0 引　言

目前，智能化是船舶发展的重要方向，航线自动规划是船舶智能化发展的重要组成部分，同时也是发展无人驾驶船舶的关键技术保障。

船舶航线设计的难度要远高于陆上的交通路线设计，这是由于海上没有明显的标志物和道路，同时航线设计还需要考虑到海洋水文条件以及障碍物等信息，因而单纯依靠导航信息不足以为船舶规划最佳航行路线。对航线进行自动规划可以提升船舶运输的经济性和可靠性。目前国内外有很多船舶已经配备了相关的辅助导航设备，冯俊池等^[1]提出将AIS数据应用于船舶航迹规划，在设置起始点和终点后，对航线区间内的所有AIS数据进行分析，并对航线的误差距离进行计算和评价。石浩等^[2]提出将蚁群算法和AIS数据应用到船舶航线自动规划中，对所有航线数据进行栅格化处理，并通过计算邻接矩阵来规划最佳船舶航线。在将AIS数据应用到船舶航线自动规划中，需要对航线内的大量数据进行处理，同时在未来一段时间内由于船舶数量增多，在对航线进行智能规划时需要处理的数据量会持续增加^{[3 − 4]}，因而本文提出使用NoSQL数据库来存储AIS区域航线内的AIS数据，并在此基础上对船舶航线进行自动规划，以提升船舶的自动化水平及运输的经济效性和安全性。

1 船舶航线规划方法研究 1.1 电子海图航线规划

船舶航线规划最早是基于纸质海图，经过一段时间发展后，出现了基于电子海图的航线规划。基于电子海图的航线规划一般是将电子海图划分为若干个网格，网格的大小可以变化，依据经度和纬度的网格线来划分。在电子海图上一般都会根据前期的航行经验标注出适航区域和不可航行区域。基于电子海图的航线规划帮助船员提升了航线规划水平，还可以根据电子海图中标注的海水深度对规划的航线进行优化。

虽然基于电子海图的航线规划和纸质海图相比具有明显优势，但是在航线规划上仍然有一些问题无法解决^{[5 − 6]}。

1）航线规划过于依赖电子海图的精度。对航线规划需要事先在电子海图上划分网格，网格划分太大会造成航线规划过于粗糙，如果划分太小则工作量太大。航线规划非常依赖电子海图的精度，如果电子海图的精度不够，特别是一些障碍物、水深等关键信息不够精确，则会对航线规划造成较大误差，从而降低自动航线规划的实用性。

2）缺乏实时性，无法应对海洋变化的环境。在船舶运输过程中，海洋的环境在时刻发生变化，而基于电子海图的航线规划无法对海洋环境信息进行实时获取，特别是一些气象条件、航线区域内其他的船舶信息等，而这些信息都会对船舶运输的安全性造成较大影响。因而航线规划的路径最短并不意味着是最安全以及最经济的路线，通过电子海图获取的航线规划一般都会缺乏实时性，无法在经济性、安全性两者之间获取最佳平衡点。

1.2 基于AIS的航线规划

AIS是船舶自动识别系统的简称，目前全球所有的合法船只都配置了AIS系统，这为AIS应用于航线规划提供了有效基础。船舶通过AIS系统不间断地自动广播当前船舶的位置信息、航次信息、运动信息等，这些信息能够被岸基船舶控制中心以及其他船舶接收，特别是船舶在航行过程中能够不断获取周边区域内其他船舶的COG（对地航向）、SOG（对地航速）、船首向等关键信息，这就为船舶在航行时作出正确决策提供了基础。此外，通过收集和分析AIS信息数据可以获取当前船舶和其他船舶的历史航迹信息，这也为航线规划提供了可靠依据。

基于AIS的航线规划优点主要体现在以下几个方面：

1）避免极端水文条件对航线的影响

在航线规划过程中应该极力避免极端水文条件对船舶运输的影响，而为了做到这一点，可以通过分析同一区域内其他船舶的航线数据来实现。由于同一区域内有很多起始点和终点都完全相同的船舶，其历史航迹数据具有非常大的参考价值，同时还有一部分船舶部分航迹数据是重合或者类似，这些航迹数据都是规避极端水文条件的经验总结。历史经验证明，如果一段航线上经过的船舶数量越多，说明这段航线越安全。因而可以通过分析每年同一时间段内不同船舶的航迹数据来获取最佳航线规划。

2）AIS数据准确且覆盖范围广

AIS数据能够帮助船舶实现自动航线规划，是由于目前所有船舶都装备了AIS系统，且AIS的数据非常准确，认可度高。船舶在航行过程中不仅可以接收其他船舶的AIS信息，也可以通过船舶岸基控制中心或者移动AIS船站来获取AIS信息，因而覆盖范围非常广。

2 航线规划的关键技术 2.1 航线自动规划技术路线

对船舶航线进行自动规划的技术路线如图1所示。船舶想要实现航线规划首先需要获取自身航线的起点、目标地点以及当前位置，同时利用船舶自身的AIS系统和其他船舶交换AIS数据，移动AIS船在其中起着关键作用。当船舶远离陆地时，移动AIS船站就可以发挥中转基站的作用。由于AIS数据在不停的交换和传输，因而需要使用数据库来对AIS数据进行存储。数据分析是对船舶当前的位置信息并结合其他船只的AIS信息进行数据挖掘，由于在同一区域内船舶数量众多，因而需要针对接收到的AIS信息进行提取和分类，分类的特征参数为船舶类型、吨位以及航迹信息，通过获取的这些分类信息和本船信息进行对比，这样就能够让船员知晓在什么时间应该采取转向或者进港、出港等操作。

在航线自动规划中，数据分析是核心，数据存储也是必不可少的一环。本文使用NoSQL数据库，该数据为Not only SQL的简称，即所有不是关系数据库的集合。NoSQL数据库是针对特定数据集合以及数据特点的数据库，同时在架构上也更为灵活，包括文档数据库、内存数据库、键值数据库等。本文针对航线自动规划是以AIS数据为基础，AIS数据具有固定的数据格式，在经过数据初步处理后会形成一个特定的数据集合，因而对AIS数据的存储特别适用于NoSQL数据库。

2.2 NoSQL数据预处理

AIS数据中包含船舶类型、船宽、航向、航速、位置等非常有用的信息，同时也包含天线位置、呼号等无关信息，因而在对AIS数据进行分析前就需要对这些数据进行预处理，否则会造成后续数据处理量过大的问题。在近海海域内船只数量众多，每一天的AIS数据量为几百万条，对后续的数据分析造成了极大的负担。因而在对AIS数据存储之前就需要对AIS数据进行预处理，其本质是通过设定一些规则“清洗”掉对航线自动规划无用的数据。

NoSQL数据库的数据预处理包含2个部分，第一部分是读取AIS数据，第二部分是对获取的AIS数据进行分类，分类准则是首先将AIS数据中的动态信息和静态信息分开，并从中筛选出有效信息，最后存储到NoSQL数据库。

表1为预处理后的AIS部分数据信息，当完成数据读取以及筛选后，可以非常容易通过船型来获取某一个船舶的基本航迹信息以及该船舶的基本静态信息，这些数据存储到数据库后可以通过设置筛选条件，如设定船型、船宽、船名、目的地等来获取船舶的航行信息。

2.3 航线自动规划方法

航线自动规划依托于AIS数据，在完成AIS数据预处理后，可以通过进一步的数据挖掘以及数据筛选完成航线规划。航线自动规划流程如图2所示。

航线自动规划首先需要读取本船的基本信息，在确定当前所在位置以及目的地之后，对接收到的所有AIS信息进行预处理并存储到NoSQL数据库，同时制定AIS数据的处理规则，对符合条件的船舶进行航迹聚类。采用DBSCAN算法对航迹聚类处理，聚类过程如图3所示，具体实现方法为：

1）随机选取样本点，图3选择的是A、B、E3个样本点，以该样本点为圆心，并以一定半径画圆；

2）保持在圆内的样本数量为3，则圆内的样本为一类，图中的ACD为一类，BCE为一类，而样本F无法处于以E为圆心的圆内，该圆内只有2个样本，这种情况属于聚类失败。以此类推，对其他样本也采用这种方法进行划分，将船舶出发地和目的地之间的所有样本进行聚类分析，可以通过调节半径值以及包含样本数量的值来改进聚类效果。

对天津港附近船舶的AIS信息进行聚类分析后，得到如图4所示的分析结果。可以发现，使用DBSCAN算法可以完成对大量船舶的航迹分析，再辅以其他条件筛选和匹配即可得到最佳航线。

在完成对船舶航迹聚类分析后，使用本船基本信息与获取的航迹信息以及其他船舶信息进行匹配，这些信息包括船宽、船长、船型、吃水深度、目的地等，如果这些信息都能匹配上，那么就可以通过该船舶的航迹信息自动生成航线。

在航线自动规划过程中会存在同时满足匹配条件的目标船舶数量过少或者数量为0的问题，造成航线自动规划失败。为了解决这种问题，在将航迹以及其他船舶信息使用匹配条件进行匹配时设置一定的优先级，如为了保证船舶航行安全，优先对吃水深度进行匹配，在最大程度上保证自动规划的航线有最高的安全性，因而将吃水深度设置为第一优先级。将时间作为第二优先级，船型、船长和船宽作为第三优先级。这是因为船舶运输具有高度的时效性，如果在规定时间内没有完成运输任务会面临极高的赔付，在不存在安全问题的前提下，对生成的航线需要对时间参数加以匹配，确保生成的航线满足运输时限要求。将目的地匹配设置为最低优先级，这是由于很多船舶在航行时存在部分航迹重合的情况，因而可以将多个船舶的航线进行组合，最终形成一个最佳航线。

3 结　语

船舶运输在全球经济中扮演着重要角色，航线自动规划可以有效提升航行的安全性以及经济性。传统依靠纸质海图和电子海图设计航线的方法缺乏精度和实时性，因而在应用中受到较大局限。本文提出的基于AIS数据以及NoSQL数据库的AIS航线自动规划，能够实现对船舶航迹的自动设计。

1）AIS数据中，部分数据对航线自动规划没有意义，因而对AIS数据预处理不仅可以筛选出有效数据，同时也可以解决AIS数据量过大的问题；

2）在航线自动规划过程中，需要使用DBSCAN算法对航迹进行聚类分析，并在此基础上使用船宽、船长、船型、目的地、吃水深度等对航线进行匹配分析，通过设置优先级来获取最佳船舶航线。