基于滑动窗口的船舶导航信息关联挖掘系统

陈兆熙，王 莉

(南昌交通学院，江西南昌 330100)

0 引言

船舶导航系统为船舶路径规划的自动化发展提供了有效辅助，船舶能够使用性能卓越的导航系统完成航行控制[1–2]。而目前航行距离的逐渐增加，航向和航行环境的不可判断性凸显，地理信息定位数据也呈爆发式增长。在海量信息数据环境中，想要准确、快速挖掘所需的导航数据，存在一定难度。甄荣等[3]在挖掘船舶导航信息中的航迹数据时，使用高斯混合模型，此模型以高斯混合聚类的方式，完成航迹信息挖掘。但当属性差异不显著的航迹数据混杂在一起时，信息挖掘精度便会下降。任成杰等[4]在挖掘船舶导航信息中的航迹数据时，使用GRU 自编码器先提取航迹数据特征，再以聚类的方式完成航迹数据聚类挖掘。但此方法在提取大规模航迹数据特征时，需要经过多次训练，才可以保证编码器的特征提取精度，因此存在挖掘耗时长的问题。

针对以上问题，本文设计一种基于滑动窗口的船舶导航信息关联挖掘系统。

1 船舶导航信息关联挖掘系统

1.1 系统架构与硬件结构

所设计的基于滑动窗口的船舶导航信息关联挖掘系统整体架构如图1所示。

此次设计的船舶导航信息关联挖掘系统属于Client/Server 结构，当用户在客户端的挖掘界面输入导航信息挖掘请求后，客户端将请求信息发送至服务端，服务端由船舶导航信息挖掘模块组成，通过信息访问接口API，在船舶导航信息数据源中采用滑动窗口划分的方式提取候选数据流，再构建船舶导航信息挖掘的关联规则，挖掘满足用户请求条件的导航信息，返回挖掘界面。

船舶导航信息关联挖掘系统硬件结构如图2所示。

图2 系统的硬件结构Fig.2 Hardwarestructure of thesystem

如图2所示，系统硬件结构主要包括S3C2440处理器、人机交互屏、CAN 总线、串口等。CAN 总线和导航设备自身的标准串行接口相连，便可作为系统客户端和服务端的连接载体。人机交互屏可为用户提供挖掘请求输入、挖掘结果显示服务，具备人机交互功能。系统硬件平台主控制器为ARM920T 内核，在此控制器管理下，系统的LCD显示器可以支持STN 格式、TFT 格式数据的显示。控制器具备3通道的串行接口，4通道高速数据JTAG 接口，具备大规模船舶导航信息处理能力。

1.2 基于滑动窗口的导航信息关联挖掘

图3为船舶导航信息关联挖掘算法示意图。

如图3所示，采用滑动窗口进行导航信息关联挖掘时，将船舶导航信息流输入本文系统后，系统通过滑动窗口先挖掘出获选信息流。获取候选信息流后，再采用Apriori 算法挖掘导航信息数据流中的频繁项集，完成船舶导航信息关联挖掘。

1.2.1 基于滑动窗口的候选信息流挖掘

设置需要挖掘的船舶导航信息类型P是时间段t中的数据at，则基于滑动窗口的候选信息流挖掘步骤为：

1）提取某段船舶导航信息记录的时间序列，从时间t开始，设置滑动窗口信息点为

式中： d (.)为 距离计算函数；a vg(.)为平均计算函数。

3）若时间段t与时间段t−1导航信息之间的距离均值绝对值是则

此时处于距离均值周围的船舶导航信息为：

5）多次执行上述操作，最后输出候选导航信息流A。

1.2.2 基于Apriori 算法的导航信息关联挖掘

关联规则可以体现数据之间相关性，若多个数据之间存在相关性，关联规则便可体现数据之间的关系。为了对导航信息进行关联挖掘，以获得候选导航信息流为基础，采用Apriori 算法进行导航信息的关联挖掘。

设置候选导航信息流A中的某信息为项，各个导航信息记录就是1个项集，将其设成A={A1,A2,...,Am}，m为项集中导航信息记录总数目。关联规则设成其中，a表示导航信息中的某数据，Y表示用户请求信息类型，在分析关联规则是否满足需求时，需要使用支持度support(aY)与置信度con fidence(aY)，前者表示某项集在用户需求信息类型中的支持度，后者表示关联规则的可信度，支持度与置信度的计算公式为：

其中：count(aY) 为船舶导航信息a和用户请求信息的匹配数目；count(a) 为 船舶导航信息a的信息量。分析a与Y之间的关联规则支持度与置信度，如果均满足最小阈值，那么a就是和Y匹配的导航信息。在分析a与Y之间关联规则支持度与置信度的基础上，采用Apriori 算法先把候选导航信息数据流A映射为“0”与“1”的元素矩阵，称为布尔矩阵。矩阵行与列分别表示导航信息数据类型、用户请求的导航信息类型。比如滑动窗口分为5 个，那么便可构建5×5的布尔矩阵：

将布尔矩阵C每列用户请求的导航信息项，以并集的方式，构建候选频繁A项集，整理C中各列“1”元素的数目，执行剪枝处理，如果i列“1”元素数目小于阈值 β，便采取剪枝处理，反之去除此列，构建频繁A−1项集。

将频繁A−1项 集执行连接处理，将C的项列执行逻辑“与”计算，得到候选频繁A−2项集。将候选频繁A−2项集中，每个子元素的“1”和阈值对比，更新候选频繁A−2 项集。循环操作，当项集A为空集便可停止，输出最后挖掘的频繁项集，此项集即为用户请求的船舶导航信息关联挖掘结果。

2 实验分析

为测试本文系统是否有效，进行系统导航信息挖掘性能分析。

图4和图5为本文系统挖掘界面为用户提供的请求信息示例图、导航信息挖掘结果显示图。

图4 导航信息挖掘请求信息示例图Fig.4 Example of navigation information mining request information

图5 导航信息挖掘结果显示图Fig.5 Display of navigation information mining results

为体现本文系统的挖掘精度，以航迹信息为例，将挖掘的航迹信息量Aj和实际航迹信息量Ab之间平均距离O作为指标，O可体现挖掘信息量的完备性，其数值越小，表示信息越完备、越准确。则

表1 船舶导航信息中航迹信息挖掘效果Tab.1 Effect of track information mining in ship navigation information

可知，船舶导航信息中航迹信息挖掘效果较好，O的数值极小，说明本文系统挖掘信息量的完备性显著，准确性显著。原因是本文系统能够将船舶导航信息数据流划分为多个滑动窗口，通过关联规则挖掘的方式，挖掘与用户请求相匹配的导航信息。图6和图7为本文系统使用前后，多种导航信息挖掘耗时对比结果。

图6 系统使用后挖掘耗时Fig.6 Mining timeconsumption after system use

图7 系统使用前挖掘耗时Fig.7 Mining time beforesystem use

对比可知，本文系统对多种导航信息挖掘耗时小于0.4 s，和使用前相比，挖掘耗时明显缩短，说明本文系统的挖掘效率有所提升。原因是本文系统利用滑动窗口划分技术，能够把大规模的船舶导航信息分解为多个窗口，提高数据挖掘有序性，从而保证数据的处理效率。

3 结 语

本文设计基于滑动窗口的船舶导航信息关联挖掘系统，引入滑动窗口技术和关联规则挖掘算法，能够在规模化、复杂化的导航信息流中，将杂乱无章的信息划分为多个挖掘操作窗口，从而以关联规则挖掘的方式，提取匹配用户请求的导航信息数据。实验结果显示，本文系统导航信息挖掘的完备性显著，准确性显著，挖掘耗时小于0.4 s，导航信息挖掘性能得到提升。