CN109817023B - 一种海缆水域ais目标检测方法 - Google Patents

Abstract

本发明涉及一种海缆水域AIS目标检测方法，包括：接收港区周边船舶发送的AIS数据，将港区水域分级网格化并使船舶ID与不同级别的坐标位置关联；根据时间区间和选定的目标区域对AIS数据进行筛选，并对目标区域作划分网格处理，计算船舶出现在不同级别的网格内的频率，获得船舶分布频率直方统计图；利用船舶位置信息建立图像模型，使用离散型随机分布马尔科夫预测模型预测船舶航行趋势，形成目标船舶航行轨迹预测曲线；提取出高级别警戒水域附近船舶的信息并在港区水域分级网格图中进行标识；所述船只的信息包括船舶ID、航向和航速；控制VHF电台对闯入高级别警戒水域附近的船舶进行播报。本发明提高了海缆水域的安全性。

Description

一种海缆水域AIS目标检测方法

技术领域

本发明涉及船舶自动识别系统(AIS)、VHF电台技术和计算机图形处理技术领域，特别是一种海缆水域AIS目标检测方法。

背景技术

随着海缆区界目标位置检测与船舶航迹播报应用需求与定位精确性的不断增长，及时准确地掌握区界内相关船舶的位置并对其进行航向预测，已经成为了智能海缆防护的核心要素。但现有技术中，未能根据船舶自动识别系统(AIS)发送的信息及时自动分析出船舶进入高等级网格水域的概率，也不能再海图上做对应的标记，并通过VHF自动对进入高等级网格水域的船舶进行广播提醒，从而导致船舶对港区海缆进行破坏。

船舶自动识别系统(AIS)技术配合全球定位系统(GPS)将船位、船速、改变航向率及航向等船舶动态结合船名、呼号等船舶静态资料由甚高频(VHF)频道向附近水域船舶及岸台广播，使邻近船舶及岸台能及时掌握附近海面所有船舶之动静态资讯，获取船舶位置坐标及时进行避让。

Very high frequency(VHF)(甚高频)是指频带由30MHz到300MHz的无线电电波。VHF多数是用作电台及电视台广播，同时又是航空和航海的沟通频道。

马尔科夫预测模型：过程或(系统)在时刻t0所处的状态为已知的条件下，过程在时刻t>t0所处状态的条件分布过程在时刻t0之前所处的状态无关的特性成为马尔科夫性或无后效性。

马尔可夫(Markov)预测法，就是一种关于事件发生的概率预测方法。它是根据事件的目前状况来预测其将来各个时刻(或时期)变动状况的一种预测方法。马尔可夫预测法是地理预测研究中重要的预测方法之一。

马尔科夫决策过程具有马尔可夫性(无后效性，及系统的下个状态只与当前状态信息有关，与更早的状态无关)，但不同的是MDP(马尔科夫决策)考虑了动作，马尔可夫决策过程由一个四元组构成M＝(S,A,Psa,R)。马尔可夫链Markov chain表示时间和状态都是离散的马尔科夫过程。

状态在马尔可夫预测中，“状态”是一个重要的术语。所谓状态，就是指某一事件在某个时刻(或时期)出现的某种结果。

船舶闯入危险度：指船闯入港区的可能性大小，规定其取值范围为0到1，闯入危险度是度量海缆水域是否发生危险的概率标准，当港区处于碰撞危险中时，是用作对哪些船舶进行避碰筛选的重要参数。

发明内容

本发明的目的在于克服现有技术的船舶对港区海缆破坏问题，采用合适而准确的预警播报策略，提出了一种港区海缆AIS目标检测方法，大大提高了海缆水域的安全性。

本发明解决其技术问题所采用的技术方案是：

一种海缆水域AIS目标检测方法，包括：

步骤101，接收港区周边船舶发送的AIS数据，在海图上对船舶进行标绘，将港区水域分级网格化并使船舶ID与不同级别的坐标位置关联；

步骤102，根据时间区间和选定的目标区域对AIS数据进行筛选，并对目标区域作划分网格处理，计算船舶出现在不同级别的网格内的频率，建立单船舶的网格图；累加单船舶网格图的网格计数，形成单船舶的网格频数图；

步骤103，对船舶密度分布进行降噪处理；

步骤104，利用船舶位置信息建立图像模型，使用离散型随机分布马尔科夫预测模型预测船舶航行趋势，形成目标船舶航行轨迹预测曲线；

步骤105，提取出高级别警戒水域附近船舶的信息并在港区水域分级网格图中进行标识；

步骤106，求取目标船舶与海缆区界相对位置，设点A(φ1,λ1)为目标船舶位置，B点(φ2,λ2)海缆区界位置，λ1和φ1分别为目标船的经度和纬度；λ2和φ2为海缆区界的经度和纬度；则A和B之间的距离可按球面三角公式求出；

步骤107，根据目标船舶与海缆区界相对位置，控制VHF电台对闯入高级别警戒水域附近的目标船舶进行播报。

优选的，所述对船舶密度分布进行降噪处理的方法包括平均滤波法。

优选的，所述步骤104包括：

令船舶闯入不同水域的被预测事件包括E₁，E₂，…，E_n，共n个可能的状态，如下：

P(E_i→E_j)＝P(E_j/E_i)＝P_ij

记P_ij为从船舶从水域E_i转为水域E_j的状态转移概率，任意相继两次接收到的同一船舶在不同级别的网格水域状态转换概率为P_ij，根据AIS数据计算出船舶两个时刻的不同区域的状态转换概率，由此得到状态转移矩阵P，如下：

π_j(k)表示船舶在初始k＝0时状态为已知的条件下，经过k次状态转移后，第k个时刻处于位置水域E_j的概率，根据概率的性质，有：

从船舶初始状态开始，经过k次状态转移后到达状态E_j这一状态转移过程，当做船舶首先经过k-1次状态转移后到达状态E_i(i＝1，2，…，n)，然后再由E_i经过一次状态转移到达状态E_j；

π_j(k)表示如下：

记船舶航行向量π(k)＝[π₁(k),π₂(k),...,π_n(k)]，将AIS数据不断代入模型进行求解，以递归的形式得出船舶航行趋势概率曲线；当整个计算过程中把船舶最新AIS数据提交的当前时刻所在水域位置状态全包含时，则表示迭代完成，由上面公式可得逐次计算船舶在不同位置水域状态概率的递推公式，如下：

在船舶在第0个时刻的初始水域位置状态π(0)已知的情况下，利用所求递推公式，就可以预测船舶在第k个时刻处于各种可能的海缆水域的概率π(k)，以表示船舶闯入危险度。

优选的，所述步骤105包括：

分析进入高等级网格水域的概率得出船舶闯入危险度，当预测结果值π(k)为0时说明闯入的概率为0，不需要对目标做出应答，在海图上进行绿色安全标注；当预测结果值π(k)大于0.9时，判断出船舶闯入高级别警戒水域附近，在海图上进行红色标注。

本发明具有如下有益效果：

(1)本发明一种海缆水域AIS目标检测方法，采用水域分级网格化管理，大大地提高了对港区水域船舶AIS目标识别精度；

(2)本发明一种海缆水域AIS目标检测方法，使用离散型随机分布马尔科夫预测模型，能够出预测船舶在第k个时刻处于各种可能的海缆水域的概率π(k)，以表示船舶闯入危险度；通过所述π(k)的大小，判断出船舶是否正在闯入或即将闯入高级别警戒水域附近，在海图上用对应的颜色进行标注；

(3)本发明一种海缆水域AIS目标检测方法，当判断出船舶船舶是否闯入高级别警戒水域附近时，能够控制VHF电台自动经过驱离禁区船舶，大大提高了海缆水域的安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的海缆水域AIS目标检测方法的流程框图；

图2本发明的港区水域分级网格化的详细流程图；

图3本发明的海缆水域AIS目标检测方法的网格频率图；

图4为本发明的海缆水域AIS目标检测方法的综合决策模型图；

图5为本发明的港区分级水域与船舶位置图像模型图；

图6为本发明的可视化海缆水域船舶图像显示与决策软件结构框图；

图7为本发明的海缆水域AIS目标检测方法的实现结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

参见图1至图6所示，本发明一种海缆水域AIS目标检测方法，包括：

步骤101，接收港区周边船舶发送的AIS数据，在海图上对船舶进行标绘，将港区水域分级网格化并使船舶ID与不同级别的坐标位置关联；

步骤102，根据时间区间和选定的目标区域对AIS数据进行筛选，并对目标区域作划分网格处理，计算船舶出现在不同级别的网格内的频率，建立单船舶的网格图；累加单船舶网格图的网格计数，形成单船舶的网格频数图；

本实施例中，单船舶的网格图的建立方法包括：以目标船舶为正中心，其船舶首向为纵轴方向，其附近水域被等分为200×100个网格，每个网格长度与宽度均为20m，利用已进行数据预处理且同步过的他船AIS数据，按船舶长度与宽度计算。

计算船舶出现在不同级别的网格内的频率，获得船舶分布频率直方统计图；

步骤103，对船舶密度分布进行降噪处理；

步骤104，利用船舶位置信息建立网格频数模型，使用离散型随机分布马尔科夫预测模型预测船舶航行趋势，形成目标船舶航行轨迹预测曲线；

步骤105，提取出高级别警戒水域附近船舶的信息并在港区水域分级网格图中进行标识；

步骤106，求取目标船舶与海缆区界相对位置，设点A(φ1,λ1)为目标船舶位置，B点(φ2,λ2)海缆区界位置，λ1和φ1分别为目标船的经度和纬度；λ2和φ2为海缆区界的经度和纬度；目标船舶与海缆区界的相对位置为(Dφ，D_λ)。其中，Dφ＝φ₁-φ₂，D_λ＝λ₁-λ₂(北纬、东经取正值，南纬、西经取负值)。则A和B之间的距离可按球面三角公式求出，具体如下：

cos S＝sinφ₁×sinφ₂+cosφ₂×cosD_λ

r＝S×60

式中：r为船舶A、B两点的距离/n mile；D_λ为A、B两点的经度差。

步骤107，控制VHF电台对闯入高级别警戒水域附近的船舶进行播报。

具体的，首先接收港区周边船舶发送的AIS数据，在海图上对船舶进行标绘，岸基AIS接收到大量港区附近船舶的身份识别信息，参见图3所示，为进一步直观的获取受限港区海缆区界领域周边船舶情况，建立港区水域船舶位置图像模型与分级网格水域模型叠加。

根据时间区间和选定的目标区域对AIS数据进行筛选，并对目标区域作划分网格处理，计算不同级别网格内的船舶数量，获得船舶分布频率直方统计图；然后根据平均滤波等方法对船舶密度分布进一步降噪处理，获得较为精确的位置信息；将船舶位置信息建立图像模型，利用马尔科夫预测模型变换提取目标区域内船舶的航行趋势。

在马尔可夫预测中，状态，就是指某一事件在某个时刻(或时期)出现的某种结果。令船舶闯入不同水域的被预测事件包括E₁，E₂，…，E_n，共n个可能的状态，如下：

P(E_i→E_j)＝P(E_j/E_i)＝P_ij

记P_ij为从船舶从水域E_i转为水域E_j的状态转移概率，任意相继两次接收到的同一船舶在不同级别的网格水域状态转换概率为P_ij，根据AIS数据计算出船舶两个时刻的不同区域的状态转换概率，由此得到状态转移矩阵P，如下：

π_j(k)表示船舶在初始k＝0时状态为已知的条件下，经过k次状态转移(k个不同时刻的位置转换)后，第k个时刻处于位置水域E_j的概率，根据概率的性质，有：

从船舶初始状态开始，经过k次状态转移后到达状态E_j这一状态转移过程，当做船舶首先经过k-1次状态转移后到达状态E_i(i＝1，2，…，n)，然后再由E_i经过一次状态转移到达状态E_j；

π_j(k)表示如下：

记船舶航行向量π(k)＝[π₁(k),π₂(k),...,π_n(k)]，将AIS数据不断代入模型进行求解，以递归的形式得出船舶航行趋势概率曲线；当整个计算过程中把船舶最新AIS数据提交的当前时刻所在水域位置状态全包含时，则表示迭代完成，由上面公式可得逐次计算船舶在不同位置水域状态概率的递推公式，如下：

在船舶在第0个时刻的初始水域位置状态π(0)已知的情况下，利用所求递推公式，就可以预测船舶在第k个时刻处于各种可能的海缆水域的概率π(k)，以表示船舶闯入危险度。

分析进入高等级网格水域的概率得出船舶闯入危险度，当预测结果值π(k)为0时说明闯入的概率为0，不需要对目标做出应答，在海图上进行绿色安全标注；当预测结果值π(k)大于0.9时，判断出船舶闯入高级别警戒水域附近，在海图上进行红色标注；检测到船舶靠近或进入高级别网格水域警戒区时帮助工作人员及时对船舶运动趋势进行判断。

本发明通过软件实现，具体可通过C++编写上位机软件实现，将船舶轨迹与信息进行保存并且有船舶轨迹回放功能，软件对各个各种信息进行汇总综合，对VHF电台下达船舶闯入后的操作指令。

参见图7所示，VHF电台自动警告驱离禁区船舶，具体采用数据信息关联技术提取出模型库中识别到的船舶信息，将海缆区界以及其周边每一艘船的信息发送到用户监控平台，并通过区域检测算法判断船舶是否处于禁止闯入区域，构建自动警告控制闭环回路，设置触发阈值，结合软件分析联动VHF电台对进入监控区域的船舶进行实时提醒广播，对AIS识别到的目标船号进行播报，实时广播目标船舶闯入警区的消息，并等待主控单元下达停止命令。

可视化海缆区域船舶显示软件系统向港区管理部门提供海缆管理、船位监控管理、报警管理、报警回放等信息服务功能，解决海缆区界海图和AIS船舶移动目标可视化问题，直观的反映港区海缆禁区船舶的运动轨迹与动向提供直观的模拟图像，便于事故船舶的认定与海缆的安全维护。

船舶目标轨迹回放根据关联AIS系统并调用船舶行驶数据库，在标绘图像中对可疑船舶在海缆区界内的行驶轨迹进行显示，直观的使用AIS数据确认港区船舶的位置。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种海缆水域AIS目标检测方法，其特征在于，包括：

步骤101，接收港区周边船舶发送的AIS数据，在海图上对船舶进行标绘，将港区水域分级网格化并使船舶ID与不同级别的坐标位置关联；

步骤102，根据时间区间和选定的目标区域对AIS数据进行筛选，并对目标区域作划分网格处理，计算船舶出现在不同级别的网格内的频率，建立单船舶的网格图；累加单船舶网格图的网格计数，形成单船舶的网格频数图；

步骤103，对船舶密度分布进行降噪处理；

步骤104，利用船舶位置信息建立图像模型，使用离散型随机分布马尔科夫预测模型预测船舶航行趋势，形成目标船舶航行轨迹预测曲线；

步骤105，提取出高级别警戒水域附近船舶的信息并在港区水域分级网格图中进行标识；

步骤106，求取目标船舶与海缆区界相对位置，设点A(φ1,λ1)为目标船舶位置，B点(φ2,λ2)海缆区界位置，λ1和φ1分别为目标船的经度和纬度；λ2和φ2为海缆区界的经度和纬度；则A和B之间的距离可按球面三角公式求出；

步骤107，根据目标船舶与海缆区界相对位置，控制VHF电台对闯入高级别警戒水域附近的目标船舶进行播报；

所述步骤104包括：

令船舶闯入不同水域的被预测事件包括E₁，E₂，…，E_n，共n个可能的状态，如下：

P(E_i→E_j)＝P(E_j/E_i)＝P_ij

记P_ij为从船舶从水域E_i转为水域E_j的状态转移概率，任意相继两次接收到的同一船舶在不同级别的网格水域状态转换概率为P_ij，根据AIS数据计算出船舶两个时刻的不同区域的状态转换概率，由此得到状态转移矩阵P，如下：

π_j(k)表示船舶在初始k＝0时状态为已知的条件下，经过k次状态转移后，第k个时刻处于位置水域E_j的概率，根据概率的性质，有：

从船舶初始状态开始，经过k次状态转移后到达状态E_j这一状态转移过程，当做船舶首先经过k-1次状态转移后到达状态E_i(i＝1，2，…，n)，然后再由E_i经过一次状态转移到达状态E_j；

π_j(k)表示如下：

记船舶航行向量π(k)＝[π₁(k),π₂(k),...,π_n(k)]，将AIS数据不断代入模型进行求解，以递归的形式得出船舶航行趋势概率曲线；当整个计算过程中把船舶最新AIS数据提交的当前时刻所在水域位置状态全包含时，则表示迭代完成，由上面公式可得逐次计算船舶在不同位置水域状态概率的递推公式，如下：

在船舶在第0个时刻的初始水域位置状态π(0)已知的情况下，利用所求递推公式，就可以预测船舶在第k个时刻处于各种可能的海缆水域的概率π(k)，以表示船舶闯入危险度；

所述步骤105包括：

分析进入高等级网格水域的概率得出船舶闯入危险度，当预测结果值π(k)为0时说明闯入的概率为0，不需要对目标做出应答，在海图上进行绿色安全标注；当预测结果值π(k)大于0.9时，判断出船舶闯入高级别警戒水域附近，在海图上进行红色标注。

2.根据权利要求1所述的海缆水域AIS目标检测方法，其特征在于，所述对船舶密度分布进行降噪处理的方法包括平均滤波法。

Images