基于統(tǒng)計(jì)學(xué)理論的船舶軌跡異常識(shí)別

甄　榮，邵哲平　，潘家財(cái)，趙　強(qiáng)

(集美大學(xué)航海學(xué)院，福建 廈門 361021)

?

基于統(tǒng)計(jì)學(xué)理論的船舶軌跡異常識(shí)別

甄榮，邵哲平，潘家財(cái)，趙強(qiáng)

(集美大學(xué)航海學(xué)院，福建 廈門 361021)

[摘要]為了準(zhǔn)確識(shí)別異常航行軌跡的船舶，以船舶AIS信息為數(shù)據(jù)源，利用統(tǒng)計(jì)學(xué)中曲線擬合的最小二乘法對(duì)訓(xùn)練集船舶軌跡點(diǎn)進(jìn)行擬合，得到船舶典型航行軌跡的數(shù)學(xué)表達(dá)模型，以此作為標(biāo)準(zhǔn)，通過(guò)計(jì)算監(jiān)控船舶軌跡點(diǎn)與典型軌跡間的距離是否大于典型軌跡95%置信區(qū)間的范圍，從而對(duì)軌跡異常的船舶進(jìn)行識(shí)別.實(shí)驗(yàn)結(jié)果表明，該方法可以有效地識(shí)別軌跡異常船舶.將該方法運(yùn)用到監(jiān)控系統(tǒng)中可以提高海上交通監(jiān)控效率.

[關(guān)鍵詞]船舶；航行軌跡；統(tǒng)計(jì)學(xué)；AIS信息；監(jiān)控

0引言

配備船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System，AIS)的船舶能夠自動(dòng)發(fā)射船舶航行的靜態(tài)和動(dòng)態(tài)信息[1]，這些AIS信息能夠清晰地反映船舶實(shí)時(shí)航行狀態(tài)和交通環(huán)境，也為構(gòu)建船舶典型航行行為模型提供了基礎(chǔ)數(shù)據(jù)[2].將船舶AIS歷史信息作為訓(xùn)練集[3]數(shù)據(jù)，提取船舶典型運(yùn)動(dòng)模型，從而對(duì)船舶的異常行為進(jìn)行監(jiān)控是當(dāng)前研究的一個(gè)熱點(diǎn).文獻(xiàn)[4]將監(jiān)控海域分為若干網(wǎng)格，以高斯混合模型作為聚類模型，用期望最大化模型估計(jì)得到每個(gè)網(wǎng)格內(nèi)樣本船舶航行軌跡的概率密度函數(shù)，通過(guò)計(jì)算檢測(cè)船舶的軌跡點(diǎn)是否符合對(duì)應(yīng)網(wǎng)格的概率密度函數(shù)來(lái)識(shí)別船舶異常行為.文獻(xiàn)[5]利用核密度估計(jì)得到船舶軌跡的概率密度函數(shù)來(lái)識(shí)別船舶異常行為.文獻(xiàn)[4-5]由于需要將監(jiān)控區(qū)域分成網(wǎng)格，當(dāng)監(jiān)控區(qū)域較大時(shí)，網(wǎng)格的大小和數(shù)量的選取不容易確定，從而影響識(shí)別效果.本文運(yùn)用統(tǒng)計(jì)學(xué)理論中曲線擬合的最小二乘法對(duì)AIS信息中包含的船舶航行軌跡點(diǎn)進(jìn)行擬合，以期得到船舶的典型航行軌跡數(shù)學(xué)模型，通過(guò)計(jì)算監(jiān)控船舶偏離典型航行軌跡的距離是否偏離典型軌跡的置信區(qū)間[6]來(lái)對(duì)船舶異常行為進(jìn)行識(shí)別，使其不受監(jiān)控區(qū)域大小和訓(xùn)練集數(shù)據(jù)多少的限制.

1AIS數(shù)據(jù)選取分析及預(yù)處理

1.1　實(shí)驗(yàn)數(shù)據(jù)選取分析

本文所采用的AIS數(shù)據(jù)由基于ECDIC和AIS的船舶綜合信息服務(wù)系統(tǒng)[7-9]提供.船舶AlS數(shù)據(jù)包含信息可以分為靜態(tài)信息、動(dòng)態(tài)信息和與航次有關(guān)的信息，其中靜態(tài)信息包括:IMO編碼、船舶呼號(hào)、船名、船舶長(zhǎng)度和寬度、船舶類型、定位天線在船上的位置等；動(dòng)態(tài)信息包括船位、國(guó)際協(xié)調(diào)時(shí)、對(duì)地航向、對(duì)地航速、航跡向、航行狀態(tài)、轉(zhuǎn)向率等；與航次相關(guān)的信息包括:船舶吃水、危險(xiǎn)貨物的類型、目的港和預(yù)計(jì)到達(dá)的時(shí)間、航行計(jì)劃、簡(jiǎn)明安全信息等.AIS信息中表征船舶軌跡點(diǎn)的信息為一系列離散的船位點(diǎn)，為了對(duì)船舶航行軌跡點(diǎn)進(jìn)行處理，本文選取AIS動(dòng)態(tài)信息中船舶的船位信息及信息發(fā)送時(shí)間、對(duì)地航向(Course over Ground)作為初始實(shí)驗(yàn)數(shù)據(jù)，數(shù)據(jù)存儲(chǔ)格式為Ship(TIME,LONGITUDE,LATITUDE,COG).

1.2　數(shù)據(jù)預(yù)處理

由于AIS信息受到傳輸、解碼等因素的影響，其中有些信息存在錯(cuò)誤和缺失，因此有必要根據(jù)研究對(duì)象進(jìn)行預(yù)處理，主要預(yù)處理措施有[10]：刪除動(dòng)態(tài)信息表中MMSI為0的記錄；刪除明顯錯(cuò)誤的AIS數(shù)據(jù)，如經(jīng)緯度超過(guò)合理值的數(shù)據(jù)(如出現(xiàn)負(fù)值或經(jīng)度> 180°或緯度 > 90°).

為了驗(yàn)證本文方法的有效性，將AIS數(shù)據(jù)分為訓(xùn)練集數(shù)據(jù)和校驗(yàn)集數(shù)據(jù)，其中訓(xùn)練集數(shù)據(jù)用于提取典型航行軌跡數(shù)學(xué)模型，校驗(yàn)集數(shù)據(jù)作為被識(shí)別、監(jiān)控?cái)?shù)據(jù).

2船舶軌跡異常識(shí)別過(guò)程

2.1　數(shù)學(xué)原理

2.1.1船舶典型航行軌跡提取

在科學(xué)實(shí)驗(yàn)和工程實(shí)踐中，通常會(huì)涉及很多變量，需要研究變量之間的關(guān)系，很多時(shí)候變量之間的關(guān)系是不確定的，需要用一個(gè)近似的函數(shù)來(lái)表示這種關(guān)系，數(shù)據(jù)擬合就是根據(jù)變量的觀測(cè)數(shù)據(jù)研究變量之間的近似函數(shù)關(guān)系，用來(lái)幫助認(rèn)識(shí)事物的內(nèi)在規(guī)律和本質(zhì)屬性[11].為了從大量的歷史船舶AIS信息包含的航跡點(diǎn)中得到海上特定航行區(qū)域船舶航行的常態(tài)、典型軌跡表達(dá)模型，本文采用統(tǒng)計(jì)學(xué)理論中曲線擬合的最小二乘法對(duì)歷史船舶航行軌跡點(diǎn)進(jìn)行擬合，得到船舶典型航行軌跡的表達(dá)式.曲線擬合的最小二乘法原理如下：

設(shè)船舶軌跡數(shù)據(jù)為{(xi,yi),i=0,1,…,m},xi和yi分別表示訓(xùn)練集中相同船舶的經(jīng)度和緯度，為了表征監(jiān)控區(qū)域船舶的典型航行軌跡，設(shè)yi=f(xi),采用最佳平方逼近法對(duì)訓(xùn)練集中船舶軌跡點(diǎn)進(jìn)行逼近，即在集合φ=Span{φ0,φ1,…,φn}中找一組函數(shù)組合，本文取φ=span{1,x,x2,…,xn}使其到船舶軌跡點(diǎn)的距離誤差的平方和最小，即

(1)

2.1.2船舶軌跡異常識(shí)別

在工業(yè)產(chǎn)品指標(biāo)的合格性抽樣檢測(cè)中，經(jīng)常考察抽樣檢測(cè)產(chǎn)品的測(cè)量指標(biāo)是否落在合格樣本均值的置信水平95%的置信區(qū)間內(nèi)，來(lái)判斷抽樣檢測(cè)產(chǎn)品的合格性，如果檢測(cè)產(chǎn)品的指標(biāo)位于置信區(qū)間之外，那么就將該產(chǎn)品識(shí)別為不合格產(chǎn)品,通常情況下以均值為中心，以正、負(fù)2倍標(biāo)準(zhǔn)差(2σ)為置信上、下限的置信區(qū)間所確定的置信水平為95%[6].

根據(jù)以上原理，本文通過(guò)計(jì)算校驗(yàn)集中監(jiān)控船舶航行軌跡到船舶典型航行軌跡的距離是否大于95%的置信區(qū)間，從而識(shí)別船舶異常軌跡，監(jiān)控船舶距典型軌跡的距離計(jì)算方法為

(2)

其中(xi,yi)為監(jiān)控船舶經(jīng)、緯度坐標(biāo)，A,B,C為典型軌跡表達(dá)式的系數(shù).

2.2　船舶軌跡異常識(shí)別原則

考慮到海上航行的船舶由于船舶自身吃水與可航水域水深的關(guān)系，在狹窄水道或進(jìn)出港航道內(nèi)，不同吃水船舶選擇的橫向航行位置不同.為了提高異常識(shí)別的準(zhǔn)確性和有效性，在進(jìn)行異常軌跡識(shí)別時(shí)，要保證訓(xùn)練集和校驗(yàn)集是具有相同特性船舶的軌跡數(shù)據(jù).本文通過(guò)對(duì)特定船舶長(zhǎng)度區(qū)間內(nèi)的訓(xùn)練集船舶軌跡擬合得到的典型軌跡，來(lái)識(shí)別同樣船長(zhǎng)區(qū)間的校驗(yàn)集船舶軌跡的異常情況.

3以廈門港青嶼水道為例的船舶軌跡異常識(shí)別

采集2014年5月上半月進(jìn)出廈門港青嶼水道船舶AIS數(shù)據(jù)，為了保證校驗(yàn)集船舶軌跡與訓(xùn)練集船舶軌跡具有相同特性，選擇船長(zhǎng)為100~200 m的船舶軌跡點(diǎn)數(shù)據(jù)，其中前1—10日的數(shù)據(jù)作為訓(xùn)練集，用來(lái)提取典型航行軌跡，11—15日的數(shù)據(jù)作為校驗(yàn)集，運(yùn)用式(2)計(jì)算監(jiān)控船舶位置點(diǎn)與典型軌跡的距離，識(shí)別偏離典型軌跡的船舶異常行為.

3.1　船舶典型航跡提取

廈門港青嶼水道航行船舶的原始航跡展示如圖2所示.該段航道是船舶進(jìn)出廈門港的必經(jīng)之地，航道內(nèi)的船舶可分為進(jìn)港和出港兩大類，且船舶在航道內(nèi)航行的橫向位置符合《國(guó)際海上避碰規(guī)則》第九條中“靠右”航行的規(guī)則[12]，因此假定訓(xùn)練集中的100~200 m船長(zhǎng)船舶航行軌跡為常規(guī)的、正常的航行軌跡.

為了從訓(xùn)練集船舶軌跡數(shù)據(jù)中提取數(shù)學(xué)模型來(lái)表征所有船舶的航行軌跡分布，運(yùn)用曲線擬合的最小二乘法原理對(duì)進(jìn)出港船舶的軌跡點(diǎn)進(jìn)行擬合，x、y分別表示船舶軌跡點(diǎn)的經(jīng)、緯度，得到的進(jìn)、出港船舶典型軌跡表達(dá)式分別為：

(3)

圖3是經(jīng)擬合得到的訓(xùn)練集船舶典型航行軌跡，由于選擇航道為直線型，所以進(jìn)、出港船舶典型軌跡是直線，且直線的斜率與青嶼水道的走向是一致，得到的典型軌跡最大程度地反映了船舶航行位置分布的公共特征.

3.2　進(jìn)港船舶軌跡異常識(shí)別

當(dāng)校驗(yàn)集數(shù)據(jù)船舶進(jìn)入監(jiān)控區(qū)域，首先根據(jù)船舶AIS信息中所包含的船舶對(duì)地航向(COG)來(lái)判斷是進(jìn)港還出港船舶，本文僅以進(jìn)港船舶為例，運(yùn)用式(2)計(jì)算監(jiān)控船舶到進(jìn)港船舶典型航行軌跡的距離，如果監(jiān)控船舶在航行過(guò)程中到典型軌跡的距離大于典型軌跡95%的置信區(qū)間范圍，那么計(jì)算機(jī)將該船舶自動(dòng)識(shí)別為異常行為的船舶，從而提醒監(jiān)控者給予該船舶更多的關(guān)注或?qū)崟r(shí)的提醒.

如圖4所示，實(shí)線為青嶼水道進(jìn)港船舶航行典型軌跡，兩側(cè)虛線是典型軌跡95%的置信區(qū)間邊線，當(dāng)有船舶駛?cè)氡竞Ｓ驎r(shí)，計(jì)算船舶軌跡點(diǎn)到典型軌跡的距離，圖4中實(shí)心點(diǎn)標(biāo)識(shí)的船舶軌跡點(diǎn)位于典型軌跡置信區(qū)間邊線內(nèi)，屬于常規(guī)航行軌跡.圖4a中，用三角符號(hào)標(biāo)識(shí)的船舶在航行過(guò)程到典型軌跡的距離大于左側(cè)置信區(qū)間的范圍，如果同時(shí)有船舶出港，這樣的異常行為會(huì)妨礙出港船舶的安全航行；圖4b中圓圈標(biāo)識(shí)的船舶在航行的過(guò)程中偏離典型軌跡右側(cè)置信區(qū)間的范圍，偏離航道航行，通常航道以外的水域深度較淺，如果水深小于船舶吃水，可能會(huì)造成船舶擱淺事故.監(jiān)控系統(tǒng)將軌跡異常的船舶標(biāo)定以后，自動(dòng)提示監(jiān)控中心人員對(duì)這些軌道異常的船舶予以更多注意，從而減少監(jiān)控的盲目性.監(jiān)控人員可以對(duì)軌跡異常船舶予以警告和提示，更好地保障海上交通安全.

4結(jié)論

海上交通監(jiān)控在確保海上交通安全、提高海上交通效率中發(fā)揮著重要的作用，本文利用統(tǒng)計(jì)學(xué)理論中曲線擬合的最小二乘法對(duì)歷史AIS信息中訓(xùn)練集船舶軌跡點(diǎn)進(jìn)行擬合，得到監(jiān)控海域船舶的典型航跡，以此作為參考，對(duì)監(jiān)控海域偏離典型軌跡95%置信區(qū)間的異常行為的船舶進(jìn)行有效地識(shí)別，可以降低監(jiān)控人員的工作強(qiáng)度.本文初步實(shí)現(xiàn)了大型海港進(jìn)出港航道內(nèi)船舶偏離典型航行的船舶異常行為的有效識(shí)別，對(duì)穿越主航道航行、船舶速度過(guò)高或過(guò)低等異常行為的識(shí)別將是今后的研究方向.

[參考文獻(xiàn)]

[1]孫文力，孫文強(qiáng).船載自動(dòng)識(shí)別系統(tǒng)[M].大連：大連海事大學(xué)出版社,2004.

[2]吳兆麟,朱軍.海上交通工程[M].2版.大連：大連海事大學(xué)出版社,2004.

[3]CHRISTOPHER M BISHOP.Pattern Recognition and Machine Learning[M].New York,USA:Springer Science Business Media,2006.

[4]RIKARD LAXHAMMAR.Anomaly detection for sea surveillance[C]//The 11th International Conference on Information Fusion.Cologne,Germany：IEEE,2008.

[5]RISTIC B,SCALA B L A,MORELANDE M,et al.Statistic Analysis of Motion Patterns in AIS Data:Anomaly Detection and Motion Prediction[C]//The 11th International Conference on Information Fusion.Cologne,Germany：IEEE,2008.

[6]盛驟，謝式千，潘承毅.概率論與數(shù)理統(tǒng)計(jì)[M].北京：高等教育出版社，2008.

[7]邵哲平，孫騰達(dá)，潘家財(cái)，等.基ECDIS和AIS的船舶綜合信息服務(wù)系統(tǒng)的開發(fā)[ J].中國(guó)航海,2007(2):30-33.

[8]SHAO Z P，SUN T D，PAN J C，et al． Vessel information service system based on ECDIS and AIS[C]//Proceedings of ICTE.[S.L.],America:ASCE，2007:1678-1683．

[9]JI XIANBIAO，SHAO ZHEPING，PAN JIACAI.A New AIS-based Way to Conduct OLAP of Maritime Traffic Flow[C]//ASCE，Proceeding of ICTE 2009，[S.L.],America:ASCE，2009.

[10]唐存寶，邵哲平，潘家才，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):110-111.

[11]何正風(fēng).MATLAB概率與數(shù)理統(tǒng)計(jì)[M].北京：機(jī)械工業(yè)出版社，2012.

[12]吳兆麟，趙月林.船舶值班與避碰[M].3版.大連：大連海事大學(xué)出版社，2009.

(責(zé)任編輯陳敏英文審校周云龍)

A Study on the Identification of Abnormal Ship TrajectoryBased on Statistic Theories

ZHEN Rong,SHAO Zhe-ping,PAN Jia-cai,ZHAO Qiang

(Navigation College,Jimei University,Xiamen 361021,China)

Abstract:In order to identify the abnormal trajectory of a ship in the maritime traffic monitoring system automatically,sourced from shipborne AIS data,the curve fitting of statistic theories was used to fit the trajectory points of a training vessel,so as to obtain the mathematical model for the typical route of a ship.Based on this, ships with abnormal trajectories are identified through calculating whether the distance between validation data and typical route is wider than the 95% confidence interval of the typical route.The results show that abnormal ship trajectories can be identified efficiently this way.If this is applied to the vessel traffic surveillance system,the efficiency such surveillance will be increased significantly.

Key words:ship;trajectory;statistic theories;AIS Data;surveillance

[文獻(xiàn)標(biāo)志碼]A

[中圖分類號(hào)]U 675.7；TP 391

[文章編號(hào)]1007-7405(2015)03-0193-05

[作者簡(jiǎn)介]甄榮(1990—)，男，碩士生，從事海上交通工程研究.通信作者：邵哲平(1964—)，男，教授，船長(zhǎng)，博士，從事交通信息工程及控制、航海技術(shù)研究，E-mail:zpshao@jmu.edu.cn.

[基金項(xiàng)目]福建省自然科學(xué)基金資助項(xiàng)目(2012G0030)

[收稿日期]2014-12-26[修回日期]2015-03-01