CN111025295B - 一种基于岸基雷达的多船协同感知数据融合系统及方法 - Google Patents

Abstract

本发明属于智能航运信息处理技术领域，尤其涉及一种基于岸基雷达的多船协同感知数据融合系统及方法。包括如下步骤：接收当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据以及所述船舶的行驶参数信息；接收预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；根据第一环境数据、第二环境数据、信息数据以及行驶参数信息，船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。该方法提升了VTS系统数据融合精度及系统稳定性，保障船舶航行安全，提高航运效率。

Description

一种基于岸基雷达的多船协同感知数据融合系统及方法

技术领域

本发明属于智能航运信息处理技术领域，尤其涉及一种基于岸基雷达的多船协同感知数据融合系统及方法。

背景技术

伴随着海洋强国战略的提出，我国的水上交通运输行业得到了长足发展，国内港口、内河航道的船舶吨位、数量随之大幅度增加，进港船舶数量将会越来越多，水上交通安全问题日益凸显。如何获取航道内船舶航迹及障碍物信息，并向船舶提供助航服务和交通组织服务，已受到越来越多人的关注。

针对以上现状，目前我国海事广泛应用船舶交通管理系统(Vessel TrafficServices，简称VTS)。VTS系统能够给予船舶信息服务和交通指挥服务，大大地提高了水上交通航行安全。然而，VTS在发挥重要作用的同时，大量有价值的、无价值的、中间过程的信息充斥着整个系统，导致了系统丢包率高，网络延迟大，有效信息提取效率低等问题。与此同时，AIS系统的引入，虽能从跟本上提高VTS的服务和监控能力，但雷达、AIS等各种传感器提供的信息存在着冗余相关，如何将这些信息进行有效的融合，提高VTS的智能程度，是亟待解决的问题。

在多传感器系统中，由于信息表现形式的多样性，数据量的巨大型，数据关系的复杂性，以及要求数据处理的实时性、准确性和可靠性，都已大大超出了人脑的信息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。多传感器数据融合(Multi-SensorData Fusion，简称MSDF)，简称数据融合，也被称为多传感器信息融合(Multi-SensorInformation Fusion，简称MSIF)，是多学科交叉的新技术，主要涉及信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理论。数据融合是对来自单个或多个不同平台原始感知节点的数据进行相关和综合，以获得更精确的目标信息和身份估计的处理过程。融合处理的对象不局限于接收到的初级数据，还包括对多源数据进行不同层次抽象处理后的信息。

在无线传感器网络数据融合中，传感器节点需要对来自不同节点的数据进行融合处理，消除数据冗余。针对不同应用的特点，数据融合中可以釆用不同的融合处理方法，来满足不同应用的服务质量要求。目前，无线传感器网络数据融合中所釆用的融合处理方法主要有以下几种：综合平均法(加权平均法)、卡尔曼滤波法、贝叶斯估计法、统计决策法、模糊逻辑发、神经网络法、压缩感知法。但这些方法对于VTS系统数据融合精度和系统稳定性不是很高。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种基于岸基雷达的多船协同感知数据融合系统及方法，提升了VTS系统数据融合精度及系统稳定性，保障船舶航行安全，提高航运效率。

(二)技术方案

本发明提供一种基于岸基雷达的多船协同感知数据融合方法，包括如下步骤：

步骤A1、岸基运控中心接收第一环境数据和行驶参数信息，所述第一环境数据和行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据以及所述船舶的行驶参数信息；

步骤A2、所述岸基运控中心接收第二环境数据和信息数据，所述第二环境数据和信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；

步骤A3、所述岸基运控中心根据所述第一环境数据、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹；

步骤A4、所述岸基运控中心基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

进一步地，所述步骤A2中的该区域内的其他船舶的信息数据，包括：所述船舶所属的船舶集中的所有船舶的信息数据。

进一步地，所述第一环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述行驶参数信息包括：航速、航向、船位信息、船舶对应的目的地信息。

进一步地，所述第二环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述信息数据包括船舶及障碍物轮廓、距离信息。

进一步地，所述步骤A3包括：

步骤A31、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行预处理，基于预先设定的目的地信息，获得多目标多条航迹集R；

步骤A32、对所述多目标多条航迹集R内的任意两条航迹进行航迹关联判定，若判定关联，则所述两条航迹为不同传感器记录的同一目标航迹，得到某一时刻同一目标的航迹集S，继续执行步骤A33；若判定不关联，则返回所述多目标多条航迹集R内重新选取任意两条航迹进行关联判定，直至所述多目标多条航迹集R内任意两条航迹均实现关联判定；

步骤A33、基于平均标准差的加权融合算法，对某一时刻同一目标的航迹集S进行融合，得到当前船舶的目标航迹。

进一步地，所述步骤A31具体包括：

步骤A311、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行审查、清理、筛选、合并，得到清晰、有序的航迹数据；

步骤A322、对所述航迹数据进行滤波处理，消除杂波干扰；

步骤A323、对滤波处理后的航迹数据进行坐标转换和时间校准，得到多目标多条航迹集R。

进一步地，所述步骤A33中基于平均标准差的加权融合算法满足下述公式(1)：

式中：

为融合后的航迹值；S_i为某一时刻t同属于一个目标的n条航迹构建航迹集S中的一条航迹，i＝1,2,...,n，S＝[S₁，S₂，...，S_n]；u_i为加权因子，i＝1,2,...,n；σ_i为航迹测量标准差，i＝1,2,...,n，/>

为融合后的航迹平均标准差；

当融合后的航迹平均标准差

最小时，得到最优权值，且最优权值满足下述公式(2)：

对公式(2)求偏导，建立方程组如下述公式(3)所示：

求解公式(3)，得到下述公式(4)：

本发明还提供一种基于岸基雷达的多船协同感知数据融合系统，包括：数据接收模块、数据融合模块和决策分析模块；

所述数据接收模块包括第一数据接收模块和第二数据接收模块；

所述第一数据接收模块用于接收第一环境数据、行驶参数信息，所述第一环境数据、行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据及所述船舶的行驶参数信息；

所述第二数据接收模块用于接收第二环境数据和信息数据，所述第二环境数据和所述信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；

所述数据融合模块用于根据所述第一环境、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹；

所述决策分析模块用于基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

(三)有益效果

本发明建立的基于岸基雷达的多船协同感知数据融合系统，可以减少冗余数据的传输，降低网络的能量消耗，提高数据的收集效率，增加信息采集的准确性，提高VTS系统的精度、稳定性。

本发明提出的基于岸基雷达的多船协同感知数据融合方法中，基于平均标准差的航迹加权融合算法的使用，使融合后的航迹更加接近真实航迹，与协方差加权融合算法相比，提高了航迹融合的准确度。

附图说明

图1为本发明提供的基于岸基雷达的多船协同感知数据融合方法的示意图；

图2为分别采用本发明提供的平均标准差加权融合方法和协方差加权融合方法所得到的目标航迹与真实目标航迹的示意图；

图3为本发明提供的基于岸基雷达的多船协同感知数据融合系统的示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

实施例1

本实施例提供一种基于岸基雷达的多船协同感知数据融合方法，包括如下步骤：

步骤A1、岸基运控中心接收第一环境数据和行驶参数信息，所述第一环境数据和行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据以及所述船舶的行驶参数信息。

其中，第一环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述行驶参数信息包括：航速、航向、船位信息、船舶对应的目的地信息。

步骤A2、所述岸基运控中心接收第二环境数据和信息数据，所述第二环境数据和信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据。

其中，第二环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述信息数据包括船舶及障碍物轮廓、距离信息。

步骤A3、所述岸基运控中心根据所述第一环境数据、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹。

步骤A4、所述岸基运控中心基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

进一步地，所述步骤A2中的该区域内的其他船舶的信息数据，包括：所述船舶所属的船舶集中的所有船舶的信息数据。

进一步地，所述步骤A3包括：

步骤A31、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行预处理，基于预先设定的目的地信息，获得多目标多条航迹集R；

步骤A32、对所述多目标多条航迹集R内的任意两条航迹进行航迹关联判定，若判定关联，则所述两条航迹为不同传感器记录的同一目标航迹，得到某一时刻同一目标的航迹集S，继续执行步骤A33；若判定不关联，则返回所述多目标多条航迹集R内重新选取任意两条航迹进行关联判定，直至所述多目标多条航迹集R内任意两条航迹均实现关联判定；

步骤A33、基于平均标准差的加权融合算法，对某一时刻同一目标的航迹集S进行融合，得到当前船舶的目标航迹。

具体地，步骤A31包括：

步骤A311、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行审查、清理、筛选、合并，得到清晰、有序的航迹数据；

步骤A322、对所述航迹数据进行滤波处理，消除杂波干扰；

步骤A323、对滤波处理后的航迹数据进行坐标转换和时间校准，得到多目标多条航迹集R。

优选地，步骤A33中基于平均标准差的加权融合算法满足下述公式(1)：

式中：

为融合后的航迹值；S_i为某一时刻t同属于一个目标的n条航迹构建航迹集S中的一条航迹，i＝1,2,...,n，S＝[S₁，S₂，...，S_n]；u_i为加权因子，i＝1,2,...,n；σ_i为航迹测量标准差，i＝1,2,...,n，/>

为融合后的航迹平均标准差；

当融合后的航迹平均标准差

最小时，得到最优权值，且最优权值满足下述公式(2)：

对公式(2)求偏导，建立方程组如下述公式(3)所示：

求解公式(3)，得到下述公式(4)：

从结果可知，若航迹测量数据的标准差越小，它的权值越大，则在最优加权估计值中与之对应的航迹数据所占比例越大；相反，若标准差越大，它的权值越小，则在其进行最优加权估计时与之对应的航迹数据所占比例越小。

上述算法的平均标准差如下公式(5)所示：

由上式可知，使用这种算法融合后的平均标准差比单一传感器感知目标的干扰标准差都小。

如图2所示，为分别采用本发明提供的平均标准差加权融合方法和协方差加权融合方法所得到的目标航迹与真实目标航迹的示意图，可以较为直观的得到本文所述平均标准差法计算的航迹更加接近真实目标航迹。

实施例2

本实施例提供一种基于岸基雷达的多船协同感知数据融合系统，如图3所示，包括：数据接收模块、数据融合模块和决策分析模块；

数据接收模块包括第一数据接收模块和第二数据接收模块；

第一数据接收模块用于接收第一环境数据、行驶参数信息，所述第一环境数据、行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据及所述船舶的行驶参数信息；

第二数据接收模块用于接收第二环境数据和信息数据，所述第二环境数据和所述信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；

数据融合模块用于根据所述第一环境、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹；

决策分析模块用于基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

进一步地，所述数据融合模块包括数据预处理子模块、数据判定子模块和数据融合子模块；

所述预处理子模块用于对第一环境数据、第二环境数据、信息数据以及行驶参数信息进行预处理，后获得多目标多条航迹集R；

所述数据判定子模块用于对所述多目标多条航迹集R内的任意两条航迹进行航迹关联判定，若判定关联，则所述两条航迹为不同传感器记录的同一目标航迹，得到某一时刻同一目标的航迹集S，继续执行步骤A33；若判定不关联，则返回所述多目标多条航迹集R内重新选取任意两条航迹进行关联判定，直至所述多目标多条航迹集R内任意两条航迹均实现关联判定；

所述数据融合子模块用于基于平均标准差的加权融合算法，对某一时刻同一目标的航迹集S进行融合，得到船舶的目标航迹。

进一步地，所述数据预处理子模块包括第一数据预处理子模块、第二数据预处理子模块和第三数据预处理子模块；

所述第一数据预处理子模块用于对第一环境数据、第二环境数据、信息数据以及行驶参数信息进行审查、清理、筛选、合并，得到清晰、有序的航迹数据；

所述第二数据预处理子模块用于对航迹数据进行滤波处理，消除杂波干扰；

所述第三数据预处理子模块用于对滤波处理后的航迹数据进行坐标转换和时间校准，得到多目标多条航迹集R。

实施例3

本实施例提供一种基于岸基雷达的多船协同感知数据融合方法，包括如下步骤：

步骤A1、岸基运控中心接收第一环境数据和行驶参数信息，所述第一环境数据和行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据以及所述船舶的行驶参数信息。

其中，第一环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述行驶参数信息包括：航速、航向、船位信息、船舶对应的目的地信息。

步骤A2、所述岸基运控中心接收第二环境数据和信息数据，所述第二环境数据和信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据。

其中，第二环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述信息数据包括船舶及障碍物轮廓、距离信息。

步骤A3、所述岸基运控中心根据所述第一环境数据、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹。

具体包括：

步骤A31、源信息处理

源信息处理是提升融合数据质量的重要一环，主要对第一环境数据、第二环境数据、信息数据以及行驶参数信息审查、清理、筛选、合并等步骤，将具有不完整性及杂乱性的真实数据集成为具有可操作性的理想数据类型(航迹数据)，从而保证数据的准确及融合结果的有效。

在源信息处理阶段，根据数据特征属性、传感器类型对多源数据进行预处理，将采集的模糊数据、不完整数据进行合并，将杂乱数据进行筛选分类，以降低处理器的信息承载压力，防止出现处理量负载的情况；然后对航迹数据进行滤波处理，消除数据感知阶段产生的杂波干扰；最后对航迹数据进行坐标转换和时间校准，形成格式相同的多目标多条航迹集R＝[R₁，R₂，...，R_n]。

步骤A32、航迹关联

对航迹集内R＝[R₁，R₂，...，R_n]任意两条航迹R_i、R_j,i≠j,i＝1,2,...,n；j＝1,2,...,n进行航迹关联判定，如果确认关联，则判断R_i、R_j属于同一目标的两条不同航迹，执行航迹加权融合操作；反之，则判断R_i、R_j不两条航迹不关联，返回航迹集重新进行航迹关联判定至航迹集内任意两条航迹均实现航迹关联判定后终止。

步骤A33、航迹融合

采用基于平均标准差的加权融合算法，对某一时刻t₁同属于一个目标的n条航迹构建航迹集S＝[S₁，S₂，...，S_n]进行融合，得到船舶的目标航迹。其中，S₁，S₂，...，S_n之间相互独立，航迹测量标准差分别为σ₁，σ₂，...，σ_n，加权因子分别为u₁，u₂，...，u_n，融合后的航迹值是

融合后的系统平均标准差值是/>

满足下列公式(1)：

当融合后的航迹平均标准差

最小时，系统有最优权值，且最优权值满足下述公式(2)：

对公式(2)求偏导，建立方程组如下述公式(3)所示：

求解公式(3)，得到下述公式(4)：

从结果可知，若航迹测量数据的标准差越小，它的权值越大，则在最优加权估计值中与之对应的航迹数据所占比例越大；相反，若标准差越大，它的权值越小，则在其进行最优加权估计时与之对应的航迹数据所占比例越小。

上述算法的平均标准差如下公式(5)所示：

由上式可知，使用这种算法融合后的平均标准差比单一传感器感知目标的干扰标准差都小。

数据融合的最终目的是让岸基运控中心得到正确的船舶位置、航速以及其他有用的信息，进而对区域内船舶提供协同避碰方案。

步骤A4、所述岸基运控中心基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (6)

1.一种基于岸基雷达的多船协同感知数据融合方法，其特征在于，包括如下步骤：

步骤A1、岸基运控中心接收第一环境数据和行驶参数信息，所述第一环境数据和行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据以及所述船舶的行驶参数信息；

步骤A2、所述岸基运控中心接收第二环境数据和信息数据，所述第二环境数据和信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；所述该区域内的其他船舶的信息数据，包括：所述船舶所属的船舶集中的所有船舶的信息数据；

步骤A3、所述岸基运控中心根据所述第一环境数据、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹；

所述步骤A3包括：

步骤A31、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行预处理，基于预先设定的目的地信息，获得多目标多条航迹集R；

步骤A32、对所述多目标多条航迹集R内的任意两条航迹进行航迹关联判定，若判定关联，则所述两条航迹为不同传感器记录的同一目标航迹，得到某一时刻同一目标的航迹集S，继续执行步骤A33；若判定不关联，则返回所述多目标多条航迹集R内重新选取任意两条航迹进行关联判定，直至所述多目标多条航迹集R内任意两条航迹均实现关联判定；

步骤A33、基于平均标准差的加权融合算法，对某一时刻同一目标的航迹集S进行融合，得到当前船舶的目标航迹；

步骤A4、所述岸基运控中心基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

2.根据权利要求1所述的基于岸基雷达的多船协同感知数据融合方法，其特征在于，所述第一环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述行驶参数信息包括：航速、航向、船位信息、船舶对应的目的地信息。

3.根据权利要求1所述的基于岸基雷达的多船协同感知数据融合方法，其特征在于，所述第二环境数据包括下述的至少一种：风速、风向、流速、流向、波速、波浪传递方向、障碍物位置信息及障碍物的参数信息；

所述信息数据包括船舶及障碍物轮廓、距离信息。

4.根据权利要求1所述的基于岸基雷达的多船协同感知数据融合方法，其特征在于，所述步骤A31具体包括：

步骤A311、对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行审查、清理、筛选、合并，得到清晰、有序的航迹数据；

步骤A322、对所述航迹数据进行滤波处理，消除杂波干扰；

步骤A323、对滤波处理后的航迹数据进行坐标转换和时间校准，得到多目标多条航迹集R。

5.根据权利要求1所述的基于岸基雷达的多船协同感知数据融合方法，其特征在于，所述步骤A33中基于平均标准差的加权融合算法满足下述公式(1)：

式中：

为融合后的航迹值；S_i为某一时刻t同属于一个目标的n条航迹构建航迹集S中的一条航迹，i＝1,2,...,n，S＝[S₁，S₂，...，S_n]；u_i为加权因子，i＝1,2,...,n；σ_i为航迹测量标准差，i＝1,2,...,n，/>

为融合后的航迹平均标准差；

当融合后的航迹平均标准差

最小时，得到最优权值，且最优权值满足下述公式(2)：

对公式(2)求偏导，建立方程组如下述公式(3)所示：

求解公式(3)，得到下述公式(4)：

6.一种基于岸基雷达的多船协同感知数据融合系统，其特征在于，包括：数据接收模块、数据融合模块和决策分析模块；

所述数据接收模块包括第一数据接收模块和第二数据接收模块；

所述第一数据接收模块用于接收第一环境数据、行驶参数信息，所述第一环境数据、行驶参数信息为当前船舶基于该船舶的AIS系统和导航雷达获取的该船舶在行驶中的第一环境数据及所述船舶的行驶参数信息；

所述第二数据接收模块用于接收第二环境数据和信息数据，所述第二环境数据和所述信息数据为预先布设的岸基雷达获取所述船舶所在的区域内的第二环境数据以及该区域内的其他船舶的信息数据；所述该区域内的其他船舶的信息数据，包括：所述船舶所属的船舶集中的所有船舶的信息数据；

所述数据融合模块用于根据所述第一环境、第二环境数据、信息数据以及行驶参数信息，所述船舶对应的目的地信息，基于平均标准差的加权融合算法，得到当前船舶的目标航迹；具体为：

对所述第一环境数据、第二环境数据、信息数据以及行驶参数信息进行预处理，基于预先设定的目的地信息，获得多目标多条航迹集R；

对所述多目标多条航迹集R内的任意两条航迹进行航迹关联判定，若判定关联，则所述两条航迹为不同传感器记录的同一目标航迹，得到某一时刻同一目标的航迹集S，基于平均标准差的加权融合算法，对某一时刻同一目标的航迹集S进行融合，得到当前船舶的目标航迹；若判定不关联，则返回所述多目标多条航迹集R内重新选取任意两条航迹进行关联判定，直至所述多目标多条航迹集R内任意两条航迹均实现关联判定；

所述目标航迹为当前船舶在所述区域内安全行驶的路径航迹；

所述决策分析模块用于基于目标航迹得到对当前船舶的避碰决策信息，并将避碰决策信息发送至当前船舶。

Images