0 引　言

航行大数据包括船舶在海上航行过程中航迹监管、运输业务统计等产生的海量数据，船舶航行大数据可以实现航行数据的实时计算、航行轨迹的预测以及历史数据分析等功能^[1]。在大数据时代，船舶航行大数据中蕴含着很多有价值的信息，通过对航行大数据的分析与挖掘，不仅可以给用户带来很多便捷的服务，还可以为企业的规划和决策提供大力支持^[2]。海量的船舶航行数据给数据的采集、计算、分析和储存提出了更高要求。为了应对大数据给船舶企业带来的挑战，实现船舶航行大数据内在价值的挖掘，搭建船舶智能航行大数据平台至关重要^[3]。

战翌婷等^[4]利用船舶机电设备的衰退机制，提出一种船舶航行数据动态决策模型，结果显示，该模型能够提高船舶航行数据的分析能力；钟亮等^[5]在珞珈一号遥感数据的基础上，提出一种航海行洋船舶检测方法，结果表明，利用中值滤波算法可以削弱船舶航行数据的噪声，为船舶航行大数据的监管提供了新的思路。

基于以上研究背景，本文利用区块链技术搭建船舶智能航行大数据平台，从而有效管理船舶在海上航行过程中产生的数据。

1 船舶智能航行大数据平台硬件设计 1.1 船舶智能航行大数据平台架构

船舶航行大数据平台可以对船舶航行数据实时监控，实现船舶航行轨迹的预测，但是目前船舶航行大数据平台还没有形成一套完善的监管体系^[6]，本文利用区块链技术设计的船舶智能航行大数据平台架构，如图1所示。船舶航行大数据平台架构的整体布局是按照区块链的2个维度组织的，即信息链和价值链^[7]。在信息链维度上，船舶航行大数据的价值是通过船舶海上航行数据的采集、分析、预处理及可视化而实现的；在价值链维度上，船舶航行大数据的价值是通过为船舶海上航行数据提供存储空间和运行网络而实现的。

1.2 船舶航行大数据采集电路

船舶在海上航行过程中，大数据采集电路决定着船舶航行大数据平台在运行过程中稳定性，稳定的数据采集电路，可以为用户实时提供船舶海上航行的各种数据^[8]，实现船舶航行的实时监测功能。船舶航行大数据采集电路选择具有超低功耗的RMTP925DB型号芯片，由于RMTP925DB型号芯片的功耗较低，无法在大量用户访问的情况下提供足够的复位串口，通过扩展船舶航行大数据采集串口，才能实现船舶航行大数据的通信。

当复位电路接收到船舶航行大数据采集复位电路的指令之后，采用信号传输的方式^[9]，控制外围电路对船舶航行大数据的识别。将采集到的船舶航行大数据传输到主控平台中，实现船舶航行大数据的组织与分享，船舶航行大数据采集的外围接口电路如图2所示。

2 船舶智能航行大数据平台软件设计 2.1 压缩船舶航行大数据

在船舶航行大数据平台的软件设计中，根据数据传输的特点，对船舶航行大数据压缩处理，为了避免船舶航行大数据拥堵在相同一个节点^[10]，需要设置数据压缩节点在传输过程中的请求速率在带宽容量范围内，即

$ {\displaystyle \sum _{f=\varphi +1}^{\varphi +{M}_{B}}Q(\varphi ,f)} \leqslant \varphi \varOmega 。$

(1)

式中：M_B表示船舶航行大数据压缩节点的数据包缓存长度； $ \phi \varOmega $ 表示船舶航行大数据压缩节点的带宽容量； $ \phi $ 表示带宽容量与船舶航行大数据传输误码率之间的比值； $ \varOmega $ 表示船舶航行大数据的传输速率； $ Q(\varphi ,f) $ 表示数据压缩节点 $ \varphi $ 在f时段请求的船舶航行大数据传输数量。

当终端接收到2个或2个以上船舶航行大数据包时，通过一系列的编码操作为剩余的数据压缩节点服务^[4]。f时段数据压缩节点 $ \varphi $ 所缓存的船舶航行大数据包数量定义为 $ J(\varphi ,f) $ ，那么 $ J(\varphi ,f) $ 就是在 $ f $ 时段之前终端接收到的船舶航行大数据包总数，计算公式为：

$ J({\varphi} ,f) = \sum\limits_{q < {\varphi} } \left[ {Q\left( {q,f} \right) \times \left( {1 - {\varepsilon _v}} \right)} \right] 。$

(2)

其中：Q(q,f)表示数据压缩节点q在f时段请求的船舶航行大数据包数量； ${\varepsilon _v}$ 表示数据压缩节点接收船舶航行大数据的速率。

为了保证船舶航行大数据的质量，需要对其进行压缩处理^[11]，利用门限值γ_k定义船舶航行大数据的压缩比，在以往的研究中，通常根据经验确定门限值γ_k，但是由于无法体现出船舶航行大数据的波动特性，导致船舶航行大数据的压缩效果变差^[12]。因此，根据用户需求，定义了船舶航行大数据压缩的门限值，即

$ {\gamma _k} = \varepsilon {\vartheta _s} + {\gamma _0} 。$

(3)

式中： $ \varepsilon $ 表示压缩调节参数； $ {\vartheta _s} $ 表示数据压缩门限值在船舶航行大数据采集过程中波动参数；γ₀表示数据压缩的初始门限值。

在引入船舶航行大数据压缩门限值的基础上，给出船舶航行大数据的压缩步骤，具体如下：

步骤1　通过启动数据采集电路，采集船舶航行过程中的实时数据，将采集到的数据保存在本地数据库中；

步骤2　判断采集的船舶航行大数据是否处于压缩区间，当船舶航行大数据处于压缩空间[R_min,R_max]内时，进入下一步，如果船舶航行大数据不在压缩空间[R_min,R_max]内时，需要填充一部分数据；

步骤3　压缩船舶航行大数据。

在引入门限值的基础上，通过采集船舶航行大数据，对船舶航行大数据压缩。

2.2 构建船舶航行领域模型

船舶航行领域是在船舶周围定义一个不受侵犯的区域，由于不同船舶的自身尺寸存在差异，并且航行过程中的速度方向也不同，导致船舶航行领域也会发生一定变化^[13]。为了保证船舶航行的安全性，船舶之间的距离需要始终保持在安全的范围内，这时构建船舶航行领域模型就显得十分重要。假设船舶在海上航行过程中，设(x,y)为航行位置坐标，(x^*,y^*)为通过推算得到的船舶航行位置坐标， $ {\theta ^*} $ 为通过推算得到的船舶航行方向，那么可以得到船舶的推算坐标为：

$ \left\{ {\begin{array}{*{20}{l}} {{x^*} = x + V_x^*\Delta t + 0.5a_x^*\Delta {T^2}} ，\\ {{y^*} = y + V_y^*\Delta t + 0.5a_y^*\Delta {T^2}} ，\\ {{\theta ^*} = \theta + {\omega ^*}\Delta t + 0.5{\beta ^*}\Delta {T^2}} 。\end{array}} \right. $

(4)

其中：(V_x,V_y)表示船舶航行过程中在x轴和y轴的航行速度；(a_x，a_y)表示船舶航行过程中在x轴和y轴的加速度，θ表示船舶航行的方向，β表示船舶转艏角的加速度， $ \Delta T $ 表示船舶坐标的推算时间； $\omega$ 为船舶转首角的速度。

航行在内河的船舶会受到航道的限制，尤其是在桥区范围内，很多规则性约束会影响船舶的航行^[14]，以压缩后的船舶航行大数据为基础，构建船舶航行领域模型，表达式为：

$ x = \frac{1}{2}AKv ，$

(5)

$ y = \frac{1}{2}BK{v^{{k_0}}} 。$

(6)

式中： $ x $ 为船舶航行领域的长半轴； $ y $ 为船舶航行领域的短半轴； $ A $ 船舶的长度； $ B $ 为船舶的宽度； $ K $ 和k₀表示影响船舶航行的约束参数； $ v $ 表示船舶的航行速度。

基于压缩后的船舶航行大数据，通过边界拟合，获取船舶航行领域的边界，拟合影响船舶航行的约束参数后，构建船舶航行领域模型，实现了平台的软件设计。

3 平台性能测试与分析 3.1 测试环境

为了测试本文大数据平台性能，搭建如下测试环境：计算机配置AMD显卡；中央处理器为Intel 4 核 2.90 GHz；硬盘500 GB；内存32GB；操作系统Windows10；船舶航行领域范围500 km×500 km；数据压缩节点数量16个；数据采集节点规模75。

3.2 测试方案

测试分为两部分，即功能测试和性能测试。在功能测试中，只对平台中的一些基础功能进行测试，判断是否满足用户的需求；在性能测试中，以同时登录平台的人数为自变量，通过测试平台为用户提供服务的效率和船舶航行大数据压缩比，衡量平台的性能是否满足用户的需求。

1）功能测试

平台的功能测试结果如表1所示。可以看出，基于区块链技术的船舶智能航行大数据平台可以成功完成对应内容的测试，并且得到的测试结果都符合预期结果，说明本文大数据平台能够满足用户的需求。

2）性能测试

平台为用户提供服务的效率测试结果如图3所示。图3的结果显示，采用基于区块链技术的船舶智能航行大数据平台为用户提供服务时，随着同时登录平台的用户量越来越多，该平台为用户提供服务的效率逐渐下降，但是当同时登录平台的用户数达到100人时，服务效率仍然可以达到90%以上，说明本文平台可以通过提高服务效率，满足用户对平台的性能要求。

在上述测试的基础上，测试航行大数据的压缩比，结果如图4所示。可以看出，随着航行大数据包数量的增加，在基于区块链技术的船舶智能航行大数据平台上，对航行大数据压缩时，压缩比呈现出下降的趋势，但是在整个实验测试过程中，航行大数据的压缩比始终在2.5%以上，说明基于区块链技术的船舶智能航行大数据平台通过控制数据压缩节点在传输过程中的请求速率在带宽容量范围内，提高了航行大数据的压缩比，具有更好的性能。

4 结　语

本文提出基于区块链技术的船舶智能航行大数据平台仿真研究，经过测试发现，该平台在功能和性能上都可以满足用户的需求。