舰船科学技术  2017, Vol. 39 Issue (1A): 141-143   PDF    
船联网工程中的信息资源融合与管理实现
王瑾     
苏州工业职业技术学院, 江苏 苏州 215104
摘要: 我国内河航运发展迅速,但由于内河各闸口的属地及归属部门并不相同,其部门之间的信息缺乏统一的共享及管理机制,成为制约船联网工程实施中的重要因素之一,同时资源共享及管理机制的优劣决定着船联网工程的成败。本文对我国内河航运船舶的信息资源数据进行了分析归类,在此基础上提出了一种船联网中的跨区域信息资源融合与管理系统,可有效实现内河各船舶及不同管理部门之间的信息共享,提高了内河航运管理的信息化水平。
关键词: 船联网     数据融合     资源共享    
Integration and management of information resources in the marine networking project
WANG Jin     
Suzhou Institute of Industrial Technology, Suzhou 215104, China
Abstract: Our inland shipping development is rapid, but because of the gate of the territorial department of inland ownership is not the same, it is lack of information sharing and unified management mechanism different between departments, become one of the important factors that restrict the implementation of the project of the networking of the ship. At the same time, the performance of resource sharing and management mechanism determine the failure of ship network project. Based on the classification of information resources of inland waterway shipping, this paper proposes a cross regional information resource integration and management system, it can effectively realize the information sharing between the inland river ships and different management departments, and improve the information level of inland waterway shipping management.
Key words: ship networking     data fusion     resource sharing    
0 引言

信息技术及我们内河航运业快速发展,基于物联网技术的船联网成为我国航运发展的方向。各独立船舶、管理部门之间的信息资源融合及统一管理是实现船联网工程的必要条件。不仅能有效提高内河船舶航运的效率,且通过对这些共享数据的分析,可提供更加多元的海上航运信息服务范围,挖掘航运的经济效益。

实现跨区域的资源信息融合及管理需要对归属于各河道的船舶电子设备标准进行统一,如内河电子地图尺度、船舶电子报文、地理坐标尺度、导航定位跟踪信息等[1],当前我国已经逐渐从资源共享的初级阶段向智能型的管理及服务转变。

本文针对我国内河航运中的信息数据的特点,对其建立了航运信息数据模型,实现跨区域的各船舶及归属单位的数据融合,设计了区域与升级的二级数据交换架构。

1 船联网体系结构

船联网与物联网架构相似,利用传感器技术、RFID技术及无线传感网络实现的跨域去船舶的信息融合及管理标准,分为物理层、网络层、数据链路层及表示层[2],如图 1所示:

图 1 船联网架构 Fig. 1 Ship networking architecture

从图 1可知,整个船联网结构划分为4个层级,下面进行详细描述。

船舶携带的各类电子设备,如各类传感器、自动识别系统AIS、视频设备等组成了物联网的物理层,对所需的数据进行采集;再上一层为网络层,构建了航运信息传输及交互的网络基础,由海上无线通信网络、无线传感网络及一些专用网络设备(如特定频率的信道、军事卫星通信等)组成;网络层的上一层为数据链路层,对采集的数据进行分析、融合、存储;最后对应用层提供数据支持,实现不同的应用,如不同的业务管理、航道决策及公共接口。其中业务管理按照不同的业务类型又可以分为船舶物流业务、自动过闸缴费业务等。同样航道决策及公共接口也可以对其内部进行逻辑划分。

2 船联网跨区域数据融合管理实现 2.1 船联网信息资源划分及归类

对跨区域的信息资源进行融合首先需要对各类数据进行归类,本文从数据采集、传输及存储进行规划,利用TOGAF[3]资源归类模型对所有的内河跨区域信息进行划分。

由于船舶各类信息归属于不同地区、不同部门,在此对每个区域设置一个数据中心,管理领地内各部门的数据,实现管辖类的数据交互与共享,在不同区域的数据则通过各自的数据中心进行传输。同时,在大区域的中心节点下可以部署省级的二级节点,管理各省内部水运部门信息,在省级节点可以进行负载均衡,实现资源有效利用。

大区域中心节点与省级节点的二级数据存储共享架构部署,其同步与存储方式为:

1)省级数据节点存储本区域下各内河的各类数据,包括基础地形环境数据、业务核心数据、动态的船舶航行数据,并且各类核心数据需要做大于两份冗余备份。

2)对最重要的核心数据在大区域中心节点做全备份,其余数据在中心节点存储地址信息。

3)各省级节点的数据交互需通过中心节点进行中转,首先省级节点发送请求,中心节点接收到请求后根据字段查询数据库,并将数据库中的数据返回给省级节点。

船联网中的信息按照低耦合的原则划分为运输许可信息、港口信息、船舶信息以及应急信息等[4],如表 1所示。

表 1 信息划分表 Tab.1 Information partition table
2.2 跨区域船联网数据共享融合设计

船联网工程的实施最重要的目的是实现不同区域的航运业务数据共享,从而实现各类业务的高效运行。平台的数据共享交互分为四大模块:

1)中心管理模块

负责整个船联网中各区域节点的元数据维护、核心业务的监控及维护。

2)主交换模块

对交换任务进行统一分发,并将其分解,按照交换任务中的关键字段将其分配给各交换子节点,实现高效的数据交换处理。

3)备份交换模块

当主交换模块宕机或负载超过阀值时,交换任务的分配转移至备份交换模块,同时对主交换模块及整个平台进行流量监控。

4)N个子交换节点

最终数据交换的执行单元,与主交换模块通过握手机制保持链路畅通。

整个跨区域船联网数据交互实现辖区内所有船舶及内河地形、环境等信息的采集、传输、存储、交互[5],为辖区内船舶航行任务提供分析指导,下面介绍大区域中心与省级中心二级架构数据交换的具体流程:

1)省级节点与区域中心节点融合

省级水运航道管理各部门将本部门的信息中心统一接入省信息中心节点,区域中心则直接与省级中心进行交互。

数据交互内容包含如下:

①静态信息:注册于本省各内河航道的船舶信息,包含船舶电子签证信息、各港口信息、本省过闸管理收费信息、内河静态地形信息等。

②动态信息:本省航道航行中的船舶动态信息,如船舶数量、各船舶的航速航向、变换的环境气候信息及视频侦查信息等。

2)省级节点之间的数据融合

省级节点也需要通过数据融合来获取其它省的信息,以保障本省航运业务的顺利执行。各省级都是通过区域中心进行数据共享。首先,省级节点向区域中心发送信息交互请求,中心节点对请求进行解析并将消息转发给目标省份节点,目标身份与中心节点发送响应请求,若接收请求则2个省份节点建立链路,否则发送失败响应。

数据交互内容包含如下:

①需要跨省的船舶静态信息:包含船舶的电子签证信息、船舶信用信息等。

②需要跨省的船舶动态信息:包括船舶的航行数据,如航速航向,吨位大小等。

大区域中心与省级中心二级架构数据交换的内容如图 2所示。

图 2 数据交换流程及内容 Fig. 2 Data exchange process and content
3 算法仿真

最后对基于本文二级结构的跨区域信息融合管理架构及流程从可用性、明确性、准确性方面进行分析,其结果如表 2所示。

表 2 分析结果 Tab.2 Analysis result
4 结语

本文对跨区域船联网的信息资源进行了划分,在此基础上给出了基于二级架构的信息资源共享与管理架构,最后进行了分析。

参考文献
[1] 史翔, 张国栋, 孙卫红. 面向SOA的燃气企业信息化架构规划[J]. 计算机工程与设计, 2012, 33 (4): 1418–1423.
[2] 陈海明, 崔莉, 谢开斌. 物联网体系结构与实现方法的比较研究[J]. 计算机学报, 2013, 36 (1): 168–188.
[3] PAVLO A, PAULSON E, RASIN A, et al. A comparison of approaches to large-scale data analysis[C]. Proceedings of the 2009 ACM SIGMOD International Conference on Management of data. ACM, 2009:165-178.
[4] DEAN J, GHEMAWAT S. MapReduce:simplified data processing on large clusters[J]. Communications of the ACM, 2008, 51 (1): 107–113. DOI: 10.1145/1327452
[5] BUCKL S, ERNST A M, MATTHES F, et al. Using enterprise architecture management patterns to complement TOGAF[C]. Enterprise Distributed Object Computing Conference, 2009. EDOC'09. IEEE International. IEEE, 2009:34-41.