论文部分内容阅读
近年来,航运业数字化和信息化的高速发展积累海量数据,特别是AIS(Automatic Identification System)的普遍应用产生了大量的船舶轨迹数据,其中蕴含有大量有价值的信息,如何对交通环境时空重构和时空分析成为本文研究的重点。本文通过技术对比分析,选择了具有高并发读取、可扩展性强和优异地理索引等优势的非关系型数据库MongoDB作为船舶轨迹大数据的存储支撑,选择了无需插件可在Web页面上直接调用GPU(Graphics Processing Unit)计算资源的WebGL(Web Graphic Library)作为大数据可视化技术支撑,对船舶轨迹大数据Web可视化框架、船舶轨迹同步与回放、船舶交通环境时空分析模型等展开了深入研究,以长江某水域的船舶AIS轨迹数据为对象,实现了其交通环境的不同角度时空分析展示。论文完成的主要工作包括:(1)船舶轨迹大数据Web可视化框架设计了基于B/S(Browser/Server)结构的船舶轨迹大数据可视化框架,后端利用用MongoDB存储AIS船舶轨迹数据、Node.js搭建服务器、Socket.10建立实时通信层;前端则利用WebGL和D3图形库实现轨迹数据的时空可视化分析。(2)基于船舶轨迹的交通环境时空重构基于Node.js和MongoDB,研究了根据交通环境范围、时间区域,从海量数据中高效快速地抽取出相关船舶轨迹的方法。基于Socket.IO和HTML5,研究了轨迹数据在Web前端的分时存储、重构、更新、回放以及船舶间空间关系构建等关键技术,实现了 Web端交通环境的时空重构和持续演化,为时空分析奠定基础。(3)船舶交通环境的时空可视化分析基于交通环境的时空重构,利用WebGL和D3研究了网格图、方格图、热图以及复杂曲线曲面等图形可视化方法,并选择合适表达方式实现了交通密度、环境压力、操纵困难度、碰撞危险度以及船舶排放等表征船舶交通环境的动态参数随时间变化的可视化分析。