CN103353756A - 基于ais与vts信息融合的在航船舶实时监控方法 - Google Patents

Abstract

本发明提供基于AIS与VTS信息融合的在航船舶实时监控方法，包括以下步骤：采集信号：通过AIS获取目标船的AIS静态信息、AIS动态信息、与航次相关的信息以及有关安全的信息；通过VTS探测目标船的VTS动态信息，同时利用VTS雷达目标回波反映目标的大小和形状信息；通过分析AIS和VTS雷达获取的目标船的AIS动态信息和VTS动态信息之间的差别，建立D-S证据理论识别框架；构造基于卡尔曼预测算法的焦元置信函数，在D-S证据理论识别框架中进行证据合成，判定监测结果。本发明基于现有的两种船舶实时监控方式，运用D-S证据理论识别框架，构造基于卡尔曼预测算法的焦元置信函数，以达到较为准确的监测结果。

Description

基于AIS与VTS信息融合的在航船舶实时监控方法

技术领域

本发明涉及远程监控技术，具体涉及基于AIS与VTS信息融合的在航船舶实时监控方法。

背景技术

在内河船舶现代化监管中，监控系统成为普遍的管理手段，通常是采用多种监控方式进行监控。但是，AIS与VTS雷达都不能取代对方来监控船舶，单一的传感器设备采集到的信息很难准确地、全面地反映船舶目标信息。若能将AIS和VTS的船舶目标的数据进行融合，就能够得到待识别目标船舶的准确位置，为船舶类型的精确识别打下良好的基础。针对这种对数据进行融合的实时性要求非常高的领域中，能够在保证数据融合结果准确的前提下对到达的数据进行及时的融合处理是当前数据融合领域许多学者正在研究的问题。

发明内容

本发明要解决的技术问题是：提供一种基于AIS与VTS信息融合的在航船舶实时监控方法，能够在保证数据融合结果准确的前提下对到达的数据进行及时的融合处理，从而得到待识别目标船舶的准确位置。

本发明为解决上述技术问题所采取的技术方案为：基于AIS与VTS信息融合的在航船舶实时监控方法，其特征在于：它包括以下步骤：

1)采集信号：

通过AIS获取目标船的AIS静态信息、AIS动态信息、与航次相关的信息以及有关安全的信息；AIS静态信息包括呼号、船名、船型、MMSI(Maritime Mobile Service Identities，海上移动服务标识)、船长和船宽，AIS动态信息包括船位、航速和航向；

通过VTS探测目标船的VTS动态信息，同时利用VTS雷达目标回波反映目标的大小和形状信息；VTS动态信息包括船位、航速和航向；

2)通过分析AIS和VTS雷达获取的目标船的AIS动态信息和VTS动态信息之间的差别，建立D-S证据理论识别框架；

3)基于卡尔曼预测算法构造识别框架中各个焦元的信任函数，在D-S证据理论识别框架中进行证据合成，判定监测结果。

按上述方案，所述的步骤2)具体包括：

2.1)针对VTS和AIS所采集的船位信息在时间上不同步的问题，需根据其采集时间对船位数据进行线性插值，以获取基于标准时间间隔的船舶位置数据；

设某船舶在t₀时刻的船位坐标为(x₀，y₀)，在t₁时刻的船位坐标为(x₁，y₁)，根据标准时间间隔要求，需得到[t₀，t₁]时间区间上某一时刻t的船位坐标为(x，y)。

定义线性插值系数为α，α＝(x-x₀)/(x1-x₀)，同时α也满足：α＝(y-y₀)/(y₁-y₀)

此时，可得到t时刻的船位坐标(x，y)为：x＝x₀+α(x₁-x₀)，y＝y₀+α(y₁-y₀)。

2.2)分五种情况建立船舶位置判定识别框架，可表示为：

Θ＝{θ₁，θ₁，θ₃，θ₄，θ₅}     (3)；

Θ表示识别框架；θ₁表示针对同一目标船，判定相信AIS的检测结果；θ₂表示针对同一目标船，判定相信VTS的检测结果；θ₃表示针对同一目标船，判定相信既是AIS的检测结果也是VTS的检测结果，那么根据先验知识和专家经验判定相信VTS的检测结果；θ₄表示针对同一目标船，判定既不是AIS的检测结果也不是VTS的检测结果，需要加入新的证据来判定；θ₅表示判定错误，结果为空，即判定AIS和VTS检测结果均不正确，检测目标不对。

按上述方案，所述的步骤3)具体包括：

3.1)设定AIS系统与VTS系统的坐标轴一致，定义AIS系统在X方向和Y方向上的船舶位置和速度为x|AIS，y|AIS，v_x|AIS，v_y|AIS，VTS系统在X方向和Y方向上检测到的船舶位置和速度为x|VTS，y|VTS，v_x|VTS，v_y|VTS，并定义向量：

S|AIS＝[s₁|AIS，s₂|AIS，s₃|AIS，s₄|AIS]^T     (4)，

S|VTS＝[s₁|VTS，s₂|VTS，s₃|VTS，s₄|VTS]^T     (5)，

上述公式中S|AIS表示来源于AIS数据的信号矢量，S|VTS表示来源于VTS数据的信号矢量，上标T表示矩阵的转置运算，s₁|AIS-s₄|AIS分别为来源于AIS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，s₁|VTS-s₄|VTS分别为来源于VTS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，即：

s₁|AIS＝x|AIS，s₂|AIS＝v_x|AIS

s₃|AIS＝y|AIS，s₄|AIS＝v_y|AIS     (6)，

s₁|VTS＝x|VTS，s₂|VTS＝v_x|VTS

s₃|VTS＝y|VTS，s₄|VTS＝v_y|VTS     (7)；

3.2)得到卡尔曼状态方程：

s₁|AIS(n+1)＝s₁|AIS(n)+T*s₂|AIS(n)

s₂|AIS(n+1)＝s₂|AIS(n)+q_x|AIS(n)     (8)，

s₃|AIS(n+1)＝s₃|AIS(n)+T*s₄|AIS(n)

s₄|AIS(n+1)＝s₄|AIS(n)+q_y|AIS(n)

s₁|VTS(n+1)＝s₁|VTS(n)+T*s₂|VTS(n)

s₂|VTS(n+1)＝s₂|VTS(n)+q_x|VTS(n)     (9)，

s₃|VTS(n+1)＝s₃|VTS(n)+T*s₄|VTS(n)

s₄|VTS(n+1)＝s₄|VTS(n)+q_y|VTS(n)

其中，n+1表示下一时刻，n表示当前时刻，q_x|AIS，q_y|AIS，q_x|VTS，q_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的速度改变量，设它们为零均值的白噪声过程，间隔时间为T的两个量彼此不相关，即：

E[q_x|AIS(n)q_x|AIS(n+1)]＝0，

E[q_x|VTS(n)q_x|VTS(n+1)]＝0，

它们的方差分别为：

3.3)由此可得卡尔曼状态方程的矢量形式为：

S|AIS(n+1)＝A*S|AIS(n)+Q|AIS(n)

S|AIS(n)＝[s₁|AIS(n)，s₂|AIS(n)，s₃|AIS(n)，s₄|AIS(n)]^T

Q|AIS(n)＝[0，q_x|AIS(n)，0，q_y|AIS(n)]^T

S|VTS(n+1)＝A*S|VTS(n)+Q|VTS(n)     (10)，

S|VTS(n)＝[s₁|VTS(n)，s₂|VTS(n)，s₃|VTS(n)，s₄|VTS(n)]^T

Q|TS(n)＝[0，q_x|VTS(n)，0，q_y|VTS(n)]^T

$A=\left[\begin{array}{cccc}1& T& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& T\\ 0& 0& 0& 1\end{array}\right]$

其中Q|AIS表示AIS数据的信号噪声矩阵，Q|VTS表示VTS数据的信号噪声矩阵，A为模型方程的系数矩阵；

同样，定义向量：

Z|AIS＝[z1|AIS，z₂|AIS]^T     (11)，

Z|VTS＝[z₁|VTS，z₂|VTS]^T     (12)，

其中Z|AIS表示来源于AIS数据的数据矢量，Z|VTS表示来源于VTS数据的数据矢量，z₁|AIS和z₂|AIS表示来源于AIS数据的X方向上船舶位置测量值和Y方向上船舶位置测量值，z₁|VTS和z₂|VTS表示来源于VTS数据的X方向上船舶位置测量值和Y方向上船舶位置测量值，即：

z₁|AIS(n)＝s₁|AIS(n)+r_x|AIS(n)     (13)，

z₂|AIS(n)＝s₃|AIS(n)+r_y|AIS(n)

z₁|VTS(n)＝s₁|VTS(n)+r_x|VTS(n)     (14)，

z₂|VTS(n)＝s₃|VTS(n)+r_y|VTS(n)

式中r_x|AIS，r_y|AIS，r_x|VTS，r_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的测量误差，通常为零均值的白噪声过程，它们的方差分别为：

$E\left[r_x^2\right|\mathrm{AIS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{AIS},$ $E\left[r_y^2\right|\mathrm{AIS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{AIS},$

$E\left[r_x^2\right|\mathrm{VTS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{VTS},$ $E\left[r_y^2\right|\mathrm{VTS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{VTS};$

其矢量形式为：

Z|AIS(n)＝C*S|AIS(n)+R|AIS(n)

Z|AIS(n)＝[z₁|AIS(n)，z₂|AIS(n)]^T

R|AIS(n)＝[r_x|AIS(n)，r_y|AIS(n)]^T

Z|VTS(n)＝C*S|VTS(n)+R|VTS(n)     (15)；

Z|VTS(n)＝[z₁|VTS(n)，z₂|VTS(n)]^T

R|VTS(n)＝[r_x|VTS(n)，r_y|VTS(n)]^T

$C=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 0& 1& 0\end{array}\right]$

式中R|AIS(n)，R|VTS(n)表示AIS数据和VTS数据的测量噪声矩阵，C为测量方程的系数矩阵；

3.4)Q|AIS(n)，R|AIS(n)，Q|VTS(n)，R|VTS(n)的自相关矩阵分别为：

$E\left[Q\right|\mathrm{AIS}\left(n\right)Q^T\left|\mathrm{AIS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{AIS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{AIS}\end{array}\right]$

$E\left[R\right|\mathrm{AIS}\left(n\right)R^T|\mathrm{AIS}\left(n\right)=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{AIS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{AIS}\end{array}\right]$

                                                        (16)；

$E\left[Q\right|\mathrm{VTS}\left(n\right)Q^T\left|\mathrm{VTS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{VTS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{VTS}\end{array}\right]$

$E\left[R\right|\mathrm{VTS}\left(n\right)R^T|\mathrm{VTS}\left(n\right)=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{VTS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{VTS}\end{array}\right]$

3.5)根据卡尔曼滤波的递推方程，可以凭借AIS系统和VTS系统各自在n时刻及其以前的数据序列，预测出其n+1时刻的船舶位置信息，称之为先验状态估计值：

${\hat{s}}_1^{-}|\mathrm{AIS}(n+1)={\hat{x}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{AIS}(n+1)={\hat{y}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_1^{-}|\mathrm{VTS}(n+1)={\hat{x}}^{-}|\mathrm{VTS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{VTS}(n+1)={\hat{y}}^{-}|\mathrm{VTS}(n+1)---\left(17\right),$

当n+1时刻到来时，可以获取相应的测量值，并根据卡尔曼滤波方程计算出它们的最优估计值，又称为后验状态估计值：

${\hat{s}}_1|\mathrm{AIS}(n+1)=\hat{x}|\mathrm{AIS}(n+1)$

${\hat{s}}_3|\mathrm{AIS}(n+1)=\hat{y}|\mathrm{AIS}(n+1)$

${\hat{s}}_1|\mathrm{VTS}(n+1)=\hat{x}|\mathrm{VTS}(n+1)$

${\hat{s}}_3|\mathrm{VTS}(n+1)=\hat{y}|\mathrm{VTS}(n+1)---\left(18\right),$

定义先验状态估计值与后验状态估计值之间的差值如下：

${\mathrm{\Δ}}_x|\mathrm{AIS}={\hat{s}}_1|\mathrm{AIS}(n+1)-{\hat{s}}_1^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{AIS}={\hat{s}}_3|\mathrm{AIS}(n+1)-{\hat{s}}_3^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_x|\mathrm{VTS}={\hat{s}}_1|\mathrm{VTS}(n+1)-{\hat{s}}_1^{-}|\mathrm{VTS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{VTS}={\hat{s}}_3|\mathrm{VTS}(n+1)-{\hat{s}}_3^{-}|\mathrm{VTS}(n+1)---\left(19\right);$

3.6)本融合过程中采用两个证据：m₁表示通过当前的AIS数据对船舶位置信息的确认程度；m₂表示通过当前的VTS数据对船舶位置信息的确认程度；则定义这两个证据的基本信任函数如下：

$m_1\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_1\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_1\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{AIS}}{{2\mathrm{\Δ}}_y|\mathrm{VTS}},$ $m_1\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}+}{{\mathrm{\Δ}}_x|\mathrm{VTS}+}\frac{{\mathrm{\Δ}}_y|\mathrm{AIS}}{{\mathrm{\Δ}}_y|\mathrm{VTS}},$

$m_1\left({\mathrm{\θ}}_5\right)=0,m_2\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x|\mathrm{VTS}}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_2\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_2\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{VTS}}{{2\mathrm{\Δ}}_y|\mathrm{AIS}},$ $m_2\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}+}{{\mathrm{\Δ}}_x|\mathrm{AIS}+}\frac{{\mathrm{\Δ}}_y|\mathrm{VTS}}{{\mathrm{\Δ}}_y|\mathrm{AIS}},m_2\left({\mathrm{\θ}}_5\right)=0---\left(20\right);$

式中m₁(θ₁)-m₁(θ₅)分别表示五种情况下的通过当前的AIS数据对船舶位置信息的确认程度；m₂(θ₁)-m₂(θ₅)表示通过当前的VTS数据对船舶位置信息的确认程度；

3.7)根据公式(20)中的基本信任函数，在D-S证据理论识别框架中进行证据合成，选择最后采纳的检测结果作为监测结果。

本发明的有益效果为：基于现有的两种船舶实时监控方式，运用D-S证据理论识别框架，构造基于卡尔曼预测算法的焦元置信函数，以达到较为准确的监测结果，即能够在保证数据融合结果准确的前提下对到达的数据进行及时的融合处理，从而得到待识别目标船舶更为准确的位置。

具体实施方式

下面结合具体实例对本发明做进一步说明。

基于AIS与VTS信息融合的在航船舶实时监控方法，包括以下步骤：

1)采集信号：通过AIS获取目标船的AIS静态信息、AIS动态信息、与航次相关的信息以及有关安全的信息；AIS静态信息包括呼号、船名、船型、MMSI(Maritime Mobile ServiceIdentities，海上移动服务标识)、船长和船宽，AIS动态信息包括船位、船速和船向；通过VTS探测目标船的VTS动态信息，同时利用VTS雷达目标回波反映目标的大小和形状信息；VTS动态信息包括船位、航速和航向。

2)通过分析AIS和VTS雷达获取的目标船的AIS动态信息和VTS动态信息之间的差别，建立D-S证据理论识别框架。

AIS和VTS雷达获取的目标船的AIS动态信息和VTS动态信息之间的差别包括：

a、AIS系统根据船载GPS天线位置的数据获取目标船的位置数据(即船位)；VTS系统根据雷达回波，即据回波视频经A/D转换、检测和录取后形成的目标标绘的中心点位置数据获取VTS雷达的目标船位置数据(即船位)；

b、AIS获取的目标航速航向和艏向数据分别来自船载GPS和罗经，船舶尺寸(船长、船宽)和GPS天线相随与船舶的位置等都是人工置入的船舶实际数据；VTS雷达数据处理输出的目标航速航向数据，是通过雷达目标自动跟踪处理中的航迹外推、航迹相关等形成的目标航迹线计算得出，与目标的历史位置数据有关，或有滞后，且测得船型数据，艏向角度偏差较大；

c、VTS雷达和AIS对船舶目标动态数据的采集是不同步的，数据更新周期也不相同，VTS雷达一般为3s，AIS随着船舶目标运动状态不同，在2s-3min内浮动；

d、VTS中雷达天线的转速是固定的，所以对船舶目标的扫描周期是固定的，而AIS的信息报告周期随目标速度的不同而不同，所以需要将VTS雷达和AIS信息进行线性时间对准插值法校准。

步骤2)具体包括：

2.1)针对VTS和AIS所采集的船位信息在时间上不同步的问题，需根据其采集时间对船位数据进行线性插值，以获取基于标准时间间隔的船舶位置数据；

设某船舶在t₀时刻的船位坐标为(x₀，y₀)，在t₁时刻的船位坐标为(x₁，y₁)，根据标准时间间隔要求，需得到[t₀，t₁]时间区间上某一时刻t的船位坐标为(x，y)。

定义线性插值系数为α，α＝(x-x₀)/(x₁-x₀)，同时α也满足：α＝(y-y₀)/(y₁-y₀)

此时，可得到t时刻的船位坐标(x，y)为：

x＝x₀+α(x₁-x₀)     (1)；

y＝y₀+α(y₁-y₀)     (2)；

2.2)分五种情况建立船舶位置判定识别框架，可表示为：

Θ＝{θ₁，θ₂，θ₃，θ₄，θ₅}     (3)；

Θ表示识别框架；θ₁表示针对同一目标船，判定相信AIS的检测结果；θ₂表示针对同一目标船，判定相信VTS的检测结果；θ₃表示针对同一目标船，判定相信既是AIS的检测结果也是VTS的检测结果，那么根据先验知识和专家经验判定相信VTS的检测结果；θ₄表示针对同一目标船，判定既不是AIS的检测结果也不是VTS的检测结果，需要加入新的证据来判定；θ₅表示判定错误，结果为空，即判定AIS和VTS检测结果均不正确，检测目标不对。

3)基于卡尔曼预测算法构造识别框架中各个焦元的信任函数，在D-S证据理论识别框架中进行证据合成，判定监测结果，具体包括：

3.1)设定AIS系统与VTS系统的坐标轴一致，定义AIS系统在X方向和Y方向上的船舶位置和速度为x|AIS，y|AIS，v_x|AIS，v_y|AIS，VTS系统在X方向和Y方向上检测到的船舶位置和速度为x|VTS，y|VTS，v_x|VTS，v_y|VTS，并定义向量：

S|AIS＝[s₁|AIS，s₂|AIS，s₃|AIS，s₄|AIS]^T     (4)

S|VTS＝[s₁|VTS，s₂|VTS，s₃|VTS，s₄|VTS]^T     (5)

上述公式中S|AIS表示来源于AIS数据的信号矢量，S|VTS表示来源于VTS数据的信号矢量，上标T表示矩阵的转置运算，s₁|AIS-s₄|AIS分别为来源于AIS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，s₁|VTS-s₄|VTS分别为来源于VTS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，即：

s₁|AIS＝x|AIS，s₂|AIS＝v_x|AIS

s₃|AIS＝y|AIS，s₄|AIS＝v_y|AIS     (6)，

s₁|VTS＝x|VTS，s₂|VTS＝v_x|VTS

s₃|VTS＝y|VTS，s₄|VTS＝v_y|VTS     (7)；

3.2)得到卡尔曼状态方程：

s₁|AIS(n+1)＝s₁|AIS(n)+T*s₂|AIS(n)

s₂|AIS(n+1)＝s₂|AIS(n)+q_x|AIS(n)      (8)，

s₃|AIS(n+1)＝s₃|AIS(n)+T*s₄|AIS(n)

s₄|AIS(n+1)＝s₄|AIS(n)+q_y|AIS(n)

s₁|VTS(n+1)＝s₁|VTS(n)+T*s₂|VTS(n)

s₂|VTS(n+1)＝s₂|VTS(n)+q_x|VTS(n)      (9)，

s₃|VTS(n+1)＝s₃|VTS(n)+T*s₄|VTS(n)

s₄|VTS(n+1)＝s₄|VTS(n)+q_y|VTS(n)

其中，n+1表示下一时刻，n表示当前时刻，q_x|AIS，q_y|AIS，q_x|VTS，q_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的速度改变量，设它们为零均值的白噪声过程，间隔时间为T的两个量彼此不相关，即：

E[q_x|AIS(n)q_x|AIS(n+1)]＝0，

E[q_x|VTS(n)q_x|VTS(n+1)]＝0，

它们的方差分别为：

$E\left[q_x^2\right|\mathrm{AIS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{AIS},$ $E\left[q_y^2\right|\mathrm{AIS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{AIS},$

$E\left[q_x^2\right|\mathrm{VTS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{VTS},$ $E\left[q_y^2\right|\mathrm{VTS}\left(n\right)]={\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{VTS};$

3.3)由此可得卡尔曼状态方程的矢量形式为：

S|AIS(n+1)＝A*S|AIS(n)+Q|AIS(n)

S|AIS(n)＝[s₁|AIS(n)，s₂|AIS(n)，s₃|AIS(n)，s₄|AIS(n)]^T

Q|AIS(n)＝[0，q_x|AIS(n)，0，q_y|AIS(n)]^T

S|VTS(n+1)＝A*S|TS(n)+Q|TS(n)     (10)，

S|TS(n)＝[s₁|TS(n)，s₂|TS(n)，s₃|TS(n)，s₄|TS(n)]^T

Q|TS(n)＝[0，q_x|VTS(n)，0，q_y|VTS(n)]^T

$A=\left[\begin{array}{cccc}1& T& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& T\\ 0& 0& 0& 1\end{array}\right]$

其中Q|AIS表示AIS数据的信号噪声矩阵，Q|VTS表示VTS数据的信号噪声矩阵，A为模型方程的系数矩阵；

同样，定义向量：

Z|AIS＝[z₁|AIS，z₂|AIS]^T     (11)，

Z|VTS＝[z₁|VTS，z₂|VTS]^T     (12)，

其中Z|AIS表示来源于AIS数据的数据矢量，Z|VTS表示来源于VTS数据的数据矢量，z₁|AIS和z₂|AIS表示来源于AIS数据的X方向上船舶位置测量值和Y方向上船舶位置测量值，z₁|VTS和z₂|VTS表示来源于VTS数据的X方向上船舶位置测量值和Y方向上船舶位置测量值，即：

z₁|AIS(n)＝s₁|AIS(n)+r_x|AIS(n)     (13)，

z₂|AIS(n)＝s₃|AIS(n)+r_y|AIS(n)

z₁|VTS(n)＝s₁|VTS(n)+r_x|VTS(n)     (14)，

z₂|VTS(n)＝s₃|VTS(n)+r_y|VTS(n)

式中r_x|AIS，r_y|AIS，r_x|VTS，r_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的测量误差，通常为零均值的白噪声过程，它们的方差分别为：

其矢量形式为：

Z|AIS(n)＝C*S|AIS(n)+R|AIS(n)

Z|AIS(n)＝[z₁|AIS(n)，z₂|AIS(n)]^T

R|AIS(n)＝[r_x|AIS(n)，r_y|AIS(n)]^T

Z|VTS(n)＝C*S|VTS(n)+R|VTS(n)     (15)；

Z|VTS(n)＝[z₁|VTS(n)，z₂|VTS(n)]^T

R|VTS(n)＝[r_x|VTS(n)，r_y|VTS(n)]^T

$C=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 0& 1& 0\end{array}\right]$

式中R|AIS(n)，R|VTS(n)表示AIS数据和VTS数据的测量噪声矩阵，C为测量方程的系数矩阵。

3.4)Q|AIS(n)，R|AIS(n)，Q|VTS(n)，R|VTS(n)的自相关矩阵分别为：

$E\left[Q\right|\mathrm{AIS}\left(n\right)Q^T\left|\mathrm{AIS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{AIS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{AIS}\end{array}\right]$

$E\left[R\right|\mathrm{AIS}\left(n\right)R^T|\mathrm{AIS}\left(n\right)=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{AIS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{AIS}\end{array}\right]$

                                                       (16)；

$E\left[Q\right|\mathrm{VTS}\left(n\right)Q^T\left|\mathrm{VTS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{VTS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{VTS}\end{array}\right]$

$E\left[R\right|\mathrm{VTS}\left(n\right)R^T|\mathrm{VTS}\left(n\right)=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{VTS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{VTS}\end{array}\right]$

3.5)根据卡尔曼滤波的递推方程，可以凭借AIS系统和VTS系统各自在n时刻及其以前的数据序列，预测出其n+1时刻的船舶位置信息，称之为先验状态估计值：

${\hat{s}}_1^{-}|\mathrm{AIS}(n+1)={\hat{x}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{AIS}(n+1)={\hat{y}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_1^{-}|\mathrm{VTS}(n+1)={\hat{x}}^{-}|\mathrm{VTS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{VTS}(n+1)={\hat{y}}^{-}|\mathrm{VTS}(n+1)---\left(17\right),$

当n+1时刻到来时，可以获取相应的测量值，并根据卡尔曼滤波方程计算出它们的最优估计值，又称为后验状态估计值：

${\hat{s}}_1|\mathrm{AIS}(n+1)=\hat{x}|\mathrm{AIS}(n+1)$

${\hat{s}}_3|\mathrm{AIS}(n+1)=\hat{y}|\mathrm{AIS}(n+1)$

${\hat{s}}_1|\mathrm{VTS}(n+1)=\hat{x}|\mathrm{VTS}(n+1)$

${\hat{s}}_3|\mathrm{VTS}(n+1)=\hat{y}|\mathrm{VTS}(n+1)---\left(18\right),$

定义先验状态估计值与后验状态估计值之间的差值如下：

${\mathrm{\Δ}}_x|\mathrm{AIS}={\hat{s}}_1|\mathrm{AIS}(n+1)-{\hat{s}}_1^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{AIS}={\hat{s}}_3|\mathrm{AIS}(n+1)-{\hat{s}}_3^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_x|\mathrm{VTS}={\hat{s}}_1|\mathrm{VTS}(n+1)-{\hat{s}}_1^{-}|\mathrm{VTS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{VTS}={\hat{s}}_3|\mathrm{VTS}(n+1)-{\hat{s}}_3^{-}|\mathrm{VTS}(n+1)---\left(19\right);$

3.6)本融合过程中采用两个证据：m₁表示通过当前的AIS数据对船舶位置信息的确认程度；m₂表示通过当前的VTS数据对船舶位置信息的确认程度；则定义这两个证据的基本信任函数如下：

$m_1\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_1\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_1\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{AIS}}{{2\mathrm{\Δ}}_y|\mathrm{VTS}},$ $m_1\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}+}{{\mathrm{\Δ}}_x|\mathrm{VTS}+}\frac{{\mathrm{\Δ}}_y|\mathrm{AIS}}{{\mathrm{\Δ}}_y|\mathrm{VTS}},$

$m_1\left({\mathrm{\θ}}_5\right)=0,m_2\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x|\mathrm{VTS}}{{2\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_2\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{{2\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_2\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}}{{2\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{VTS}}{{2\mathrm{\Δ}}_y|\mathrm{AIS}},$ $m_2\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}+}{{\mathrm{\Δ}}_x|\mathrm{AIS}+}\frac{{\mathrm{\Δ}}_y|\mathrm{VTS}}{{\mathrm{\Δ}}_y|\mathrm{AIS}},m_2\left({\mathrm{\θ}}_5\right)=0---\left(20\right);$

式中m₁(θ₁)-m₁(θ₅)分别表示五种情况下的通过当前的AIS数据对船舶位置信息的确认程度；m₂(θ₁)-m₂(θ₅)表示通过当前的VTS数据对船舶位置信息的确认程度；

3.7)根据公式(20)中的基本信任函数，在D-S证据理论识别框架中进行证据合成，选择最后采纳的检测结果作为监测结果。

本发明在运用D-S证据理论识别框架的同时，通过构造卡尔曼滤波器将现有的两种船舶实时监控方式进行融合，从而设置证据的基本信任函数，使得在D-S证据理论识别框架中进行证据合成时得到更好的监测结果，得到待识别目标船舶更为准确的位置信息。

Claims (3)

1.基于AIS与VTS信息融合的在航船舶实时监控方法，其特征在于：它包括以下步骤：

1)采集信号：

通过AIS获取目标船的AIS静态信息、AIS动态信息、与航次相关的信息以及有关安全的信息；AIS静态信息包括呼号、船名、船型、MMSI、船长和船宽，AIS动态信息包括船位、航速和航向；

通过VTS探测目标船的VTS动态信息，同时利用VTS雷达目标回波反映目标的大小和形状信息；VTS动态信息包括船位、航速和航向；

2)通过分析AIS和VTS雷达获取的目标船的AIS动态信息和VTS动态信息之间的差别，建立D-S证据理论识别框架；

3)基于卡尔曼预测算法构造识别框架中各个焦元的信任函数，在D-S证据理论识别框架中进行证据合成，判定监测结果。

2.根据权利要求1所述的基于AIS与VTS信息融合的在航船舶实时监控方法，其特征在于：所述的步骤2)具体包括：

2.1)针对VTS和AIS所采集的船位信息在时间上不同步的问题，需根据其采集时间对船位数据进行线性插值，以获取基于标准时间间隔的船舶位置数据；

设某船舶在t₀时刻的船位坐标为(x₀，y₀)，在t₁时刻的船位坐标为(x₁，y₁)，根据标准时间间隔要求，需得到[t₀，t₁]时间区间上某一时刻t的船位坐标为(x，y)；

定义线性插值系数为α，α＝(x-x₀)/(x₁-x₀)，同时α也满足：α＝(y-y₀)/(y₁-y₀)，

此时，可得到t时刻的船位坐标(x，y)为：

x＝x₀+α(x₁-x₀)    (1)；

y＝y₀+α(y₁-y₀)    (2)；

2.2)分五种情况建立船舶位置判定识别框架，可表示为：

Θ＝θ₁，θ₂，θ₃，θ₄，θ₅}    (3)；

Θ表示识别框架；θ₁表示针对同一目标船，判定相信AIS的检测结果；θ₂表示针对同一目标船，判定相信VTS的检测结果；θ₃表示针对同一目标船，判定相信既是AIS的检测结果也是VTS的检测结果，那么根据先验知识和专家经验判定相信VTS的检测结果；θ₄表示针对同一目标船，判定既不是AIS的检测结果也不是VTS的检测结果，需要加入新的证据来判定；θ₅表示判定错误，结果为空，即判定AIS和VTS检测结果均不正确，检测目标不对。

3.根据权利要求2所述的基于AIS与VTS信息融合的在航船舶实时监控方法，其特征在于：所述的步骤3)具体包括：

3.1)设定AIS系统与VTS系统的坐标轴一致，定义AIS系统在X方向和Y方向上的船舶位置和速度为x|AIS，y|AIS，v_x|AIS，v_y|AIS，VTS系统在X方向和Y方向上检测到的船舶位置和速度为x|VTS，y|VTS，v_x|VTS，v_y|VTS，并定义向量：

S|AIS＝[s₁|AIS，s₂|AIS，s₃|AIS，s₄|AIS]^T    (4)，

S|VTS＝[s₁|VTS，s₂|VTS，s₃|VTS，s₄|VTS]^T    (5)

上述公式中S|AIS表示来源于AIS数据的信号矢量，S|VTS表示来源于VTS数据的信号矢量，上标T表示矩阵的转置运算，s₁|AIS-s₄|AIS分别为来源于AIS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，s₁|VTS-s₄|VTS分别为来源于VTS数据的X方向上船舶位置、船舶速度，Y方向上船舶位置、船舶速度，即：

s₁|AIS＝x|AIS，s₂|AIS＝v_x|AIS

s₃|AIS＝y|AIS，s₄|AIS＝v_y|AIS    (6)，

s₁|VTS＝x|VTS，s₂|VTS＝v_x|VTS

s₃|VTS＝y|VTS，s₄|VTS＝v_y|VTS    (7)；

3.2)得到卡尔曼状态方程：

s₁|AIS(n+1)＝s₁|AIS(n)+T*s₂|AIS(n)

s₂|AIS(n+1)＝s₂|AIS(n)+q_x|AIS(n)

    (8)，

s₃|AIS(n+1)＝s₃|AIS(n)+T*s₄|AIS(n)

s₄|AIS(n+1)＝s₄|AIS(n)+q_y|AIS(n)

s₁|VTS(n+1)＝s₁|VTS(n)+T*s₂|VTS(n)

s₂|VTS(n+1)＝s₂|VTS(n)+q_x|VTS(n)

    (9)，

s₃|VTS(n+1)＝s₃|VTS(n)+T*s₄|VTS(n)

s₄|VTS(n+1)＝s₄|VTS(n)+q_y|VTS(n)

其中，n+1表示下一时刻，n表示当前时刻，q_x|AIS，q_y|AIS，q_x|VTS，q_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的速度改变量，设它们为零均值的白噪声过程，间隔时间为T的两个量彼此不相关，即：

E[q_x|AIS(n)q_x|AIS(n+1)]＝0，

E[q_x|VTS(n)q_x|VTS(n+1)]＝0，

它们的方差分别为：

3.3)由此可得卡尔曼状态方程的矢量形式为：

S|AIS(n+1)＝A*S|AIS(n)+Q|AIS(n)

S|AIS(n)＝[s₁|AIS(n)，s₂|AIS(n)，s₃|AIS(n)，s₄|AIS(n)]^T

Q|AIS(n)＝[0，q_x|AIS(n)，0，q_y|AIS(n)]^T

S|TS(n+1)＝A*S|VTS(n)+Q|VTS(n)    (10)，

S|VTS(n)＝[s₁|VTS(n)，s₂|TS(n)，s₃|VTS(n)，s₄|TS(n)]_T

Q|VTS(n)＝[0，q_x|VTS(n)，0，q_y|VTS(n)]^T

$A=\left[\begin{array}{cccc}1& T& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& T\\ 0& 0& 0& 1\end{array}\right]$

其中Q|AIS表示AIS数据的信号噪声矩阵，Q|VTS表示VTS数据的信号噪声矩阵，A为模型方程的系数矩阵；

同样，定义向量：

Z|AIS＝[z₁|AIS，z₂|AIS]^T    (11)，

Z|VTS＝[z₁|VTS，z₂|VTS]^T    (12)，

其中Z|AIS表示来源于AIS数据的数据矢量，Z|VTS表示来源于VTS数据的数据矢量，z₁|AIS和z₂|AIS表示来源于AIS数据的X方向上船舶位置测量值和Y方向上船舶位置测量值，z₁|VTS和z₂|VTS表示来源于VTS数据的X方向上船舶位置测量值和Y方向上船舶位置测量信，即：

z₁|AIS(n)＝s₁|AIS(n)+r_x|AIS(n)

    (13)，

z₂|AIS(n)＝s₃|AIS(n)+r_y|AIS(n)

z₁|VTS(n)＝s₁|VTS(n)+r_x|VTS(n)

    (14)，

z₂|VTS(n)＝s₃|VTS(n)+r_y|VTS(n)

式中r_x|AIS，r_y|AIS，r_x|VTS，r_y|VTS分别是AIS和VTS系统中船舶在X方向和Y方向上的测量误差，它们的方差分别为：

其矢量形式为：

Z|AIS(n)＝C*S|AIS(n)+R|AIS(n)

Z|AIS(n)＝[z₁|AIS(n)，z₂|AIS(n)]^T

R|AIS(n)＝[r_x|AIS(n)，r_y|AIS(n)]^T

Z|VTS(n)＝C*S|VTS(n)+R|VTS(n)    (15)；

Z|VTS(n)＝[z₁|VTS(n)，z₂|VTS(n)]^T

R|VTS(n)＝[r_x|TS(n)，r_y|VTS(n)]^T

$C=\begin{array}{}\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 0& 1& 0\end{array}\right]\end{array}$

式中R|AIS(n)，R|VTS(n)表示AIS数据和VTS数据的测量噪声矩阵，C为测量方程的系数矩阵；

3.4)Q|AIS(n)，R|AIS(n)，Q|VTS(n)，R|VTS(n)的自相关矩阵分别为：

$E\left[Q\right|\mathrm{AIS}\left(n\right)Q^T\left|\mathrm{AIS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{AIS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{AIS}\end{array}\right]$

$E\left[R\right|\mathrm{AIS}\left(n\right)R^T\left|\mathrm{AIS}\left(n\right)\right]=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{AIS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{AIS}\end{array}\right]$

    (16)；

$E\left[Q\right|\mathrm{VTS}\left(n\right)Q^T\left|\mathrm{VTS}\left(n\right)\right]=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{qx}}^2|\mathrm{VTS}& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& {\mathrm{\σ}}_{\mathrm{qy}}^2|\mathrm{VTS}\end{array}\right]$

$E\left[R\right|\mathrm{VTS}\left(n\right)R^T\left|\mathrm{VTS}\left(n\right)\right]=\left[\begin{array}{cc}{\mathrm{\σ}}_{\mathrm{rx}}^2|\mathrm{VTS}& 0\\ 0& {\mathrm{\σ}}_{\mathrm{ry}}^2|\mathrm{VTS}\end{array}\right]$

3.5)根据卡尔曼滤波的递推方程，可以凭借AIS系统和VTS系统各自在n时刻及其以前的数据序列，预测出其n+1时刻的船舶位置信息，称之为先验状态估计值：

${\hat{s}}_1^{-}|\mathrm{AIS}(n+1)={\hat{x}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{AIS}(n+1)={\hat{y}}^{-}|\mathrm{AIS}(n+1)$

${\hat{s}}_1^{-}|\mathrm{VTS}(n+1)={\hat{x}}^{-}|\mathrm{VTS}(n+1)$

${\hat{s}}_3^{-}|\mathrm{VTS}(n+1)={\hat{y}}^{-}|\mathrm{VTS}(n+1)---\left(17\right),$

当n+1时刻到来时，可以获取相应的测量值，并根据卡尔曼滤波方程计算出它们的最优估计值，又称为后验状态估计值：

${\hat{s}}_1|\mathrm{AIS}(n+1)=\hat{x}|\mathrm{AIS}(n+1)$

${\hat{s}}_3|\mathrm{AIS}(n+1)=\hat{y}|\mathrm{AIS}(n+1)$

${\hat{s}}_1|\mathrm{VTS}(n+1)=\hat{x}|\mathrm{VTS}(n+1)$

${\hat{s}}_3|\mathrm{VTS}(n+1)=\hat{y}|\mathrm{VTS}(n+1)---\left(18\right),$

定义先验状态估计值与后验状态估计值之间的差值如下：

${\mathrm{\Δ}}_x|\mathrm{AIS}={\hat{s}}_1|\mathrm{AIS}(n+1)-{\hat{s}}_1^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{AIS}={\hat{s}}_3|\mathrm{AIS}(n+1)-{\hat{s}}_3^{-}|\mathrm{AIS}(n+1)$

${\mathrm{\Δ}}_x|\mathrm{VTS}={\hat{s}}_1|\mathrm{VTS}(n+1)-{\hat{s}}_1^{-}|\mathrm{VTS}(n+1)$

${\mathrm{\Δ}}_y|\mathrm{VTS}={\hat{s}}_3|\mathrm{VTS}(n+1)-{\hat{s}}_3^{-}|\mathrm{VTS}(n+1)---\left(19\right);$

3.6)本融合过程中采用两个证据：m₁表示通过当前的AIS数据对船舶位置信息的确认程度；m₂表示通过当前的VTS数据对船舶位置信息的确认程度；则定义这两个证据的基本信任函数如下：

$m_1\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_1\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_1\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}}{2{\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{AIS}}{2{\mathrm{\Δ}}_y|\mathrm{VTS}},$ $m_1\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{AIS}+{\mathrm{\Δ}}_y|\mathrm{AIS}}{{\mathrm{\Δ}}_x|\mathrm{VTS}+{\mathrm{\Δ}}_y|\mathrm{VTS}}$

m₁(θ₅)＝0， $m_2\left({\mathrm{\θ}}_1\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_x|\mathrm{VTS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_y|\mathrm{VTS}}$

$m_2\left({\mathrm{\θ}}_2\right)=\frac{\left|{\mathrm{\Δ}}_x\right|\mathrm{AIS}-{\mathrm{\Δ}}_x\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{\left|{\mathrm{\Δ}}_y\right|\mathrm{AIS}-{\mathrm{\Δ}}_y\left|\mathrm{VTS}\right|}{2{\mathrm{\Δ}}_y|\mathrm{AIS}}$

$m_2\left({\mathrm{\θ}}_3\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}}{2{\mathrm{\Δ}}_x|\mathrm{AIS}}+\frac{{\mathrm{\Δ}}_y|\mathrm{VTS}}{2{\mathrm{\Δ}}_y|\mathrm{AIS}},$ $m_4\left({\mathrm{\θ}}_4\right)=\frac{{\mathrm{\Δ}}_x|\mathrm{VTS}+{\mathrm{\Δ}}_y|\mathrm{VTS}}{{\mathrm{\Δ}}_x|\mathrm{AIS}+{\mathrm{\Δ}}_y|\mathrm{AIS}},$ m₂(θ₅)＝0

(20)，

式中m₁(θ₁)-m₁(θ₅)分别表示五种情况下的通过当前的AIS数据对船舶位置信息的确认程度；m₂(θ₁)-m₂(θ₅)表示通过当前的VTS数据对船舶位置信息的确认程度；

3.7)根据公式(20)中的基本信任函数，在D-S证据理论识别框架中进行证据合成，选择最后采纳的检测结果作为监测结果。