0 引　言

随着海上船舶数量的不断增加，为了减少事故的发生，保证船舶的航行安全，船舶安全信息系统在船舶航行的作用日显重要。

伴随各项先进技术的发展，学者们对船舶安全信息系统进行了大量的研究。陈宇航等^[1]设计了一种远程遥控模式下的船舶信息管理系统，研究成果对于远程遥控模式下的船舶安全信息管理具有一定的现实意义和参考价值。斯园园^[2]设计了基于SOA架构的船舶信息安全管理系统并优化了数据中心安全架构，保证了船舶信息安全的有效管理。侯思远等^[3]设计开发了一种基于GIS的远洋船舶信息系统，实现了对船舶的智能化管理，增强了船舶的监控、应急能力。

本文基于WebGIS。设计、开发了一种船舶安全信息系统，并对系统的原理、组成以及性能进行了阐述和研究。

1 WebGIS

Web是环球信息网（World Wide Web）的缩写，其核心技术包括超文本传输协议（HTTP）、统一资源定位符（URL）、超文本标记语言（HTML）。GIS则是指地理信息系统（Geographic Information System），是一种在计算机硬件、软件及各种方法支持下，对地理空间的数据进行采集、储存、管理、处理、分析、建模和显示的系统。

WebGIS则是指工作在Web网上的GIS，是传统GIS在网络上的延伸和发展，可以实现空间数据的检索、查询、编辑等功能，同时也可以实现地理信息的发布、共享和交流。

WebGIS由多主机、多数据库和多台终端通过Internet连接组成，在结构上，属于分布式地理信息系统，可以有效实现分布式地理信息处理，其工作原理如图1所示。

WebGIS把任务分为服务器端和客户端（浏览器）两部分，每个部分都有特定的软硬件平台。客户发送需求给服务器，服务器执行客户的请求并把结果通过网络反馈给客户。分布式服务体系结构能够在客户端和服务器端提供活跃的、可执行的进程，能有效地平衡两者之间的处理负载。

此外，不需要在本地计算机上安装GIS数据，只需要对服务器一端的数据进行维护，分散在各地的客户都能得到最新的数据。因此，相较于传统的地理信息系统，WebGIS的信息发布、更新速度更快，信息的分布范围也更广。

2 基于WebGIS的船舶安全信息系统 2.1 系统组成

综合考虑船舶的构造、功能和特点，本文基于WebGIS，设计了一种船舶安全信息系统，系统组成如图2所示。

船舶的安全信息系统主要关注的安全问题包括船舶在航行中的安全，设备、工作人员、船载货物的安全以及遇到的影响安全航行的突发事件处理。

航行安全包括船舶导航、船舶航迹监测、水文气象信息监测、港口调度信息等几方面。船舶导航是安全航行的重要基础，航行过程中，安全信息系统要能够实时、准确地获取导航数据；对船舶航迹的监测，能够有效地保证航行的安全性，降低航行事故，并且能够提高港口的作业效率；水文气象信息的实时获取对于安全航行非常重要，驾驶人员根据相关信息能够对船舶航行及时做出合理的调整；港口调度信息的获取是提高工作效率的重要手段之一。

设备安全是安全航行的重要前提，因此航行过程中，要对重要设备的运行进行实时监测。比如，配电系统中发电机组的工作状态、电压电流数据等，推进系统中转速、温度、压力等，导航系统中船舶航速、姿态、方位等，都要受到实时的监控，以保证系统能正常运行。

人员安全包括对工作人员的身体健康状态的监测以及工作中操作过程的监测，保证每个人的操作都符合标准规范。货品安全包括货物的包装、固定、运输等，需要确保货物的完整性和稳定性，防止货物在运输过程中发生损坏或泄漏等情况。

应急事件处理分为船舶内部和海上两部分，船舶内容突发事件包括上述系统出现故障、工作人员操作不当导致的事故等；海上应急事件有可能是和其他船舶的碰撞、由于气象因素引起的航行事故、其他船舶出现的需要搭救的情况等。

由于船舶的类型和功能不尽相同，这里主要考虑一般情况下，船舶在航行过程中需要考虑到的安全问题。

2.2 系统功能实现 2.2.1 系统结构

根据系统组成以及WebGIS的结构特点，基于WebGIS的船舶安全信息系统可以采用如图3所示的结构设计。

整个系统采用目前比较流行的Java MVC模式，基于OpenLayers和Cesium开发库实现对前端的开发，用户可以在前端对相关信息进行查询和实时监测。对数据库的访问和业务处理主要采用Hibernate和Spring框架技术。以上实现方案中的框架组合能够保证更高效的系统开发。

2.2.2 系统功能实现

系统功能的实现以数据库设计为基础，通过用户对数据库进行访问和处理，船舶安全信息系统的各个部分才能完成相互连接，紧密结合。该系统的数据主要分为两类：AIS（Automatic Identification System）动态数据和MySQL数据库，前者主要包括船舶名（ship_id）、经度（lng）、纬度（lat）、船速（speed）、状态（state）等信息；后者主要包括船舶基本信息和动态数据，比如船舶识别号（cbsbh）、中文船名（cn_name）、船舶长度（length）、船舶型宽（width）、船舶型深（depth）等。

数据库中的部分信息需要实时进行采集，比如配电系统、推进系统、导航系统中的相关数据。自动化程度较高的设备，一般会留有数据接口，可以自动完成数据采集和传输，而自动化程度不高的设备，没有数据接口，需要设置对应传感器进行数据收集或者通过人工记录，再通过网络输入数据库^[4]。

用户访问和操作的对象是加载后的WebGIS地图页面，因此必须要有地图控件，能够实现测量、绘图、坐标获取等功能。

2.2.3 定位算法改进

船舶的导航定位是航行中最重要的安全问题之一，要尤为重视。传统的GPS信号获取是基于标准遗传算法实现的，该算法具有全局寻优、稳定性好等特点。一般情况下，标准遗传算法需要5 s左右实现，由于海上航行，船舶的速度很快，因此容易造成较大的误差，需要将算法的捕获时间尽量缩短。

遗传算法开始操作时，初始种群如果可以包含丰富的种群信息，就可以不遗漏部分空间信息，最终保证最优区域能够被顺利搜索到。本文采用小区间方法构造初始种群，种群规模 $ N $ 把获取的范围分为 $ N $ 个小区间，每个小区间有一个个体，初始种群就分布在搜索空间内，并不会出现相同数值的情况^[5]，计算公式如下：

$ {U_i}\left( k \right) = \frac{{k - 1}}{N}\left( {{U_{i\max }} - {U_{i\min }}} \right) + {\mathrm{Random}}\left( {\frac{{{U_{i\max }} - {U_{i\min }}}}{N}} \right) \text{。} $

(1)

式中， $ {U_i} $ 为GPS的捕获参数， $ k=1，2，\cdots N $ 。则第 $ P $ 代种群的规模大小为：

$ {N^{p + 1}} = \frac{{{N^p}}}{{\dfrac{{F_{\max }^{p + 1}}}{{F_{\max }^p}}}} \text{。} $

(2)

其中： $ F_{\max }^p $ 为第 $ P $ 代种群的个体适应度函数的最大值，如果 $ F_{\max }^p $ 大于恒虚警门限，表示捕获到了所需信息；如果 $ F_{\max }^p $ 处于噪声门限和恒虚警门限之间，可以通过式（2）进行种群数量的控制。

在进化过程中，每一代保留下来的优秀个体作为一个新的种群，这个新种群可以调整捕获参数的范围，提高效率，计算公式如下：

$ \begin{gathered} {{\mu '}_{\min }} = {\mu _{\min }} + \frac{{{Q_{\min }} - {\mu _{\min }}}}{M} ，\\ {{\mu '}_{\max }} = {\mu _{\max }} + \frac{{{\mu _{\max }} - {Q_{\max }}}}{M} 。\\ \end{gathered} $

(3)

其中： $ \left( {{\mu _{\min }},{\mu _{\max }}} \right) $ 为进化前的捕获范围， $ \left( {{{\mu '}_{\min }},{{\mu '}_{\max }}} \right) $ 为进化后的捕获范围； $ {Q_{\min }} $ ， $ {Q_{\max }} $ 分别为被保留下来的种群参数中的最小值，最大值； $ M $ 为收敛因子。

为了保证改进后的遗传算法具有良好的多样性和收敛性，可以根据下式调节交叉概率和变异概率^[6]。

$ \begin{gathered} {P_c} = \left\{ \begin{gathered} \frac{{{P_{c\max }} - {P_{c\min }}}}{{1 + \exp \left( {A\dfrac{{2\left( {f - {f_{{\mathrm{avg}}}}} \right)}}{{{f_{\max }} - {f_{\min }}}}} \right)}} + {P_{c\min }}，\\ {P_{c\min }} \\ \end{gathered} \right. \\ {P_m} = \left\{ \begin{gathered} \frac{{{P_{m\max }} - {P_{m\min }}}}{{1 + \exp \left( {A\dfrac{{2\left( {f - {f_{{\mathrm{avg}}}}} \right)}}{{{f_{\max }} - {f_{\min }}}}} \right)}} + {P_{m\min }}，\\ {P_{m\min }} 。\\ \end{gathered} \right. \\ \end{gathered} $

(4)

式中： $ {P_{c\max }} $ ， $ {P_{c\min }} $ ， $ {P_{m\max }} $ ， $ {P_{m\min }} $ 分别取经验值0.9，0.6，0.1，0.01； $ {f_{\max }} $ 为种群的最大适应度值； $ {f_{{\mathrm{avg}}}} $ 为每一代的平均适应度值。根据上述描述，遗传算法的最终目的是捕获到最优的信号参数值，也就是自适应度最大值对应的参数值。改进后的遗传算法流程如图4所示。

2.3 实验结果

基于系统构成及实现方案，建立基于WebGIS的船舶安全信息系统，图5为以某地区为例的系统页面显示信息。

页面左侧为菜单栏，分别为船舶航行中的各项安全信息，点击后可以查详细情况，详细内容显示在右侧位置。船舶航迹中不仅可以查看、标记航迹，还可导出航迹图。同时，管理人员还可以查看设备的工作状态，维修记录，也可以对工作人员的信息进行添加、修改。

为了验证改进后的遗传算法相比于传统遗传算法具有一定的优越性，进行了对比实验，实验结果如图6所示。

从图6（a）可知，在相同航速下，随着航速的不断增加，2种算法所需的执行时间也在增大，而传统遗传算法所需时间均高出改进后的遗传算法。从图6（b）可知，随着航速的加大，2种算法的定位误差都在增大，但改进后的遗传算法误差变化相对较小，而传统的遗传算法在航速超过12 kn之后，误差的变化值也在增大。

3 结　语

本文基于WebGIS，设计开发了一种船舶安全信息系统，对系统的工作原理、结构组成和实现方案进行了详细描述。同时，对GPS中定位的传统遗传算法进行了改进。该系统集合了船舶航行中的多类数据，只需一个浏览器就可以实现各种操作，具有安全监控、船舶管理等多种功能，改进后的遗传算法也大大提高了定位时间和定位精度，保证了船舶的航行安全。