船舶通信网络异常数据自动检测和剔除方法

为提高船舶通信网络异常数据自动检测精度,并全面剔除船舶通信网络异常数据,研究新的船舶通信网络异常数据自动检测和剔除方法。利用基于改进支持向量机的网络异常数据自动检测方法,由改进粒子群优化算法,寻优设置支持向量机的惩罚项、核函数的预定义参数,训练性能合格的支持向量机后,以船舶通信网络数据分类的方式,自动检测船舶通信网络异常数据;将异常数据使用基于自适应级联陷波器的异常数据剔除方法,通过自适应级联陷波器,以异常数据滤波的方式,剔除船舶通信网络异常数据。研究结果显示,使用所提方法,船舶通信网络异常数据自动检测结果符合实际数目,可有效去除船舶通信网络异常数据。     

复杂环境中高可用船舶AIS大数据信息处理方法

提升复杂通航环境下船舶航行安全性,提出复杂环境中高可用船舶AIS大数据信息处理方法。选取分布式架构作为船舶AIS大数据的信息处理架构,采集船舶AIS数据,对数据实施报文解析处理,利用云计算节点将完成AIS大数据传送至Oracle数据库。Oracle数据库采用同步复制技术,利用Markov链建立可用性评估模型,依据可用性评估结果确定分布式数据库的最佳接管方案,提升AIS大数据的可用性。选取Dbscan算法完成数据聚类,数据聚类结果为舰船目标识别等应用提供数据基础。实验结果表明,该方法可以有效处理船舶AIS大数据,数据聚类的类内相似度高于0.93,信息处理可用性高。     

AIS系统与船舶保安

针对AIS系统的特点和所传输的信息，分析了AIS在远洋船舶上全面安装及实施后，在增加航行安全，提高船舶交通管理系统的服务和监控能力的同时，在船舶保安方面可能出现的问题。建议船舶在使用AIS数据信息时应当采取合理的谨慎态度，尤其是在海盗多发地带应适时地暂时关闭系统。     

船舶通信系统的异常数据检测

船舶通信系统的传输信道和输出链路层受到码间干扰和多径影响的情况下,容易出现异常数据,导致通信中断和故障,需要进行异常数据检测,提高系统稳定性。提出一种基于频谱特征提取和分数间隔均衡的船舶通信系统异常数据检测方法,基于分数间隔均衡方法构造通信系统的信道均衡模型,采用格型滤波器进行通信系统传输链路的码间干扰滤波,对滤波处理后的输出通信信号进行频谱特征提取,根据频谱特征差异性实现异常数据检测。仿真结果表明,采用该方法进行通信系统异常数据检测的准确概率较高,提高了船舶通信系统的抗干扰能力和信道均衡性,降低输出误码。     

利用AIS数据挖掘建立船舶到达规律模型

首先介绍船舶交通流对于船舶港口的影响;然后从泊松分布、负二项分布入手,详细的说明船舶到达规律;最后通过AIS数据挖掘建立了影响船舶达到规律的参数。通过对参数的分析建立船舶到达规律模型,实验证明负二项分布所建立的模型能更好地描述船舶进出港口的情况。     

基于AIS数据的船舶航行安全评价模型构建

针对现有船舶海上航行安全度求解复杂、参考因素权重确定困难等方面的不足,研究影响评价模型准确性的数据来源、模型构建方法等问题,提出一种基于关系型数据库的船舶重要指标筛选方法和数据库构建及检索设计方案。构建基于模糊数学方法、层次分析法(Analytic Hierarchy Process, AHP)和专家评价法的船舶碰撞危险度(Collision Risk Index, CRI)求解模型,并根据实船自动识别系统(Automatic Identification System, AIS)数据对船舶航行安全评价数学模型和构建的数据库进行验证。结果表明,基于AIS数据的船舶航行安全评价数据库具有较好的可靠性和易用性。船舶航行安全评价模型计算结果可信,符合专家经验及《国际海上避碰规则》要求,可为船舶海上航行安全评价提供技术和理论支持。     

基于云计算的船舶通信网络异常数据分析

传统船舶通信网络异常数据分析方法无法有效处理大规模的船舶通信网络异常数据,使得船舶通信网络异常数据分析的实时性差,船舶通信网络异常数据错误分析的概率高,为了解决当前船舶通信网络异常数据分析方法的局限性,针对船舶通信网络异常数据的特点,提出了基于云计算的船舶通信网络异常数据分析方法,首先分析船舶通信网络异常数据分析原理,采用支持向量机建立船舶通信网络异常数据分析模型,然后采用云计算搭建船舶通信网络异常数据分析平台,使多个支持向量机可以并行执行,最后在Matlab 2016的环境下进行了船舶通信网络异常数据分析模拟测试,测试结果显示本文方法的船舶通信网络异常数据分析不仅正确率超过了90%,而且船舶通信网络异常数据分析实时性很好,要明显优于当前其它方法,实际应用价值更高。     

基于船舶自动识别系统和高频地波雷达的船舶轨迹数据融合

文中在分析船舶自动识别系统和高频地波雷达数据结构的基础上提出了一种船舶轨迹融合技术,采用数据融合技术将AIS与雷达的数据进行轨迹融合,从而提高对远距离船舶的控制监管能力以及促进船舶自身航运安全。     

VTS与AIS联合船舶物联网信息融合关键技术

随着船舶物联网技术的广泛应用,为船舶管控、状态监测、环境探测等提供了新的模式。船舶物联网的基础是AIS和VTS系统,单一系统的采集信息无法全面分析船舶运行状态,同时,多个系统的采集信息存在冗余相关,如何实现信息的有效融合,成为船舶物联网技术发展的关键。本文设计分布式船舶物联网信息融合模型,提出以灰色理论为基础的航迹关联模型和以Kalman滤波算法为基础的航迹融合模型,有效提高AIS和VTS系统间信息融合的效率和准确性,以及系统的可靠性和生存能力。     

AIS对船舶安全的影响

介绍了AIS系统网络的构成,以及AIS系统网络的作用。阐述了AIS在VTS中的应用,从而强调了AIS对船舶安全的影响。     

提升算法下船舶AIS航迹数据压缩方法

为保证船舶AIS航迹数据的有效管理,提升船舶管理水平,研究提升算法下船舶AIS航迹数据压缩方法。该方法通过IEC61162-1标准和ITU1371-1协议,转换AIS轨迹数据格式,采用基于偏序集的规则链方法清洗转换后的AIS数据,并完成数据中经度和纬度的坐标转换。将数据存储在SQLite数据库,并按照时间顺序将其导入提升算法中,通过该算法压缩船舶AIS航迹数据,获取船舶AIS压缩后航迹数据。测试结果显示：该方法的压缩率均在90.6%以上,数据长度损失率最大值为0.11%,压缩效果较好,并且可保证压缩后数据的完整性;压缩后可较好地保存船舶转向行为数据点,确保数据的效用成果,提升船舶的管理水平。     

一种考虑船舶航速航向的AIS航迹插值方法

海上目标多手段融合探测中,需要等时间间距的AIS信息来描述船只的航行轨迹,作为验证其他船只探测手段的依据。针对传统的AIS线性插值方法在同一船只相邻2条AIS信息时间间隔过长时产生较大偏差的问题,本文提出一种新的AIS航迹插值方法。该方法综合考虑了目标的航速、航向等动态信息,通过对插值时间段内的船只位置进行预测,形成运动船只在该时间段内的插值航迹。最后,利用实测AIS数据对该方法进行验证,结果表明,相比线性插值,本文所提方法的航迹插值结果更接近船只在插值时间段内的实际航行轨迹。     

面向船舶避碰的异常轨迹点数据动态挖掘方法

船舶在避碰状态下开展异常轨迹点数据动态挖掘时,若不能及时了解避碰危险等级,会降低船舶异常轨迹点数据挖掘的挖掘性能。为提升异常轨迹点数据动态挖掘精度,提出面向船舶避碰的异常轨迹点数据动态挖掘方法。首先对船舶航行避碰危险程度展开具体分析,并根据分析结果采集船舶异常轨迹点数据,通过小波去噪算法完成船舶异常轨迹点数据的去噪处理。再进行数据去噪处理,提取轨迹点船舶的各项参数特征,结合长短期记忆网络构建船舶异常轨迹点的数据动态挖掘模型。最后将提取的特征向量实施变异赋值,将其赋值结果作为模型输入值输入模型中。根据模型输出实现船舶避碰情况下,异常轨迹点数据的动态挖掘。实验结果表明,使用该方法开展船舶异常轨迹点数据动态挖掘时,挖掘性能较高,挖掘效果好。     

基于AIS网络的差分GPS数据广播

高精度的差分GPS船位数据是港口船舶导航的必要条件,沿海AIS岸基网为差分数据的广播提供了新手段,通过AIS标准消息格式和GPS差分信息国际标准RTCM-SC104格式的转换,能够实现基于AIS岸基网的GPS差分修正数据的播发,从而为改善沿海航行船舶定位精度提供新途径。     

船舶修正总吨计算方法

针对现有船舶吨位度量单位无法精准地体现造船产量和能力的问题,对船舶修正总吨计算机理进行分析,在基准船选择的基础上,提出一种基于质量的计算方法,并且对其机理进行分析。     

AIS与船舶航行安全

船舶自动识别系统(AutomaticIdentificationSystem,简称AIS)是一种新型的船用助航设备,IMOMSC73会议已通过AIS强制性安装议案。针对AIS的发展过程与技术性能,讨论了AIS设备的应用对船舶航行安全所起的重要作用。     

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。     

小型船舶配备AIS的几点思考

文章从航行安全、应急搜救、海事监管等方面,阐述了小型船舶安装AIS设备的必要性、可行性,并就可能存在的问题提出一些建议。     

大数据环境下船舶航行异常属性采集方法研究

为了缩短船舶航行异常属性的采集时间,提高异常属性的采集效率,提出了大数据环境下船舶航行异常属性采集方法研究。在大数据环境下,将船舶航行异常属性的尺度空间函数展开,通过计算异常属性主曲率的大小,寻找船舶航行异常属性的边缘特征点,完成船舶航行异常属性特征点的提取。采用异常属性变异系数,得到了采集传感器节点的能量消耗,利用船舶航行异常属性采集算法的实现流程,实现了大数据环境下船舶航行异常属性的采集。实验结果表明,大数据环境下的异常属性采集方法与传统采集方法相比,异常属性的采集效率提高了46.05%。