基于AIS的船舶运动轨迹压缩技术研究

随着船舶自动识别系统的强制使用,海事系统及船公司为了对船舶监控,将接收大量的船舶AIS信息。为了存储海量的船舶AIS信息而又确保数据的质量和降低存储成本,就要对AIS信息进行压缩处理。论文结合AIS数据的特点和实际航迹研究的需要,在Douglas-Peucker算法的基础上,将此法结合船舶运动轨迹数据的特点进行了改进,从而提出了动态D-P压缩法。实验表明该算法能在保持较低失真度的情况下,对AIS提供的船舶运动轨迹数据进行有效快速的压缩,对船舶航迹再现、回放等研究和应用起到了启示作用。     

基于模糊理论的雷达/AIS目标数据融合方法

雷达和船舶自动识别系统(AIS)是保证现代船舶航行安全的重要导航设备。针对1部雷达和1部AIS得到的目标航迹进行融合,提出1种基于模糊理论的雷达/AIS目标数据融合方法,采用模糊数学中的正态隶属函数法来进行航迹相关,数据融合则采用参数加权方法,并将融合后数据进行多项式拟合,用以提高导航数据信息的精度与可靠性。通过仿真实例验证了此方法的可行性与有效性。     

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。     

海上高速航行船舶触礁距离实时计算方法

为了提高船舶航行安全性,并应对航行过程潜在碰撞风险,提出海上高速航行船舶触礁距离实时计算方法。通过航海雷达探测船舶航行环境中的礁石目标,确定极坐标系下的位置坐标后,将其转换地心垂直坐标系下,构建基于PLSTM-FCN的船舶航迹预测模型,从船舶自动识别系统中获取高速航行船舶历史位置、航速、航向、船舶长度、宽度以及吃水深度等AIS数据,将其作为模型输入,模型输出为船舶航行实时位置预测结果,结合礁石目标位置,完成触礁距离的实时计算。实验结果表明,该方法可预测船舶航行航迹,预测MSE值仅为0.002 2;可实现船舶触礁距离的实时计算,计算结果与实际距离误差介于0.77～1.55之间。     

数据挖掘技术在船舶航迹拟合中的应用

近年来,针对船舶航迹拟合的研究日益增加。但原有船舶航迹拟合方法在使用中,常出现拟合结果与实际航迹相差较大的问题。因而采用数据挖掘技术展开优化,设计基于数据挖掘技术的船舶航迹拟合方法。在船舶中引用AIS系统,获取船舶行驶数据。采用数据挖掘技术中的模式挖掘算法对采集到的数据进行预处理。使用上述处理后的数据,构建船舶航迹拟合模型。至此,基于数据挖掘技术的船舶航迹拟合方法设计完成。构建实例测试分析环节,将此方法拟合结果与原有方法拟合结果和实际航迹进行对比,获取航迹相似度。通过对比可知,此方法相似度高于原有方法。由此可知,基于数据挖掘技术的船舶航迹拟合方法拟合效果更佳。     

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。     

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。     

基于传感网络的船舶触礁远距离预测系统

本文设计了一种船舶触礁远距离预测系统,该系统利用自身传感器网络和AIS数据对船舶的位置、航迹等数据进行分析和处理,并完成数据的坐标转换、速度转换,然后对船舶在一定时间内的航迹进行预测,确定船舶与远距离礁石的位置关系,对是否发生碰撞事故进行预测。本文的研究有助于提高船舶的航行安全性,减少船舶的触礁风险。     

船用ARPA雷达与AIS信息融合的实现

将AIS信息融人到ARPA雷达系统中,为船舶导航和避碰系统提供更精确可靠、更实用的数据.归纳出ARPA雷达与AIS信息融合的系统框架,针对基于模糊数学和统计加权方法进行航迹关联的不足,提出基于灰色理论的航迹关联算法.模拟实验的分析结果表明,目标船在40艘左右的情况下,识别准确率为98%～99%,具有较高的航迹关联匹配率.     

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。     

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.     

船舶导航一体化网络路由算法的设计与实现

为保证船舶航行安全,提高航行效率,提出一种船舶导航一体化网络布线算法的设计方法,通过对船舶导航一体化网络布线设备结构的优化,有效地提高了航迹数据采集和处理的精度,并对航迹障碍干扰进行数值计算,根据航迹障碍距离和航迹障碍参数确定最佳航迹选择,有效地解决了航迹选择不佳导致船舶在航迹上布线费时的问题。经实现验证,该算法与传统方法相比,有较大的实用价值,在实际应用过程中,大大提高了船舶航行安全性和航行效率,从而证明了所提出的船舶导航一体化网络路由算法具有较好的性能,完全可以满足研究的需要。     

基于NoSQL数据库的AIS航线设计研究

船舶运输需要充分考虑安全性和经济性,合适的航线能够为船舶安全运输提供有效保证,传统依靠纸质海图和电子海图的航线设计存在实时性不强、精度不够等问题。本文提出一种基于NoSQL数据库和AIS数据的航线自动设计方法,对其中的关键技术进行了研究,包括航线自动规划技术路线、NoSQL数据预处理以及航线自动规划方法。在航线自动规划方法中,设计了基于AIS的航线自动规划流程,使用DBSCAN算法对航迹数据进行了聚类分析。本文的研究成果可以为船舶航线自动规划提供有效辅助。     

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。     

船舶导航轨迹识别中智能算法研究

以船舶导航作为研究对象,对船舶导航航行轨迹识别方法进行研究,给出一种智能航迹识别算法。在该算法中,首先通过聚类算法进行航迹图谱的挖掘,得到历史航迹图谱,然后根据航迹图谱,利用卡尔曼滤波方法对航迹异常行为进行识别与预测。实验结果表明,本文给出的船舶导航轨迹智能识别方法具有较好的识别效果。     

无人驾驶技术的水面船舶曲线航迹跟踪方法

传统水面船舶航迹跟踪方法仅能对线性航迹进行跟踪,针对与双体船结构特征相似的无人驾驶船舶航迹,在其无线航迹跟踪应用中表现出航迹跟踪坐标位置与实际坐标位置误差较大的问题,导致跟踪目标经常丢失。为此,结合双体船航迹跟踪特点,提出无人驾驶技术的水面船舶曲线航迹跟踪方法。首先对水面船舶航行条件建立模型,根据条件模型对船舶曲线轨航迹进行数据模型计算。最后,结合条件模型与曲线航迹模型,对跟踪算法进行差值优化计算,从而提升曲线航迹的跟踪精准度。通过仿真数据的模拟测试,采用提出方法的船舶,能够将曲线航迹跟踪精准度控制在98.6%以上,有效解决传统跟踪方法误差大的问题。     

基于最小二乘算法的船舶航行轨迹控制研究

为保证船舶一直按照既定的轨迹航行,避免发生碰撞事故,进行船舶航行轨迹控制具有重要的现实意义。为此,基于最小二乘算法进行船舶航行轨迹控制方法研究。该研究前一部分获取AIS系统中的船舶航行实时数据,得到船舶航行位置,后一部分利用最小二乘算法,并结合前一部分获取的数据,预测船舶航行角度和方向,控制船舶航行。结果表明:1)整体来看,实际航行轨迹线路与预期航行轨迹线路之间的拟合优度为0.984 7,比较靠近1,说明船舶航行实际轨迹符合预期。2)局部来看,通过对比10个不同节点处的航行速度和航行方向,误差比较小,说明所研究方法的航行轨迹控制效果较好。     

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。     

基于大数据技术的船舶定位导航和航迹预测

船舶定位导航和航迹预测研究具有重要的实际意义,为了提高船舶定位导航和航迹预测精度,设计了基于大数据技术的船舶定位导航和航迹预测方法,首先对船舶定位导航和航迹预测研究现状进行分析,找到船舶定位导航和航迹预测中存在的难题,然后引入大数据技术——卡尔曼滤波算法实现船舶定位导航和航迹预测,最后测试结果表明,本方方法可以描述船舶定位导航和航迹的变化特点,船舶定位导航和航迹预测精度大于90%,而且船舶定位导航和航迹预测准确性要高于其他方法。