張雪燕

摘 要： 基于RFID技術(shù)的船舶交通流統(tǒng)計系統(tǒng)進行特征趨勢統(tǒng)計時未采用大數(shù)據(jù)技術(shù)，提取的特征數(shù)據(jù)不精確，增加特征統(tǒng)計的難度，導(dǎo)致船舶交通流特征統(tǒng)計效率較低。因此設(shè)計基于大數(shù)據(jù)的船舶交通流特征趨勢統(tǒng)計系統(tǒng)，通過用戶管理模塊進入系統(tǒng)，采用Excel格式對數(shù)據(jù)實施輸入與輸出操作，通過海事子模塊、港口子模塊以及船舶子模塊實現(xiàn)宏觀特征分布統(tǒng)計與微觀特征條件查詢；軟件部分通過數(shù)據(jù)處理、數(shù)據(jù)擬合以及擬合優(yōu)化檢驗獲取最優(yōu)擬合函數(shù)，分析船舶交通流的特征趨勢。實驗結(jié)果表明，所設(shè)計系統(tǒng)能夠準確統(tǒng)計船舶交通流特征趨勢，具有效率高的優(yōu)勢。

關(guān)鍵詞： 大數(shù)據(jù)； 海事子模塊； 港口子模塊； 擬合函數(shù)； 特征趨勢； 統(tǒng)計系統(tǒng)

中圖分類號： TN973.1?34； TP274.2 文獻標識碼： A 文章編號： 1004?373X（2018）22?0166?04

Abstract： The big data technology is not adopted for feature tendency statistics in the RFID technology based ship traffic flow statistical system， as a result， the extracted feature data is inaccurate， and the feature statistic difficulty is increased， which leads to the low statistical efficiency of ship traffic flow features. Therefore， a ship traffic flow feature tendency statistical system based on big data is designed. After entering the system from the user management module， input and output operations of data are implemented in the Excel format. The maritime sub?module， port sub?module and ship sub?module are used to obtain distribution statistics of macro features and realize condition query of micro features. In the software part， the optimal fitting function is obtained by means of data processing， data fitting and fitting optimization detection， so as to analyze the feature tendency of ship traffic flow. The experimental results show that the designed system can obtain accurate ship traffic flow feature tendency statistics， and has the advantage of high efficiency.

Keywords： big data； maritime sub?module； port sub?module； fitting function； feature tendency； statistical system

0 引 言

伴隨海上交通運輸業(yè)興起，海上船舶交通流規(guī)模迅速擴大，各種特征趨勢繁瑣復(fù)雜，嚴重威脅航道安全、降低海上運輸效率，因此確保海上船舶交通流安全、有序調(diào)度十分關(guān)鍵[1]。傳統(tǒng)基于RFID技術(shù)的船舶交通流統(tǒng)計系統(tǒng)進行特征趨勢統(tǒng)計時未采用大數(shù)據(jù)技術(shù)，提取的特征數(shù)據(jù)不精確，增加特征統(tǒng)計的難度，導(dǎo)致船舶交通流特征統(tǒng)計效率較低。現(xiàn)有研究表明，大數(shù)據(jù)技術(shù)被廣泛應(yīng)用在船舶交通流特征趨勢研究方面，可以從海量數(shù)據(jù)信息中獲取有效的特征分析數(shù)據(jù)[2]。從該角度出發(fā)，本文設(shè)計基于大數(shù)據(jù)的船舶交通流特征趨勢統(tǒng)計系統(tǒng)，彌補傳統(tǒng)系統(tǒng)統(tǒng)計性能差的缺陷，實現(xiàn)海上交通航道安全、有序運行。

1 船舶交通流特征趨勢統(tǒng)計系統(tǒng)設(shè)計

1.1 系統(tǒng)硬件設(shè)計

本文基于海事主管機關(guān)、港口部門以及船舶公司的各自需求設(shè)計基于大數(shù)據(jù)的船舶交通流特征趨勢統(tǒng)計系統(tǒng)。該系統(tǒng)硬件功能模塊構(gòu)成圖如圖1所示。

1.1.1 用戶管理模塊設(shè)計

用戶進入本文設(shè)計的系統(tǒng)，選擇符合自身需求的子系統(tǒng)，接著輸入正確的登錄信息，正式進入符合需求的子系統(tǒng)。

1.1.2 數(shù)據(jù)輸入輸出模塊設(shè)計

系統(tǒng)采用Excel格式對數(shù)據(jù)實施輸入與輸出操作，采用在登錄界面設(shè)置數(shù)據(jù)輸入接口的方式，將船舶交通流大數(shù)據(jù)輸入到所構(gòu)建的數(shù)據(jù)庫[3]；采用在子系統(tǒng)設(shè)置數(shù)據(jù)輸出接口的方式，實現(xiàn)條件查詢結(jié)果、分布統(tǒng)計結(jié)果的輸出。

1.1.3 海事子模塊設(shè)計

船舶交通流某個特征的條件查詢、某個特征或多個特征排列統(tǒng)計可通過海事子模塊完成。

1） 條件查詢功能。海事子系統(tǒng)可根據(jù)船舶的微觀特征實施查詢，同時存儲查詢結(jié)果[4]；以數(shù)據(jù)統(tǒng)計的方式保存海上船舶交通流的特征。

2） 排列統(tǒng)計。船舶交通中船舶相關(guān)參數(shù)的排列統(tǒng)計可通過海事子系統(tǒng)進行獲取，可得到圖形化顯示結(jié)果同時實施存儲。

3） 船舶流量及組成統(tǒng)計。發(fā)揮海事子系統(tǒng)的功能，可以實現(xiàn)交通流數(shù)據(jù)中的交通流量、船舶種類、船舶尺寸等數(shù)據(jù)的統(tǒng)計[5]。

1.1.4 港口子模塊設(shè)計

按條件查詢與港口交通流特征的統(tǒng)計可通過港口子模塊進行獲取。港口子模塊功能設(shè)計如圖2所示。

1.1.5 船舶子模塊設(shè)計

基于船舶的某個微觀特征能夠查詢其他微觀特征，同時存儲查詢結(jié)果，這是船舶子模塊的主要功能[6]。該模塊只能對船舶的靜態(tài)特征實施查詢。由于船舶的靜態(tài)特征不隨時空條件轉(zhuǎn)換而改變[7]，隨機輸入一個參數(shù)，即可獲取對應(yīng)的全部特征值。

1.2 系統(tǒng)軟件設(shè)計

通過數(shù)據(jù)處理、數(shù)據(jù)擬合及優(yōu)化檢驗和確定最優(yōu)擬合函數(shù)等過程[8]，實現(xiàn)基于大數(shù)據(jù)的船舶交通流特征趨勢統(tǒng)計，進而完成系統(tǒng)的軟件設(shè)計。具體過程如下所述。

基于上述方法得出船舶交通流特征的最優(yōu)擬合曲線，則船舶交通流的特征值可通過擬合曲線、擬合分布函數(shù)特征進行獲取[10]，分析其函數(shù)特征得出船舶交通流的特征趨勢，進而完成系統(tǒng)軟件的設(shè)計。

2 實驗分析

為驗證本文系統(tǒng)在船舶交通流特征趨勢統(tǒng)計方面具有優(yōu)勢，對天津海事局提供的天津港2009年船舶交通流數(shù)據(jù)信息展開實驗分析。該數(shù)據(jù)相對來說比較全面、內(nèi)容豐富，用來驗證本文系統(tǒng)性能具有說服力。該實驗數(shù)據(jù)以Excel形式存儲，共包含23 257艘次。

實驗從精確度、效率兩方面驗證本文系統(tǒng)對于船舶交通流特征趨勢統(tǒng)計的性能，采用本文系統(tǒng)對天津港2007年1—8月份的船舶到港數(shù)據(jù)進行處理，獲取的結(jié)果如表1所示。

分析表1能夠看出，本文系統(tǒng)能夠?qū)Υ敖煌鲾?shù)據(jù)進行精確處理，且將上述結(jié)果與真實數(shù)據(jù)進行對比，結(jié)果基本吻合，說明本文系統(tǒng)可用于船舶交通流特征趨勢的統(tǒng)計。為進一步驗證本文系統(tǒng)的優(yōu)越性，引入基于AIS的船舶交通流統(tǒng)計系統(tǒng)、基于RFID技術(shù)的船舶交通流統(tǒng)計系統(tǒng)進行精確度、效率對比實驗。三種系統(tǒng)獲取的統(tǒng)計精確度對比結(jié)果如圖3所示，統(tǒng)計效率曲線對比如圖4所示。

分析圖3可知，本文系統(tǒng)對5個月份的船舶交通流數(shù)據(jù)進行特征趨勢統(tǒng)計實驗獲取的精確度較高，均在99%以上，與真實情況基本吻合。實驗結(jié)果表明，本文系統(tǒng)進行船舶交通流特征趨勢統(tǒng)計精確度高達99.8%，相較其他系統(tǒng)而言，具有精確度高的優(yōu)勢。

分析圖4可知，根據(jù)三種系統(tǒng)的效率曲線走向，可清晰看出本文系統(tǒng)位于曲線圖的上方，效率均值在99%左右，最高可達99.8%，總體呈上升趨勢。實驗表明，本文系統(tǒng)在船舶交通流特征趨勢統(tǒng)計方面的效率明顯。

3 結(jié) 論

本文設(shè)計基于大數(shù)據(jù)的船舶特征趨勢統(tǒng)計系統(tǒng)，能夠準確、高效地對船舶交通流特征進行統(tǒng)計，為海上交通流特征趨勢統(tǒng)計提供有效的手段，對于提高海上船舶運輸效率、維護海上交通秩序、保障船舶安全運行具有積極作用。

參考文獻

[1] 劉軍華.大數(shù)據(jù)視野下統(tǒng)計數(shù)據(jù)質(zhì)量演變的信息回歸、分布與趨勢[J].統(tǒng)計與信息論壇，2015，30（9）：7?11.

LIU Junhua. Information regression， distribution and trend of statistical data quality evolution in the perspective of big data [J]. Statistics & information forum， 2015， 30（9）： 7?11.

[2] 肖潤謀，李彬，陳蔭三.基于大數(shù)據(jù)的高速公路運輸趨勢分析[J].交通運輸工程學(xué)報，2015，15（5）：85?90.

XIAO Runmou， LI Bin， CHEN Yinsan. Trend analysis of expressway transportation based on big data [J]. Journal of traffic and transportation engineering， 2015， 15（5）： 85?90.

[3] 曹麥，倪蘋，顧杰.京張高速公路大數(shù)據(jù)的統(tǒng)計分析[J].調(diào)研世界，2016（12）：50?52.

CAO Mai， NI Ping， GU Jie. Big data statistical analysis of Beijing?Zhangjiakou expressway [J]. The world of survey and research， 2016（12）： 50?52.

[4] 薛振宇，胡航海，宋毅，等.基于大數(shù)據(jù)分析的縣公司綜合評價策略[J].電力自動化設(shè)備，2017，37（9）：199?204.

XUE Zhenyu， HU Hanghai， SONG Yi， et al. Comprehensive evaluation based on big data analysis for county electric power company [J]. Electric power automation equipment， 2017， 37（9）： 199?204.

[5] 孟東霞，陳剛，許美玲.基于電信大數(shù)據(jù)的流動人口數(shù)據(jù)特征分析[J].中國新通信，2016，18（19）：109.

MENG Dongxia， CHEN Gang， XU Meiling. Data feature analysis of migrant population based on big data of telecommunication [J]. China new telecommunications， 2016， 18（19）： 109.

[6] 李金昌.基于大數(shù)據(jù)思維的統(tǒng)計學(xué)若干理論問題[J].統(tǒng)計研究，2016，33（11）：3?10.

LI Jinchang. Several theoretical problems in statistics based on the idea of big data [J]. Statistical research， 2016， 33（11）： 3?10.

[7] CHIAKI K， YOSHIO S， NORIYUKI K， et al. Cerebral data analysis system for large scale numerical simulation of nuclear power plant [EB/OL]. [2007?11?25]. http：//jolissrch?inter.tokai?sc.jaea.go.jp/search/servlet/search？5008699&language;=1.

[8] 羅繁明，楊海深.大數(shù)據(jù)時代基于統(tǒng)計特征的情報關(guān)鍵詞提取方法[J].情報資料工作，2013，34（3）：64?68.

LUO Fanming， YANG Haishen. On the statistical features?based information keyword extraction method in the era of big data [J]. Information and documentation services， 2013， 34（3）： 64?68.

[9] 胡巧玲，茹金平.基于大數(shù)據(jù)分析的人口遷移量預(yù)測模型仿真[J].計算機仿真，2014，31（10）：246?249.

HU Qiaoling， RU Jinping. Simulation on the prediction model for volume of population migration based on big data analysis [J]. Computer simulation， 2014， 31（10）： 246?249.

[10] 鄧杰，錢雪忠，錢恒，等.基于特征選擇的統(tǒng)計最優(yōu)樣本大小算法[J].計算機應(yīng)用研究，2014，31（12）：3535?3538.

DENG Jie， QIAN Xuezhong， QIAN Heng， et al. Statistical optimal sample size algorithm based on feature selection [J]. Application research of computers， 2014， 31（12）： 3535?3538.