0 引　言

随着云计算、大数据分析、深度学习等高新技术的快速发展，信息化产业领域变革也在进行之中，也推动了制造工业等相关领域的智能化革命。德国人优先提出了“工业4.0”，加速传统工业的服务化转型，我国则推出了《中国制造2025》，加快高新信息技术和生产制造的深度结合，推动智能制造发展。而高新技术船舶则是重点发展对象之一。

目前我国船舶制造业的发展还有很大提升空间，正由自动化产线向智能化生产转变，针对这一情况，船舶行业将率先对高新船舶的智能化方面做尝试，以带动这个行业的良性发展。依据智能船舶大数据来探索制造业的新的发展模式和新的价值，创造适合我国行情的船舶4.0。而海洋性综合试验船（后文简称试验船）信息化基础较为完善，可在此基础上进行深度开发，为智能化道路的探索做出贡献。

智能船舶的发展依托云计算、大数据分析等相关技术，具备数据的实时传输、高计算、远程共享、数学建模等功能应用。考虑试验船的云计算应用处于初级阶段，拟结合试验船本身的数据特征来设计试验船的大数据处理架构，提高试验船的工作效率^[1-2]。

1 试验船信息化基础概述

试验船的信息化基础是该船的重要组成部分，目前的建设成果主要是解决试验船的数字化和信息化，而对大数据的信息融合则处在了瓶颈阶段，探索解决这类数据处理问题，成为了试验船目前的一个重要研究方向。

试验船信息化基础架构一般由“后端平台”，“四系统”组成，具体如图1所示。目前传统的试验船IT建设模式依据这4个子系统独立建设，各应用平台在数据融合和数据交互上存在很大难度。

“后端平台”是整个IT建设的核心部分，将前端采集的各类别数据按照业务需求进行分类应用和存储。

“四系统”是指试验船智能信息化系统下辖的4个应用系统，分别是试验单元系统、公共信息服务系统、作业监控系统、远程交互系统。试验单元系统主要是在海洋环境下，对各试验物理条件中设备的行为及环境信息的研究，具体以各试验船自身的业务决定。公共信息服务系统，则是对试验船人员和设备的管理业务应用，包括静态管理和动态管理，静态管理部分是指该试验船的相关登记资料，动态管理则是对运行过程中，船舶交通系统中存在的情况进行实时通知和管理。作业监控系统，是指对试验船工作情况下，设备以及物理环境的实时监控，做到监督船舶的航行情况。远程交互系统，则是试验船对外信息交互的有效方式，可将试验船的实时情况及时发送至离岸指挥中心，做好信息的及时共享。

图2为试验船信息化基础建设中常规的前端采集单元分布情况描述。

2 试验船的大数据 2.1 试验船大数据分类

为了更好地解决大数据处理问题，在介绍完试验船信息化基础建设情况下，将对试验船的大数据进行研究，首先要搞清试验船数据的主要类型，它包括动态数据和基础数据2个方面。表1为试验船大数据的相关特征情况的描述。

2.2 试验船大数据特点

参照试验船数据类型，对这些数据类型进行特征分析。而随着试验船信息化升级改造，其数据量将呈几何级的增加，无论是存储还是管理，都是一个难题，根据试验船数据类型的分析研究，可推测出其具有如下特点。

1）异构，由于试验船本身的应用系统及业务系统有不同，对应的存储方式和数据库也存在不同，实验平台的不同，也导致了基础操作系统的不同。同时，船岸各自的数据中心也相对独立，数据源也相对独立，试验船的大数据形成了一个大型的异构环境。

2）复杂度高，由于试验船每天的数据至少以TB级别递增进行存储，待处理数据空间复杂度高，而针对试验部分数据，和业务应用有关，结合对应的算法，时间复杂度也高。基础网、试验网等数据类型对应了不同的数据管理模式，对于整个试验船本身来说，大数据的管理难度越来越高。

试验船大数据的大、杂给信息的融合增加了难度，传统的IT建设模式已不能解决。

2.3 试验船大数据业务系统现状

由于目前国内试验船对其大数据的处理模式没有统一标准，同1艘试验船的业务应用不同，对应大数据的处理模式也不同，这在大数据的管理方面会存在一些难题，主要表现在以下几个方面：

1）所选数据库不同（Oracle、SQL server等），及所选的软硬件平台存在差异；

2）由于数据库的不同，对应语义也可能存在同名不同功能；

3）在数据共享方面存在操作难度；

4）数据资源的分散，造船了提取数据的时间量增大及应用的效率变低。

综上所诉，一个统一的高效的数据库处理模式成为迫切要解决的问题，而基于云计算的大数据处理方式可成为一种有效的解决方式，解决大数据的存储、共享和应用。

3 基于云计算的试验船大数据处理模式 3.1 可行性分析

云计算基于网络，根据用户所需提供数据资源，该数据资源的网络称为“云”，具有大规模、虚拟化、通用性、扩展性、高可靠性等特点，有公有云和私有云之分。

“试验船云”将采用私有云的虚拟化技术、分布计算的技术，依据试验资源信息，构建试验船的云库，按需使用，高效共享。与传统的数据处理模式相比，“试验船云”将更自动化和智能化，在复杂度高的大数据面前，可以更高效的数据迁移和配置，后台的分析和处理效率也更快，借助成熟的开源技术，也能更好的将分散资源进行集中化处理。

1）试验船舶高端升级改造在国家“十三五”规划，“中国制造2025”重要产业的顶层设计中有提到，即建设成高效开发试验数据价值、协同管理、综合服务等多功能的高端船舶。

2）云计算技术目前较为成熟，平台建设的难度低，IBM、微软、中国移动、阿里巴巴、华为等公司已有稳定的应用平台，且开源的云平台技术也很成熟。

3）试验船本身基于云计算模式信息处理的可行性比较分析。

3.2 基于云计算的试验船大数据信息处理模式 3.2.1 “试验船云”的整体框架

在对目前较已成熟的云计算技术的研究之后，综合本行业特点，提出了一个基于云计算的试验船大数据处理平台的整体架构，并在此基础上进行数据价值挖掘，搭建一套数据功能架构^{[3, 4]}。

“试验船云”云平台主要有基础层、数据层、计算层、应用层、用户层5个部分组成，具体描述见图3。

基础层是“试验船云”的重要组成，支撑了整个云平台的运行。其根据业务应用功能及安全通航需求来提供必备的虚拟硬件，先对各计算域、存储域等设备进行虚拟化处理，将各个节点资源汇入至一体化的网络平台之中，进而虚拟出一个基于云计算的试验船大数据处理平台。

数据层则根据试验船的应用功能及基本航行，选取不同的前端感知设备，将所需的前端设备数据建立云数据库，进而进行调度和分配。

计算层将从数据层中提取有效信息，进而构造数据分析和挖掘的处理应用系统，以获得有效的数据信息，挖掘数据价值。

应用层则结合信息化建设顶层设计的理念，实现基于云计算的试验船大数据综合服务平台，对试验船各应用业务起到重要帮助作用，及完善数据信息要素，做到实时统一的大数据集中管理。

用户层主要包括为试验船服务的对象及试验船业务的服务对象，通过各用户背景不同，提供不同的服务，旨在提高试验船的管理效率。

3.2.2 “试验船云”大数据的功能架构

在“试验船云”整体框架结构完成后，对大数据处理部分将进行优化处理，借助云计算的优势，深度挖掘数据价值，做到辅助决策，从顶层运维角度来管理试验船，做到对船舶的智慧运营。“试验船云”大数据的功能架构分为大数据汇聚层、大数据计算层、大数据服务层、大数据辅助决策。

试验船的大数据汇聚层，主要解决前端感知层各应用数据信息的采集，再通过数据网关来解决异构问题。

大数据计算层是功能架构的核心，计算层依据应用的业务情况搭建大数据库，选择目前较为成熟技术的Hadoop开源平台，基于HDMS实现大数据数据库的分布式文件系统，再利用Hbase来完成各种物理数据的存储，考虑数据的实时性和批量性，将采用Mapreduce和spark流等相关技术。Hive主要功能为数据的分析和数据的查询，为大数据数据库的各种存储表建立索引关系。

大数据服务层则是依托云计算平台衍生出的高级应用服务，利用大数据优势，进行数据信息挖掘，通过数据服务，进而完成整个试验船管理的辅助决策。

大数据决策层，则是依托服务层平台的数据，综合判断，形成一些处理方案和试验的相关优化工作，高效的对船上资源进行调度，也优化了管理流程，是试验船智慧运营的一种方式。

3.2.3 试验台云化应用情况

由于整个试验船的云计算改造，建设工期较长，本次合作项目是国内某试验船的某个试验平台云化改造，配置了1套云平台软件系统、1套工作台（硬盘、服务器、瘦客户端等），保障了云管理服务器至其他服务器的1 Gb网络，存储服务器到云工作站点10 Gb网络。

试验船借助云化试验平台，综合优势较为明显，具体表现如表3所示。图5和图6则为云化后的该试验平台应用界面，通过本次初级阶段的项目应用，对试验船来说，大大提高了工作人员的工作效率，也为后期试验船整体云化改造奠定了坚实的基础^[5-6]。

4 结　语

本文基于云计算技术、结合大数据的应用背景，同时以预测和评估决策为技术核心，提出了一种适用于试验船的信息化升级方案，并对试验船的信息化基础建设、大数据分类情况和大数据特征进行了详细分析。以及在工程项目中进行应用，取得了较好结果。

在以后的项目开发和深度研究中，将以此基础进行再一步的优化，完善云计算模型的细节，优化辅助决策的应用，为试验船的大数据处理提供更为有效的处理方式，推动试验船的信息化发展，为智能船舶领域做出一定的贡献。