0 引　言

船舶在航行和应用过程中，由于各终端设备配置和信息化设备不是统一设置^[1]，存在明显差异，因此，导致各业务信息系统之间无法实现跨地区、跨部门的数据资源整合和管理^[2]，影响水路运输效率以及水路交通部门对船舶航行安全的防范以及突发事件的处理效果。因此，实现船舶跨区域数据的有效、合理整合和管理，可提升跨部门、跨区域数据之间的协同^[3]，保证区域内和区域间船舶数据的互联互通和共享，对于航运管理具有重要意义。无线网络是通过无线电技术完成数据传输的一种网络，该类网络具有良好的灵活性、可扩展性，可依据网络的应用场合进行网络划分^[4]，包含无线传感网络、多跳网络等。文献[5-6]针对跨区数据整合问题，分别基于微服务和基于正交编码研究相关的数据管理平台。但是，上述平台在应用过程中，数据在传输过程中网络损耗较大。因此，本文基于无线网络研究船舶跨区域数据整合平台。该平台结合无线网络优势，提升船舶数据的传输效果，并引入数据聚类算法实现跨区域数据的聚类，以此构建统一的跨区域数据中心，实现船舶运行相关信息处理后，为航运管理部门提供可靠的综合数据，实现航运信息化。

1 船舶跨区域数据整合平台 1.1 平台框架

本文结合船舶跨区域数据的应用需求，以提升航运信息的综合、统一管理，并对数据实行融合、分析等管理服务水平和船舶运行效率为目的，设计基于无线网络的船舶跨区域数据整合平台，平台框架见图1。该平台采用无线传感网络为基础完成，该平台是在安全保障和标准规范的基础上，采用5层设计，整体分为感知层，网络层、数据层、应用层以及展示层，各层之间相互独立运行，且相互支撑，实现跨区域数据整合。

1.2 跨区域数据传输网络设计 1.2.1 跨区域数据传输网络全功能控制器结构

网络层在进行感知层感知获取的船舶航行数据传输时，为保证网络传输效率和安全性，核心网采用全功能控制器为核心，实现船舶运行数据的传输，控制器结构见图2。该控制器采用C8051F020单片机，能够保障指令集和船舶数据传输效率之间的完美兼容，并且单片机内设有A/D模数转换器，可实现更佳的无线通信网络模拟信号的采集效果，提升船舶数据的通信效率。

1.2.2 基于信道负载的网络跨层设计

跨区域数据在通信过程中，为避免跨区域数据发生传输冲突和拥塞现象，需针对船舶跨区域数据的通信需求，进行网络信道分配。在C8051F020单片机中引入基于信道负载的跨层设计，通过该设计建立船舶数据分配单元，保证网络的吞吐量以及带宽分配，满足跨区域数据的传输需求。无线网络中的各个节点均在相互传输范围内，并且相互之间均共享同一个公共信道，所有的链路均是相互冲突的。因此，需保证在某时段内，网络中只有一条链路进行通信时，才可保证船舶数据成功传输。如果各个链路都存在一个队列，到达链路l=1,2,···,L的速率用λ_l表示，在该链路上的数据传输期望延迟和队列缓冲区溢出的导致的丢包率分别用D_l和P_l表示。网络总体包到达率用 $ \lambda $ 表示，在该情况下的网络吞吐量用X(λ)表示，则 $ \lambda $ 的计算公式为：

$ \lambda = \sum\limits_{l = 1}^L {{\lambda _l}} ,l \in L 。$

(1)

基于上述分析可知，一个由 $ l $ 组成的无线网络中，如果链路上的包服务期望延迟均相同，即 $ {D_l} = D $ 、丢包率均相等，即 $ {P_l} = P $ 、并且 $ X\left( \lambda \right) $ 呈现非递减函数时，则表示完成一个服务速率为 $ \ \mu $ 的分布式信道，则该信道即为公共信道。因此，通过该网络的船舶数据包均具有相同的D_l和P_l，实现带宽的最佳分配。在此基础上结合配置控制，实现跨层分布式通信。

1.3 跨区域数据层设计 1.3.1 数据层结构

数据层是船舶跨区域数据整合的核心层，实现船舶跨区域数据的填补、聚类、整合以及存储等，其主要包含数据交换服务总线、工作流引擎、数据接口等部分组成，其结构见图3。该层接收网络层传输的数据后，可采用基于异质集成填补算法对数据实行填补，完成缺失数据的补全后，采用基于信息熵算法实现数据聚类，将聚类后的数据存储至数据中心，以此实现跨区数据整合，为航运管理提供可靠的综合数据。

1.3.2 跨区域数据聚类

通过感知层感知获取的跨区域船舶数据具备显著的混合属性特点，因此，为了准确完成数据分类，且保证分类精度，本文采用基于信息熵算法完成感知层感知的跨区域数据聚类。该聚类详细步骤如下所述：

步骤1　设感知层获取的跨区域船舶混合属性数据集为 $ X{\text{ = }}\left\{ {{x_1},{x_2},\cdots,{x_n}} \right\} $ ， $ n $ 表示数据数量，每一个混合属性数据 $ {x_i} $ 均由 $ M $ 个属性组成，即 $ M = {M_n} + {M_c} $ ，其中 $ {M_n} $ 表示数值型船舶数据数量， $ {M_c} $ 表示分类型船舶数据数量，2种类型船舶数据分别用 $ A_1^{\left( n \right)},A_2^{\left( n \right)},\cdots,A_{{M_n}}^{\left( n \right)} $ 和 $ A_1^{\left( n \right)},A_2^{\left( n \right)},\cdots,A_{{M_c}}^{\left( n \right)} $ 表示，将两者和聚类数量 $ k $ 输入聚类算法中。并对 $ A_1^{\left( n \right)},A_2^{\left( n \right)},\cdots,A_{{M_n}}^{\left( n \right)} $ 进行标准化处理，以此构建该类数据的该是函数矩阵，用 $ W $ 表示。

步骤2　对 $ A_1^{\left( n \right)},A_2^{\left( n \right)},\cdots ,A_{{M_c}}^{\left( n \right)} $ 实行计算，获取其分类属性权重，以此构建该类数据的影响因子矩阵，用 $ F $ 表示。将 $ F $ 和 $ W $ 两个矩阵相乘，得出船舶混合属性数据的相似度矩阵，用 $ S $ 表示。

步骤3　依据 $ S $ 获取度矩阵，用 $ D $ 表示，在此基础上建立拉普拉斯矩阵 $ L $ ，其计算公式为：

$ L = D - S ，$

(2)

对式(1)实行标准化处理后得出：

$ L' = {D^{ - {1 \mathord{\left/ {\vphantom {1 2}} \right. } 2}}}L{D^{ - {1 \mathord{\left/ {\vphantom {1 2}} \right. } 2}}} 。$

(3)

步骤4　通过计算获取矩阵 $ L' $ 中，数量为 $ {k_1} $ 的特征值对应的特征向量，并对该向量实行组合形成矩阵，同时完成该矩阵的标准化处理，形成特征矩阵 $ M $ ，其维度为 $ n \times {k_1} $ 。

步骤5　对 $ M $ 矩阵实行聚类，完成船舶混合属性数据聚类，并输出被标记聚类类别的船舶数据样本，其数量为 $ n $ 。

依据上述即可完成船舶跨区域数据分类，并对不同类别的数据实行存储，使其位于同一个数据中心中，实现跨区域数据的统一管理，为船舶的航运管理提供全面、综合、可靠数据。

2 测试结果与分析

为验证本文平台的应用情况，将本文方法用于某船舶企业中，该企业主要经营冷冻产品的运输，拥有不同大小的船舶共22艘，各个船上搭载的系统存在一定差异，导致管控调度中心的管理效果和效率均存在一定不足。采用本文平台对该情况实行处理，保证企业对于船舶的有效管理。为衡量本文平台的在进行船舶数据传输时的网络性能，采用信号接收强度作为衡量标准，其直接影响船舶通信质量，其值越接近0，表示网络的通信质量越好。通信应用规定标准为接收信号强度需超过−50 dbm，接收信号强度取对数，信号损耗 $ p $ 计算公式为：

$ p = {p_0} - {10_\alpha }{\log _{10}}\left( {\frac{d}{{{d_0}}}} \right) 。$

(4)

式中：p₀表示发送信号强度； $ \alpha $ 表示衰减系数； $ d $ 表示传播距离；d₀表示实际距离。

依据式(3)获取平台在不同的通信距离下，通信节点数量的逐渐增加时 $ p $ 的测试结果，见图4。分析图4测试结果可知，在不同的通信距离下，随着网络在红通信节点数量的逐渐增加，接收信号强度结果均在−40 dBm以上，其最大值为−18 dBm左右。因此，本文平台具有良好的网络通信效果，可保证船舶数据的传输质量。

为衡量本文平台对船舶数据的聚类效果，采用轮廓系数 $ SC $ 和戴维森堡丁指数 $ DBI $ 作为衡量标准，聚类数据 $ j $ 的轮廓系数用SC(j)表示，聚类整体结果的轮廓系数 $ SC $ 为全部数据SC(j)的均值，其取值范围为-1~1之间，越接近1表示聚类效果越好； $ DBI $ 取值越接近0，表示聚类效果越好。2个指标的计算公式为：

$ \begin{split} & SC\left( j \right) = \left\{ {\begin{array}{*{20}{c}} {1 - \dfrac{{a\left( j \right)}}{{b\left( j \right)}}}，&{a\left( j \right) < b\left( j \right)} ，\\ 0，&{a\left( j \right) = b\left( j \right)}，\\ {\dfrac{{a\left( j \right)}}{{b\left( j \right)}} - 1}，&{a\left( j \right) > b\left( j \right)} ，\end{array}} \right. \\ & SC = \sum\nolimits_{j \in D} {\dfrac{{SC\left( j \right)}}{D}} ,2 \leqslant j \leqslant \left| {Set} \right| ，\end{split} $

(5)

$ DBI = \frac{1}{{C - no}} \times \sum\limits_{t = 1}^{C - no} {\mathop {\max }\limits_{j \ne t} } \left[ {\frac{{\xi \left( {{C_t}} \right) + \xi \left( {{C_j}} \right)}}{{{\rm{dist}}\left( {\psi \left( {{C_t}} \right)} \right),{\rm{dist}}\left( {\psi \left( {{C_j}} \right)} \right)}}} \right]。$

(6)

式中： $ j $ 至其所属类别簇中其他数据之间的距离均值用a(j)表示，其最小值用b(j)表示； $ Set $ 表示聚类中心预选集； $ \psi \left( {{C_t}} \right) $ 和 $ \psi \left( {{C_j}} \right) $ 均表示聚类中心，前者对应类别 $ t $ ，后者对应类别 $ j $ ；2个类别中的全部船舶数据至该类聚类中心的距离用 $ \xi \left( {{C_j}} \right) $ 和 $ \xi \left( {{C_t}} \right) $ 表示； $ C - no $ 表示聚类数量。

依据上述公式计算不同聚类数量下，2个指标的测试结果，见表1。分析表1测试结果可知，本文平台具有良好的船舶数据聚类效果，能够保证多属性跨区域的可靠聚类，聚类后 $ SC $ 的值均在0.93以上， $ DBI $ 值均低于0.05，因此，本文平台的聚类效果良好，能够可靠完成跨区域船舶数据聚类。

应用本文平台后，管理中心对船舶的综合管理情况见图5。分析图5测试结果可知：应用本文平台后，能够实现所有船舶的信息查看，并且可详细呈现各船只的航行情况，包括船只航行路线、航行时间等；能够呈现船只的故障维修、应急处理等信息，并且各个船只的船载管理系统，可查看总管控中心的调度任务，实现船舶数据共享，保证更佳的服务调度效果。

3 结　语

为实现船舶统一管理、各个部门之间的信息共享，保障船舶的航行安全，需进行船舶跨区域数据整合，构建统一数据中心。本文基于无线网络的船舶跨区域数据整合平台，该平台采用无线网络保证船舶航行相关数据的可靠传输，通过基于信息熵算法完成跨区域数据聚类，构建船舶跨区域数据中心，实现船舶跨区域数据整合。对该平台实行测试后表明，其具有良好的网络通信效果，能够保证良好的通信质量，并且可靠完成船舶跨区域数据聚类，实现数据整合，为船舶统一管理提供可靠、全面的数据依据。