CN115577324A - 雷达和船舶自动识别系统数据融合方法及系统、存储介质 - Google Patents
雷达和船舶自动识别系统数据融合方法及系统、存储介质 Download PDFInfo
- Publication number
- CN115577324A CN115577324A CN202211568014.4A CN202211568014A CN115577324A CN 115577324 A CN115577324 A CN 115577324A CN 202211568014 A CN202211568014 A CN 202211568014A CN 115577324 A CN115577324 A CN 115577324A
- Authority
- CN
- China
- Prior art keywords
- identification system
- radar
- data
- ship
- automatic identification
- 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.)
- Granted
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 47
- 239000013589 supplement Substances 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 14
- 230000033001 locomotion Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000009469 supplementation Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供了一种雷达和船舶自动识别系统数据融合方法及系统、存储介质，属于船舶技术领域，雷达和船舶自动识别系统数据融合方法包括：获取雷达数据和船舶自动识别系统数据；对雷达数据和船舶自动识别系统数据进行线性拟合；通过船舶自动识别系统数据自动补充规则进行缺失数据补充；通过灰色关联算法计算雷达和船舶自动识别系统目标轨迹的关联度，得出第一判断结果；分别计算雷达目标速度、航向和船舶自动识别系统目标速度、航向的皮尔逊相关系数，得出第二判断结果；根据第一判断结果和第二判断结果进行数据融合。通过本申请的技术方案，能够使雷达数据和船舶自动识别系统数据形成自动、系统的数据融合，从而解决水上信息不通畅的问题。
Description
技术领域
本申请涉及船舶技术领域，具体而言，涉及一种雷达和船舶自动识别系统数据融合方法及系统、存储介质。
背景技术
随着全球航运的发展，无论是海上还是江上、无论是沿海还是内河，水上交通日益繁忙，因此进一步提高海上通信导航设备的安全至关重要。雷达和船舶自动识别系统（AIS,Automatic Identification System）是保障船舶航行安全、水上监管的重要手段。在实际应用领域，雷达和AIS各有优缺点。雷达信号稳定、能够在固定时间内获取区域目标的位置、速度、方位等信息，但无法获取目标静态信息，例如是否为船舶、船舶名称等，只能获取雷达扫描范围以内的目标信息。船舶自动识别系统能够获取船舶动态信息（位置、航速、航向、旋转角等）、静态信息（船名、水上移动通信业务标识码、呼号、船舶类型等），能够在全球范围内接收AIS信息，但信号不稳定、无法周期性的接收到AIS数据。在水上航线安全、水上航线预警、水上监管过程中雷达和AIS数据各自独立，无法形成自动、系统的数据融合，水上信息不通畅。
发明内容
本申请旨在解决或改善上述技术问题。
为此，本申请的第一目的在于提供一种雷达和船舶自动识别系统数据融合方法。
本申请的第二目的在于提供一种雷达和船舶自动识别系统数据融合系统。
本申请的第三目的在于提供一种雷达和船舶自动识别系统数据融合系统。
本申请的第四目的在于提供一种可读存储介质。
为实现本申请的第一目的，本申请第一方面的技术方案提供了一种雷达和船舶自动识别系统数据融合方法，包括：获取雷达数据和船舶自动识别系统数据；对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果；获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
根据本申请提供的雷达和船舶自动识别系统数据融合方法，首先获取雷达数据和船舶自动识别系统数据，对雷达数据和船舶自动识别系统数据进行线性拟合。然后通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充。通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度。分别计算雷达目标速度、航向和船舶自动识别系统目标速度、航向的皮尔逊相关系数。如果雷达、船舶自动识别系统的运动轨迹相似，速度、航向是线性相关的，那么可以得出当前雷达目标和船舶自动识别系统的船属于同一个物体，从而实现船舶自动识别系统数据、雷达数据的融合，融合后的数据存储于卡夫卡集群中，便于后期快速提取、查看。通过使雷达数据和船舶自动识别系统数据形成自动、系统的数据融合，从而解决水上信息不通畅的问题。整个融合系统自成体系，直接接入雷达、船舶自动识别系统原始数据，基本不依赖于外部平台。通过船舶自动识别系统数据自动补充规则能够自动补充缺失的船舶自动识别系统坐标、速度、航向，从而保证船舶自动识别系统数据与雷达目标数据在时间上同步。所有融合数据后期可追踪、查阅，可以对水上纠纷查看、分析、判决提供数据上的支撑，解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
另外，本申请提供的技术方案还可以具有如下附加技术特征：
上述技术方案中，获取雷达数据和船舶自动识别系统数据，具体包括：采集雷达原始数据和船舶自动识别系统原始数据；根据雷达报文协议对雷达原始数据进行解析，得到雷达数据，并将雷达数据全量存入卡夫卡集群中；根据标准船舶自动识别系统报文协议对船舶自动识别系统原始数据进行解析，得到船舶自动识别系统数据，并将船舶自动识别系统数据全量存入数据库中。
在该技术方案中，获取雷达数据和船舶自动识别系统数据，具体为首先采集雷达原始数据和船舶自动识别系统原始数据。然后根据雷达报文协议对雷达原始数据进行解析，得到雷达数据，并将雷达数据全量存入卡夫卡集群中。然后根据标准船舶自动识别系统报文协议对船舶自动识别系统原始数据进行解析，得到船舶自动识别系统数据，并将船舶自动识别系统数据全量存入数据库中。具体地，通过网络方式从雷达基站定时获取雷达原始数据，获取的雷达原始数据未提供雷达数据时间、雷达编号等信息，需将雷达数据时间、雷达编号信息加入到雷达原始数据中，组成新的雷达原始数据。船舶自动识别系统原始数据是由船上设备主动上报给船舶自动识别系统数据采集设备，系统通过访问船舶自动识别系统数据采集设备获取船舶自动识别系统报文，船舶自动识别系统报文中包含船舶动态信息、船舶静态信息。根据雷达报文协议，解析雷达报文，获取雷达编号、目标编号、目标相对距离（雷达设备）、目标相对方位（雷达设备）、目标速度、目标捕获时间，同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。将解析的雷达数据全量存入卡夫卡集群中。根据标准船舶自动识别系统报文协议，解析船舶动态数据、静态数据，获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。将解析的船舶自动识别系统数据全量存入数据库中，同时保存一份实时船舶数据供其他模块调用。
上述技术方案中，对雷达数据和船舶自动识别系统数据进行线性拟合，得到第一雷达数据集和第一船舶自动识别系统数据集，具体包括：从卡夫卡集群和数据库中提取第三预设时间内的雷达数据和船舶自动识别系统数据；将雷达数据和船舶自动识别系统数据按照相同时间差等差分割，得到第一雷达数据集和第一船舶自动识别系统数据集。
在该技术方案中，对雷达数据和船舶自动识别系统数据进行线性拟合，得到第一雷达数据集和第一船舶自动识别系统数据集，具体为分别从数据库、卡夫卡集群中提取预设时间内的雷达数据和船舶自动识别系统数据，并将雷达数据和船舶自动识别系统数据按照相同时间差等差分割，得到第一雷达数据集和第一船舶自动识别系统数据集。
上述技术方案中，通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，具体包括：
将第一船舶自动识别系统数据集分割成n个区间：
，假设每个分段区间
上都满足三次方程：
表示以
为未知数的函数，其可以是一次的、二次的、多次的函数；
所述三次方程满足差值条件：
；
当所述区间足够小，可假设在区间内曲线光滑，
及其一阶导数、二阶导数连续，所述三次方程构造如下：
其中，
表示时间的未知数，
表示一元三次方程，通过求解该方程式中
的值，可以得到对应时间区间
里任意时间的值，
、
、
、
均为每个区间的四个未知数，通过解所述三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。
在该技术方案中，由于雷达、船舶自动识别系统数据的上报频率不一致，所以等差分割的船舶自动识别系统数据、雷达数据在时间上并不相匹配，考虑到船舶、雷达目标的运动轨迹具有线性相关的特性，可假设每个区间（时间段内）的相同数值与时间在二维坐标系内都是一个三次方程，通过解三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。通过自动补充缺失的船舶自动识别系统坐标、速度、航向，从而保证船舶自动识别系统数据与雷达目标数据在时间上同步。
上述技术方案中，雷达数据包括以下之一或其组合：目标位置、相对位置、速度、方位和相对距离。
在该技术方案中，雷达数据包括目标位置、相对位置、速度、方位和相对距离。
上述技术方案中，船舶自动识别系统数据包括船舶动态信息和船舶静态信息。
在该技术方案中，船舶自动识别系统数据包括船舶动态信息和船舶静态信息。
上述技术方案中，船舶静态信息包括以下之一或其组合：船名、水上移动通信业务标识码、船长、船宽、船舶自动识别系统设备位置和到达港，船舶动态信息包括以下之一或其组合：船舶位置、速度、旋转角、方位和航向。
在该技术方案中，船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、船舶自动识别系统设备位置、到达港等信息；船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
为实现本申请的第二目的，本申请第二方面的技术方案提供了一种雷达和船舶自动识别系统数据融合系统，包括：第一获取模块，用于获取雷达数据和船舶自动识别系统数据；线性拟合模块，用于对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；数据补充模块，用于通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；第二获取模块，用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；轨迹对比模块，用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果；第三获取模块，用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；线性对比模块，用于分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；数据融合模块，用于根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
根据本申请提供的雷达和船舶自动识别系统数据融合系统，包括第一获取模块、线性拟合模块、数据补充模块、第二获取模块、轨迹对比模块、第三获取模块、线性对比模块和数据融合模块。其中，第一获取模块用于获取雷达数据和船舶自动识别系统数据。线性拟合模块用于对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集。数据补充模块用于通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集。第二获取模块用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹。轨迹对比模块用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果。第三获取模块用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向。线性对比模块用于分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果。数据融合模块用于根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。通过使雷达数据和船舶自动识别系统数据形成自动、系统的数据融合，从而解决水上信息不通畅的问题。
为实现本申请的第三目的，本申请第三方面的技术方案提供了一种雷达和船舶自动识别系统数据融合系统，包括：存储器和处理器，其中，存储器上存储有可在处理器上运行的程序或指令，处理器执行程序或指令时实现第一方面技术方案中任一项的雷达和船舶自动识别系统数据融合方法，故而具有上述第一方面任一技术方案的技术效果，在此不再赘述。
为实现本申请的第四目的，本申请第四方面的技术方案提供了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面技术方案中任一项的雷达和船舶自动识别系统数据融合方法的步骤，故而具有上述第一方面任一技术方案的技术效果，在此不再赘述。
本申请的附加方面和优点将在下面的描述部分中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请一个实施例的雷达和船舶自动识别系统数据融合方法的步骤流程示意图；
图2为本申请一个实施例的雷达和船舶自动识别系统数据融合方法的步骤流程示意图；
图3为本申请一个实施例的雷达和船舶自动识别系统数据融合方法的步骤流程示意图；
图4为本申请一个实施例的雷达和船舶自动识别系统数据融合系统的结构示意框图；
图5为本申请另一个实施例的雷达和船舶自动识别系统数据融合系统的结构示意框图；
图6为本申请一个实施例的雷达和船舶自动识别系统数据融合方法的步骤流程示意图。
其中，图4和图5中的附图标记与部件名称之间的对应关系为：
10：雷达和船舶自动识别系统数据融合系统；110：第一获取模块；120：线性拟合模块；130：数据补充模块；140：第二获取模块；150：轨迹对比模块；160：第三获取模块；170：线性对比模块；180：数据融合模块；20：雷达和船舶自动识别系统数据融合系统；300：存储器；400：处理器。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是，本申请还可以采用其他不同于在此描述的其他方式来实施，因此，本申请的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图6描述本申请一些实施例的雷达和船舶自动识别系统数据融合方法及系统、存储介质。
如图1所示，本申请第一方面的实施例提供了一种雷达和船舶自动识别系统数据融合方法，包括以下步骤：
步骤S102：获取雷达数据和船舶自动识别系统数据；
步骤S104：对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；
步骤S106：通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；
步骤S108：获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；
步骤S110：通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果；
步骤S112：获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；
步骤S114：分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；
步骤S116：根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
根据本实施例提供的雷达和船舶自动识别系统数据融合方法，首先获取雷达数据和船舶自动识别系统数据，对雷达数据和船舶自动识别系统数据进行线性拟合。然后通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充。通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度。分别计算雷达目标速度、航向和船舶自动识别系统目标速度、航向的皮尔逊相关系数。如果雷达、船舶自动识别系统的运动轨迹相似，速度、航向是线性相关的，那么可以得出当前雷达目标和船舶自动识别系统的船属于同一个物体，从而实现船舶自动识别系统数据、雷达数据的融合，融合后的数据存储于卡夫卡集群中，便于后期快速提取、查看。通过使雷达数据和船舶自动识别系统数据形成自动、系统的数据融合，从而解决水上信息不通畅的问题。整个融合系统自成体系，直接接入雷达、船舶自动识别系统原始数据，基本不依赖于外部平台。通过船舶自动识别系统数据自动补充规则能够自动补充缺失的船舶自动识别系统坐标、速度、航向，从而保证船舶自动识别系统数据与雷达目标数据在时间上同步。所有融合数据后期可追踪、查阅，可以对水上纠纷查看、分析、判决提供数据上的支撑，解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
如图2所示，根据本申请提出的一个实施例的雷达和船舶自动识别系统数据融合方法，获取雷达数据和船舶自动识别系统数据，具体包括以下步骤：
步骤S202：采集雷达原始数据和船舶自动识别系统原始数据；
步骤S204：根据雷达报文协议对雷达原始数据进行解析，得到雷达数据，并将雷达数据全量存入卡夫卡集群中；
步骤S206：根据标准船舶自动识别系统报文协议对船舶自动识别系统原始数据进行解析，得到船舶自动识别系统数据，并将船舶自动识别系统数据全量存入数据库中。
在该实施例中，获取雷达数据和船舶自动识别系统数据，具体为首先采集雷达原始数据和船舶自动识别系统原始数据。然后根据雷达报文协议对雷达原始数据进行解析，得到雷达数据，并将雷达数据全量存入卡夫卡集群中。然后根据标准船舶自动识别系统报文协议对船舶自动识别系统原始数据进行解析，得到船舶自动识别系统数据，并将船舶自动识别系统数据全量存入数据库中。具体地，通过网络方式从雷达基站定时获取雷达原始数据，获取的雷达原始数据未提供雷达数据时间、雷达编号等信息，需将雷达数据时间、雷达编号信息加入到雷达原始数据中，组成新的雷达原始数据。船舶自动识别系统原始数据是由船上设备主动上报给船舶自动识别系统数据采集设备，系统通过访问船舶自动识别系统数据采集设备获取船舶自动识别系统报文，船舶自动识别系统报文中包含船舶动态信息、船舶静态信息。根据雷达报文协议，解析雷达报文，获取雷达编号、目标编号、目标相对距离（雷达设备）、目标相对方位（雷达设备）、目标速度、目标捕获时间，同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。将解析的雷达数据全量存入卡夫卡集群中。根据标准船舶自动识别系统报文协议，解析船舶动态数据、静态数据，获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。将解析的船舶自动识别系统数据全量存入数据库中，同时保存一份实时船舶数据供其他模块调用。
如图3所示，根据本申请提出的一个实施例的雷达和船舶自动识别系统数据融合方法，对雷达数据和船舶自动识别系统数据进行线性拟合，得到第一雷达数据集和第一船舶自动识别系统数据集，具体包括以下步骤：
步骤S302：从卡夫卡集群和数据库中提取第三预设时间内的雷达数据和船舶自动识别系统数据；
步骤S304：将雷达数据和船舶自动识别系统数据按照相同时间差等差分割，得到第一雷达数据集和第一船舶自动识别系统数据集。
在该实施例中，对雷达数据和船舶自动识别系统数据进行线性拟合，得到第一雷达数据集和第一船舶自动识别系统数据集，具体为分别从数据库、卡夫卡集群中提取预设时间内的雷达数据和船舶自动识别系统数据，并将雷达数据和船舶自动识别系统数据按照相同时间差等差分割，得到第一雷达数据集和第一船舶自动识别系统数据集。
在上述实施例中，由于雷达、船舶自动识别系统数据的上报频率不一致，所以等差分割的船舶自动识别系统数据、雷达数据在时间上并不相匹配，考虑到船舶、雷达目标的运动轨迹具有线性相关的特性，可假设每个区间（时间段内）的相同数值与时间在二维坐标系内都是一个三次方程，通过解三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。通过自动补充缺失的船舶自动识别系统坐标、速度、航向，从而保证船舶自动识别系统数据与雷达目标数据在时间上同步。
具体地，将第一船舶自动识别系统数据集分割成n个区间：
，假设每个分段区间
上都满足三次方程：
表示以
为未知数的函数，其可以是一次的、二次的、多次的函数；
所述三次方程满足差值条件：
；
当所述区间足够小，可假设在此区间内曲线光滑，
及其一阶导数、二阶导数连续，所述三次方程构造如下：
其中，
表示时间的未知数，
表示一元三次方程，通过求解该方程式中
的值，可以得到对应时间区间
里任意时间的值，
、
、
、
均为每个区间的四个未知数，通过解所述三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。
在一些实施例中，雷达数据包括目标位置、相对位置、速度、方位和相对距离。
在一些实施例中，船舶自动识别系统数据包括船舶动态信息和船舶静态信息。船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、船舶自动识别系统设备位置、到达港等信息；船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
如图4所示，本申请第二方面的实施例提供了一种雷达和船舶自动识别系统数据融合系统10，包括：第一获取模块110，用于获取雷达数据和船舶自动识别系统数据；线性拟合模块120，用于对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；数据补充模块130，用于通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；第二获取模块140，用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；轨迹对比模块150，用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果；第三获取模块160，用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；线性对比模块170，用于分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；数据融合模块180，用于根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
根据本实施例提供的雷达和船舶自动识别系统数据融合系统10，包括第一获取模块110、线性拟合模块120、数据补充模块130、第二获取模块140、轨迹对比模块150、第三获取模块160、线性对比模块170和数据融合模块180。其中，第一获取模块110用于获取雷达数据和船舶自动识别系统数据。线性拟合模块120用于对雷达数据和船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集。数据补充模块130用于通过船舶自动识别系统数据自动补充规则对第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集。第二获取模块140用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹。轨迹对比模块150用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别系统目标轨迹的关联度，得出第一判断结果。第三获取模块160用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向。线性对比模块170用于分别计算雷达目标速度和船舶自动识别系统目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果。数据融合模块180用于根据第一判断结果和第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。通过使雷达数据和船舶自动识别系统数据形成自动、系统的数据融合，从而解决水上信息不通畅的问题。
如图5所示，本申请第三方面的实施例提供了一种雷达和船舶自动识别系统数据融合系统20，包括：存储器300和处理器400，其中，存储器300上存储有可在处理器400上运行的程序或指令，处理器400执行程序或指令时实现第一方面的实施例中任一项的雷达和船舶自动识别系统数据融合方法的步骤，故而具有上述第一方面任一实施例的技术效果，在此不再赘述。
本申请第四方面的实施例提供了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面的实施例中任一项的雷达和船舶自动识别系统数据融合方法的步骤，故而具有上述第一方面任一实施例的技术效果，在此不再赘述。
如图6所示，根据本申请提供的一个具体实施例的雷达和船舶自动识别系统数据融合方法，主要是解决水上航线安全、水上航线预警、水上监管过程中雷达和AIS（船舶自动识别系统）数据各自独立，无法形成自动、系统的数据融合，其主要目的为区域雷达数据挖掘、区域AIS数据挖掘、雷达与AIS特征数据提取、雷达与AIS相同特征数据融合、雷达与AIS数据时空同步。
具体地，此系统由数据接入系统、数据存储解析系统和数据融合系统三部分组成。
数据接入系统构成:
雷达数据采集：
通过网络方式从雷达基站定时获取雷达数据，获取的雷达数据未提供雷达数据时间、雷达编号等信息，需将雷达数据时间、雷达编号信息加入到雷达数据中，组成新的雷达数据。雷达数据主要包含目标位置、相对位置（雷达设备）、速度、方位、相对距离（雷达设备）等信息。
AIS数据采集：
AIS数据是由船上设备主动上报给AIS数据采集设备，系统通过访问AIS数据采集设备增量的获取AIS报文，AIS报文中包含船舶动态信息、船舶静态信息，其中船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、AIS设备位置、到达港等信息；船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
数据存储解析系统功能：
雷达数据解析：
根据雷达报文协议，解析雷达报文，获取雷达编号、目标编号、目标相对距离（雷达设备）、目标相对方位（雷达设备）、目标速度、目标捕获时间，同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。
AIS数据解析：
根据标准AIS报文协议，解析船舶动态数据、静态数据，获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。
雷达数据存储：
解析的雷达数据全量存入卡夫卡集群中。
AIS数据存储：
解析的AIS数据全量存入数据库中，同时保存一份实时船舶数据供其他模块调用。
数据融合系统功能：
雷达、AIS数据线性拟合：
分别从数据库、卡夫卡集群中提取10分钟以内AIS、雷达数据，并对AIS、雷达数据按照相同时间差等差分割。
AIS数据自动补充：
由于雷达、AIS数据的上报频率不一致，所以1中等差分割的AIS、雷达数据在时间上并不相匹配，考虑到船舶、雷达目标的运动轨迹具有线性相关的特性；假设每个区间（时间段内）的相同数值与时间在二维坐标系内都是一个三次方程，使用下述算法计算出缺失的雷达、AIS数据：
将分段分割成n个区间：
，假设每个分段区间
上都满足三次方程：
；
上述三次方程满足差值条件：
；
当区间足够小，可假设在此区间内曲线光滑，
及其一阶导数、二阶导数连续，则此时三次方程构造如下：
其中，
、
、
、
均为每个区间的四个未知数，通过解三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。
雷达、AIS目标运行轨迹的对比：
在雷达、AIS数据线性拟合和AIS数据自动补充之后，可以得到线性的、连续的、时间同步的一组AIS、雷达数据，从数据中提取一段时间内的AIS、雷达目标轨迹，将AIS、雷达目标轨迹放到二维坐标系上，使用灰色关联算法计算AIS与雷达目标运动轨迹的关联度，从而判断两者是否存在相似性。
雷达、AIS数据特征值对比：
在雷达、AIS数据线性拟合和AIS数据自动补充之后，可以得到线性的、连续的、时间同步的一组AIS、雷达数据，从数据中提取一段时间内的AIS、雷达目标的速度和航向，分别计算速度、航向的皮尔逊相关系数，如果计算结果趋于1或者-1，则表示AIS、雷达目标的速度、航向是线性相关的。
融合后数据存储：
在运行轨迹的对比和特征值对比的计算后，如果雷达、AIS的运动轨迹相似，速度、航向是线性相关的，那么可以得出当前雷达目标和AIS的船属于同一个物体，从而实现AIS、雷达数据的融合，融合后的数据存储于卡夫卡集群中，便于后期快速提取、查看。
综上，本申请实施例的有益效果为：
1、整个融合系统自成体系，直接接入雷达、AIS原始数据，基本不依赖于外部平台。
2、能够自动补充缺失的AIS坐标、速度、航向，从而保证AIS数据与雷达目标数据在时间上同步。
3、基于灰度关联、皮尔逊相关系数建立数学模型，科学的计算AIS、雷达目标的运动轨迹是否相似，AIS、雷达目标的速度、航向是否线性相关。
4、所有融合数据后期可追踪、查阅，可以对水上纠纷查看、分析、判决提供数据上的支撑，解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
在本申请中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
本申请的描述中，需要理解的是，术语“上”、“下”、 “前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或模块必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本申请的限制。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种雷达和船舶自动识别系统数据融合方法，其特征在于，包括：
获取雷达数据和船舶自动识别系统数据；
对所述雷达数据和所述船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；
通过船舶自动识别系统数据自动补充规则对所述第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；
获取所述雷达数据集的第一预设时间内的雷达目标轨迹和所述第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；
通过灰色关联算法计算所述雷达目标轨迹和所述船舶自动识别系统目标轨迹的关联度，得出第一判断结果；
获取所述雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取所述第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；
分别计算所述雷达目标速度和所述船舶自动识别系统目标速度的皮尔逊相关系数、所述雷达目标航向和所述船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；
根据所述第一判断结果和所述第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
2.根据权利要求1所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述获取雷达数据和船舶自动识别系统数据，具体包括：
采集雷达原始数据和船舶自动识别系统原始数据；
根据雷达报文协议对所述雷达原始数据进行解析，得到雷达数据，并将所述雷达数据全量存入卡夫卡集群中；
根据标准船舶自动识别系统报文协议对所述船舶自动识别系统原始数据进行解析，得到船舶自动识别系统数据，并将所述船舶自动识别系统数据全量存入数据库中。
3.根据权利要求2所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述对所述雷达数据和所述船舶自动识别系统数据进行线性拟合，得到第一雷达数据集和第一船舶自动识别系统数据集，具体包括：
从所述卡夫卡集群和所述数据库中提取第三预设时间内的所述雷达数据和所述船舶自动识别系统数据；
将所述雷达数据和所述船舶自动识别系统数据按照相同时间差等差分割，得到第一雷达数据集和第一船舶自动识别系统数据集。
4.根据权利要求1所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述通过船舶自动识别系统数据自动补充规则对所述第一船舶自动识别系统数据集进行缺失数据补充，具体包括：
将第一船舶自动识别系统数据集分割成n个区间：
，假设每个分段区间
上都满足三次方程：
表示以
为未知数的函数，其可以是一次的、二次的、多次的函数；
所述三次方程满足差值条件：
；
当所述区间足够小，可假设在所述区间内曲线光滑，
及其一阶导数、二阶导数连续，所述三次方程构造如下：
其中，
表示时间的未知数，
表示一元三次方程，通过求解该方程式中
的值，可以得到对应时间区间
里任意时间的值，
、
、
、
均为每个区间的四个未知数，通过解所述三次方程可得每个区间内对应的数值，从而获得区间内指定时间内的雷达数据和船舶自动识别系统数据。
5.根据权利要求1至4中任一项所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述雷达数据包括以下之一或其组合：目标位置、相对位置、速度、方位和相对距离。
6.根据权利要求1至4中任一项所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述船舶自动识别系统数据包括船舶动态信息和船舶静态信息。
7.根据权利要求6所述的雷达和船舶自动识别系统数据融合方法，其特征在于，所述船舶静态信息包括以下之一或其组合：船名、水上移动通信业务标识码、船长、船宽、船舶自动识别系统设备位置和到达港，所述船舶动态信息包括以下之一或其组合：船舶位置、速度、旋转角、方位和航向。
8.一种雷达和船舶自动识别系统数据融合系统，其特征在于，包括：
第一获取模块（110），用于获取雷达数据和船舶自动识别系统数据；
线性拟合模块（120），用于对所述雷达数据和所述船舶自动识别系统数据进行线性拟合，得到雷达数据集和第一船舶自动识别系统数据集；
数据补充模块（130），用于通过船舶自动识别系统数据自动补充规则对所述第一船舶自动识别系统数据集进行缺失数据补充，得到第二船舶自动识别系统数据集；
第二获取模块（140），用于获取所述雷达数据集的第一预设时间内的雷达目标轨迹和所述第二船舶自动识别系统数据集的第一预设时间内的船舶自动识别系统目标轨迹；
轨迹对比模块（150），用于通过灰色关联算法计算所述雷达目标轨迹和所述船舶自动识别系统目标轨迹的关联度，得出第一判断结果；
第三获取模块（160），用于获取所述雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向，并获取所述第二船舶自动识别系统数据集的第二预设时间内的船舶自动识别系统目标速度和船舶自动识别系统目标航向；
线性对比模块（170），用于分别计算所述雷达目标速度和所述船舶自动识别系统目标速度的皮尔逊相关系数、所述雷达目标航向和所述船舶自动识别系统目标航向的皮尔逊相关系数，得出第二判断结果；
数据融合模块（180），用于根据所述第一判断结果和所述第二判断结果进行数据融合，并将融合后的数据存储于卡夫卡集群中。
9.一种雷达和船舶自动识别系统数据融合系统，其特征在于，包括：
存储器（300）和处理器（400），其中，所述存储器（300）上存储有可在所述处理器（400）上运行的程序或指令，所述处理器（400）执行所述程序或所述指令时实现如权利要求1至7中任一项所述的雷达和船舶自动识别系统数据融合方法的步骤。
10.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或所述指令被处理器执行时实现如权利要求1至7中任一项所述的雷达和船舶自动识别系统数据融合方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568014.4A CN115577324B (zh) | 2022-12-08 | 2022-12-08 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568014.4A CN115577324B (zh) | 2022-12-08 | 2022-12-08 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115577324A true CN115577324A (zh) | 2023-01-06 |
| CN115577324B CN115577324B (zh) | 2023-02-28 |
Family
ID=84590370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211568014.4A Active CN115577324B (zh) | 2022-12-08 | 2022-12-08 | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115577324B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116300664A (zh) * | 2023-05-18 | 2023-06-23 | 江苏物润船联网络股份有限公司 | 基于船联网的船舶作业流控方法和装置 |
| CN117233747A (zh) * | 2023-11-14 | 2023-12-15 | 亿海蓝（北京）数据技术股份公司 | 雷达目标与ais目标的融合方法、装置和可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7817079B1 (en) * | 2008-04-17 | 2010-10-19 | The United States Of America As Represented By The Secretary Of The Navy | System and method for collection of global AIS and radar track information |
| CN106970387A (zh) * | 2017-04-19 | 2017-07-21 | 武汉理工大学 | 一种基于ais与雷达数据融合的内河航道交通流检测方法 |
| CN114063056A (zh) * | 2021-11-09 | 2022-02-18 | 海华电子企业(中国)有限公司 | 一种船舶航迹融合方法、系统、介质和设备 |
| CN115097435A (zh) * | 2022-07-01 | 2022-09-23 | 北京中交通信科技有限公司 | 一种渔船一船多码识别方法、装置和系统 |
-
2022
- 2022-12-08 CN CN202211568014.4A patent/CN115577324B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7817079B1 (en) * | 2008-04-17 | 2010-10-19 | The United States Of America As Represented By The Secretary Of The Navy | System and method for collection of global AIS and radar track information |
| CN106970387A (zh) * | 2017-04-19 | 2017-07-21 | 武汉理工大学 | 一种基于ais与雷达数据融合的内河航道交通流检测方法 |
| CN114063056A (zh) * | 2021-11-09 | 2022-02-18 | 海华电子企业(中国)有限公司 | 一种船舶航迹融合方法、系统、介质和设备 |
| CN115097435A (zh) * | 2022-07-01 | 2022-09-23 | 北京中交通信科技有限公司 | 一种渔船一船多码识别方法、装置和系统 |
Non-Patent Citations (2)
| Title |
|---|
| DEJUN CHEN 等: "《Research on AIS and Radar Information Fusion Method Based on Distributed Kalman》", 《IEEE》 * |
| 高曦 等: "《基于AIS和雷达数据融合的多船舶跟踪》", 《武汉交通职业学院学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116300664A (zh) * | 2023-05-18 | 2023-06-23 | 江苏物润船联网络股份有限公司 | 基于船联网的船舶作业流控方法和装置 |
| CN116300664B (zh) * | 2023-05-18 | 2023-08-22 | 江苏物润船联网络股份有限公司 | 基于船联网的船舶作业流控方法和装置 |
| CN117233747A (zh) * | 2023-11-14 | 2023-12-15 | 亿海蓝（北京）数据技术股份公司 | 雷达目标与ais目标的融合方法、装置和可读存储介质 |
| CN117233747B (zh) * | 2023-11-14 | 2024-02-02 | 亿海蓝（北京）数据技术股份公司 | 雷达目标与ais目标的融合方法、装置和可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115577324B (zh) | 2023-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115577324B (zh) | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 | |
| Zhao et al. | Ship trajectories pre-processing based on AIS data | |
| Zhang et al. | Data-driven based automatic maritime routing from massive AIS trajectories in the face of disparity | |
| US20230384462A1 (en) | System and method for tracking and forecasting the positions of marine vessels | |
| US7440848B2 (en) | Methods and systems for integrating environmental data with mobile asset tracking | |
| EP3349202B1 (en) | System for monitoring marine vessels using a satellite network with determination at a terrestrial station of passenger lists for the vessels based on vessel identification data obtained from the satellites and passenger social media data. | |
| EP3349123B1 (en) | System for monitoring marine vessels using a satellite network with reception at a terrestrial station of the satellite data and processing of aerial marine imagery using fractal algorithm for vessel classification. | |
| Zissis et al. | A distributed spatial method for modeling maritime routes | |
| CN104660993B (zh) | 基于ais和cctv的海事智能监控方法及系统 | |
| CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
| CN107289947B (zh) | 一种船载智能气象导航系统 | |
| US20140222332A1 (en) | Mobile terminal, electronic navigational chart server, and method for updating electronic navigational chart based on crowdsourcing thereof | |
| EP4082890A1 (en) | Administrative server in ship navigation assistance system, ship navigation assistance method, and ship navigation assistance program | |
| Chang et al. | Vessel traffic analysis for maritime intelligent transportation system | |
| US7933693B2 (en) | System and method for harvesting business intelligence from maritime communications | |
| CN110889380A (zh) | 一种舰船识别方法、装置及计算机存储介质 | |
| CN111221931A (zh) | 一种gis软件中针对大数据的可视化管理方法 | |
| CN109949197A (zh) | 一种面向海河联运的船岸一体化系统 | |
| Bereta et al. | Maritime reporting systems | |
| CN113642993A (zh) | 一种基于位置的海上综合服务平台及其救援方法台 | |
| CN108052629A (zh) | 一种基于高精度dem数据的快速海陆判断方法 | |
| Ware et al. | A system for cleaning high volume bathymetry | |
| CN116309732A (zh) | 一种基于数字孪生的船舶运动可视化方法 | |
| CN115718905B (zh) | 一种面向vts系统的多传感器信息融合方法 | |
| Dobbins et al. | Use of data from automatic identification systems to generate inland waterway trip information |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240327 Address after: Room 06, Floor 1, Building 9, Yuquan Huigu, No.3 Minzhuang Road, Haidian District, Beijing, 100089 Patentee after: ELANE Inc. Country or region after: China Patentee after: Yihailan (Beijing) Marine Information Technology Co.,Ltd. Address before: 100089 room 603, building a, Shuguang complex building, wangfuyuan East District, Haidian District, Beijing Patentee before: ELANE Inc. Country or region before: China |