CN106021675A

CN106021675A - 一种基于多源船舶自动识别系统数据的数据融合方法

Info

Publication number: CN106021675A
Application number: CN201610317235.2A
Authority: CN
Inventors: 薛睿超; 魏士俨; 杨燕明
Original assignee: Third Institute of Oceanography SOA
Current assignee: Third Institute of Oceanography SOA
Priority date: 2016-05-13
Filing date: 2016-05-13
Publication date: 2016-10-12
Anticipated expiration: 2036-05-13
Also published as: CN106021675B

Abstract

一种基于多源船舶自动识别系统数据的数据融合方法，涉及船舶自动识别系统。包括：获取一段连续时间的多源AIS数据；对所得多源AIS数据进行统一的标准化和质量控制；使用编程软件处理标准化后的数据，根据所得多源AIS数据中的时间、方位、船速、航向角等信息，推算每一时刻每一艘船舶的方位及航行状态；进行批量计算处理，绘制得到船舶分布图和船舶轨迹图。通过融合多源的AIS数据，可推算任一时刻目标海域的船舶分布情况或某一船舶的航行轨迹曲线，在热点海域可把星载AIS检测概率从20％提升到80％，解决了星载AIS在热点海域探测概率低的难题。最大程度还原真实的大洋船舶分布情况，还可对单艘船舶的轨迹进行较精确还原。

Description

一种基于多源船舶自动识别系统数据的数据融合方法

技术领域

本发明涉及船舶自动识别系统(AIS)，尤其是涉及可应用于基于AIS系统的近远海船舶分布研究、船舶轨迹记录和船舶数量评估的一种基于多源船舶自动识别系统数据的数据融合方法。

背景技术

为了提高船舶航行安全、操作效率以及信息传输能力，国际海事组织(IMO)和国际电联(ITU)确定了船舶自动识别系统(Automobile Identifying System，AIS)为未来海上识别、监测和通信的系统。AIS系统为提高海事信息管理、保障船舶安全、避免碰撞等方面提供了强有力的支持。

AIS系统最初是针对船基以及陆基平台设计的甚高频(Very High Frequency,VHF)无线电通信系统，采用自组织时分多址(Self Organizing Time Division MultipleAccess,SOTDMA)接入技术，因而其覆盖范围(有效自组织区域半径为20海里)和时效性受到了较大的限制，无法对远离海岸线的船舶进行有效的监控和管理。随着人类向海洋进军的步伐不断加快，船舶吨位和数量也在不断提高和增加，船载和岸基AIS系统的局限性也越来越不能满足用户的需要，对于远洋用户更是如此，在这种情况下，星载AIS系统应运而生。星载AIS系统利用低轨卫星，实现了对全球范围的海事活动进行监测。但是由于技术原因，并没有采用单独的通信协议，这导致了星载AIS系统的“时隙冲突”问题。

AIS的技术标准将每分钟划分为2250个时隙，每个时隙可以发送一条AIS信息。自组织区内的船舶通过SOTDMA协议找到空闲的时隙发送本船的信息。然而由于卫星的覆盖范围内往往包括多个自组织区，不同自组织区的船舶往往会选择相同时隙进行发送，这就导致了“时隙冲突”，这在船舶密度大的热点海域尤其严重。另一种由传输延时导致卫星在某时隙收到多条消息的情况也会造成这种结果。除了“时隙冲突”，星载AIS系统还面临多普勒频移、空间链路衰减等问题。这些问题共同导致了星载AIS系统的检测概率低的普遍问题。由星载AIS接收器得到的卫星AIS数据就无法真实还原大洋船舶的分布情况。这些问题在目前还没有较完善的解决方法。

目前相关文献主要对无线电信号分析和检测概率进行研究，较少对于单船的轨迹进行研究，对于较大范围内的数据统计和分析研究还没有发现。

发明内容

本发明的目的在于针对现有AIS技术存在的上述不足，提供能较准确地还原真实船舶分布情况的一种基于多源船舶自动识别系统数据的数据融合方法。

本发明包括如下步骤：

1)获取一段连续时间的多源AIS数据；

在步骤1)中，所述多源AIS数据包括不同来源的星载AIS数据和岸基AIS数据等；所述多源AIS数据的来源为同一时间段同一海域的数据，包括至少两家提供方提供的星载AIS数据以及同一地区的岸基AIS数据。

2)对所得到的多源AIS数据进行统一的标准化和质量控制；

在步骤2)中，所述标准化后的数据包括船舶的相关的参数，所述参数包括MMSI、时间、船速、航向、经度、纬度等。

3)使用编程软件处理标准化后的数据，根据所得多源AIS数据中的时间、方位、船速、航向角等信息，推算出每一时刻每一艘船舶的方位以及航行状态；

在步骤3)中，所述使用编程软件处理标准化后的数据的具体方法可为：

3.1)建立时间*船数*参数个数的空三维数组；

3.2)把标准化后的数据按时间、MMSI号填入对应空格；

3.3)采用线性拟合或者非线性迭代的方法填充表格数据；

3.4)去除异常点和超过最大允许时间间隔的数据；

3.5)存储数据以便后续处理。

在步骤3.3)中，所述采用线性拟合或者非线性迭代的方法填充表格数据的具体方法包括：

(1)线性模型：根据前后数据点的船位信息，用线性方法推算出每一网格的船位信息；

(2)非线性模型：根据前后数据点的船位、船速、航向信息，用迭代方法推算出每一网格的船位、船速、航向信息；所使用的计算公式为：

Vx_t+1＝Vx_t+ΔVx

Vy_t+1＝Vy_t+ΔVy

其中，S为船舶的船位(经纬度)，V为船舶的瞬时速度矢量，t为某一时刻，χ为经纬度对距离的转化参数，Vx、Vy为船速的X轴和Y轴分量；

所述根据所得多源AIS数据中的时间、方位、船速、航向角等信息，推算出每一时刻每一艘船舶的方位以及航行状态可采用增加数据冗余的方法，保证数据处理的效率和准确度；所述时间的分辨率可设定为1h，所述航行状态包括船速、航向；在步骤3)中加入了时间间隔判断条件，提高了结果的准确性。

4)进行批量计算处理，绘制得到船舶分布图和船舶轨迹图。

在步骤4)中，所述进行批量计算处理可采用计算程序，所述计算程序可由Matlab编写，包括数据处理模块、数据存储模块、计算模块、迭代模块、作图模块等；所述进行批量计算处理，绘制得到船舶分布图和船舶轨迹图的具体方法可为：

4.1)可绘制某一时刻(根据设置的时间精度)的船舶分布示意图，或者进行批量处理，绘制数据时间内的每一时刻的船舶分布示意图。

4.2)可绘制某一船舶(根据MMSI号)在数据时间内的船舶轨迹示意图，或者进行批量处理，绘制数据内所有船舶的轨迹示意图。

步骤3)也可使用如下方法：根据标准化后的数据，可以设定一个目标时间，使用程序进行自动查找符合时间条件的数据，选取出的数据再进行后续处理。但此方法每次都要重新进行查询，且数据量越大，工作效率越低。

本发明提供了一种基于多源AIS数据的数据融合方法，AIS信息对保障船舶安全有重要的意义。但是对远离海岸的船舶，岸基AIS的覆盖范围就无法达到了，星载AIS又由于技术原因目前存在不少缺陷。AIS数据遗漏且时效差是大洋上船舶面临的难题。本发明通过融合多源的AIS数据，可以推算任一时刻目标海域的船舶分布情况或者某一船舶的航行轨迹曲线，在热点海域可以把星载AIS的检测概率从20％提升到80％，很大程度上解决了星载AIS在热点海域探测概率低这一难题。本发明不仅可以最大程度上还原真实的大洋船舶分布情况，还可以对于单艘船舶的轨迹进行较精确地还原。对于海事管理，船舶分布等研究有重大意义。

附图说明

图1为基于多源AIS数据的数据融合方法流程图。

图2为优化前的某时刻的船舶分布示意图。

图3为优化后的某时刻的船舶分布示意图。

图4为优化前的某船舶的轨迹图。

图5为优化后的某船舶的轨迹图。

具体实施方式

本发明公开了一种基于多源AIS数据的数据融合方法，本发明利用AIS信息推算出不同时刻目标海域的船舶分布情况。首先，本发明综合了多源AIS数据，进行统一的标准化处理；其次，根据获得的AIS信息，以时间为分组依据把所有参数分别进行分组；再次，根据方位、船速、航向信息进行拟合，构造连续时间的数组；最后，绘制船舶分布图和轨迹图。所获取的原始数据的数量和质量越高，得到的结果越精确。

下面结合附图对本发明的实施方式进行说明。

图1所示为本发明的实施方法流程图，具体实施步骤如下：

步骤1：根据获得的数据进行标准化和质量控制，并提取所需参数，形成新的标准数据。

步骤2：输入原始数据。本发明使用的多源星载AIS数据来源于美国ORBCOMM公司和加拿大exactEarth公司的卫星数据，岸基AIS数据来源于exactEarth公司，区域为南海某海域数据，数据时间包括2012年8月份和2015年5月份，共两个月的数据(2012年数据不包含岸基数据)。

步骤2-1：利用Matlab软件(或其它编程软件)的功能，创建三维数组，行为船舶的MMSI号，列为所获数据的时间宽度(划分到精度)，页为参数的个数，本发明中选取的页数为6，分别为时间、经度、纬度、船速、航向、卫星数据标记；

步骤2-2：根据时间数据，查找对应的时间节点，在已创建的三维数组填入原始数据；

步骤2-3：加入判断条件去除数组中的错误数据。

步骤3：代入模型计算。

步骤3-1：根据应用需要，采用线性或者非线性模型进行拟合。

线性模型：提取船舶的方位信息(经度、纬度)，按照时间先后的顺序进行排序，判断相邻数据点的时间间隔是否大于5天，符合条件的数据进行线性插值得到中间所有时刻的船舶方位信息。

非线性模型：提取船舶的方位、航行状态信息(经度、纬度、船速、航向)，按照时间先后的顺序进行排序，判断相邻数据点的时间间隔是否大于5天，符合条件的数据进行非线性插值：根据前后两个数据的船速和航向数据，计算速度矢量在X轴和Y轴方向的分量，推算出中间时刻的方位信息。

步骤3-2：把拟合得到的数据填入三维数组中。

步骤4：根据数据绘制相关示意图。图2为原始数据得到的南海区域2012年8月份某时刻的船舶分布示意图，船舶数为264；图3为本发明优化后的同一时刻同一区域的船舶分布示意图，船舶数为1629。图4为MMSI号为209006000的船舶在2015年5月份的轨迹点，图5为本发明优化后的数据绘制得到的该船舶的轨迹图。

本发明利用有限的AIS数据，最大程度上还原了相关海区的船舶分布情况，且不需要安装额外的设备。现有的卫星AIS数据在热点海域检测概率低于20％，使得船舶分布图上出现大量的遗漏现象，对于远海船舶分布的统计是无法使用的，对一些需要船舶数据的相关学科(如海洋声学)也不能提供有力的支持。经过本发明优化后，检测概率可以提高到80％以上。本发明最大化地提高了数据利用率，实现了“1+1>2”的效果。

Claims

1.一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于包括如下步骤：

1)获取一段连续时间的多源AIS数据；

2)对所得到的多源AIS数据进行统一的标准化和质量控制；

4)进行批量计算处理，绘制得到船舶分布图和船舶轨迹图。

2.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤1)中，所述多源AIS数据包括不同来源的星载AIS数据和岸基AIS数据。

3.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤1)中，所述多源AIS数据的来源为同一时间段同一海域的数据，包括至少两家提供方提供的星载AIS数据以及同一地区的岸基AIS数据。

4.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤2)中，所述标准化后的数据包括船舶的相关的参数，所述参数包括MMSI、时间、船速、航向、经度、纬度。

5.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤3)中，所述使用编程软件处理标准化后的数据的具体方法为：

3.1)建立时间*船数*参数个数的空三维数组；

3.2)把标准化后的数据按时间、MMSI号填入对应空格；

3.3)采用线性拟合或者非线性迭代的方法填充表格数据；

3.4)去除异常点和超过最大允许时间间隔的数据；

3.5)存储数据以便后续处理。

6.如权利要求5所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤3.3)中，所述采用线性拟合或者非线性迭代的方法填充表格数据的具体方法包括：

Vx_t+1＝Vx_t+ΔVx

Vy_t+1＝Vy_t+ΔVy

其中，S为船舶的船位(经纬度)，V为船舶的瞬时速度矢量，t为某一时刻，χ为经纬度对距离的转化参数，Vx、Vy为船速的X轴和Y轴分量。

7.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤3)中，所述根据所得多源AIS数据中的时间、方位、船速、航向角信息，推算出每一时刻每一艘船舶的方位以及航行状态是采用增加数据冗余的方法；所述时间的分辨率设定为1h；所述航行状态包括船速、航向。

8.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤4)中，所述进行批量计算处理是采用计算程序，所述计算程序由Matlab编写，包括数据处理模块、数据存储模块、计算模块、迭代模块、作图模块。

9.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于在步骤4)中，所述进行批量计算处理，绘制得到船舶分布图和船舶轨迹图的具体方法为：

4.1)绘制某一时刻的船舶分布示意图，或进行批量处理，绘制数据时间内的每一时刻的船舶分布示意图；

4.2)绘制某一船舶在数据时间内的船舶轨迹示意图，或进行批量处理，绘制数据内所有船舶的轨迹示意图。

10.如权利要求1所述一种基于多源船舶自动识别系统数据的数据融合方法，其特征在于步骤3)的具体方法如下：根据标准化后的数据，设定一个目标时间，使用程序进行自动查找符合时间条件的数据，选取出的数据再进行后续处理。