时空数据库在护航行动辅助决策中的应用研究*

彭一航 包 磊 孙悦林

(海军工程大学电子工程学院 武汉 430033)

时空数据库在护航行动辅助决策中的应用研究*

彭一航 包 磊 孙悦林

(海军工程大学电子工程学院 武汉 430033)

为了更加有效地利用大量传感器搜集的海量水面船只数据,提高护航行动的执行效率,分析了各类水面船只的时空行为特征,利用时空数据库提供的时空量算、时空聚集、时空拓扑查询等手段对可疑海盗船、护航盲区、危险商船进行了查询实验,效果显示可以利用时空数据库对未知船只进行预测分析,为护航行动提供了新的辅助决策支持手段。

时空数据库; 时空查询; 辅助决策系统

ClassNumberTP311

1 引言

索马里海盗对国际社会产生了极大的危害,是一个复杂的国际问题[1～3]。目前,在亚丁湾参与护航的各国海军有30多艘现代化的驱逐舰、护卫舰。然而对于整个亚丁湾海域,美国海军预计,仅仅确保亚丁湾一条航道的畅通就至少需要61艘军舰,而按照目前多国军舰数量,会给海盗留下了巨大的“活动空间”[3]。另一方面,索马里海盗在与各国军舰“过招”中,不断提高自身伪装能力,混迹于大量渔船中难以发现。同时海盗找到了新的活动区域,利用各国军舰护航区的接合部进行作案。

如何更高效地利用各国投入的现有军舰,在不增加兵力的情况下对索马里海域进行全天候的有效护航,成为各国面对广阔海域的首要问题。如何利用各种传感器捕获到的海量数据,进行更有效的分析成为关键问题。

本文通过对各类水面船只的时空行为进行分析和建模,找出各类船只的时空行为差异。然后通过现有时空数据库的时空量算、时空聚集、时空拓扑查询等手段对海量船只信息进行分析,如可疑海盗群体的分析,护航盲区的分析,军舰护航效率的分析等。

2 水面船只时空行为分析

主要对渔船和海盗船进行时空行为分析,其原因是海量数据中军舰和各国商船的信息都是已知的,且对于海量的未知身份的渔船,数量规模很小。但分析军舰和商船的时空行为也是很有必要的,因为渔船和海盗船(尤其是海盗船)的行为都会随着军舰和商船的行动发生变化。

下文首先对船只作为单独个体的时空行为进行研究,然后对各类船只的相互联系及相应的时空行为变化进行分析。

2.1 个体船只时空行为分析

先将各类船只看作是相互无联系的时空个体,对各类船只的时空行为进行分析,如渔船、海盗船、商船等的个体时空行为特征如图1所示。在亚丁湾海域,商船和军舰具有明显的标识,很容易辨别。但是研究它们的时空行为有利于海盗船的挖掘。个体船只所表现的时空行为与其从事的工作密切相关。军舰往往在推荐的航道及周边做往复巡查;而商船一般情况下会径直通过航道,并向目的地航行。渔船成群结队的进行有规律的捕鱼,多数时间处于漂泊的作业状态。海盗船试图把自己装扮成渔船的样子,但为了寻找作案目标会更多的进行侦查,其活动区域也集中在航道附近。

图1分析了渔船、海盗船和商船的个体时空行为。海盗船混杂于渔船之中,所以我们将其归为一个大类进行分析。渔船多从海港起航,白天沿岸作业,船艺良好,航速较慢,航迹规律。海盗船多从海滩起航,日夜伪装作业,船艺不佳,航速变化快,航迹无规律。商船只会停靠主要港口,燃料充足,按航线航行,船艺良好,船速固定。

图1 各类船只个体时空行为分析图

2.2 船只相互间时空行为分析

为了更好的利用时空数据库提供的时空连接、投影查询等手段,除了分析船只个体时空行为外还要着重分析船只相互间时空行为。各类舰船在交互的过程中表现出不同于个体行为的复杂时空行为,尤其是军舰、商船和海盗船相互之间影响明显。

如图2所示,渔船更加在意自身的捕鱼作业,对于其他船只的行为反应很少。海盗船往往成群作业,频繁活动于商船周围,且有意躲避护航军舰。军舰进行有组织的分区护航,对检测到的不明渔船进行危险评估。商船往往会单独行驶,试图与军舰保持距离,并快速摆脱未知的渔船群体。

图2 船只相互间时空行为分析图

3 时空查询及其类型

传统的数据库管理系统为时空对象的应用提供了基础,但它并不能完全满足时空对象应用的需求,并且无法从数据库的查询操作、底层表示和存储层面上对时空数据的处理提供良好的支撑。而时空数据库从数据库底层解决了时空数据的高效存储、查询[4～5]等问题,为现实应用中面向时空问题的分析和解决提供了新的方法。

战场态势实体间存在着多种空间关系,包括拓扑、顺序、距离、方位等关系。通过时空关系查询和定位战场实体是战场态势辅助分析的重要功能之一。通常包括几何拓扑查询、属性条件查询、时空位置查询以及查询结果统计分析等。

从查询技术实现角度看,战场态势时空查询分为时空选择查询、时空投影查询以及时空复合查询三类。护航行动危机事件分析查询则主要为时空复合查询,但也包含一些时空投影或时空选择查询。下面举例了各类查询的查询语句。

1)时空选择查询

时空选择查询一般用于基本事件的查询,其内容一般为根据某选择条件,对时空关系或者时空对象实体进行检索。

例 返回1000～1200时间内通过矩形区域Rect的所有目标?

查询:Select p.targetid

Where Contain(RECT,atinstant(p.route,t))and 1000

说明:查询通过空间分析操作Contain返回位于rect内部的所有目标。

2)时空投影查询

时空投影查询对关系r在x,y空间轴或t时间轴上选取1个或者2个坐标轴进行投影,返回其分量。

例 返回各目标在矩形区域Rect中的最大航行距离?

查询:Select max(length(trajectory(p.route)))

在高校体育信息平台内部建立一个可以在存储上面达到统一和可以在不同数据中心进行信息幻术和共享的要求。通过虚拟化技术，把在各个存储设备上面的存储空间进行合并，这些传统模式的存储形式通过虚拟性户籍分配开展相应的工作，最终实现存储资源统一不一样的级别。因为会关系到很多类型的信息，并且这些信息对于学生的反馈教学和反映情况是息息相关的，因此是非要有必要存储这类资源的。因此，高校体育信息共享平台在建设这个环节就变得非常有价值了。

From Targets p

Where Contain(RECT, p.route)

3)时空连接查询

当查询涉及到时空连接操作时,根据发生连接的属性不同,可分为时态连接、空间连接和时空连接三种情况。

例 返回同时进入矩形区域Rect中的目标?

查询:Select p1,p2

From Targets p1,p2

Where deftime(intersection(p1.route,Rect)).begin

=deftime(intersection(p1.route,Rect)).begin

说明:“同时进入”蕴含针对t1,t2进入rect区域的时间做时态连接。intersection操作返回运动点位于Rect范围内的部分。Deftime获得运动点在时间轴上的投影。

4 实验与验证

4.1 应用场景设置

实验建立在时空数据库NHSTDB[4]上,应用层显示模块使用了ArcEngine以增强地理信息数据的显示效果[6]。课题建立了测试用库,其中设置了模拟数据,时空对象实体包括军舰、商船、渔船、海盗船、国际推荐航道、各舰船使用时空点对象GmPoint存储、国际推荐航道、军舰保护区域、海盗船威胁区域使用时空面对象GmRegion存储。国际推荐航道为半径2海里的沿岸狭长区域;军舰保护区域、海盗船威胁区域分别为军舰、海盗船点对象为中心、影响距离r为半径的圆形区域。

各类舰船数据使用编写的索马里海域舰船数据模拟生成程序产生xml数据文件,使用数据管理功能批量导入时空数据库原型系统。所有时空数据跨度24小时,时间切片粒度为10分钟,每个时空对象实体具有144个时空快照。根据各类舰船行为模拟产生了南岸各国护航军舰20艘、通行商船100艘和1000艘身份不明的渔船。各类船只的最大速度按实际情况设置。如表1所示。

表1 实验使用的数据列举

4.2 查询实例

例1:查询海域Rect内的可疑的海盗群?

说明:实例利用海盗船与渔船的若干行为差异(渔船作业时航迹无规律且航速较慢,海盗船准备作案时则“跟随”商船目标且航速较快),对整个海域内的渔船进行时空查询。海盗船只往往有组织地结队航行寻找目标,而当地渔船多为单体作业,缺少联系。利用海盗船群体作业特征对单体可疑海盗船目标集进行时空聚集查询可以得到更加可靠的可疑海盗信息。

图3中右侧显示的是对海盗群的检测结果,这里的时空判定查询准则为:“目标间距持续小于1000m,且均与商船距离小于5000m的最大持续时间大于20分钟,且累计持续时间超过1小时”。

图3 海盗群查询实例

例2:查询航道段Rect内的护航盲区?

说明:“护航盲区”指某段航道长时间无法获得护航编队舰船的巡视和护航。对长段时间(如1小时)内所有军舰的保护区域进行时空投影操作,使用投影区域与航道区域进行Contain操作得到重叠区域以外的护航盲区。

图4中右侧显示的是对当前护航盲区查询结果,这里的时空判定查询准则为:“盲区为当前时间下,所有护航舰艇影响区域都无法覆盖到的区域”。

图4 护航盲区查询实例

例3:查询海域Rect内的危险商船?

说明:“危险商船”指处在可疑海盗船作案范围内且距离最临近军舰较远,短时间(如30分钟)军舰无法前往援助的商船。首先对可疑海盗威胁区与所有商船进行Contain操作,得到区域海盗威胁下的商船集,对商船集中每个目标与军舰进行临近连接查询,判断军舰赶赴时间,最后得到高危的商船信息并进行预警。

图5中右侧显示的是对处于危险中的商船的检测结果,这里的时空判定查询准则为:“航道内,处于所有护航舰艇在1小时内都无法覆盖到的区域内的所有商船”。

图5 危险商船预警查询实例

5 结语

为了更加有效地利用护航行动中各类传感器搜集的海量船只数据,更早地发现潜在威胁,更合理地规划护航区域,本文分析了各类水面船只的时空行为特征,重点对比了渔船与海盗船的时空行为特征差异,利用时空数据库提供的各类时空查询手段对海域船只数据进行了挖掘,查询得到可疑的海盗船集合、护航的盲区以及危险的商船,效果显示可以利用时空数据库对未知船只进行预测分析,为护航行动提供了一种新的辅助决策支持手段,也为时空数据库的应用方法提供了新的思路。

[1]张超汉.浅析索马里海盗行为的国际规制[J].黑龙江省政法管理干部学院学报,2009(5):112-114.

[2]马民革,周倩.索马里海盗犯罪问题研究[J].国际关系学院学报,2010(5):76-83.

[3]檀有志.索马里海盗问题的由来及其应对之道[J].国际问题研究,2009(2):56-60,69.

[4]段海亮.时空数据库数据模型和查询语言的研究与实现[D].南京:南京航空航天大学,2009.

[5]陈倩,秦小麟.时空数据库中数据建模的研究[J].计算机工程,2004,30(20):56-58.

[6]杨平,唐新明,翟亮.基于时空数据库的动态可视化研究[J].测绘科学,2006,31(3):111-113.

[7]黄勇奇,崔伟宏.基于历史关系数据库的时空数据库实现研究[J].遥感学报,2008,12(5):759-764.

ApplicationofSpatio-TemporalDataBaseinAidedDecisionMakingofConvoyOperations

PENG Yihang BAO Lei SUN Yuelin

(College of Electronic Engineering, Naval University of Engineering, Wuhan 430033)

An effective analysis of the surface vessels situation has great significance for the commander to perceive the convoy operations situation and to make the right decision. Based on the existing query technique of Spatio-Temporal DataBase(STDB), a new mining method for the vast amounts of vessels data is given. A comprehensive analysis of the spatio-temporal behavior of surface vessels, and the object-oriented data model is chosen to modify it; at the same time STDB applications are introduced to discover suspicious pirates which are the biggest threat to convoy operations.

spatio-temporal database, spatio-temporal query, assistant decision system

2013年10月3日,

:2013年11月19日

国家863创新基金(编号:2010AAJ168);湖北省自然科学基金(编号:2011CBD053)资助。

彭一航,男,硕士研究生,研究方向:时空数据库应用、人机交互。包磊,男,博士,教授,博士生导师,研究方向:装备保障仿真、时空数据库。

TP311DOI:10.3969/j.issn1672-9730.2014.04.029