值,采用等級劃分法得到位置異常等級,劃分原則如表5。

表5 位置異常等級劃分原則

5.2 運動趨勢異常值劃分原則

運動趨勢異常判斷與航速等級和朝向等級相關(guān),采用計算矩陣得到運動趨勢異常值,其中，計算矩陣見表6。

表6 運動趨勢異常值計算矩陣

根據(jù)計算得到不同的運動趨勢異常值,采用等級劃分法得到運動趨勢異常等級,劃分原則見表7。

表7 運動趨勢異常等級劃分原則

5.3 當(dāng)前運動異常等級劃分原則

當(dāng)前運動異常與位置異常等級和運動趨勢異常相關(guān),采用計算矩陣得到當(dāng)前運動異常值,其中，計算矩陣見表8。

表8 當(dāng)前運動異常值計算矩陣

根據(jù)計算得到不同的運動趨勢異常值,采用等級劃分法得到當(dāng)前運動異常等級,劃分原則見表9。

表9 當(dāng)前運動異常等級劃分原則

5.4 當(dāng)前行為異常等級劃分原則

當(dāng)前行為異常與歸屬異常等級和當(dāng)前運動異常等級相關(guān),采用計算矩陣得到當(dāng)前行為異常值,其中，計算矩陣見表10。

表10 當(dāng)前行為異常值計算矩陣

根據(jù)計算得到不同的當(dāng)前行為異常值,采用等級劃分法得到當(dāng)前行為異常等級,劃分原則見表11。

表11 當(dāng)前行為異常等級劃分原則

6 軟件驗證與應(yīng)用

通過對目標(biāo)區(qū)域內(nèi)AIS信息進行整理,結(jié)合民用船只數(shù)據(jù),通過對海量的歷史數(shù)據(jù)挖掘分析,研究基于歷史數(shù)據(jù)分析挖掘的綜合統(tǒng)計模型等數(shù)據(jù)產(chǎn)品,設(shè)計海面目標(biāo)數(shù)據(jù)分析預(yù)報演示軟件,通過海量數(shù)據(jù)分析預(yù)測民用船只分布規(guī)律及活動特點。

樣機軟件由數(shù)據(jù)快速訪問、數(shù)據(jù)分析處理、數(shù)據(jù)分析顯示三部分組成,具體軟件信息流程如圖3所示。其中，數(shù)據(jù)快速訪問軟件完成各庫的數(shù)據(jù)清洗后,利用目標(biāo)數(shù)據(jù)索引實現(xiàn)不同數(shù)據(jù)庫的關(guān)聯(lián)整合,形成邏輯的數(shù)據(jù)分析基礎(chǔ)庫,為內(nèi)部各數(shù)據(jù)分析功能軟件提供快速訪問服務(wù)。數(shù)據(jù)分析處理軟件定時或人工觸發(fā)地利用數(shù)據(jù)快速訪問軟件獲取待分析數(shù)據(jù),在分析處理后將中間結(jié)果存入數(shù)據(jù)分析結(jié)果庫,其中，民船航跡點歸屬等級計算、距離、朝向和航速的等級賦值以及船舶異常行為判斷均在此部分軟件完成。數(shù)據(jù)分析顯示軟件向數(shù)據(jù)分析處理軟件發(fā)出數(shù)據(jù)分析命令后,數(shù)據(jù)分析軟件從數(shù)據(jù)分析結(jié)果庫中獲取滿足條件的中間結(jié)果,統(tǒng)計分析后向數(shù)據(jù)分析顯示軟件反饋數(shù)據(jù)分析結(jié)果。

圖3 海面目標(biāo)數(shù)據(jù)分析預(yù)報演示軟件內(nèi)部信息關(guān)系圖

通過對船舶AIS數(shù)據(jù)的統(tǒng)計分析,采用多源信息融合算法,整編形成給定時間段、目標(biāo)區(qū)域周邊海面目標(biāo)綜合航跡,計算識別異?？拷蜻M入目標(biāo)區(qū)域的船舶行為,按照異常行為次數(shù)、時間、軌跡等因素形成目標(biāo)威脅級別,詳見圖4。

圖4 船舶行為異常分析結(jié)果示意圖

7 結(jié)束語

本文利用歷年積累的海面目標(biāo)監(jiān)測數(shù)據(jù)開展挖掘分析,將海區(qū)船舶AIS軌跡數(shù)據(jù)分段劃分,采用DBScan聚類分析法對民船的AIS歷史數(shù)據(jù)進行分析,得出航跡點歸屬等級,根據(jù)民船與試驗區(qū)域的距離、朝向、航速,并結(jié)合航跡點歸屬等級,通過制定一系列評價準(zhǔn)則和計算模型,對體現(xiàn)民船可能行為的各類因素進行量化和計算,最終得到民船當(dāng)前行為的異常值與對目標(biāo)區(qū)域的威脅等級,為采取必要的防范措施提供決策支持。