CN106218831B - 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 - Google Patents
一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 Download PDFInfo
- Publication number
- CN106218831B CN106218831B CN201610584137.5A CN201610584137A CN106218831B CN 106218831 B CN106218831 B CN 106218831B CN 201610584137 A CN201610584137 A CN 201610584137A CN 106218831 B CN106218831 B CN 106218831B
- Authority
- CN
- China
- Prior art keywords
- ship
- data
- track
- operation mode
- equal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 56
- 230000006399 behavior Effects 0.000 claims description 66
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000003909 pattern recognition Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 230000004379 myopia Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B43/00—Improving safety of vessels, e.g. damage control, not otherwise provided for
- B63B43/18—Improving safety of vessels, e.g. damage control, not otherwise provided for preventing collision or grounding; reducing collision damage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B49/00—Arrangements of nautical instruments or navigational aids
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于船舶AIS轨迹数据获取船舶操纵行为的方法及系统,所述方法包括调取船舶AIS原始数据库中的待测船舶所对应的单船AIS原始轨迹数据;对所述单船AIS原始轨迹数据进行预处理;以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。本发明实现了自动识别船舶的操纵行为,能够为船舶智能避碰决策提供依据。
Description
技术领域
本发明涉及船舶检测技术,具体的说是涉及一种基于船舶AIS轨迹数据获取船舶操纵行为的方法及系统。
背景技术
保证船舶航行安全是现在船舶检测技术中的重要环节,因此如何及时获知船舶操纵行为就显得尤为重要。目前国外一些学者对船舶操纵行为识别做了一定研究,如Laxhammar(2009)采用混合高斯模型(Gaussian Mixture Modal,GMM)对正常船舶轨迹点的位置和速度特征建模;Ristic(2008)采用核密度估计方法对正常船舶轨迹点的特征值建模;还有学者采用贝叶斯网络识别船舶操纵行为。
但是上述方法均存在不同程度上的缺陷,如尽管Laxhammar采用混合高斯模型对正常船舶轨迹点的位置和速度特征建模,并假定正常运动的船舶轨迹点服从混合高斯分布,但该方法估计参数过多,计算不便;如Ristic采用核密度估计方法对正常船舶轨迹点的特征值建模,但该方法的计算量太大;如采用贝叶斯网络识别船舶操纵行为,但该方法使用条件概率来度量船舶操纵行为,需要相应的先验知识,且误报警率高。
发明内容
鉴于已有技术存在的缺陷,本发明的目的是要提供一种基于船舶AIS轨迹数据获取船舶操纵行为的方法,以达到自动识别船舶的操纵行为,为船舶智能避碰决策提供依据的目的。
为了实现上述目的,本发明的技术方案:
一种基于船舶AIS轨迹数据获取船舶操纵行为的方法,其特征在于:
S1、调取船舶AIS原始数据库中的待测船舶所对应的单船AIS原始轨迹数据;
S2、对所述单船AIS原始轨迹数据进行预处理;
S3、以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;
S4、分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;
S5、基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。
进一步的,作为本发明的优选方案,
所述预处理包括AIS数据清洗以及轨迹数据插值。
进一步的,作为本发明的优选方案,
所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
进一步的,作为本发明的优选方案,
所述船舶操纵模式辨识数据库通过设置若干门限数据辨识每一操纵模式。
进一步的,作为本发明的优选方案,
所述等间隔单船前段轨迹的矢量速度、等间隔单船后段轨迹的矢量速度的计算公式分别为
其中,pi为船舶当前采样点位置,pi-1为船舶上一采样点位置,pi+1为船舶下一采样点位置,Δt为采样时间间隔,为等间隔单船前段轨迹pi-1pi的矢量速度,为等间隔单船后轨迹段pipi+1的矢量速度。
本发明还要提供一种基于船舶AIS轨迹数据获取船舶操纵行为的系统,其特征在于:包括
数据调取单元,该数据调取单元能够调取船舶AIS原始数据库中,待测船舶所对应的单船AIS原始轨迹数据;
数据预处理单元,该数据预处理单元能够对所述单船AIS原始轨迹数据进行预处理;
数据采样单元,该数据采样单元能够以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;
数据计算单元,该数据计算单元能够分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;
以及数据辨识单元,该数据辨识单元能够基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。
进一步的,作为本发明的优选方案,
所述预处理包括AIS数据清洗以及轨迹数据插值。
进一步的,作为本发明的优选方案,
所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
进一步的,作为本发明的优选方案,
所述船舶操纵模式辨识数据库通过设置若干门限数据辨识每一操纵模式。
进一步的,作为本发明的优选方案,
所述等间隔单船前段轨迹的矢量速度、等间隔单船后段轨迹的矢量速度的计算公式分别为
其中,pi为船舶当前采样点位置,pi-1为船舶上一采样点位置,pi+1为船舶下一采样点位置,Δt为采样时间间隔,为等间隔单船前段轨迹pi-1pi的矢量速度,为等间隔单船后轨迹段pipi+1的矢量速度。
与现有技术相比,本发明的有益效果:
本发明通过对船舶AIS轨迹数据的分析处理以实现自动识别船舶的操纵行为,进而有效提高了船舶海上航行安全。
附图说明
图1为本发明所述方法对应的步骤流程图;
图2为轨迹点pi,与其前后相邻的pi-1和pi+1点的运动过程示意图;
图3为速度矢量在航海上的分解示意图;
图4为本发明所述系统对应的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明设计原理:船舶自动识别系统(AIS)已经被国际航行的300总吨以上的船舶和国内航行500吨以上的货船和客船强制安装,并且也逐渐在越来越多的渔船上安装。随着各国AIS基站网络的建立和星载AIS群的出现,AIS已成为近乎实时的全球海上交通信息来源。由于船舶AIS轨迹数据可描述船舶的空间位置和属性随时间的变化特性,因此可将上述轨迹点数据信息根据采样先后顺序构成了轨迹点序列,并结合船舶轨迹中每3个点就构成一个运动过程,即每3个轨迹点包含1个船舶操纵行为事件的特征来确认该轨迹点数据信息对应的船舶操纵行为。
基于上述设计原理,如图1,本发明所述基于船舶AIS轨迹数据获取船舶操纵行为的方法,其特征在于:
S1、调取船舶AIS原始数据库中,待测船舶所对应的单船AIS原始轨迹数据;即直接调用船舶自动识别系统(AIS)中,一定时间段内与待测船舶所对应的单船AIS原始轨迹数据,如S船在开始时刻为ti,结束时刻为ti+1的时间段内S船AIS原始轨迹数据;所述船舶AIS原始轨迹数据由船舶采样点位置(GPS位置)、采样时间、海上移动识别码(MMSI)、对地速度(SOG)、对地航向(COG)、航行状态和转向速率等构成。
S2、对所述单船AIS原始轨迹数据进行预处理;进一步的,作为本发明的优选实例,所述预处理包括AIS数据清洗以及轨迹数据插值;由于船舶AIS信息受到传输、解码等因素的影响,其中有些信息存在错误和缺失,因此需要对所述单船AIS原始轨迹数据进行AIS数据清洗,其主要包括删除动态信息表中MMSI为0的记录;删除明显错误的AIS数据,如经纬度超过合理值的数据即出现负值或经度>180°或纬度>90°等;所述轨迹数据插值是指通过等间隔时间采样3个轨迹点,且若前后三个轨迹点的间隔不同,则通过插值法获取三个等时间间隔轨迹点;
S3、以等时间间隔采样方式获取单船AIS原始轨迹数据中每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;进一步的,作为本发明的优选实例,若前后三个船舶采样点位置数据所对应的时间间隔不同,则通过插值法获取三个等时间间隔点;如图2,通过等间隔时间采样3个轨迹点且,若前后三个点的间隔不同,则通过插值法获取三个等时间间隔点;
S4、分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;进一步的,作为本发明的优选实例,如图2,所述等间隔单船前段轨迹的矢量速度等间隔单船后段轨迹的矢量速度以获得船舶操纵行为相关数据(这里的操纵行为指船舶所发生的行为,比如转向,减速等),对应的计算公式分别为
其中,pi为船舶当前采样点位置,pi-1为船舶上一采样点位置,pi+1为船舶下一采样点位置,Δt为采样时间间隔,为等间隔单船前段轨迹pi-1pi的矢量速度,为等间隔单船后轨迹段pipi+1的矢量速度。
S5、基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。由于船舶操纵行为又称为机动行为,它是船舶的运动过程,具体船舶操纵行为可分为匀速直航行为、减速行为、加速行为、左舵小角度转向行为、左舵大角度转向行为、右舵小角度转向行为、右舵大角度转向行为,因此设置对应的船舶操纵模式辨识数据库,所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
进一步的,由于在航海上,速度矢量可以用sog和cog来表示即如图3,其中sog为船舶对地速度,cog表示船舶对地航向,因此为了划分每个轨迹段的操纵行为模式,本例设定了4个门限数据,其分别为speedTZero,aTAcceleration,aTWeak,aTSharp,其中:speedTZero为接近0的速度值:船舶在锚泊时,即使本身停止运动,受风流影响,仍有一定的对地速度。因此,设定speedTZero门限;当船舶速度小于speedTZero时,就认为船舶为“停留”状态;aTAcceleration为船舶加速度,船舶在海面上航行,受到不规律风浪影响,即使其始终处在相同状态,但其速度加速度仍在微弱变化,故需要设定aTAcceleration,仅当船舶速度加速度达到一定程度时,即超过该门限时,才判定船舶进行加减速机动;aTWeak和aTSharp为航向变化率,即1min船舶航向改变的度数,船舶在航海航行时,沿预定航向航行,受外界风、浪和流联合作用,其运动轨迹成“S”形,几乎是沿预定航向,左右摆动,当船舶偏离预定航向一定程度后,船舶慢慢转回至预定航向,这种船舶左右偏摆与船舶转向机动的区别主要在于航向变化率;当船舶航向变化率小于aTWeak时,认为船舶做“S”摆动,近视认为船舶做直线运动;当船舶航向变化率处在aTWeak和aTSharp之间时,认为船舶做小角度转向机动;当船舶航向变化率大于aTSharp时,认为船舶做大角度转向机动。
基于上述设定及根据不同的运动学约束条件,则所述船舶操纵模式辨识数据库通过设置上述门限数据辨识每一操纵模式;
为了比较与Pi点相连的上下两段的操纵模式,定义船舶速度变化率和航向变化率,分别用as和ac表示,计算公式如下。
其中,表示等间隔单船前段轨迹的船舶对地矢量速度,表示等间隔单船后段轨迹的船舶对地矢量速度,表示等间隔单船前段轨迹的对地航向,表示等间隔单船后段轨迹的对地航向;其对应的辨识规则如下:
(1)若且|ac|<aTWeak,则认为pi处船舶操纵行为事件属于保向保速航行模式,
(2)若as<0且|as|>aTAcceleration,则认为pi处船舶操纵行为事件属于减速航行行为,
(3)若as>0且|as|>aTAcceleration,则认为pi处船舶操纵行为事件属于加速航行行为,
(4)若则认为pi处船舶操纵行为事件属于停留。
(5)若ac<0且aTWeak<|ac|<aTSharp,则认为pi处船舶操纵行为事件属于左舵小角度转向。
(6)若ac>0且aTWeak<|ac|<aTSharp,则认为pi处船舶操纵行为事件属于右舵小角度转向。
(7)若ac<0且|ac|>aTSharp,则认为pi处船舶操纵行为事件属于左舵大角度转向。
(8)若ac>0且|ac|>aTSharp,则认为pi处船舶操纵行为事件属于右舵大角度转向。
如图4,同时本发明还要提供一种基于船舶AIS轨迹数据获取船舶操纵行为的系统,其特征在于:包括
数据调取单元,该数据调取单元能够调取船舶AIS原始数据库中的待测船舶所对应的单船AIS原始轨迹数据;
数据预处理单元,该数据预处理单元能够对所述单船AIS原始轨迹数据进行预处理;
数据采样单元,该数据采样单元能够以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;
数据计算单元,该数据计算单元能够分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;
以及数据辨识单元,该数据辨识单元能够基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。
进一步的,作为本发明的优选方案,
所述预处理包括AIS数据清洗以及轨迹数据插值。
进一步的,作为本发明的优选方案,
由于船舶操纵行为又称为机动行为,它是船舶的运动过程,具体船舶操纵行为可分为匀速直航行为、减速行为、加速行为、左舵小角度转向行为、左舵大角度转向行为、右舵小角度转向行为、右舵大角度转向行为,因此设置对应的船舶操纵模式辨识数据库;所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
进一步的,由于在航海上,速度矢量可以用sog和cog来表示即如图3,其中sog为船舶对地速度,cog表示船舶对地航向,因此作为本发明的优选实例,为了划分每个轨迹段的操纵行为模式,本例设定了4个门限数据,分别是speedTZero,aTAcceleration,aTWeak,aTSharp,其中:speedTZero为接近0的速度值:船舶在锚泊时,即使本身停止运动,受风流影响,仍有一定的对地速度。因此,设定speedTZero门限;当船舶速度小于speedTZero时,就认为船舶为“停留”状态;aTAcceleration为船舶加速度,船舶在海面上航行,受到不规律风浪影响,即使其始终处在相同状态,但其速度加速度仍在微弱变化,故需要设定aTAcceleration,仅当船舶速度加速度达到一定程度时,即超过该门限时,才判定船舶进行加减速机动;aTWeak和aTSharp为航向变化率,即1min船舶航向改变的度数,船舶在航海航行时,沿预定航向航行,受外界风、浪和流联合作用,其运动轨迹成“S”形,几乎是沿预定航向,左右摆动,当船舶偏离预定航向一定程度后,船舶慢慢转回至预定航向,这种船舶左右偏摆与船舶转向机动的区别主要在于航向变化率;当船舶航向变化率小于aTWeak时,认为船舶做“S”摆动,近视认为船舶做直线运动;当船舶航向变化率处在aTWeak和aTSharp之间时,认为船舶做小角度转向机动;当船舶航向变化率大于aTSharp时,认为船舶做大角度转向机动。
基于上述设定及根据不同的运动学约束条件,则所述船舶操纵模式辨识数据库通过设置门限数据辨识每一操纵模式;
为了比较与Pi点相连的上下两段的操纵模式,定义船舶速度变化率和航向变化率,分别用as和ac表示,计算公式如下。
其中,表示等间隔单船前段轨迹的船舶对地矢量速度,表示等间隔单船后段轨迹的船舶对地矢量速度,表示等间隔单船前段轨迹的对地航向,表示等间隔单船后段轨迹的对地航向;其对应的辨识规则如下:
(1)若且|ac|<aTWeak,则认为pi处船舶操纵行为事件属于保向保速航行模式,
(2)若as<0且|as|>aTAcceleration,则认为pi处船舶操纵行为事件属于减速航行行为,
(3)若as>0且|as|>aTAcceleration,则认为pi处船舶操纵行为事件属于加速航行行为,
(4)若则认为pi处船舶操纵行为事件属于停留。
(5)若ac<0且aTWeak<|ac|<aTSharp,则认为pi处船舶操纵行为事件属于左舵小角度转向。
(6)若ac>0且aTWeak<|ac|<aTSharp,则认为pi处船舶操纵行为事件属于右舵小角度转向。
(7)若ac<0且|ac|>aTSharp,则认为pi处船舶操纵行为事件属于左舵大角度转向。
(8)若ac>0且|ac|>aTSharp,则认为pi处船舶操纵行为事件属于右舵大角度转向。
下面以具体实例为例进行演示说明:以某船舶2016年2月18日1205,1206和1207三个时间采样点的数据进行验证并辨识A2点的船舶操纵模式。采样时间间隔设置为60s,speedTZero=0.01m/s,aTAcceleration=0.001m/s2,aTWeak=0.4°/min,aTSharp=10°/min。
通过计算可得
通过上述辨识规则可以得到A2处的船舶操纵模式为加速操纵模式。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于船舶AIS轨迹数据获取船舶操纵行为的方法,其特征在于:
S1、调取船舶AIS原始数据库中的待测船舶所对应的单船AIS原始轨迹数据;
S2、对所述单船AIS原始轨迹数据进行预处理;
S3、以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;
S4、分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;
S5、基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为;
所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
2.根据权利要求1所述的方法,其特征在于:
所述船舶操纵模式辨识数据库通过设置若干门限数据辨识每一操纵模式。
3.根据权利要求1所述的方法,其特征在于:
所述等间隔单船前段轨迹的矢量速度、等间隔单船后段轨迹的矢量速度的计算公式分别为
其中,pi为船舶当前采样点位置,pi-1为船舶上一采样点位置,pi+1为船舶下一采样点位置,Δt为采样时间间隔,为等间隔单船前段轨迹pi-1pi的矢量速度,为等间隔单船后轨迹段pipi+1的矢量速度。
4.一种基于船舶AIS轨迹数据获取船舶操纵行为的系统,其特征在于:包括
数据调取单元,该数据调取单元能够调取船舶AIS原始数据库中,待测船舶所对应的单船AIS原始轨迹数据;
数据预处理单元,该数据预处理单元能够对所述单船AIS原始轨迹数据进行预处理;
数据采样单元,该数据采样单元能够以等时间间隔采样方式获取每一船舶采样点位置数据所对应的等间隔单船前段轨迹及等间隔单船后段轨迹;
数据计算单元,该数据计算单元能够分别计算当前船舶采样点位置数据所对应的等间隔单船前段轨迹的矢量速度以及等间隔单船后段轨迹的矢量速度;
以及数据辨识单元,该数据辨识单元能够基于预设的船舶操纵模式辨识模型库,确认当前船舶采样点位置数据所对应的船舶操纵行为。
5.根据权利要求4所述的系统,其特征在于:
所述船舶操纵模式辨识数据库至少包括:保向保速航行操纵模式、减速航行操纵模式、加速航行操纵模式、停留操纵模式、左舵小角度转向操纵模式、右舵小角度转向操纵模式、左舵大角度转向操纵模式、右舵大角度转向操纵模式。
6.根据权利要求5所述的系统,其特征在于:
所述船舶操纵模式辨识数据库通过设置若干门限数据辨识每一操纵模式。
7.根据权利要求4所述的系统,其特征在于:
所述等间隔单船前段轨迹的矢量速度、等间隔单船后段轨迹的矢量速度的计算公式分别为
其中,pi为船舶当前采样点位置,pi-1为船舶上一采样点位置,pi+1为船舶下一采样点位置,Δt为采样时间间隔,为等间隔单船前段轨迹pi-1pi的矢量速度,为等间隔单船后轨迹段pipi+1的矢量速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584137.5A CN106218831B (zh) | 2016-07-22 | 2016-07-22 | 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584137.5A CN106218831B (zh) | 2016-07-22 | 2016-07-22 | 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106218831A CN106218831A (zh) | 2016-12-14 |
CN106218831B true CN106218831B (zh) | 2018-09-25 |
Family
ID=57532601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610584137.5A Active CN106218831B (zh) | 2016-07-22 | 2016-07-22 | 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106218831B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875753A (zh) * | 2017-04-12 | 2017-06-20 | 武汉理工大学 | 基于物联网技术的船舶靠泊辅助系统 |
CN108806335B (zh) * | 2018-05-29 | 2021-01-15 | 大连海事大学 | 一种基于ais轨迹大数据的船舶交通环境重构方法 |
CN110108280B (zh) * | 2019-03-18 | 2023-04-07 | 大连海事大学 | 一种基于ais轨迹操纵单元拼接的船舶轨迹规划方法 |
CN110143272B (zh) * | 2019-05-30 | 2021-10-01 | 中国人民解放军海军工程大学 | 一种控制航行器组合操纵面间隙流动的装置 |
CN110363115B (zh) * | 2019-06-28 | 2021-10-15 | 上海交通大学 | 基于ais轨迹数据的船舶作业异常半监督实时检测方法 |
CN111580499B (zh) * | 2020-05-08 | 2021-05-28 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 自动航行功能的验证方法、装置及电子设备 |
CN112800349B (zh) * | 2021-02-02 | 2022-02-18 | 中华人民共和国广东海事局 | 水上移动目标的运动状态获取方法、装置、设备和介质 |
CN113220910B (zh) * | 2021-05-20 | 2023-06-06 | 大连海事大学 | 一种船舶甲板缆绳数据库的构建方法及系统 |
CN113282582B (zh) * | 2021-05-21 | 2023-06-20 | 海南超船电子商务有限公司 | 一种船位数据的高效存储方法及系统 |
CN113485997B (zh) * | 2021-07-27 | 2023-10-31 | 中南大学 | 基于概率分布偏差估计的轨迹数据纠偏方法 |
CN114708750B (zh) * | 2022-06-06 | 2022-09-06 | 武汉理工大学 | 一种桥区水域船舶碰撞风险检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2049316A (en) * | 1935-05-02 | 1936-07-28 | Petersen Martin | Safety device for ships |
KR20110002737A (ko) * | 2009-07-02 | 2011-01-10 | 제이엘씨(주) | 선박의 충돌방지 시스템 및 그 방법 |
CN203094401U (zh) * | 2013-01-07 | 2013-07-31 | 石狮市飞通通讯设备有限公司 | 一种采用声纳探测的船载(ais)自动智能避碰系统 |
CN203698621U (zh) * | 2014-01-02 | 2014-07-09 | 河海大学 | 船舶防撞系统及具有防撞系统的船 |
-
2016
- 2016-07-22 CN CN201610584137.5A patent/CN106218831B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2049316A (en) * | 1935-05-02 | 1936-07-28 | Petersen Martin | Safety device for ships |
KR20110002737A (ko) * | 2009-07-02 | 2011-01-10 | 제이엘씨(주) | 선박의 충돌방지 시스템 및 그 방법 |
CN203094401U (zh) * | 2013-01-07 | 2013-07-31 | 石狮市飞通通讯设备有限公司 | 一种采用声纳探测的船载(ais)自动智能避碰系统 |
CN203698621U (zh) * | 2014-01-02 | 2014-07-09 | 河海大学 | 船舶防撞系统及具有防撞系统的船 |
Non-Patent Citations (2)
Title |
---|
基于AIS航迹和Douglas_Peucker算法的航线自动生成方法研究;张树凯等;《重庆交通大学学报》;20141231;第33卷(第6期);第79-82页、第117页 * |
水上交通事故管理系统设计与实现;杨家轩等;《中国航海》;20081231;第31卷(第4期);第375-378页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106218831A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106218831B (zh) | 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统 | |
CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
CN110208816B (zh) | 用于海上无人艇的自动障碍物识别系统及识别方法 | |
CN109740494B (zh) | 一种基于船舶轨迹大数据的港口识别方法 | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
CN109360385B (zh) | 对船舶靠泊安全状态的监测方法及装置 | |
CN113156947B (zh) | 一种船舶在动态环境下的路径规划的方法 | |
CN106643723B (zh) | 一种无人艇安全航行船位推算方法 | |
CN112146654B (zh) | 基于关键约束帧的前视成像声呐水下定位与导航方法 | |
Perera | Navigation vector based ship maneuvering prediction | |
CN110837255B (zh) | 一种适用于高速水面无人艇的自主危险规避方法 | |
CN111459132A (zh) | 一种船舶的航行功能的测评方法和系统 | |
CN113283653A (zh) | 一种基于机器学习和ais数据的船舶轨迹预测方法 | |
US12038502B2 (en) | Ship behavior analyzing device, ship behavior analyzing method, and non-transitory computer-readable medium | |
CN116702940B (zh) | 一种航速优化方法及系统 | |
CN111272171A (zh) | 船舶航迹预测方法及装置 | |
CN107945580B (zh) | 海上拖带系统ais虚拟警戒标标示系统及方法 | |
CN115995165A (zh) | 一种船舶航行风险管理方法和系统 | |
Jincan et al. | Based on ECDIS and AIS ship collision avoidance warning system research | |
CN114997015B (zh) | 一种基于ais历史避让行为的避碰路径规划方法 | |
CN117232520A (zh) | 一种适用于海上航行的船舶智能导航系统及导航方法 | |
CN115631657A (zh) | 一种船舶智能靠离泊的实时显示与控制方法、装置及系统 | |
CN116245244A (zh) | 一种海流影响下船舶航迹极短期预报方法 | |
CN116029554B (zh) | 基于受限水域船舶风险评估模型参数校正的风险评估方法 | |
CN114565176B (zh) | 一种长期船舶轨迹预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |