0 引　言

船舶航行过程中的安全问题备受重视^[1]。作为特殊工程船只，测量船的主要功能是通过不同类型的传感器获取港口或海域内的水深或障碍物等状态数据^[2]，所获取的数据可应用于电子海图的生成与航运物流的设计，因此，其安全性能对于区域水运的安全具有重要意义^[3]。

李军等^[4]针对船舶的安全，以三角模糊层次分析法为核心构建系统，该系统评估过程中的数据存在缺失或重复等问题，造成评估结果产生偏差。樊冰婕等^[5]针对目标的安全评估，采用AHP-模糊综合评价法构建评估系统，所使用的评估指标体系并不适用于测量船。许琦^[6]等针对船只安全评估系统，从信息角度出发，采用人工智能技术构建评估系统，该系统评估结果具有显著片面性。针对上述问题，设计基于大数据挖掘的测量船安全综合评估系统，由此为测量船安全保障提供新的思路。

1 测量船安全综合评估系统 1.1 系统整体结构

采用B/S+MVC架构模式设计基于大数据挖掘的测量船安全综合评估系统整体结构^[7]，以B/S三层架构为基础，用户通过网页可获取各测量船安全综合评估结果，为保障测量船安全行驶提供数据支撑。图1为基于大数据挖掘的测量船安全综合评估系统整体结构。

测量船安全综合数据采集与录入单元主要包括数据采集模块和数据录入模块，数据采集模块主要采集测量船设备基础数据、设备历史运行数据、技术统计数据以及人员信息数据等；数据录入模块通过手工输入方式与Excel导入方式^[8]将所采集数据存储至测量船安全综合数据库内。

测量船安全综合数据处理单元主要功能包括2个方面：1）是测量船安全综合数据预处理，即对测量船安全综合数据库内的相关数据实施数据清洗、缺失补全以及结构转换等预处理^[9]；2）是测量船安全综合评估指标体系构建，即采用大数据挖掘技术中的R型系统聚类法获取测量船安全综合评估过程中的典型评估指标。

测量船安全综合评估单元基于测量船安全综合评估指标体系，采用基于模糊层次的测量船安全综合评估模型进行评估，获取当前测量船的安全评估结果，所得结果以图和表的形式，通过测量船安全综合评估结果显示单元呈现给用户。

1.2 大数据挖掘的测量船安全综合评估指标体系

测量船安全综合数据处理单元中的指标体系构建过程是测量船安全综合评估模型的支撑^[10]。在完成测量船安全综合数据预处理后，采用大数据挖掘技术中的R型系统聚类法获取测量船安全综合评估指标，以 $ R $ 表示类间相关系数，经过聚类过程，依照相关精度标准获取指标类别与各类内的典型指标，具体实现过程如下：

若存在 $ d $ 个测量船安全综合评估指标 $ {u_1},{u_2}, \cdots ,{u_d} $ ，选取 $ X $ 位专家确定测量船安全综合评估指标间的相关系数矩阵：

$ \left\{ \begin{gathered} E = {\left( {{E_{ij}}} \right)_{d \times d}}，\\ {E_{ij}} = \frac{{\displaystyle\sum\limits_{{{x}} = 1}^N {{e_{ij}}} }}{X}。\\ \end{gathered} \right. $

(1)

针对 $ E $ 内的对角元素，根据最大元素 $ {E_{ij}} $ 所处的行与列，将其中的指标聚成一个新的类。根据取小原则确定新类同其他测量船安全综合评估指标间的相关系数，举例说明： $ {u_1} $ 与 $ {u_2} $ 聚成一个新的类，那么 $ {E_{i,12}} = \min \left( {{E_{i1}},{E_{i2}}} \right) $ 。确定当前测量船安全综合评估指标数量，如果 $ d $ 值不为1，那么重复测量船安全综合评估指标聚类过程，至全部测量船安全综合评估指标均聚成一类结束。获取聚类图谱，确定聚类过程内产生的跳跃点，依照实际需求将测量船安全综合评估指标聚为 $ G $ 个类别。利用式(2)确定 $ G $ 个类别内不同测量船安全综合评估指标的相关指数：

$ \overline {E_j^2} = \dfrac{{\displaystyle\sum {{{{e}}^2}} }}{{{g_j} - 1}}。$

(2)

式中： $ {g_j} $ 为测量船安全综合评估指标 $ {u_j} $ 所处类别的指标数量。

在M个新类内分别选取较大相关指数对应的指标作为类内的典型指标。由此构建由测量船安全、人为因素与安全数据信息3个一级指标所组成的测量船安全综合评估指标体系。

1.3 基于模糊层次的测量船安全综合评估模型

1）构建因素集

基于所构建测量船安全综合评估因素集，一级指标的因素集可表示为 $ {U_i}\left( {i = 1,2,3} \right) $ ，其中第i个一级指标的情况取决于二级指标内的因素 $ {U_{ij}}\left( {i = 1,2, \cdots ,m} \right) $ ，由此测量船安全综合评估因素集可表示为：

$ \left\{ \begin{gathered} U = \left\{ {{U_1},{U_2},{U_3}} \right\}，\\ {U_i} = \left\{ {{U_{i1}},{U_{i2}}, \cdots ,{U_{im}}} \right\}，\\ {U_{im}} = \left\{ {{U_{im1}},{U_{im2}}, \cdots ,{U_{imn}}} \right\} 。\\ \end{gathered} \right. $

(3)

2）构建权重集

因素集内不同测量船安全综合评估指标实际应用过程中的关键度有所差异，分析不同评估指标的关键度能够增强关键评估指标的应用性，提升评估结果精度。因此依照关键度计算 $ U $ 内的全部指标的权重值，构建权重集合 $ W $ 。

3）构建评价集

针对测量船获取的评估结果构成评价集 $S = \{ {s_1},{s_2}, {s_3},{s_4},{s_5} \}$ ， $ {s_1} $ ～ $ {s_5} $ 分别表示安全、较为安全、一般安全、较为危险、危险。模糊综合评估为经过整体分析影响测量出安全的评估指标，在 $ S $ 内获取最优评估结果。

4）构建评估矩阵

在构建 $ S $ 后，即可获取评估指标对于 $ S $ 内相关安全等级的模糊隶属度。隶属度的获取来源于专家打分，在此基础上量化评估结果为详细数值 $ {r_{ij}} $ ，由此能够获取评估指标的评价矩阵 $ R $ 。

5）综合评估

构建综合评估模型：

$ C = W \circ R。$

(4)

式中： $ C $ 表示评估结果； $ \circ $ 表示模糊运算符号。

根据最大隶属度标准，确定测量船安全综合评估结果。

2 实验结果与分析

为验证基于大数据挖掘的测量船安全综合评估系统在实际测量船安全评估中的应用性能，以某船务公司中的11艘测量船为研究对象。利用测量船安全综合数据采集与录入单元采集任意研究对象的相关数据，存储于测量船安全综合数据库内，对所采集数据实施数据清洗、缺失补全以及结构转换等预处理后，采用本文系统中测量船安全综合数据处理单元中的指标体系构建过程由初始的5个一级指标、19个二级指标与48个三级指标内选取典型指标，构建测量船安全综合评估指标体系，结果如表1所示。可知，采用本文系统中的大数据挖掘技术能够有效实现评估指标去重目的。

计算表1内各指标的权重，所得结果如表2所示。分析可知，在3个一级评估指标中，测量船安全的关键度最高，安全数据信息的关键度低于另外2个一级评估。

根据权重计算结果分析各研究对象的安全情况，所得结果如图2所示。可知，在所选研究对象内，3号研究对象、8号研究对象的安全性能最优，2号研究对象、6号研究对象的安全等级为较为危险，剩余研究对象的安全等级均处于较为安全与一般安全，由此说明该船务公司内的测量船当前安全性能尚且较好。同时本文系统所得评估结果与研究对象的实际安全情况完全相符，由此说明本文系统评估结果具有较好的可靠性，能够保障测量船的安全。

3 结　语

本文设计大数据挖掘的测量船安全综合评估系统，采用大数据挖掘技术构建测量船安全综合评估指标体系，通过模糊层次法获取测量船安全综合评估结果。实验结果显示本文系统具有较好的应用效果，为保障测量船的安全提供支撑。