CN115097435A - 一种渔船一船多码识别方法、装置和系统 - Google Patents
一种渔船一船多码识别方法、装置和系统 Download PDFInfo
- Publication number
- CN115097435A CN115097435A CN202210775784.XA CN202210775784A CN115097435A CN 115097435 A CN115097435 A CN 115097435A CN 202210775784 A CN202210775784 A CN 202210775784A CN 115097435 A CN115097435 A CN 115097435A
- Authority
- CN
- China
- Prior art keywords
- data
- ship
- ais
- fishing
- track
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种渔船一船多码识别方法、装置和系统,获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。本发明的方案,能够实现对渔船一船多码行为的快速识别,提高海上作业渔船伪造身份作业的识别准确率。
Description
技术领域
本发明涉及卫星通信技术领域,特别涉及一种渔船一船多码识别方法、装置和系统。
背景技术
国内外关于渔船一船多码识别的研究,已经发展了三种成熟的技术方向,分别为基于渔船作业数据库的现场监测识别、基于卫星遥感与渔船作业数据库匹配的监测识别、基于船位数据异常的监测识别。
基于渔船作业数据库的现场监测识别是执法、巡逻船在海上作业现场通过对现场作业渔船与渔船作业数据库相关身份信息进行匹配,如匹配渔船水上移动通信业务标识码(Maritime Mobile Service Identify,MMSI)、渔船作业方式是否与渔船数据库信息一致,进行现场监测识别的方法,该方法面临成本高、风险大、监管力度差、检查范围有限等问题。
基于卫星遥感与渔船作业数据库匹配的监测识别首先是通过卫星遥感监测所有渔船作业区域、及各区域渔船作业时长等指标,将监测的指标与渔船作业数据库进行匹配,如果在某区域作业渔船的作业时长等信息有一个与数据库出现不一致,那么进行身份检查,从而实现一船多码的识别。该方法需要遍历所有渔船作业区域与全天时的作业时段,要达到理想的识别效果必须有准确的作业区域范围等遥感先验信息,且该方法信息计算冗余大,实时性弱,且会因遥感数据质量导致识别准确率没有保障的问题。
基于船位数据异常的监测识别属于微观层面的监测识别手段,通过船舶自动识别系统(Automatic Identification System,AIS)的船舶轨迹数据进行远程检查监督,具有效率高、时效性好等优势,然而仅仅基于AIS数据的识别方法并不能满足一船多码识别的需求,还需要借助其他技术手段提高识别准确率。
发明内容
本发明提供一种渔船一船多码识别方法、装置和系统,能够实现对渔船一船多码行为的快速识别,提高海上作业渔船伪造身份作业的识别准确率。
根据本发明的一个方面,提供了一种渔船一船多码识别方法,包括以下步骤:
获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;
利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;
将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
所述船舶的雷达探测目标数据包括:船舶的航速、航向、与目标之间的距离;船舶的AIS船位数据包括:船舶船名、水上移动通信业务标识码MMSI、经度、纬度、航速及航向。
所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前,还包括:
将所述雷达探测目标数据和AIS船位数据进行数据配准。
所述数据配准包括:空间配准和时间配准;
所述空间配准,包括:利用高斯克鲁格坐标系Gauss-Krüger投影变换将所述雷达探测目标数据的平面坐标数据转换为经纬度坐标数据;
所述时间配准,包括:以所述AIS船位数据的采样时间为标准,对所述雷达探测目标数据的位置信息进行插值。
所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前,还包括:
对所述雷达探测目标数据和AIS船位数据进行数据清洗;包括:对所述雷达探测目标数据和AIS船位数据中多次测量得到的重复数据、航迹数据不规律跳变数据、轨迹数据异常点数据及轨迹野值数据进行清洗。
所述将设定范围内船舶的融合轨迹数据相比较,包括:
分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数。
所述融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码,包括:
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
根据本发明的另一个方面,提供了一种渔船一船多码识别装置,包括:
数据获取单元,用于获取船舶的雷达探测目标数据和船舶自动识别系统 AIS船位数据;
数据融合单元,用于利用卡尔曼滤波模型对所述雷达探测目标数据和AIS 船位数据进行融合,得到船舶的融合轨迹数据;
预警判定单元,用于将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
所述预警判定单元,具体用于:
分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数;
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
根据本发明的另一个方面,提供了一种渔船一船多码识别系统,包括:
前端,用于创建预警区域,并做一船多码的预警信息展示;
后端,用于一船多码预警信息处理及预警区域存储;
大数据引擎Flink,用于实时处理获取的数据;进行消息预处理,获取渔船数据及经过AIS和雷达融合的数据;从数据库中加载预警区域数据,过滤出区域内的数据;提取目标的轨迹特征,比对不同目标间轨迹相似度;判断目标轨迹相似度并生成多AIS预警信息,传送至后端预警信息处理;在前端实现渔船一船多码的预警信息的展示。
采用本发明的技术方案,提出了一种渔船一船多码识别方案,获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
本发明提出的方案有助于解决渔船伪造身份进行违法违规捕捞的问题。一些不具备捕捞相关资质或者从事非法捕捞的渔船会通过伪造身份的方式进行作业,这对“将渔船捕捞能力和渔获物捕捞量控制在合理范围内,提高海洋渔业资源利用和管理科学化、精细化水平”的国家政策的落实具有很大的阻碍,因此准确的渔船身份识别对实现海洋渔业资源的规范有序利用、助力国家生态文明建设、实现海洋渔业可持续发展具有重要的意义。
通过本发明方案,克服了单纯基于轨迹数据进行渔船一船多码识别面临的问题,将雷达技术手段纳入进来,融合雷达数据与轨迹数据,能够提高海上作业渔船伪造身份作业的识别准确率。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中渔船一船多码识别方法原理流程图;
图2为本发明实施例中渔船一船多码识别方法示意图之一;
图3为本发明实施例中渔船一船多码识别方案总体框图;
图4为本发明实施例中渔船一船多码的识别效果图;
图5为本发明实施例中渔船一船多码识别装置结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
由于现有基于船位数据的监测识别仅在于对渔船历史轨迹异常的识别,如一条渔船在某个时刻轨迹消失、在作业区域出现一条AIS轨迹信息且出现在作业区域前并没有历史轨迹等,这种识别方法对多个AIS轨迹相互衔接开启的情况难以进行识别,因此无法判断是不是一船多码的情况。本发明的识别方法是考虑多个雷达仅能探测到一个目标,且只会匹配一个AIS目标,通过融合雷达探测数据和AIS轨迹数据,如一条渔船有同行的其他AIS轨迹,且融合目标与其他AIS目标轨迹高度相关,可判定为多AIS目标,实现一船多码违法行为识别与预警。本识别方法主要针对的是渔船一船多码违法行为的识别。
图1为本发明实施例一中渔船一船多码识别流程图。如图1所示,该渔船一船多码识别流程包括以下步骤:
步骤101,获取船舶的雷达探测目标数据和AIS船位数据。
在本发明的一个实施例中,首先获取雷达探测目标数据和AIS船位数据,因为雷达能获取的目标特征值与AIS不完全一致,雷达可以获取目标的航速、航向、与目标之间的距离等,而AIS可以获取船舶船名、MMSI、经度、纬度、航速、航向等数据。
步骤102,利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据。
在本发明的一个实施例中,要实现雷达与AIS融合,就需要先将两种测量方式的指标换算成统一的特征值,即二者的数据融合必须考虑时间和空间的一致性。其次,在数据时空统一的基础上,设计融合算法,融合雷达和AIS轨迹数据。
在本发明的一个实施例中,要实现雷达与AIS数据的融合,首先要保证两者航迹数据必须在同一坐标系中。雷达是通过使用距目标点的距离和方向来确定目标点的坐标。因此,要进行经纬度数据的融合,雷达的平面坐标数据需要转换为经纬度坐标数据才能使用。利用高斯克鲁格坐标系Gauss-Krüger投影变换实现平面坐标到经纬度坐标的转换。
因雷达和AIS的采样频率不同会造成数据存在时间上的偏差。在船舶位置信息采集过程中,相同时间内雷达的船舶位置信息要远小于AIS。因此一般以 AIS采样时间为标准,对雷达位置信息进行插值。
雷达与AIS等传感器在对船舶进行测量时,会对航速较低的船舶位置点进行多次测量,这就会导致出现航迹数据不规律跳变的情况,针对这种问题,利用格拉布斯准则清除过程中的轨迹野值。
利用卡尔曼滤波模型实现多源轨迹数据的融合。
数据融合是充分利用不同时间与空间的多传感器数据资源,采用计算机技术按时间序列获得传感器的观测数据,在一定准则下进行分析。当前,主要的数据融合方法有加权平均、卡尔曼滤波法、贝叶斯估计法、证据推理等。卡尔曼滤波是应用最广泛的滤波方法。
步骤103,将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
在本发明的一个实施例中,分别计算融合轨迹与其他AIS轨迹数据之间的相关系数(即经度数据的相关系数与纬度数据的相关系数),选择相关系数值最大的即判定为存在一船多码。
具体的,分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数;
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
在本发明的一个实施例中,如图2所示,提出了一种适用于VDES通信的渔船一船多码识别的方法,包括数据配准、数据清洗、数据融合、一船多码识别等几个步骤。其中,数据配准包括时间配准和空间配准两方面,时间配准主要是对数据异步的处理,空间配准主要是统一两种数据的参数坐标。数据清洗主要是清洗数据中的轨迹数据异常点以及对数据野值的清除。数据融合主要采用卡尔曼滤波模型进行。一船多码的识别主要采用皮尔逊相关系数的计算来判定。
如图3所示,本发明实施例还提供了渔船一船多码识别方案总体框图,其中,包括前端、后端、数据存储、Flink实时处理和消息队列。
前端主要用于创建预警区域,并做一船多码非法行为的预警信息展示。
后端主要用于一船多码预警信息处理及预警区域存储。
数据存储在Redis数据库中。
Flink实时处理主要是从Kafka中获取目标数据,首先进行消息预处理,即过滤数据,获取满足渔船航速大于等于1节,数据类型为AIS-A类、AIS-B及经过AIS和雷达融合的数据;然后从Redis数据库中加载预警区域数据,过滤出区域内的数据,排除抛锚和停靠目标(即船舶航速为0-2节,滞留时长大于 3min,滞留范围500m),通过船舶MMSI进行比对,计算目标移动的距离,判断目标之间移动距离是否大于5海里,如果大于5海里,则提取目标的轨迹特征,比对不同目标间轨迹相似度;判断目标轨迹相似度是否大于90%,如果大于90%,则生成多AIS预警信息,将预警信息存入消息队列Kafka中,传送至后端预警信息处理,然后在前端实现渔船一船多码非法行为的预警信息的展示。
图4为本发明实施例提供的渔船一船多码非法行为的识别效果图。
为了实现上述流程,本发明技术方案还提供渔船一船多码识别装置,如图 5所示,该渔船一船多码识别装置包括:
数据获取单元21,用于获取船舶的雷达探测目标数据和船舶自动识别系统 AIS船位数据;
数据融合单元22,用于利用卡尔曼滤波模型对所述雷达探测目标数据和 AIS船位数据进行融合,得到船舶的融合轨迹数据;
预警判定单元23,用于将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
所述预警判定单元23,具体用于:
分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数;
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
进一步的,本发明还提供一种渔船一船多码识别系统,包括:
前端,用于创建预警区域,并做一船多码的预警信息展示;
后端,用于一船多码预警信息处理及预警区域存储;
大数据引擎Flink,用于实时处理获取的数据;进行消息预处理,获取渔船数据及经过AIS和雷达融合的数据;从数据库中加载预警区域数据,过滤出区域内的数据;提取目标的轨迹特征,比对不同目标间轨迹相似度;判断目标轨迹相似度并生成多AIS预警信息,传送至后端预警信息处理;在前端实现渔船一船多码的预警信息的展示。
综上所述,本发明的技术方案,提出了一种渔船一船多码识别方案,获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
本发明提出的方案有助于解决渔船伪造身份进行违法违规捕捞的问题。一些不具备捕捞相关资质或者从事非法捕捞的渔船会通过伪造身份的方式进行作业,这对“将渔船捕捞能力和渔获物捕捞量控制在合理范围内,提高海洋渔业资源利用和管理科学化、精细化水平”的国家政策的落实具有很大的阻碍,因此准确的渔船身份识别对实现海洋渔业资源的规范有序利用、助力国家生态文明建设、实现海洋渔业可持续发展具有重要的意义。
通过本发明方案,克服了单纯基于轨迹数据进行渔船一船多码识别面临的问题,将雷达技术手段纳入进来,融合雷达数据与轨迹数据,能够提高海上作业渔船伪造身份作业的识别准确率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种渔船一船多码识别方法,其特征在于,包括以下步骤:
获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;
利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;
将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
2.根据权利要求1所述的一种渔船一船多码识别方法,其特征在于,所述船舶的雷达探测目标数据包括:船舶的航速、航向、与目标之间的距离;船舶的AIS船位数据包括:船舶船名、水上移动通信业务标识码MMSI、经度、纬度、航速及航向。
3.根据权利要求1所述的一种渔船一船多码识别方法,其特征在于,所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前,还包括:
将所述雷达探测目标数据和AIS船位数据进行数据配准。
4.根据权利要求3所述的一种渔船一船多码识别方法,其特征在于,所述数据配准包括:空间配准和时间配准;
所述空间配准,包括:利用高斯克鲁格坐标系Gauss-Krüger投影变换将所述雷达探测目标数据的平面坐标数据转换为经纬度坐标数据;
所述时间配准,包括:以所述AIS船位数据的采样时间为标准,对所述雷达探测目标数据的位置信息进行插值。
5.根据权利要求1所述的一种渔船一船多码识别方法,其特征在于,所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前,还包括:
对所述雷达探测目标数据和AIS船位数据进行数据清洗;包括:对所述雷达探测目标数据和AIS船位数据中多次测量得到的重复数据、航迹数据不规律跳变数据、轨迹数据异常点数据及轨迹野值数据进行清洗。
6.根据权利要求1所述的一种渔船一船多码识别方法,其特征在于,所述将设定范围内船舶的融合轨迹数据相比较,包括:
分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数。
7.根据权利要求6所述的一种渔船一船多码识别方法,其特征在于,所述融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码,包括:
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
8.一种渔船一船多码识别装置,其特征在于,包括:
数据获取单元,用于获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据;
数据融合单元,用于利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合,得到船舶的融合轨迹数据;
预警判定单元,用于将设定范围内船舶的融合轨迹数据相比较,融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
9.根据权利要求8所述的一种渔船一船多码识别装置,其特征在于,所述预警判定单元,具体用于:
分别计算设定范围内船舶的融合轨迹数据之间的相关系数;所述相关系数包括经度数据的相关系数与纬度数据的相关系数;
逐一比较所述融合轨迹数据的相关度,将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码;或
逐一比较所述融合轨迹数据的相关系数,将相关系数值最大的两个或多个船舶认定为存在一船多码。
10.一种渔船一船多码识别系统,其特征在于,所述系统包括:
前端,用于创建预警区域,并做一船多码的预警信息展示;
后端,用于一船多码预警信息处理及预警区域存储;
大数据引擎Flink,用于实时处理获取的数据;进行消息预处理,获取渔船数据及经过AIS和雷达融合的数据;从数据库中加载预警区域数据,过滤出区域内的数据;提取目标的轨迹特征,比对不同目标间轨迹相似度;判断目标轨迹相似度并生成多AIS预警信息,传送至后端预警信息处理;在前端实现渔船一船多码的预警信息的展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210775784.XA CN115097435A (zh) | 2022-07-01 | 2022-07-01 | 一种渔船一船多码识别方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210775784.XA CN115097435A (zh) | 2022-07-01 | 2022-07-01 | 一种渔船一船多码识别方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097435A true CN115097435A (zh) | 2022-09-23 |
Family
ID=83295807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210775784.XA Pending CN115097435A (zh) | 2022-07-01 | 2022-07-01 | 一种渔船一船多码识别方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097435A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577324A (zh) * | 2022-12-08 | 2023-01-06 | 亿海蓝(北京)数据技术股份公司 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
-
2022
- 2022-07-01 CN CN202210775784.XA patent/CN115097435A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577324A (zh) * | 2022-12-08 | 2023-01-06 | 亿海蓝(北京)数据技术股份公司 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
CN115577324B (zh) * | 2022-12-08 | 2023-02-28 | 亿海蓝(北京)数据技术股份公司 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A systematic approach for collision risk analysis based on AIS data | |
Xin et al. | A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data | |
CN103901806B (zh) | 一种智能船舶靠泊辅助系统及方法 | |
Zhang et al. | An interpretable knowledge-based decision support method for ship collision avoidance using AIS data | |
CN111157982A (zh) | 基于岸基雷达的智能船舶船岸协同目标跟踪系统和方法 | |
Zhang et al. | Towards a model of regional vessel near-miss collision risk assessment for open waters based on AIS data | |
CN110888126B (zh) | 基于多源传感器的无人船信息感知系统数据综合处理方法 | |
CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
CN111899568B (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
CN111739345A (zh) | 一种基于ais的水上智能监控管理方法及系统 | |
Smith et al. | Online maritime abnormality detection using gaussian processes and extreme value theory | |
Pedrielli et al. | A real time simulation optimization framework for vessel collision avoidance and the case of singapore strait | |
CN113341407A (zh) | 一种基于雷达探测的渔业捕捞追踪系统及方法 | |
CN111696388A (zh) | 桥梁防撞监测预警方法、系统、计算机设备及存储介质 | |
CN110069582B (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
CN115050214B (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
CN112561232A (zh) | 繁忙水域船舶交通冲突风险度量方法 | |
CN115097435A (zh) | 一种渔船一船多码识别方法、装置和系统 | |
CN115294804A (zh) | 一种基于船舶状态监测的海缆安全预警方法及系统 | |
Wu et al. | A new multi-sensor fusion approach for integrated ship motion perception in inland waterways | |
CN115795401A (zh) | 海洋牧场全要素监测传感器多数据融合系统 | |
Misović et al. | Vessel detection algorithm used in a laser monitoring system of the lock gate zone | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
Xu et al. | Survey of track association of radar and AIS | |
Lian et al. | Research on ship AIS trajectory estimation based on particle filter algorithm |
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 |