基于Attenton-LSTM神经网络的船舶航行预测

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。     

基于虚拟仪器的船舶监控系统研究

船舶监控系统的研究对船舶安全起着至关重要的作用,有助于提升船舶导航能力和海上交通管理能力。该文提出的基于虚拟仪器的船舶监控系统,应用LabVIEW图形化编程语言开发了AIS信息处理系统,能够实时采集网络最新发布的船舶信息数据,进行信息的解析和存储,同时应用Google Earth显示船舶的位置及路径信息。系统选用Kalman滤波对船舶的航迹进行跟踪优化,结合BP神经网络对船舶航迹进行预测。系统可实现AIS数据采集、解析、存储、显示、分析等多项功能。     

探讨AIS在保障水上交通安全中的作用

船舶自动识别系统(AIS)作为一种新型的船用助航通信系统,其开发使用的主要目的通过为船舶驾驶人员提供更加精确、详细的航行环境信息,从而保证船舶航行安全、提高船舶航行效率和海上航行的安全性。本文通过对AIS概念、功能和组成等的介绍,以及对目前AIS在保障水上交通安全中发挥的作用的探讨,延伸了AIS的初始开发功能,为水上安全工作者充分应用AIS提供参考。     

一种应用于海上交通安全的智能船舶系统

全球船舶数量不断增长,出现了许多大型化和高速化的新型船舶,面对有限的航道资源,船舶的航行安全变得至关重要。因此为保障船舶在航行时的安全,人们建立高度智能化的船舶信息交换系统和自动识别避碰系统(AIS)。本文旨在改善AIS系统的功能,设计智能化的AIS系统,并基于模糊评价体系,对船舶的航行安全状况进行实时地监控,通过高斯滤波算法对控制信号数据进行处理,加强该智能系统在复杂环境下的自适应能力。     

浅谈AIS对船舶操纵和避碰的影响

在社会发展新时期,科学技术不断进步,船舶自动识别系统(AIS)得以形成,为船舶的安全航行提供可靠的技术支持,属于一种现代化的助航设备。AIS的有效应用,能够基于船舶间与船岸间船舶信息开展自动交换、检测和识别,以便准确把握船舶航行的状态信息。本文就AIS对船舶操纵和船舶避碰的影响进行简要分析,仅供相关人员参考。     

船舶自动识别系统（AIS）的检查

随着船舶配备AIS工作的全面开展,加深对AIS设备的认识以及提高对该设备的检查能力,已成为船舶安全检查工作的当务之急。1 AIS系统服务内容(1)为船舶提供的服务。水域交通动态和交通指引；航行警告、通告和交通管制信息；影响船舶航行的因素,气象、水文、航标等信息；应答船台的求助。(2)为海事部门提供的服务。船舶动态、静态信息；     

船舶航行数据远程采集系统

介绍了一种基于卫星通信的船舶数据远程采集系统,该系统采用嵌入式控制设计,组合船舶C站和自动识别系统(AIS)设备组建系统,利用C站的卫星通信功能接收陆地远程控制指令,通过嵌入式控制系统实现对C站和AIS设备的远程控制。采集C站和AIS设备中的船舶航行信息,通过卫星通信将航行信息传送到陆地船舶管理系统,实现了船舶数据的远程采集,为提高船舶自动化和现代化管理水平提供了技术平台。     

基于高阶常微分方程的复杂水域船舶航迹精准预测研究

船舶航迹预测是其避障、导航的基础,精准的航迹预测可提升船舶在复杂水域航行的安全性,为此研究基于高阶常微分方程的复杂水域船舶航迹精准预测方法。该方法利用AIS系统采集船舶航行行为动态观测样本后,构建该船舶航行行为动态观测样本的高阶常微分方程预测模型,使用四阶龙格-库塔方法求解该预测模型,得到船舶航行动态观测样本预测值后,利用最小二乘法对其进行拟合处理,得到船舶航迹曲线。实验结果表明,该方法可有效采集船舶在复杂水域航行时的航速、船首向等行为动态观测样本,预测船舶航迹点和拟合后的航迹曲线均与其实际数值吻合,预测精度较高。     

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。     

AIS与水上交通安全长效管理

船舶自动识别系统(AIS)是一种新型的船用助航设备,其主要目的是通过为船舶操纵人员提供更加精确、详细的航行环境信息,使之能够更好地监视和控制船舶航行,加强海上航行的安全性。AIS的迅速普及与应用将极大地提高船舶航行安全,保障水上交通安全的长效管理。     

基于低信噪比AIS数据的船舶航迹精准预测

针对船舶自动识别系统(AIS)数据存在较大的实时系统噪声和测量噪声,且易丢包和产生错误的问题,提出了滑动卡尔曼循环网络.该方法采用加窗处理的方式,通过在各窗口中建立状态方程,并使用实时计算的噪声对其进行更新,将非线性高斯系统转化为线性高斯系统.将该高信噪比状态参数输入相应时刻的循环单元中,训练网络参数,从而拟合其非线性关系,实时预测船舶的航迹进行.试验对"大连—烟台"航段的AIS数据进行分析,并将所得结果与传统方法相对比,证明该方法具有较高的精度和较快的速度,可实时对船舶航行轨迹进行精准预测.     

改进灰色模型的船舶航行轨迹自动预测研究

为实现更加精准、自动化的船舶航行轨迹预测,利用改进灰色模型,提出一种基于改进灰色模型的船舶航行轨迹自动预测方法。在船舶航行中的AIS数据中对船舶航行轨迹数据进行提取,其中AIS数据具体包括船舶航程数据、船舶动态数据以及船舶动态数据。通过数据估计算法插补缺失数据,分为2个步骤,第1步是对插补数据进行识别,第2步是对其进行插补。通过改进灰色模型对船舶航行轨迹进行自动预测,主要使用基于缓冲算子改进的灰色模型构建船舶航行轨迹自动预测模型。选取某船舶服务项目中包含的船舶AIS数据作为实验数据,对设计方法进行实例测试。测试结果表明,设计方法的数据提取质量较高、预测模型的误差较小,具有广阔的市场应用前景。     

船上自动识别系统(AIS)介绍

船载AIS用于向其他船舶、陆地船舶交通管理控制站(VTS)或授权单位提供来自船舶的信息,以便对船舶进行识别和跟踪. 根据SOLAS公约配备要求:所有300总吨及以上的国际航行船舶和500总吨以上的非国际航行船舶以及不论尺度大小的客船,应按下列要求配备一台全球船载自动识别系统(AIS):     

AIS与VTS的完美结合

船舶自动识别系统(简称AIS)诞生于20世纪90年代.由于运用了先进的船舶导航技术、数字通信技术和网络信息技术,AIS系统能够为船舶避碰和船舶航行提供辅助决策,增强船舶识别和动态信息广播的功能.     

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。     

基于船舶自动识别系统数据的多汊航道船舶流量预测

基于船舶自动识别系统(AIS)大数据,通过解析AIS原始报文,分离出关键字条,经过数据清洗、筛选后匹配其他船舶数据源,以进一步识别船舶类型并划分吨级。将大数据应用于船舶流量预测中,通过跟踪代表船型的航迹,总结出船舶航行规律和运营情况,再结合历史数据和宏观形势发展,综合预测航道货运量,基于对AIS数据的挖掘,运用分配模型预测多汊航道船舶流量,并以长江口南槽航道为例预测其船舶流量。结果表明,运用AIS大数据能有效分析复杂多变的船舶航路,从而准确地预测多汊道航道船舶流量。     

基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

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。     

自动识别系统在海上交通安全中的应用

文章介绍了自动识别系统(AIS)在海上安全与环境保护领域的应用。重点涉及了目前国际、国内航行船舶的AIS配备情况、覆盖情况和研究进展以及AIS数据对海上交通环境的统计分析、危险预测和AIS在海上船舶非法排污监督中的作用。     

船舶操作预报中数据挖掘算法的应用与实现

在现代海上交通管理中,船舶航行操控对整个航道的安全非常重要,因此只有充分挖掘海量的操作数据,才能有效实现船舶的航行安全。本文从海上交通的角度对船舶的操作行为模式展开研究,利用数据挖掘技术对AIS系统的数据进行分析,从而实现对船舶行为的预测,监测的数据主要有船舶的航行位置、船舶状态的监测和船队数量的识别等。通过仿真对特定港口的船舶数量进行大数据预测,从而能够提前预报,有效提高港口的管理水平。