大数据网络下船舶轨迹异常故障检测技术优化

为全面控制船舶航行轨迹,保持良好的航向应用条件,提出大数据网络下的船舶轨迹异常故障检测优化技术。从上限边界数值确定、下限边界数值确定2个角度,完成大数据网络下的船舶轨迹异常范围确定。在此基础上,通过轨迹故障类型划分、节点故障检测属性关系确定、偏导优化系数计算3个步骤,完成大数据网络下船舶轨迹异常故障检测技术的优化操作。模拟实验结果表明,与基础故障检测技术相比,应用优化技术手段后,船舶航行轨迹的时间复杂度得到适当降低,单一节点处的轨迹密度提升明显,船舶航行应用条件得到有效保障。     

利用AIS数据挖掘生成船舶航迹点方法研究

由于船舶航行受海上环境的影响而产生航迹误差,为了准确控制船舶航行轨迹,提出利用AIS数据挖掘生成船舶航迹点方法研究。根据AIS数据挖掘算法,提取船舶航行轨迹点数据特征,利用船舶航行轨迹点数据库中航行线路设置信息与目标对象运动信息之间的相似性,挖掘出船舶航迹动力定位数据,将AIS数据挖掘算法映射到船舶海上航行领域中,提取出AIS船舶位置采集点,通过设定阈值得到船舶航行转向点,将所有转向点连接成线,初步生成船舶航行轨迹点,利用船舶轨迹点生成流程,实现船舶航行轨迹点的生成。实验结果表明,基于AIS数据挖掘的船舶轨迹点生成方法在精度和时间上,都可以准确控制船舶航行轨迹。     

船舶航行轨迹的实时检测与校正数学模型研究

为解决因船体碰撞而造成的航行轨迹偏离问题,提出船舶航行轨迹的实时检测与校正数学模型。通过分析内河航道特征的方式,处理各航迹间的分区关系,完成船舶航行轨迹的实时检测关系定义。在此基础上,提取必要的航行轨迹节点,按照微簇特征向量的确定原理,计算校正时间复杂度的实际数值,完成船舶航行轨迹的实时检测与校正数学模型研究。对比实验结果表明,与Spark检测手段相比,应用新型数学校正模型后,轨迹点的定航偏向系数降低至1.36,避免了因船体碰撞而造成的船舶航行轨迹偏离行为。     

基于图像处理技术的船舶航行轨迹分析与应用系统设计

近年来,海上贸易不断发展,港口和海上航线的船舶密集程度不断提高,海上交通事故频繁发生。海上交通监管部门为了改善海上交通,降低海上交通事故发生的概率,投入大量的精力研发海域内船舶的导航与航行轨迹分析等技术。船舶的航行轨迹数据分析有助于对船舶的航迹进行预测,检测出海域内船舶的航迹偏离等问题,提高船舶航行的安全性。本文重点研究了海上航迹的图像处理技术和卡尔曼滤波技术,并基于图像处理技术实现了船舶航行轨迹的分析和预测,对改善海上交通,降低海上碰撞事故发生的概率有重要意义。     

卫星导航系统的船舶航行轨迹智能跟踪方法

针对当前船舶航行轨迹跟踪误差大的问题,为了提高船舶航行轨迹跟踪的精度,提出基于卫星导航系统的船舶航行轨迹智能跟踪方法。首先采用卫星导航系统对船舶航行相关信息进行采集,然后采用高斯混合模型对船舶航行轨迹进行检测和智能跟踪,最后其他的船舶航行轨迹跟踪方法进行对比测试。结果表明,在相同实验环境下,本文方法的船舶航行轨迹跟踪误差远远小于对比方法,船舶航行轨迹跟踪实时性能也得到较大的改善,解决船舶航行轨迹跟踪过程存在一些难题,具有更广泛实际应用范围。     

基于openCV的视频路径船舶检测与跟踪

通过对船舶运动状态的监测和跟踪,船舶在航行时能够最大程度避免碰撞,同时也能够方便航运管理,极大地提高航行效率。本文从船舶监测和跟踪的具体需求出发,设计基于openCV的船舶路径视频监控系统,能够借助智能识别算法,快速提取出船舶的航行轨迹,并利用运动跟踪算法,提取船舶运动轨迹的特征量,大大提升了检测效果。文中充分利用OpenCV中的有关图像变换函数库,并在Matlab软件中进行船舶运动的仿真对视频路径的目标检测和跟踪性能进行分析。     

船舶航行轨迹分析与应用系统

船舶航行轨迹的数据分析有助于改善海上航运的交通管理水平,尤其是港口等海上航线密集的区域,从而提高海上交通的安全性与航行效率。通常,船舶航迹数据的采集都是通过AIS系统和雷达共同完成,这种方式存在一定的误差,本文介绍一种基于图像处理技术的航迹分析系统,该系统利用计算机视觉技术和图像处理技术,可以高效、快速的对海量船舶航行轨迹数据进行提取和分析,本文重点介绍航迹分析过程的处理平台、信号处理方法以及图像信号的多特征融合等内容。     

数字媒体技术在船舶航行轨迹虚拟中的应用研究

为紧密监控船舶在航行轨迹中所处的实时位置,提出基于数字媒体技术的船舶航行轨迹虚拟控制方法。通过确定基本导航系数的方式,计算惯性转角动量的实际数值,完成船舶航行轨迹的建模处理。在此基础上,连接既定型号的虚拟控制主机,按照航行轨迹的导入要求,确定轨迹转动的必备角度条件,实现数字媒体技术在船舶航行轨迹虚拟中的应用研究。对比实验结果表明,与OpenGL手段相比,应用新型虚拟控制方法后,航行轨迹的内部、外部偏向角均出现明显降低的变化趋势,船舶在航行轨迹中所处位置不明确的问题得到有效解决。     

基于大数据驱动的船舶航行轨迹异常检测研究

船舶安全航行是航海领域重点关注的问题之一,为此研究基于大数据驱动的船舶航行轨迹异常检测方法。该方法利用不同类型传感器获取船舶航行大数据,然后使用船舶观测大数据相似度方程计算船舶航行大数据之间的相似度,得到来自同一船舶的航行大数据;再利用大数据驱动技术中的聚类方法建立船舶正常轨迹模型,获取船舶航行正常轨迹;依据船舶航行正常轨迹,利用大数据驱动技术内的Spark Streaming数据实时计算框架,通过计算船舶航行轨迹点与实际轨迹采样点之间的距离、航向角等,得到船舶航行轨迹异常检测结果。实验结果表明,该方法获取船舶航行实际轨迹精度较高,可有效检测船舶航行轨迹异常,具备较好的应用效果。     

舶舶AIS轨迹异常的自动检测与修复算法

船舶自动识别系统(Automatic Identification System,AIS)轨迹是船舶位置和时间的记录序列,对船舶航行状态分析、船舶交通流预测及船舶海事事故分析等具有一定的意义,而受一些因素影响,采集到的AIS数据会产生错误,导致AIS轨迹出现异常。对此,在对大量AIS数据进行深入解析的基础上,归纳出AIS轨迹异常的几种类型,针对各类型的特征对船舶轨迹异常进行自动检测,并采用3次样条插值模型实现修复算法。研究成果可为基于船舶航行轨迹数据的相关研究提供快速、准确的技术支持。     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

船舶航行轨迹预测的数学模型设计

为保证船舶航行的高效和准确,对船舶航行轨迹预测方法进行优化。结合惯性定位原理建立相应的船舶航行轨迹坐标系,规范船舶航行轨迹坐标数值,根据坐标数值进行最优航行路径的选择,并在复杂船舶航行环境下进行最优路线的干扰去除处理,以便及时对轨迹偏移现象进行有效纠偏。最后通过实验证实,船舶航行轨迹预测的数学模型具有更高的准确性和有效性,充分满足研究要求。     

基于光学遥感图像的船舶跟踪算法研究

船舶在海上航行中需要进行实时跟踪避免航向偏离,提出基于光学遥感图像的船舶跟踪算法。采用光学遥感检测方法进行船舶运动成像,对采集的船舶光学遥感图像进行融合滤波,降低船舶遥感图像的噪点,采用Harris角点检测方法对船舶光学遥感图像进行动态特征点标注,提取反映船舶航行动态特征的轨迹,结合遥感图像监测方法实现对船舶的动态跟踪识别。仿真结果表明,采用该方法进行船舶跟踪和遥感成像,输出光学遥感成像的质量较好,信息融合度较高,提高了船舶动态跟踪能力,确保船舶航行稳定安全。     

复杂航行环境船舶航行异常监控系统

传统船舶航行异常监测系统,在复杂航行环境下无法对轨迹信号图像作出正确判定,导致船舶航行监测结果与实际航行监测要求偏差较大,影响船舶正常航行安全。因此提出复杂航行环境船舶航行异常监控系统软件设计。利用卡尔曼滤波算法,建立航行轨迹图像数据高帧率采集硬件,获取高清轨迹图像数据;软件功能主要分为轨迹图像信号建模、轨迹图像模型信号的异常处理与异常轨迹像素的平滑提取3部分;通过仿真对比数据,证明提出系统在复杂航行环境下,能够有效提升异常轨迹监测识别率22.34%。     

船舶航行安全分析研究

为了船舶航行安全,探讨船舶航行安全主要影响因素,针对性采取措施是船舶航行安全的关键。本研究采用协同学（Synergetics）理论方法,构建船舶海上航行安全模型;运用船舶航行安全运动力学对船舶海上航行安全主要影响因素,导致船舶处于危险局面的因素C和处于安全情形的因素E之间相互转换的规律做出了进一步的探讨,并通过动态动力方程,推导出C和E之间的转换概率流方程,分析出了对某类型船舶处于不同航行动态对应某一船时的定态求解结果,对海上交通安全监管机关、船公司和船舶加强管理,保障船舶海上航行安全,提供理论支持。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求，从数据层面探究影响船舶航行轨迹的特征，通过相关性分析确定网络的输入，提出结合循环神经网络-长短期记忆（Recurrent Neural Networks - Long Short Term Memory，RNN-LSTM）的船舶航行轨迹预测模型。通过船舶Z形试验相关数据与实船实际航行数据对网络模型进行训练，并对未来船舶航行轨迹进行预测。对未来轨迹的预测值与实际值进行对比。结果表明，模型预测误差小，验证该方案在船舶轨迹预测中的实用性和有效性。     

基于被动式红外传感器的船舶轨迹重构

船舶航行的环境十分复杂,动态变化特点显著,导致当前方法无法对船舶轨迹进行精准重构,为了改善船舶航行轨迹重构的精度,提出基于被动式红外传感器的船舶轨迹重构方法。首先建立船舶航行的运动模型,然后通过被动式红外传感器对船舶航行数据进行采集,并通过卡尔曼滤波算法重构船舶轨迹,保证船舶轨迹跟踪准确性,最后采用具体实验对船舶轨迹重构方法性能进行分析。结果表明,本文方法能够实时捕捉船舶航行环境的动态变化趋势,可以高精度的重构船舶航行轨迹,船舶轨迹重构误差小,而且船舶轨迹重构速度快,可以保证船舶航行的安全。     

AIS船舶监控系统在引航中的应用研究

为提高船舶行进过程中的安全性,合理规划行进路线,本文对AIS船舶监控系统在引航中的应用进行了研究,通过AIS自身的功能,实时更新船舶航行的位置信息,确定船只行进的轨迹,实现船只的轨迹追踪,根据其追踪的轨迹,确定其行进过程中是否发生偏离,通过获取其他航行船只的轨迹图,将不同的轨迹路线进行对比,选择其中最优方案。通过实验研究,论证本文的应用方法具有客观的可行性,能够实现船只行进过程中的安全保障,减少航行过程中偏离轨道的情况的发生,合理规划行进路线。     

船舶航行轨迹自动化控制中PLC技术研究

为有效发现水域中那些偏离正常航行轨迹的船舶,从而提高船舶航行安全性,设计基于PLC技术的船舶航行轨迹自动化控制方案。通过提取船舶航线轨迹数据的方式,弥补缺失信息的插补空隙,完成PLC数据的采集及预处理。在此基础上,度量轨迹内航行节点间的相似性,按照正常轨迹点的建模需求,实现对时间复杂度的精准分析,完成船舶航行轨迹自动化控制中的PLC技术研究。对比实验结果表明,与GMM航迹分析算法相比,应用PLC自动化控制方案后,QIE水域避障系数提高至6.32,不仅提高船舶的航行安全性,也可有效发现偏离正常航行轨迹船舶的实时所处位置。     

卡尔曼滤波算法在船舶航行轨迹异常行为检测中的应用

现代船舶的信息化、自动化程度不断提高,自动识别系统(AIS)、电子海图综合系统(ECDIS)和船舶总线通信系统等先进技术在船舶上的应用越来越广泛。随着内河航运和远洋海运的发展,海事交通管理部门对船舶航行轨迹异常行为的检测显得尤为重要。本文主要针对船舶在区域内的航行轨迹异常行为检测问题,结合卡尔曼滤波算法,设计一种船舶异常航线检测系统,并对该检测系统的性能进行仿真分析。