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。     

船舶无人驾驶中的数据融合技术应用

海上船舶无人驾驶技术是现代海上信息化发展的重要方向,其不仅需要按照规定的航向航速运行,还需要考虑船舶碰撞及各类突然情况。无人驾驶技术对采集的信息及数据融合处理要求很高,通过各类传感器采集海上地形﹑环境﹑目标船只等信息,进行融合处理,为船舶无人操控提供可靠的航行数据。本文重点研究无人驾驶领域中利用AIS与雷达数据的信息融合方法,提出一种基于船舶航行及数据加权融合算法,最后进行仿真。     

恶劣气象环境下的船舶编队自动导航方法研究

海上交通的繁忙,使传统的雷达设备已很难完成恶劣环境下船舶的自动导航任务。为此,本文结合雷达设备和船舶自动识别系统,实现两者优势互补,更好的为船舶安全提供保证。首先比较雷达和自动识别系统各自的优缺点,接着提出二者信息融合的模型,重点对数据融合中涉及的坐标变换、时间配准、数据关联进行方法介绍。最后提出融合模型下步有待研究的方向。     

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。     

基于多平台信息融合的船舶导航技术

为保证船舶航行的安全性,对传统综合导航平台的技术实现进行分析,提出基于多平台信息融合的导航技术实现方案。在对船用雷达导航系统（Radar Navigation System,RNS）、船舶自动识别系统（Automatic Identification System,AIS）、罗经和计程仪的导航数据进行分析的基础上,设计以数据融合为支撑的船舶导航系统架构,并以实例验证该技术的可行性和有效性。该技术可有效发挥不同平台的导航信息优势,对船舶综合导航系统的优化具有一定的参考价值。     

基于AIS数据的船舶航迹多维预测方法

目前,船舶轨迹预测存在数据噪声严重、缺乏考虑历史轨迹的相似性的问题,导致预测精度不高,难以满足实际需求。针对该问题,从船舶自动识别系统(Automatic Identification System, AIS)数据去噪、在预测模型中考虑历史数据两个方面提高船舶轨迹单步预测的精度和可靠性。根据相邻时刻的AIS数据修复当前时刻的船舶运动参数;使用二维长短时记忆网络(Long Short-Term Memory, LSTM)算法分别从时间和空间的角度将当前船舶的航迹数据和历史轨迹数据相融合,建立航迹预测模型和区域预测模型;利用试验数据验证模型的综合性能。试验结果表明:该模型可获得精度较高的船舶航行轨迹。     

多船舶雷达信息的航迹算法与目标跟踪研究

船舶雷达系统是进行目标探测的重要组成部分,传统的单雷达探测技术在海上移动目标、多个目标探测时存在精度降低、噪声干扰量大等问题,此时,通过接收本船和其他船舶的雷达信息,并进行信息融合可以提高目标探测的精度。本文首先对船舶雷达的信号滤波技术进行了分析,介绍了多船舶雷达信息的航迹融合算法,从时间配准和空间配准两方面进行研究,并进行了仿真试验。     

船舶无人驾驶技术中的数据融合应用技术

无人驾驶船舶在海洋勘探、环境监测中发挥着重要的作用,是当前造船业和航海业的下一步发展方向,具有重要的科学和社会意义。然而,当前无人驾驶船舶的自动航行,仍需要较多的人工干预,一方面需要接收岸基控制中心的控制,另一方面为了保证较高的可靠性,通常需要在较好的海况和气象条件下工作,大大限制了无人驾驶船舶的使用范围。针对以上问题,本文提出一种基于多传感器数据融合的船舶无人驾驶技术,这种方法能够将雷达和卫星图像、传感器数据、GPS数据等相融合,实现全自动的无人船舶自动导航技术,从而大大减少人工干预,提升无人船舶遂行各种海洋任务的有效性。     

海上无人驾驶技术中的数据融合应用技术

现有的海上无人驾驶船舶数据融合应用技术存在数据精度差、数据波动大的弊端,为了解决上述问题,提出海上无人驾驶船舶数据融合应用技术研究。AIS与雷达设备采集的船舶数据存在较大的差异,采用聚类方法与高斯-克吕格投影方法分别对数据的时间与空间进行校准,得到采集时间序列一致、表述一致的船舶数据,以此为基础,利用模糊数学算法对目标船舶的关联航迹数据进行求取,以关联航迹数据为依据采用加权融合算法对AIS与雷达数据权值进行分配,实现海上无人驾驶船舶数据的融合应用。通过性能测试得到,与现有的数据融合应用技术相比较,提出的海上无人驾驶船舶数据融合应用技术极大的提升了数据精度,降低了数据波动的幅值,说明本文方法的海上无人驾驶船舶数据融合应用技术具有更好的性能。     

船舶雷达和AIS大数据可视化研究中Web技术的应用

在船舶的日常营运中,雷达系统和AIS系统是船舶导航、通信和目标探测不可或缺的关键系统,雷达和AIS系统的运行会产生海量的船舶数据,船舶雷达和AIS大数据分析已经成为一项研究热点。本文结合船舶雷达和AIS系统的数据特点,利用web客户端的Web GL技术进行了船舶雷达和AIS大数据的可视化研究,将船舶雷达与AIS大数据以动态Web海图的形式实现可视化。     

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。     

基于时延数据融合的港口船舶监控策略研究

在对现有港口船舶航行监控方法以及导航技术详细分析的基础上,结合基于Kalman滤波的数据融合技术,讨论了利用雷达、GPS以及AIS数据进行港口船舶导航算法和监控策略的设计问题。针对现有的时延平滑估计存在的缺点,提出一种基于时延的集中式预测估计融合算法。新算法具有很高的实时性和可实施性,同时,将新算法与现有的时延平滑估计融合算法相集成,提出一种完整的船舶导航和监控策略,计算机仿真算例验证了新算法的优越性,同时显示了新监控策略的有效性。     

海洋运输船舶轨迹分析研究

对于海上交通调查来说,船舶的轨迹数据是重要的资料,对于船舶运动规律的研究具有重要的参考价值。随着海上通信、导航技术以及监控网络的日益改进与完善,关于船舶轨迹数据的数据研究,在覆盖范围等勘察的有效性已经得到极大的突破,使得传统总体交通模式在运用轨迹数据的方法上,突破了传统的技术瓶颈,并且解决了各类方法中存在的固有问题,对其未来的发展具有重要的作用。     

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。     

基于灰色理论的船舶通信系统信息融合技术研究

船舶通信系统包括卫星终端、雷达、AIS等,不仅起到船舶之间、船岸之间信息交换的功能,还具有重要的导航功能,是船舶的关键组成部分。船舶通信系统的数据采集方式多种多样,研究通信系统的数据采集、数据融合和处理具有重要意义。灰色理论是指利用少量数据和信息,对不确定系统进行开发和信息提取的理论,在工业系统、农业数据采集等方面有应用潜力。本文系统研究了灰色理论模型和灰色关联分析,对船舶通信系统的信息融合技术进行了深入研究。     

基于物联网技术的船舶数据融合平台架构研究

为解决船舶航行过程中常见的数据融合效果不佳的问题,提出基于物联网技术的船舶数据融合平台架构优化方法。基于物联网技术和云平台对船舶运行数据处理框架进行改善,并结合蚁群算法对舶数据融合步骤进行优化处理,以提高船舶数据融合的准确性。最后通过实验证实,基于物联网技术的船舶数据融合平台架构在实际应用过程中具有较高的有效性,充分满足研究要求。     

嵌入式船舶导航系统航行轨迹智能控制方法

传统船舶航行轨迹智能控制方法存在控制精准度低的缺点,为此提出嵌入式船舶导航系统航行轨迹智能控制方法。采用双坐标系对船舶航行轨迹模型进行建立,以建立的船舶航行轨迹模型为依据,利用传感器对船舶航行轨迹数据进行采集与处理,通过采集的数据计算船舶航行轨迹偏差,采用船舶航行轨迹控制算法对航行轨迹偏差进行调整,实现了嵌入式船舶导航系统航行轨迹的控制。通过实验可得,提出的嵌入式导航系统航行轨迹智能控制方法控制精准度比传统方法高28%,说明提出的嵌入式导航系统航行轨迹智能控制方法具备极高的有效性。     

基于大数据的船舶雷达信息存储优化方案研究

随着海洋信息技术的发展,船舶雷达数据呈几何级增加,传统的本地服务器存储架构已经越来越不能满足现代船舶雷达数据容量需求,云存储逐渐成为雷达数据存储主流技术;同时,由于海上通信网络较易受到外界攻击及环境干扰,云存储平台需要更为安全的高密度加密技术。本文研究了基于大数据的船舶雷达云存储平台,设计了一种高密度加密算法CP-ASBE,最后进行仿真。     

船舶导航系统中雷达与AIS信息融合系统分析

船舶自动识别系统(AIS)是集船舶导航、避碰、海事监管于一体的无线电系统,在水上交通运输领域里发挥着重要作用。而雷达同样是海上交通获取船舶目标信息的重要设备。二者目标信息在内容信息和数据精度上存在差异性,且具有互补性。为了获得船舶目标更精确和更可靠的信息,将其目标信息进行融合。文章提出了一种雷达与AIS信息融合的实现方法,并描述了将其实现的具体过程。     

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。