CN112373642B - 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 - Google Patents
一种基于船舶领域的内河船舶追越行为检测及跟踪方法 Download PDFInfo
- Publication number
- CN112373642B CN112373642B CN202011190845.3A CN202011190845A CN112373642B CN 112373642 B CN112373642 B CN 112373642B CN 202011190845 A CN202011190845 A CN 202011190845A CN 112373642 B CN112373642 B CN 112373642B
- Authority
- CN
- China
- Prior art keywords
- ship
- central
- data
- field
- ships
- 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
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Ocean & Marine Engineering (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于船舶领域的内河船舶追越行为检测及跟踪方法,包含如下步骤:首先,构建目标水域船舶领域:基于AIS数据的动静态信息,对中心船舶附近水域进行网格化并叠加他船分布结果,构建目标水域内船舶领域模型;然后,船舶追越行为检测跟踪:结合构建的船舶领域模型和中心船舶航行数据,通过检测他船对中心船舶船舶领域的连续入侵,并判断他船航速是否高于中心船、他船是否由相船舶后方航行至中心船舶前方判断他船是否构成对中心船舶的追越行为。所述方法能够有效检测并跟踪船舶追越行为,为特定水域船舶航行管理和船舶追越行为分析提供有效支撑。
Description
技术领域
本发明涉及海事船舶航行管理领域,具体涉及一种基于船舶领域的内河船舶追越行为的检测及跟踪方法。
背景技术
自2004年起,International Maritime Organization(IMO)组织规定国际航行的船舶中总吨位超过300的货船和所有的客船均需要安装自动识别系统(AutomaticIdentification System,AIS)。AIS系统为船舶行为分析和海事管理提供了数据基础,包括避碰研究、异常检测、行为分析、知识提取以及跟踪预测多等个方面。船舶追越是船舶相互作用态势的一种,船舶追越定义为:一机动船正从另一机动船正横后22.5度的某一方向追赶并超过该船,同时可能构成碰撞风险时,应当认定为追越。船舶追越不慎可能引发海事事故,造成重大经济损失。在特殊水域内,根据船舶航行管理规定,禁止船舶在该水域内发生追越行为。例如,在狭窄、弯曲、滩险航段、桥梁水域和船闸引航道等禁止追越和并列行驶。然而,事实上仍然有大量船舶在这些水域内发生追越,容易引起船舶碰撞风险。为了能够基于AIS数据对船舶追越行为进行跟踪,为海事船舶航行管理提供技术支撑,同时通过对追越行为的检测、跟踪和分析推进船舶追越行为特征研究,提出一种基于船舶领域的内河船舶追越行为检测及跟踪方法。
发明内容
本发明要解决的技术问题是:能够基于AIS数据对内河船舶追越行为进行检测并跟踪,从而便于海事船舶航行管理以及对船舶追越行为进行特征分析。
本发明为解决上述问题所采取的技术方案为:一种基于船舶领域的内河船舶追越行为检测及跟踪方法,具体步骤如下:
第一步,船舶领域模型构建:通过筛选中心船舶,对中心船舶周围指定范围内水域进行网格化,统计他船的分布并将他船分布叠加至网格内,根据网格分布结果提取船舶领域边界,构建目标水域内船舶领域模型;
第二步,船舶追越行为检测与跟踪:根据上述船舶领域模型和选定的中心船舶的航行数据,得到中心船舶的船舶领域范围,并检测是否存在连续入侵中心船舶船舶领域范围的他船,并对满足连续入侵的条件且航速高于中心船舶、由中心船舶后方航行至中心船舶前方的他船进行航行跟踪。
进一步的,第一步中,船舶领域模型构建,具体如下:
步骤1.1,数据筛选;根据目标水域的经纬度范围和指定时间段范围从AIS历史数据库中筛选用于构建船舶领域的AIS数据;
步骤1.2,轨迹分离和清洗;将筛选出的AIS数据分离成不同的船舶轨迹,每一条船舶轨迹对应一艘船舶连续行为数据;
步骤1.3,中心船舶选择;对船舶轨迹进行筛选,选择轨迹中船舶航速均不小于一定值的船舶数据作为中心船舶,当将一条船舶当作中心船舶时,其他船舶均为他船,得到中心船舶类以及对应的他船数据类;
步骤1.4,AIS数据时空匹配;根据中心船舶和他船经纬度位置距离和时间戳时间间隔,对他船数据进行筛选,完成中心船舶和指定时间、空间范围内的他船数据匹配;
步骤1.5,数据修复;对于他船时间戳与中心船舶时间戳差值不为0的船舶数据,将他船数据修复至中心船舶时刻下的位置数据;
步骤1.6,坐标转换和距离计算;对匹配的船舶数据进行坐标转换,获取他船在以中心船舶为原点的坐标系下的位置,计算他船在X轴和Y轴上的距离;
步骤1.7,网格划分和船舶分布统计;对中心船舶周围指定范围内的水域进行网格划分,并对不同的中心船舶周围的他船的分布进行统计;
步骤1.8,静态数据统计和数据划分;对船舶长度、宽度和速度的分布进行统计,从而对中心船舶数据进行划分,构建船舶领域模型;
步骤1.9,数据叠加和边界提取;对相同类型的中心船舶网格进行叠加,统计船舶在每个网格内的分布数值,确定船舶领域边界线所在位置;
步骤1.10,边界拟合和船舶领域模型构建;提取以中心船舶为中心、Y轴正方向为起始位置N个方向上的边界值,进行椭圆拟合,获取船舶领域即椭圆的长轴和短轴长度;
构建目标水域船舶领域模型,模型公式如下:
其中a,b分别表示船舶领域的长轴和短轴长度,L,B表示船舶长度和宽度,v为航速,K为与航速相关的比例因子,k0为与航速相关的指数因子,采用最小二乘法得到K和k0数值。
进一步的,第二步中,船舶追越行为检测与跟踪,具体如下:
步骤2.1,船舶领域疑似入侵行为统计;首先筛选中心船舶数据,根据船舶领域的计算模型,采用目标船舶的长和宽进行船舶领域大小计算,以船舶领域的长轴为半径作为空间范围δd,时间范围为δt;修复数据得到与中心船舶同一时刻的船舶数据;
步骤2.2,船舶领域入侵行为判断;基于坐标转换后的数据,即以中心船舶为原点、航首向为Y轴下的他船XY坐标,代入如下船舶领域椭圆方程:
其中a,b分别表示中心船舶的船舶领域长轴和短轴,x,y分别表示他船坐标转换后的XY坐标;根据所得结果α判断他船是否在船舶领域范围内:当α<1,则他船在船舶领域范围内;当α=1,则他船正处于船舶领域范围边界上;当α>1,则他船不在船舶领域范围内,未对中心船舶构成船舶领域入侵行为;进而得到入侵各中心船舶的船舶领域的他船数据;
步骤2.3,船舶领域入侵行为数据划分;经过步骤2.2所述的船舶领域入侵行为判断后,得到每一条中心船舶对应的入侵其领域的他船数据,将该数据进行划分,最后得到不同中心船舶领域对应的不同的他船连续入侵行为数据;
步骤2.4,船舶追越行为判断和跟踪;得到中心船舶被他船入侵的分段数据后,通过结合设定的规则和船舶领域入侵行为数据判断船舶是否入侵中心船舶,满足则得到他船和本船的连续数据,即为船舶间的追越数据,实现船舶领域的追越行为的检测和跟踪。
进一步的,步骤2.4中,同时满足以下三个规则判断他船与目标船舶间发生了追越行为:
1)、他船的海上移动服务标识(MMSI)一致:确认入侵船舶领域的他船为同一艘船舶,即MMSI一致;
2)、他船平均航速高于中心船舶航速;
3)、他船从中心船舶后方入侵中心船舶领域后从前方离开中心船舶领域,则经过坐标转换,即以中心船舶为原点、对地航向为Y轴的坐标系中,他船的Y轴坐标从负值逐渐增大,随时间保持递增的顺序。
本发明的有益效果为:针对内河船舶追越可能发生船舶碰撞风险,采用船舶领域对船舶追越行为进行检测,通过统计学的方式对目标水域的船舶领域进行研究的基础上,检测他船对中心船舶的船舶领域的连续入侵行为,并结合他船和中心船舶航速差别、相对位置变化,从而完成对内河船舶追越行为的检测跟踪,为海事部分船舶航行管理和船舶追越行为分析提供有效支撑。
附图说明
图1为本发明实现流程;
图2为基于船舶领域的内河船舶追越模型;
图3为基于AIS的船舶领域统计流程;
图4为船舶GPS坐标转换示意图;
图5为船舶追越行为检测流程。
具体实施方式
下面结合附图将对本发明中的技术方案进行清楚、完整地描述。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。
在内河避碰规则中,对两船追越进行了规定:当一机动船正从另一机动船正横后大于22.5度的某一方向追赶、超过该船,且可能构成碰撞风险,应当认定为追越。基于船舶领域的船舶追越行为检测示意如图2所示,追越步骤可分为5个阶段:
阶段1:他船位于目标船舶后方指定角度范围内,此时他船速度高于中心船舶航速,即将要追越中心船舶;
阶段2:他船从中心船舶左(右)后方开始入侵中心船舶的船舶领域范围;
阶段3:他船在处于追越阶段,一直保持在中心船舶的船舶领域范围内,在该阶段中,从中心船舶左(右)后方追越至中心船舶左(右)前方;
阶段4:他船已完成了追越行为,仍处于中心船舶的船舶领域范围内,但即将离开中心船舶的船舶领域范围区域;
阶段5:他船离开中心船舶的船舶领域范围区域。
在上述5个阶段中,至少有三次他船位于中心船舶船舶领域的范围内。因此,可通过上述他船连续入侵本船船舶领域并进一步结合船舶前后相对位置变化判断船舶是否发生追越行为。船舶领域的大小和形状随目标水域环境及其他条件的不同而具有差异性,首先需要针对船舶领域进行研究。
本发明所述的一种基于船舶领域的内河船舶追越行为检测及跟踪方法,实现流程如图1所示,具体实现包括以下步骤:
第一步,船舶领域模型构建,如图3所示为基于AIS的船舶领域统计流程:
(1-1)AIS数据筛选
从AIS历史数据库中根据目标水域的经纬度范围和指定时间段范围筛选用于构建船舶领域的AIS数据A;
(1-2)轨迹分离和清洗
将上述AIS数据A分离成不同的船舶轨迹B,每一条船舶轨迹对应一艘船舶连续航行数据,并对漂移点数据进行过滤;
船舶轨迹分离方式如下:根据中心船舶的海上移动服务标识(Maritime MobileService Identity,MMSI)对数据排序,并计算前后行MMSI的差值,根据差值是否为0判断是否为同一条船舶,分割不同船舶轨迹的数据;在不同船舶轨迹数据中,先根据数据时间戳对数据排序,再计算前后数据的时间戳的差值,按照差值是否大于指定时间间隔δT对前后数据的时间戳对数据进行划分。
AIS漂移数据采用如下规则进行过滤:通过分别计算相邻点的经纬度距离和航速与时间距离,若前者超过后者一定值,则认为数据发生了漂移,对数据进行清洗。
(1-3)中心船舶数据选取
中心船舶为对其周围他船进行统计的对象船舶,追越行为发生对象为航行中船舶,因此以航行船舶作为中心船舶。
根据船舶AIS数据发送标准对船舶轨迹B进行筛选,选择轨迹中船舶航速均不小于3knot的船舶数据作为中心船舶,当将一条船舶当作中心船舶时,其他船舶均为他船,得到中心船舶{c1,c2,…,cn}以及对应的他船数据类{D1,D2,…,Dn},其中ci和Di一一对应,ci为一条中心船舶轨迹数据,Di包含多条他船轨迹{ti 1,ti 2,…,ti m}。
(1-4)AIS数据时空匹配
根据中心船舶ci和对应的他船数据Di中每条船舶轨迹{ti 1,ti 2,…,ti m}的经纬度位置距离和时间戳之间的时间间隔,对他船数据进行筛选,完成中心船舶和指定时间范围、空间范围内的他船数据匹配,因此分别需要确定时间范围δt和空间范围δd。
首先,针对空间范围δd的设定,根据文献资料由于内河船舶领域一般不大于船舶长度的3.5倍,因此根据数据A对所有船舶AIS数据长度进行统计,取船舶长度的最大值的3.5倍作为待统计船舶领域大小,δd为中心船舶前后距离,即待统计船舶领域大小的1/2,如式(1)所示确定δd的取值。
δd=0.5*3.5*max(length) (1)
对于δt的取值,时间匹配目标找到与中心船舶同一时刻时他船数据:若存在他船时间戳和中心船舶时间戳差值为0,则说明两船当前AIS点处于同一时刻下,满足时间匹配要求;若时间戳不为0,考虑内河行进船舶的最大标准AIS发送时间间隔为30s,为保证对他船数据统计,设置δt值为40s,即满足他船船舶当前时间戳与中心船舶时间戳差的绝对值不大于40s,则认为可匹配数据,之后对轨迹数据进行修复,得到中心船舶时间戳下他船数据。
根据上述AIS数据时空匹配结果,得到了新的中心船舶数据{c′1,c′2,…,c′n}以及对应的他船数据类{D′1,D′2,…,D′n},其中c′i为一条中心船舶轨迹数据,D′i包含多条他船轨迹{ti 1,ti 2,…,ti m},c′i和D′i一一对应。
(1-5)数据修复
对于他船ti j,i∈(1,n),j∈(1,m),时间戳与中心船舶c′i时间戳差值不为0的船舶数据,需要将他船数据修复至中心船舶时刻下的位置数据、航向数据以及航速数据。采用分段三次Herimite插值算法进行修复。
(1-6)坐标转换和距离计算
为获取中心船舶c′i的周围他船分布状况,需对匹配到的船舶数据进行坐标转换。坐标转换包含两个步骤:首先,将经纬度坐标转换为UTM(Universal TransverseMercator)坐标;其次,构建以中心船舶为原点、船舶首向为Y轴方向的坐标系,以获取各船舶在该坐标系下的位置。其中,经纬度坐标转UTM坐标为现有技术常用方法。
构建中心船舶为原点的坐标系,如图4所示为坐标系转换示意图,中心船舶UTM坐标为(a,b),他船原始UTM坐标为(x,y),转换后的UTM坐标为(x′,y′):
x′=(x-a)cosθ-(y-b)sinθ (2)
y′=(x-a)sinθ+(y-b)cosθ (3)
式中θ为船舶航向角;
船舶间的实际距离D可通过点到点之间的平面距离公式进行计算。
根据坐标系转换结果,通过向量夹角的公式计算他船在目标船舶船首向顺时针旋转的角度δ:
δ=Arccos(k) (5)
之后通过得到的距离D和角度δ,计算得到X轴和Y轴上的距离Lx和Ly:
Lx=D*sinδ (7)
Ly=D*cosδ (8)
在得到他船在X轴和Y轴上的距离之后,由于部分数据经过修复得到或数据存在漂移,导致位置数据不准。因此过滤掉他船数据在X轴和Y轴的距离分别小于船舶宽度和长度的数据。
(1-7)网格划分和船舶分布统计
为获取船舶领域边界,对中心船舶周围设定范围的水域进行网格划分,根据他船的换算结果Lx,Ly统计确定他船分布的网格,最终获得每条中心船舶c′i的他船网格分布图。
(1-8)静态数据统计和数据划分
为研究船舶领域大小与船舶长度、宽度和速度的关系,需要对中心船舶{c′i,c′2,…,c′n}根据船舶长度、宽度和速度的分布进行统计,从而对中心船舶数据进行类别划分,得到不同长度、不同宽度和速度下的中心船舶类{C1,C2,…,Cl},其中Ck包含多个中心船舶c′i。
(1-9)数据叠加和边界提取
根据中心船舶类的划分,对不同类别中的中心船舶网格分布进行叠加,得到不同类的网格分布图。为构建船舶领域模型,采用最大密度法分别提取统计以目标船为中心、Y轴正方向为起始位置[0°,45°,90°,135°,180°,225°,270°,315°]8个方向上的距离,即分别获取8个方向上网格的数值,取最大值作为该方向上的边界值。
(1-10)边界拟合和船舶领域模型构建
在获取8个方向上的距离后,借助最小二乘法进行椭圆拟合,获取椭圆的长轴和短轴长度。内河航行船舶受航道限制,特别在桥区范围,船舶航行受到较多规则。以现有文献中提出的模型为基础构建目标水域船舶领域模型,模型公式如下:
其中a,b分别表示船舶领域的长轴和短轴,L,B表示船舶长度和宽度,v为航速,K为与航速相关的比例因子,k0为与航速相关的指数因子。由于根据上述统计结果,已知各类船舶长度和宽度下的船舶领域的长轴和短轴以及对应的船舶航行速度,从而可以采用最小二乘法得到K和k0的数值,完成船舶领域模型的构建。
第二步,船舶追越行为检测与跟踪,船舶追越行为检测和跟踪流程如图5所示。
(2-1)船舶领域疑似入侵行为统计
首先对目标水域内可能发生船舶领域入侵行为进行检测,同样首先筛选中心船舶数据,可采用上述时空匹配的方式进行检测可能发生船舶领域入侵的行为。由于已知船舶领域的计算模型,在空间范围δd的选取上,可直接采用目标船舶的长和宽进行船舶领域大小计算,直接以船舶领域的长轴为半径作为空间范围δd,时间范围δt仍取值为40s。采用步骤(1-5)中同样的方式,修复得到与中心船舶同一时刻的船舶数据。
(2-2)船舶领域入侵行为判断
由于上述空间范围δd以长轴为半径,因此在船舶左右方向上可能包含未在船舶领域范围内他船,因此可基于坐标转换后的数据,即以中心船舶为原点、航首向为Y轴下的他船XY坐标,代入船舶领域椭圆方程,如式(11)所示:
其中a,b分别表示中心船舶的船舶领域长轴和短轴,x,y分别表示他船坐标转换后的XY坐标。根据所得结果α判断是否在船舶领域范围内:当α<1,则他船在船舶领域范围内;当α=1,则正处于船舶领域范围边界上;当α>1,则不在船舶领域范围内,未对中心船舶构成船舶领域入侵行为,由此得到入侵各中心船舶的船舶领域的他船数据。
(2-3)船舶领域入侵行为数据划分
基于船舶领域的船舶追越行为需要检测到同一艘船舶对中心船舶船舶领域的多次连续入侵。经过步骤(2-2)船舶领域入侵行为判断后,得到每一条中心船舶对应的入侵其领域的他船数据,将该数据进行划分,数据划分方式同船舶领域统计步骤(1-2)中划分方式,最后得到不同中心船舶领域对应的不同的他船连续入侵行为数据。
(4)船舶追越行为判断和跟踪
在得到中心船舶被其他船舶入侵的连续入侵行为数据后,同时满足以下三个规则判断他船与目标船舶间发生了追越行为:
他船MMSI一致:由于中心船舶可能同时被多个船舶入侵船舶领域,为保证准确检测到追越行为,需确认入侵船舶领域的多条他船数据为同一艘船舶,即MMSI一致;
他船平均航速高于中心船舶航速:由于他船追越船舶的航速表现要高于中心船舶才会发生船舶追越行为,因此通过计算他船在入侵中心船舶的船舶领域该段时间内航速要高于中心船舶的平均航速;
他船由中心船舶后方至中心船舶前方:他船一开始从中心船舶后方入侵中心船舶领域到最后从前方离开中心船舶船舶领域,则经过坐标转换,即以中心船舶为原点、航首向为Y轴的坐标系中,他船初始的位置相对中心船舶所在角度大于112.5°且小于247.5°,他船的Y轴坐标从负值逐渐增大,随时间保持递增的顺序。
当同一条他船连续入侵中心船舶领域、航速高于中心船舶且由中心船舶后方至中心船舶前方,则可以判断发生了船舶追越行为,该连续入侵的他船数据以及对应的中心船舶数据即为追越行为的跟踪数据,最终实现船舶领域的追越行为的检测和跟踪。
最后可通过动画的方式对追越行为进行动态可视化,并进行追越行为分析。
Claims (4)
1.一种基于船舶领域的内河船舶追越行为检测及跟踪方法,其特征在于:该方法具体步骤如下:
第一步,船舶领域模型构建:通过筛选中心船舶,对中心船舶周围指定范围内水域进行网格化,统计他船的分布并将他船分布叠加至网格内,根据网格分布结果提取船舶领域边界,构建目标水域内船舶领域模型;
第二步,船舶追越行为检测与跟踪:根据上述船舶领域模型和选定的中心船舶的航行数据,得到中心船舶的船舶领域范围,并检测是否存在连续入侵中心船舶船舶领域范围的他船,并对满足连续入侵的条件且航速高于中心船舶、由中心船舶后方航行至中心船舶前方的他船进行航行跟踪;
第一步中,船舶领域模型构建,具体如下:
步骤1.1,数据筛选;根据目标水域的经纬度范围和指定时间段范围从自动识别系统(AIS)历史数据库中筛选用于构建船舶领域的AIS数据;
步骤1.2,轨迹分离和清洗;将筛选出的AIS数据分离成不同的船舶轨迹,每一条船舶轨迹对应一艘船舶连续行为数据;
步骤1.3,中心船舶选择;对船舶轨迹进行筛选,选择轨迹中船舶航速均不小于一定值的船舶数据作为中心船舶,当将一条船舶当作中心船舶时,其他船舶均为他船,得到中心船舶类以及对应的他船数据类;
步骤1.4,AIS数据时空匹配;根据中心船舶和他船经纬度位置距离和时间戳时间间隔,对他船数据进行筛选,完成中心船舶和指定时间、空间范围内的他船数据匹配;
步骤1.5,数据修复;对于他船时间戳与中心船舶时间戳差值不为0的船舶数据,将他船数据修复至中心船舶时刻下的位置数据;
步骤1.6,坐标转换和距离计算;对匹配的船舶数据进行坐标转换,获取他船在以中心船舶为原点的坐标系下的位置,计算他船在X轴和Y轴上的距离;
步骤1.7,网格划分和船舶分布统计;对中心船舶周围指定范围内的水域进行网格划分,并对不同的中心船舶周围的他船的分布进行统计;
步骤1.8,静态数据统计和数据划分;对船舶长度、宽度和速度的分布进行统计,从而对中心船舶数据进行划分,构建船舶领域模型;
步骤1.9,数据叠加和边界提取;对相同类型的中心船舶网格进行叠加,统计船舶在每个网格内的分布数值,确定船舶领域边界线所在位置;
步骤1.10,边界拟合和船舶领域模型构建;提取以中心船舶为中心、Y轴正方向为起始位置N个方向上的边界值,进行椭圆拟合,获取船舶领域即椭圆的长轴和短轴长度;
构建目标水域船舶领域模型,模型公式如下:
其中a,b分别表示船舶领域的长轴和短轴长度,L,B表示船舶长度和宽度,v为航速,K为与航速相关的比例因子,k0为与航速相关的指数因子。
2.根据权利要求1所述的基于船舶领域的内河船舶追越行为检测及跟踪方法,其特征在于:所述步骤1.6中,坐标转换包含两个步骤:首先,将经纬度坐标转换为UTM坐标;其次,构建以中心船舶为原点、船舶首向为Y轴方向的坐标系,获取各船舶在该坐标系下的位置。
3.根据权利要求1或2所述的基于船舶领域的内河船舶追越行为检测及跟踪方法,其特征在于:第二步中,船舶追越行为检测与跟踪,具体如下:
步骤2.1,船舶领域疑似入侵行为统计;首先筛选中心船舶数据,根据船舶领域的计算模型,采用目标船舶的长和宽进行船舶领域大小计算,以船舶领域的长轴为半径作为空间范围δd,时间范围为δt;修复数据得到与中心船舶同一时刻的船舶数据;
步骤2.2,船舶领域入侵行为判断;基于坐标转换后的数据,即以中心船舶为原点、航首向为Y轴下的他船XY坐标,代入如下船舶领域椭圆方程:
其中a,b分别表示中心船舶的船舶领域长轴和短轴,x,y分别表示他船坐标转换后的XY坐标;根据所得结果α判断他船是否在船舶领域范围内:当α<1,则他船在船舶领域范围内;当α=1,则他船正处于船舶领域范围边界上;当α>1,则他船不在船舶领域范围内,未对中心船舶构成船舶领域入侵行为;进而得到入侵各中心船舶的船舶领域的他船数据;
步骤2.3,船舶领域入侵行为数据划分;经过步骤2.2所述的船舶领域入侵行为判断后,得到每一条中心船舶对应的入侵其领域的他船数据,将该数据进行划分,最后得到不同中心船舶领域对应的不同的他船连续入侵行为数据;
步骤2.4,船舶追越行为判断和跟踪;得到中心船舶被他船入侵的分段数据后,通过结合设定的规则和船舶领域入侵行为数据判断船舶是否入侵中心船舶,满足则得到他船和本船的连续数据,即为船舶间的追越数据,实现船舶领域的追越行为的检测和跟踪。
4.根据权利要求3所述的基于船舶领域的内河船舶追越行为检测及跟踪方法,其特征在于:步骤2.4中,同时满足以下三个规则判断他船与目标船舶间发生了追越行为:
1)、他船的海上移动服务标识(MMSI)一致:确认入侵船舶领域的他船为同一艘船舶,即MMSI一致;
2)、他船平均航速高于中心船舶航速;
3)、他船从中心船舶后方入侵中心船舶领域后从前方离开中心船舶领域,则经过坐标转换,即以中心船舶为原点、对地航向为Y轴的坐标系中,他船的Y轴坐标从负值逐渐增大,随时间保持递增的顺序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190845.3A CN112373642B (zh) | 2020-10-30 | 2020-10-30 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190845.3A CN112373642B (zh) | 2020-10-30 | 2020-10-30 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112373642A CN112373642A (zh) | 2021-02-19 |
CN112373642B true CN112373642B (zh) | 2022-02-01 |
Family
ID=74577405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011190845.3A Active CN112373642B (zh) | 2020-10-30 | 2020-10-30 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112373642B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828391B (zh) * | 2023-08-29 | 2023-12-05 | 中船(浙江)海洋科技有限公司 | 一种检测ais异常开关的方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513428A (zh) * | 2015-11-20 | 2016-04-20 | 大连海事大学 | 船舶定线制水域交通饱和度智能分析方法 |
JP2017102986A (ja) * | 2017-03-10 | 2017-06-08 | 日本無線株式会社 | 端末装置、警報方法 |
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及系统 |
KR101825992B1 (ko) * | 2016-10-13 | 2018-02-08 | 한국해양과학기술원 | 임의 자주지역 획득 방법 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
CN110544395A (zh) * | 2019-08-28 | 2019-12-06 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种vts系统中船舶追越态势的智能精算预警方法 |
CN110570690A (zh) * | 2019-09-20 | 2019-12-13 | 珠海云航智能技术有限公司 | 一种船舶航行风险预警方法、装置、终端设备及存储介质 |
CN110706827A (zh) * | 2019-09-26 | 2020-01-17 | 武汉理工大学 | 基于船舶ais大数据的通航水域水流信息的提取方法及系统 |
CN110703759A (zh) * | 2019-10-29 | 2020-01-17 | 青岛科技大学 | 一种多船博弈的船舶避碰处理方法 |
CN110745212A (zh) * | 2019-10-21 | 2020-02-04 | 中国舰船研究设计中心 | 一种基于波浪测量的舰载机着舰辅助决策方法及装置 |
CN110796142A (zh) * | 2019-10-30 | 2020-02-14 | 青岛科技大学 | 一种基于船舶集群态势的船间相对领域获取方法 |
CN111163290A (zh) * | 2019-11-22 | 2020-05-15 | 东南大学 | 一种夜间航行船舶检测并跟踪的装置和方法 |
CN111158361A (zh) * | 2019-12-12 | 2020-05-15 | 天津大学 | 基于船舶领域模型的水面无人艇避碰方法 |
CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
US10683067B2 (en) * | 2018-08-10 | 2020-06-16 | Buffalo Automation Group Inc. | Sensor system for maritime vessels |
US10706725B2 (en) * | 2015-07-07 | 2020-07-07 | Korean Institute Of Ocean Science And Technology | Ship-collision avoidance guiding system using time series graphic display |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2905861B2 (ja) * | 1991-05-29 | 1999-06-14 | 運輸省船舶技術研究所長 | 船舶衝突予防用警報指示装置 |
US9135826B2 (en) * | 2012-12-26 | 2015-09-15 | Sap Se | Complex event processing for moving objects |
KR102476252B1 (ko) * | 2015-09-14 | 2022-12-09 | 대우조선해양 주식회사 | 가상 선교 시스템 및 그의 제어방법 |
JP6627615B2 (ja) * | 2016-03-31 | 2020-01-08 | 富士通株式会社 | 評価プログラム、評価方法および評価装置 |
CN108922247B (zh) * | 2018-07-25 | 2020-11-06 | 重庆大学 | 一种基于ais的船舶-航标碰撞危险度估算方法 |
CN111157982A (zh) * | 2019-11-20 | 2020-05-15 | 智慧航海(青岛)科技有限公司 | 基于岸基雷达的智能船舶船岸协同目标跟踪系统和方法 |
-
2020
- 2020-10-30 CN CN202011190845.3A patent/CN112373642B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10706725B2 (en) * | 2015-07-07 | 2020-07-07 | Korean Institute Of Ocean Science And Technology | Ship-collision avoidance guiding system using time series graphic display |
CN105513428A (zh) * | 2015-11-20 | 2016-04-20 | 大连海事大学 | 船舶定线制水域交通饱和度智能分析方法 |
KR101825992B1 (ko) * | 2016-10-13 | 2018-02-08 | 한국해양과학기술원 | 임의 자주지역 획득 방법 |
JP2017102986A (ja) * | 2017-03-10 | 2017-06-08 | 日本無線株式会社 | 端末装置、警報方法 |
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及系统 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
US10683067B2 (en) * | 2018-08-10 | 2020-06-16 | Buffalo Automation Group Inc. | Sensor system for maritime vessels |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
CN110544395A (zh) * | 2019-08-28 | 2019-12-06 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种vts系统中船舶追越态势的智能精算预警方法 |
CN110570690A (zh) * | 2019-09-20 | 2019-12-13 | 珠海云航智能技术有限公司 | 一种船舶航行风险预警方法、装置、终端设备及存储介质 |
CN110706827A (zh) * | 2019-09-26 | 2020-01-17 | 武汉理工大学 | 基于船舶ais大数据的通航水域水流信息的提取方法及系统 |
CN110745212A (zh) * | 2019-10-21 | 2020-02-04 | 中国舰船研究设计中心 | 一种基于波浪测量的舰载机着舰辅助决策方法及装置 |
CN110703759A (zh) * | 2019-10-29 | 2020-01-17 | 青岛科技大学 | 一种多船博弈的船舶避碰处理方法 |
CN110796142A (zh) * | 2019-10-30 | 2020-02-14 | 青岛科技大学 | 一种基于船舶集群态势的船间相对领域获取方法 |
CN111163290A (zh) * | 2019-11-22 | 2020-05-15 | 东南大学 | 一种夜间航行船舶检测并跟踪的装置和方法 |
CN111158361A (zh) * | 2019-12-12 | 2020-05-15 | 天津大学 | 基于船舶领域模型的水面无人艇避碰方法 |
CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
Non-Patent Citations (3)
Title |
---|
基于AIS数据的船舶领域建模;文元桥等;《中国航海》;20181225;全文 * |
基于船舶AIS数据的桥区水域通航饱和度研究;刘磊等;《交通信息与安全》;20190828;全文 * |
海上多目标船智能避碰辅助决策研究;陈立家;《工程科技Ⅱ辑》;20111001;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112373642A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309383B (zh) | 基于改进的dbscan算法的船舶轨迹聚类分析方法 | |
CN111951606B (zh) | 一种船舶碰撞风险评估与预警方法及系统 | |
EP3739295B1 (en) | Method for determining an optimal naval navigation routes from historical gnss data of naval trajectories | |
Zissis et al. | A distributed spatial method for modeling maritime routes | |
van Westrenen et al. | The effect of traffic complexity on the development of near misses on the North Sea | |
Daranda | Neural network approach to predict marine traffic | |
CN113808282B (zh) | 一种多通航要素数据融合方法 | |
Yan et al. | Vessel movement analysis and pattern discovery using density-based clustering approach | |
CN112967527A (zh) | 一种渡船碰撞风险评估方法、系统、装置及介质 | |
CN104660993B (zh) | 基于ais和cctv的海事智能监控方法及系统 | |
CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
Lee et al. | Maritime traffic route detection framework based on statistical density analysis from AIS data using a clustering algorithm | |
Chen et al. | Ship trajectory reconstruction from AIS sensory data via data quality control and prediction | |
Silveira et al. | Assessment of ship collision estimation methods using AIS data | |
Chang et al. | Vessel traffic analysis for maritime intelligent transportation system | |
Rong et al. | Evaluation of near-collisions in the Tagus River Estuary using a marine traffic simulation model | |
Naus | Drafting route plan templates for ships on the basis of AIS historical data | |
CN114936332A (zh) | 一种风电场水域船舶交通流分析的方法、装置和存储介质 | |
CN112373642B (zh) | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 | |
Lei et al. | A framework for discovering maritime traffic conflict from AIS network | |
CN115774804A (zh) | 船舶的异常识别方法、系统和可读存储介质 | |
CN114550498B (zh) | 一种海量ais数据驱动的船舶偏离航道智能预警系统 | |
Jinyu et al. | Automatic identification system data-driven model for analysis of ship domain near bridge-waters | |
CN115050214A (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
Rong et al. | Assessment and characterization of near ship collision scenarios off the coast of Portugal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |