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%。     

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。     

物联网环境下船舶航行大数据异常属性划分

由于人工记录、手动测量等方式存在信息不及时、不准确以及局限性的问题,无法获取到实时、全面的航行数据,降低了大数据异常属性划分结果的有效性,因此提出物联网环境下船舶航行大数据异常属性划分方法。在物联网环境下利用离散度函数,加权处理船舶航行大数据属性特征。通过密度选择法,确定船舶航行大数据异常属性划分的初始聚类中心。利用属性加权快速聚类算法,结合离散度函数与初始聚类中心,完成船舶航行大数据异常属性划分。实验证明,所提出方法可有效划分船舶航行大数据异常属性。在不同大数据规模下,该方法异常属性划分的加速比均较大,即异常属性划分速度较快。     

数据驱动的船舶异常行为识别方法

为对不同环境影响因素下的船舶异常行为进行有效识别,提出一种综合考虑船舶位置和船舶航行状态的多角度船舶异常行为识别方法。将船舶航行状态分为停留、直行和转向等3类,对网格化水域内的船舶航行状态进行统计,获得船舶正常航行状态的区域分布情况;利用核密度估计算法对船舶位置特征进行提取,获得正常航行位置的区域分布;利用正常船舶航行状态和船舶位置分布情况对船舶异常行为进行识别。选取曹妃甸水域的船舶轨迹数据,用以验证异常行为识别模型的检验效果。试验结果表明：船舶位置异常识别取决于阈值的设定,宽松的阈值识别的异常位置包含船舶较少的航线轨迹,严格的阈值识别的异常位置反映船舶的危险行为;在船舶航行状态异常识别中,该方法可以对航向大幅度波动和航速剧烈变化的船舶异常航行行为状态进行有效的识别。     

基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

基于区块链技术的船舶智能航行大数据平台仿真

当前平台可以实时监测船舶在海上航行的动态,但功能和性能无法满足用户的需求,为此提出基于区块链技术的船舶智能航行大数据平台。采用区块链技术设计船舶智能航行大数据平台架构,利用RMTP925DB型号芯片设计船舶航行大数据采集复位电路,设置数据压缩节点在传输过程中的请求速率在带宽容量范围内,计算终端接收到船舶航行数据包总数。通过压缩门限值采集船舶航行过程中实时数据,根据船舶航行数据压缩空间的判断,压缩了船舶航行大数据,结合船舶航行领域模型的构建,实现船舶智能航行大数据平台设计。测试结果表明,本文平台功能可以满足用户的需求,提高了服务效率。     

船舶航行数据记录仪的研究与发展

在１９９９年７月,国际海事组织航行安全分委会通过了国际海上人命安全公约（ＳＯＬＡＳ）第Ｖ章的修改议题并批准了船舶航行数据记录仪的标准草案,分委会建议委Ｖ章的内容于２００２年７月１日实施,以及从２００２年１月１日起,所有进出欧共体会员国港口的滚装渡船和高速客船将强制安装航行数据记录仪（ＶＤＲ）,在这种形势下,ＶＤＲ的研究与应用将进入一个崭新的历史时期。本文综合介绍了船舶航行数据记录仪的研制意义、发展现状、最低性能要求及未来发展方向。     

船舶航行数据记录仪若干技术研究

船舶航行数据记录仪（VDR）是一种海上事故后调查的先进、有益的工具。随着国内外强制安装要求的不断出台,其应用前景广阔,本文重点就VDR的数据获取,记录介质选择、声音、图像的及记录数据的再现等技术问题提出了可行的解决方案。     

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。     

基于大数据的船舶航行最优路径规划算法研究

传统的航行路径规划算法为静态单一条件的最优选择算法,最优路径缺乏客观性,准确度明显下降。针对此问题提出基于大数据的船舶航行最优路径规划算法。引入云计算遗传特征计算算法,对航行相关的全局路径数据进行大数据遗传特征分析,得到具有代表性特征的备选路径;引入大数据蚁群择优算法,对备选路径进行最优路径计算,得到最客观真实的最优航行路径;通过设计多路径仿真实验,证明提出算法具有计算速度快、准确率高、可行性好的特点。     

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。     

基于数据融合的船舶航行评价系统

介绍基于数据融合技术的系统三级处理模型,并重点讨论基于数据关联的船舶航迹提取,基于坐标转换和几何模型的船舶运动参数计算,以及基于多测量周期数据融合的船舶操纵识别等,从而建立船舶航行评价模型,最后通过实例说明系统运行的有效性。     

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。     

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。     

利用卡尔曼滤波预测船舶航行轨迹异常行为

随着计算机控制技术的飞速发展,在船舶的航行预测和控制领域,人们相继开发出了各种智能化的预测算法,从而保证了船舶航行的安全。在船舶的行为预测和控制中,需要大量的传感器对船舶的姿态信息、设备状态信息和通信导航设备信号进行采集,因此本文着重研究了信号的滤波算法。本文提出了基于卡尔曼滤波算法的船舶航迹跟踪技术,并针对船舶的航行特点,建立了适当的运动模型和状态方程,最后通过仿真实验,对扩展卡尔曼算法的目标跟踪性能进行验证。