云環境下船舶航行數據的高效可視分析方法技術

本發明專利技術涉及一種云環境下船舶航行數據的高效可視分析方法，包括如下步驟：1、設計面向HBase云存儲模式；2、建立船舶交通可視分析本體，設計基于HBase的OWL本體存儲模式；3、設計面向船舶航行可視分析特征的云服務描述模型；4、描述用戶可視分析功能需求和QoS需求；5、選擇與用戶功能需求和QoS需求相符的可視分析云服務；設計云服務內與云服務間映射函數，動態構建可視分析云服務優化組合模型；6、建立船舶航行可視分析全局流程模型和局部流程模型，實現流程的靜態優化分割；7、構建多目標優化模型，完成局部流程的動態調整，實現船舶航行數據的可視分析。本發明專利技術有效地提高了面向船舶航行數據的可視分析流程執行效率。

Efficient visual analysis method of ship sailing data in cloud environment

The invention relates to a ship sailing under the cloud environment data, visual analysis method, which comprises the following steps: 1, design oriented HBase cloud storage mode; 2, the establishment of ship traffic visibility analysis design ontology, OWL ontology storage mode based on HBase; 3, design for the navigation visual analysis of the characteristics of cloud service description model; 4, describe the user visual analysis of functional requirements and QoS requirements; 5, visual analysis of cloud service selection and user functional requirements and QoS needs consistent; the mapping function design of cloud services and cloud services, cloud visibility analysis service composition optimization model of dynamic construction; 6, the establishment of visual analysis of global process model and local process model of the ship segmentation, static optimization implementation process; 7, construct a multi-objective optimization model, the dynamic adjustment of local process, realize the visual navigation data Analysis\u3002 The invention effectively improves the execution efficiency of visual analysis flow oriented to ship navigation data.

【技術實現步驟摘要】
云環境下船舶航行數據的高效可視分析方法
本專利技術涉及船舶航行數據分析
，具體涉及一種云環境下船舶航行數據的可視分析方法。
技術介紹
目前，水上交通日益繁忙，交通流密度加大，船舶作為水上交通的行為主體，隨著其大型化、專業化和高速化的發展，通航環境更加復雜化，影響船舶航行安全的因素正在不斷增多，安全隱患和交通事故發生的可能性也在加大，對國民經濟和人民財產構成嚴重威脅，因此，為船舶安全航行，規避風險，對船舶航行數據進行分析，有助于水上交通安全管理。隨著互聯網、物聯網技術的飛速發展，數據采集更為便捷，僅一艘營運中的船舶，24小時內通常可獲取高達20GB的相關航行數據信息，這些信息內容繁多，涉及船舶位置、速度、航向等，海量的船舶航行數據已經形成。然而，這些數據的海量性和復雜度帶來了對傳統數據存儲方式、分析、理解和呈現的巨大挑戰，需要新處理模式才能從其中獲得更強的決策力、洞察力與發現力。可視分析作為科學可視化與信息可視化的自然延伸，將數據挖掘、計算機圖形學與人機交互相結合，在海量數據分析中，顯示了無與倫比的優勢：通過交互式視覺表現方式，更直接地揭示隱藏在數據內部的規律，不僅對數據的認知、推理和決策提供更加有效支持，而且可驅動復雜數據分析。然而，面對海量數據規模效應，可視分析存在高效實現與靈活構建問題。云計算無疑提供了解決方案：作為一種新興共享基礎架構方法，它以云服務方式將各種計算資源變成可供使用的動態、易擴展和可伸縮虛擬資源，從而提供超級計算和存儲能力；而可視分析流程相對固定，可統一于可視化管道，方便利用云服務組合技術處理，以滿足不同用戶的可視化任務需求。目前已有一些基于工作流的可視化系統，但都沒有考慮船舶交通領域中數據可視化多樣性的特點，同時，也沒有效利用云服務進行靈活的組合與分布運行，在處理海量的船舶航行數據時，嚴重影響可視分析的效率、交互性與實時性。
技術實現思路
本專利技術的目的在于提供一種云環境下船舶航行數據的可視分析方法，本方法以可視分析的高效性為目標，利用面向列的開源數據庫進行海量船舶航行數據的高效存儲，通過船舶交通可視分析本體靈活實現云服務的選擇與匹配，基于船舶航行數據特征，運用云服務間調用關系圖建立可視分析組合優化模型，并對可視分析流程進行靜態分割與動態調整，以提高船舶航行數據可視分析的效率。為解決上述技術問題，本專利技術公開的一種云環境下船舶航行數據的高效可視分析方法，其特征在于，它包括如下步驟：步驟1：將實時采集的船舶航行數據，利用逆序的船舶MMSI(MaritimeMobileServiceIdentify，水上移動通信業務標識碼)與時間戳做數據表的主鍵，設計面向列的開源數據庫HBase(HadoopDatabase，Hadoop數據庫)云存儲模式；步驟2：使用OWL-DL(WebOntologyLanguage-DescriptionLogic，網絡本體語言-描述邏輯)描述語言建立船舶交通可視分析本體，并設計基于HBase的OWL本體存儲模式；步驟3：利用描述邏輯，設計面向船舶航行可視分析特征的云服務描述模型，所述面向船舶航行可視分析特征的云服務描述模型包括可視化功能屬性模型和QoS(QualityofService，服務質量)屬性模型；步驟4：利用上述面向船舶航行可視分析特征的云服務描述模型，對用戶可視分析功能需求和QoS需求進行描述；步驟5：基于船舶交通可視分析本體的語義，在滿足用戶功能需求和QoS需求基礎上，選擇與用戶功能需求和QoS需求相符合的可視分析云服務；分析實時采集的船舶航行數據的可視化特征，設計云服務內數據映射函數與云服務間功能語義映射函數，動態構建可視分析云服務優化組合模型；步驟6：利用帶權圖對船舶航行可視分析流程建模，構建全局流程模型和局部流程模型，實現流程的靜態優化分割；步驟7：以服務推向數據、負載均衡化和吞吐量最大化為目標，建立多目標優化模型，完成局部流程的動態調整，以提高船舶航行數據的可視分析效率。本專利技術的有益效果為：1、本專利技術設計了一種基于HBase的船舶航行數據云存儲方式；2、本專利技術依據船舶交通特點建立了可視分析本體，實現了基于語義的可視分析云服務選擇與組合；3、本專利技術對云服務組合模型，將靜態優化分割與動態調整相結合，有效地提高了面向船舶航行數據的可視分析流程執行效率。附圖說明圖1是本專利技術的流程圖；具體實施方式以下結合附圖和具體實施例對本專利技術作進一步的詳細說明：本專利技術云環境下船舶航行數據的高效可視分析方法，如圖1所示，它包括如下步驟：步驟1：將實時采集的船舶航行數據，利用逆序的船舶MMSI與時間戳做數據表的主鍵，設計面向列的開源數據庫HBase云存儲模式；步驟2：使用OWL-DL描述語言建立船舶交通可視分析本體，并設計基于HBase的OWL本體存儲模式；步驟3：利用描述邏輯，設計面向船舶航行可視分析特征的云服務描述模型，所述面向船舶航行可視分析特征的云服務描述模型包括可視化功能屬性模型和QoS屬性模型；步驟4：利用上述面向船舶航行可視分析特征的云服務描述模型，對用戶可視分析功能需求和QoS需求進行描述；步驟5：基于船舶交通可視分析本體的語義，在滿足用戶功能需求和QoS需求基礎上，選擇與用戶功能需求和QoS需求相符合的可視分析云服務；分析實時采集的船舶航行數據的可視化特征，設計云服務內數據映射函數與云服務間功能語義映射函數，動態構建可視分析云服務優化組合模型；步驟6：利用帶權圖對船舶航行可視分析流程建模，構建全局流程模型和局部流程模型，實現流程的靜態優化分割；步驟7：以服務推向數據、負載均衡化和吞吐量最大化為目標，建立多目標優化模型，完成局部流程的動態調整，以實現船舶航行數據的高效可視分析。上述技術方案的步驟1中，逆序MMSI可以將不同AIS(AutomaticIdentificationSystem，船舶自動識別系統)數據分布存儲到不同區域，從而有效避免數據傾斜現象，提高了存儲與處理效率；所述面向列的開源數據庫HBase云存儲模式設計了兩個列族，一個為位置列(POSITION)，包含經度和緯度；另一個為信息列(INFORMATION)，包含船舶航向、速度屬性信息，以提高存取效率。上述技術方案的步驟2中，使用OWL-DL描述語言建立船舶交通可視分析本體的具體方法為：在確定船舶交通可視分析本體應用目的與范圍的基礎上，定義該船舶交通可視分析本體由以下五個核心類組成：可視化任務集、船舶航行數據模型、船舶交通可視化方法、可視化表征方式、交互模式，其中：可視化任務集包括如下子類：軌跡可視化、交通流量可視化、密度可視化、速度可視化、船舶間距可視化、航向可視化和船舶屬性可視化(如船舶種類、尺寸等)；船舶航行數據模型，首先分為連續型數據模型、離散型數據模型；連續型數據模型繼續劃分為：標量型、矢量型、張量型、點型和多變量型五個子類，而標量型、矢量型、張量型、點型和多變量型五個子類又按維度進一步細分為一維、二維、三維和高維；離散型數據模型繼續劃分為：連接型與非連接型離散數據兩個子類，而連接型與非連接型離散數據兩個子類又按維度進一步細分為一維、二維和三維和高維；船舶交通可視化方法包括如下子類：軌跡堆疊圖、平行坐標、密度熱力圖、散點圖、散點矩陣圖、時間序列圖、透視圖、蜘蛛圖、時本文檔來自技高網...

【技術保護點】
一種云環境下船舶航行數據的高效可視分析方法，其特征在于，它包括如下步驟：步驟1：將實時采集的船舶航行數據，利用逆序的船舶MMSI與時間戳做數據表的主鍵，設計面向列的開源數據庫HBase云存儲模式；步驟2：使用OWL?DL描述語言建立船舶交通可視分析本體，并設計基于HBase的OWL本體存儲模式；步驟3：利用描述邏輯，設計面向船舶航行可視分析特征的云服務描述模型，所述面向船舶航行可視分析特征的云服務描述模型包括可視化功能屬性模型和QoS屬性模型；步驟4：利用上述面向船舶航行可視分析特征的云服務描述模型，對用戶可視分析功能需求和QoS需求進行描述；步驟5：基于船舶交通可視分析本體的語義，在滿足用戶功能需求和QoS需求基礎上，選擇與用戶功能需求和QoS需求相符合的可視分析云服務；分析實時采集的船舶航行數據的可視化特征，設計云服務內數據映射函數與云服務間功能語義映射函數，動態構建可視分析云服務優化組合模型；步驟6：利用帶權圖對船舶航行可視分析流程建模，構建全局流程模型和局部流程模型，實現流程的靜態優化分割；步驟7：以服務推向數據、負載均衡化和吞吐量最大化為目標，建立多目標優化模型，完成局部流程的動態調整，以提高船舶航行數據的可視分析效率。...

【技術特征摘要】
1.一種云環境下船舶航行數據的高效可視分析方法，其特征在于，它包括如下步驟：步驟1：將實時采集的船舶航行數據，利用逆序的船舶MMSI與時間戳做數據表的主鍵，設計面向列的開源數據庫HBase云存儲模式；步驟2：使用OWL-DL描述語言建立船舶交通可視分析本體，并設計基于HBase的OWL本體存儲模式；步驟3：利用描述邏輯，設計面向船舶航行可視分析特征的云服務描述模型，所述面向船舶航行可視分析特征的云服務描述模型包括可視化功能屬性模型和QoS屬性模型；步驟4：利用上述面向船舶航行可視分析特征的云服務描述模型，對用戶可視分析功能需求和QoS需求進行描述；步驟5：基于船舶交通可視分析本體的語義，在滿足用戶功能需求和QoS需求基礎上，選擇與用戶功能需求和QoS需求相符合的可視分析云服務；分析實時采集的船舶航行數據的可視化特征，設計云服務內數據映射函數與云服務間功能語義映射函數，動態構建可視分析云服務優化組合模型；步驟6：利用帶權圖對船舶航行可視分析流程建模，構建全局流程模型和局部流程模型，實現流程的靜態優化分割；步驟7：以服務推向數據、負載均衡化和吞吐量最大化為目標，建立多目標優化模型，完成局部流程的動態調整，以提高船舶航行數據的可視分析效率。2.根據權利要求1所述的云環境下船舶航行數據的高效可視分析方法，其特征在于：所述步驟1中，逆序MMSI將不同AIS數據分布存儲到不同區域，從而有效避免數據傾斜現象；所述面向列的開源數據庫HBase云存儲模式設計了兩個列族，一個為位置列，包含經度和緯度；另一個為信息列，包含船舶航向、速度屬性信息。3.根據權利要求1所述的云環境下船舶航行數據的高效可視分析方法，其特征在于：所述步驟2中，使用OWL-DL描述語言建立船舶交通可視分析本體的具體方法為：在確定船舶交通可視分析本體應用目的與范圍的基礎上，定義該船舶交通可視分析本體由以下五個核心類組成：可視化任務集、船舶航行數據模型、船舶交通可視化方法、可視化表征方式、交互模式，其中：可視化任務集包括如下子類：軌跡可視化、交通流量可視化、密度可視化、速度可視化、船舶間距可視化、航向可視化和船舶屬性可視化；船舶航行數據模型，首先分為連續型數據模型、離散型數據模型；連續型數據模型繼續劃分為：標量型、矢量型、張量型、點型和多變量型五個子類，而標量型、矢量型、張量型、點型和多變量型五個子類又按維度進一步細分為一維、二維、三維和高維；離散型數據模型繼續劃分為：連接型與非連接型離散數據兩個子類，而連接型與非連接型離散數據兩個子類又按維度進一步細分為一維、二維和三維和高維；船舶交通可視化方法包括如下子類：軌跡堆疊圖、平行坐標、密度熱力圖、散點圖、散點矩陣圖、時間序列圖、透視圖、蜘蛛圖、時空立方體、時間透鏡圖、對比堆疊柱狀圖和徑向圖；可視化表征方式包括如下子類：圖標法、幾何體法，動畫演化法、可視變量編碼法；交互模式包括：維度轉換，維縮放、放大或縮小、關聯、選擇、重組、動態過濾、整體或細節交互、平移或縮放、焦點或上下文。4.根據權利要求1所述的云環境下船舶航行數據的高效可視分析方法，其特征在于：所述步驟2中設計基于HBase的OWL本體存儲模式的具體方法為：利用數據庫存儲方式把船舶交通可視分析本體描述語言中包含的類以及類之間邏輯關系，經過映射，保存到HBase數據庫表中，以便保留本體語義，同時，將船舶交通可視分析本體模型分解后，使用基于HBase的方式存儲。5.根據權利要求1所述的云環境下船舶航行數據的高效可視分析方法，其特征在于：所述步驟3中，可視化功能屬性模型用于描述云服務實現的可視分析功能，可視化功能屬性模型定義為：VizCS_function＝<VizTask,DataModel,VizTech,VizRep,InteractionModel,>；其中：VizTask為可視化任務，DataModel描述云服務能處理的船舶航行數據模型，Viztech說明云服務提供的可視化方法，VizRep為可視化表征方式，InteractionModel為提供的交互模式；QoS屬性模型，定義為：VizCS_QoS＝<Reliability，ResponseTime，Price，Availability,Reputation，Safety>，其中：Reliability為云服務可靠性，ResponseTime為響應時間，Price為使用云服務的費用，Availability是可用性，Reputatio...

【專利技術屬性】
技術研發人員：高曙，曹秀峰，劉甜甜，陸叢，魏萬淇，
申請(專利權)人：武漢理工大學，
類型：發明
國別省市：湖北,42