小型货船“新海信888”AIS信号无法识别的原因分析

AIS(Automatic Identification System)系统是一种融合现代技术的新型航海助航设备,其对于船舶安全航行、海上交通安全管理、航海安全保障等具有重要作用。目前船载AIS系统分为A级与B级两大类型。A级AIS,发射功率大、天线高度高、信号强度稳定,普遍装载于大型船舶上;B级AIS是为中小型船舶研发的AIS产品,装载于部分60米及以下小型船舶,与A级AIS比较,B级AIS发射功率较小、天线高度低、信号强度弱且容易丢失。由于AIS系统级别不同导致信号强度有较大差异。本文主要结合实际监视工作中,AIS的基站对不同级别的船载AIS系统接收效果,分析部分船只AIS系统无法识别的问题并提出预防措施。     

基于航海CBT技术的航行实习教学探索

海上航行实习一直是航海教育的重要环节。为满足《STCW公约马尼拉修正案》等对航海实践技能的要求,通过对航行实习教学进行系统调研,针对目前航行实习教学中存在的问题,结合CBT技术的发展及优势,分析研究航海CBT对航行实习教学的推动作用。     

AIS简介及其在国际航行船舶检疫中的应用研究

简要介绍了船舶自动识别系统(AIS)和国际航行船舶检疫工作面临的挑战。利用AIS的特点和优点,将AIS应用于国际航行船舶检疫工作中,研发了国际航行AIS船舶电子监管系统,并重点介绍了系统功能。     

基于Visual C#的AIS模拟器设计与训练研究

本文作者讨论基于Visual C#开发AIS模拟器,利用C#.NET类库可以轻松开发模拟器,使实验室建设费用降低,采用AIS模拟器不仅可以像真机一样提供信息,也避免了影响正常航行的船舶,学生实训效果提高很大。     

基于计算机软件技术的AIS与导航雷达信息融合机制研究

海洋经济的发展推动了现代海洋渔业、运输业的发展,随着海上航线的日益繁忙,海上航行安全问题则日益凸显,而单一的航行数据不仅可靠性相对偏低,且需要进行二次处理和系统对比验证,以至于无法满足现阶段船舶航行安全的需要。本文以计算机软件技术为支撑的信息融合机制为研究内容,提出AIS、导航雷达数据融合方案,从而为船舶航行安全提供系统化保障。     

基于S-Transformer的多模态船舶轨迹预测

船舶轨迹预测是实现船舶智能航行的前提与基础. 目前, 针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据, 而未利用到船舶上其他传感器信息. 于是本文提出了一种多模态轨迹预测模型——S-Transformer. 在该网络中, 电子海图中的海水/陆地被分割作为辅助训练目标与真实舟山港AIS数据加以综合从而对模型进行训练, 并对船舶未来航行轨迹进行预测; 其中, 本文还引入segment recurrence来捕获AIS数据的长期依赖关系. 实验结果表明, S-Transformer在不同的船舶行驶情况中都有优秀的预测结果, 并优于相关预测任务的单模态基准模型.     

船舶运动数学模型编辑及测试开发平台

船舶运动数学模型是航海模拟器的核心技术,高精度的船舶运动数学模型是体现航海模拟器行为真实感的基础。为此介绍了航海模拟器中船舶运动数学模型的建模过程。在建立船舶运动数学模型的解算模块后,通过离线编辑船模数据库,建立船舶不同主尺度的模型数据库,经过在开发平台上反复离线测试所编辑船模数据库,直到满足航海模拟器培训或工程研究的精度要求为止,最后将离线编辑好的船模数据文件加载到航海模拟系统中,进行实时在线测试,直到测试结果满意为止。     

台达PLC强化船舶安全性

船用航海记录仪("黑匣子")是了解事故发生时船舶的操纵情况及船舶对操纵的响应信息的重要装置,近期应用表明,台达DVP-14SS小型PLC可轻松实现船用"黑匣子"的自动化操作,确保"黑匣子"全面准确地记录和保存船舶航行过程中的各项数据。DVP-14SS系列PLC外观轻巧,可实现简易基础的顺序控制功能。其主机点数14,最大I/O点数     

基于LSTM的船舶航迹预测模型

针对海上日趋复杂的情形,提高船舶交通服务系统(Vessel Traffic Service,VTS)的决策水平迫在眉睫。针对船舶航行轨迹多维度的特点以及对船舶轨迹预测的精确度和实时性的需求,提出了结合船舶自动识别系统(Automatic Identification System,AIS)数据和深度学习的船舶航行轨迹预测方法。构造基于AIS数据的航行轨迹特征,提出了循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)模型,利用广州港内的船舶AIS数据对模型进行训练,并对未来船舶航行轨迹进行预测。实验结果表明,利用RNN-LSTM模型的预测方法具有精确度高、易实现的特点,并且与传统处理方法相比,其在处理序列数据方面更具优越性。     

航海仪器与AIS数字信息解析及场景再现研究

为了给船舶性能验证、船舶操纵方案论证、海事调查分析等领域提供更为直观形象、方便有效的分析手段,给出了对现代航海仪器标准化NMEA0183接口数据采集、解析并利用数据库对信息进行存储的方案,设计了统一时间基准的数据库关联检索方法,并由此提出了基于模拟器架构的虚拟航海仪器界面还原、海图平面态势还原、三维视景还原的再现方案;将方案应用于某实船部分仪器与AIS报文数据,结果证明可以再现历史场景.     

一种实时的3D动态海洋模拟新方法

海浪模拟是航海模拟器和海洋数值计算中非常关键的技术,直接影响到整个系统的真实性和可行性,但是实时模拟真实的海洋、湖水表面是非常困难的。文章设计了一种新的海浪模拟方法,即首先建立了新颖的海浪模拟的基本构架;然后提出了一个高性能的基于统计模型与FFT的波浪生成方法;最后研究了船舶在海浪中航行的各种特殊效果。实验表明该方法有着非常明显的改进效果。     

船舶航海信息采集系统(MIGS)的设计与实现

本文首先论述了当前大型远洋航运公司的管理信息系统所存在的不足之处，强调了建立一个比较实时的船舶航海信息采集系统对于航运管理决策具有的重要意义；然后比较详细地叙述了设计和开发船舶航海信息采集系统MIGS的方法，内容包括系统体系结构，系统功能结构，船岸通信和数据库设计等。该系统已成功运行在某公司的近500条远洋运输船舶上。     

基于Mapinfo电子海图和AIS的船舶导航系统的研究与实现

本文从技术实现角度出发，探讨了基于Mapinfo格式的电子海图以及AIS（Automatic Identification System，船舶自动识别系统）技术和性能指标。在此基础上，设计了基于Mapinfo电子海图和AIS通信的船舶导航系统，并在辅助船舶航行中得以应用。     

人为失误与船舶引航事故的预防研究

在各项事业的全面开展中，我国的教育、经济均得到了全面的提升，并且带动了部分地区的特色经济的发展。与此同时，我国的航海事业也有了较大的突破，这对于带动我国沿海地区的经济发展也是十分有利的。但是，近年来的航海事故的发生也是比较频繁的，这些事故造成的人员伤亡和经济损失都是比较大的，不仅影响了人们对于从事航海事业的选择，同时放慢了航海业的发展脚步。通过对于已经发生的事故的客观分析和研究，人们发现人为失误与船舶引航事故是航海事故的主要原因，因此，需要我们做好充分的准备来尽可能的降低这些事故的发生。本文主要围绕人为失误与船舶引航事故的各种因素进行分析，就预防这些事故的发生提出了一些预防性的措施。     

航海教育质量保障的研究

发展航海教育,对加快我国国际船员劳务输出进而对提高就业水平、拉动经济发展具有重要意义。目前我国的航海教育滞后于航运业的发展,航海教育在发展过程中,由于各种主、客观因素的影响,还存在较多的问题。航海教育质量的保障是航海教育可持续发展的关键。     

盲源分离技术在AIS中的应用

AIS自动识别系统是国际船舶组织统一使用的一种海上船舶运输系统。船上的AIS设备定时地报告该船的位置、航向以及其他相关的安全信息等,其他船只和岸上的基站同时可以收到这些汇报信息。它通过船舶之间以及船舶和岸台之间交换航行信息,进一步加强航行安全。AIS采用SOTDMA技术来调配发送信息的时隙,但是信息冲突是不可避免的。引入盲源分离技术,一旦信息发生冲突,可以将信息分离出来,防止了信息的丢失,从而提高了信号的监测概率。     

一种带液晶显示器的航海六分仪自动定位系统

六分仪是远洋航海的重要仪器。本文报告了一种将单片机应用于航海六分仪的船舶自动定位系统。它实现了从太阳高度的自动读取、船位的自动计算到船舶位置液晶显示全过程的实时处理。     

台风路径预报CLIPER模式及其在航海上的应用

本文根据１９４９－１９８８年４０年１－１２月份西北太平洋的台风过程资料，统计分析了台风活动的各种气候与持续特征，设计了１０６个预报因子。然后采用逐步回归技术分别建立了６￣７２小时，每隔６小时的台风路径经、纬向位移的预报方程。经过１９９５－１９９７年近三年在航行船舶上防避台风实船试验和推广应用后，表明该方法具有较强的预报能力，满足了航行船舶防避台风决策的需要。     

船舶航向-舵/翼舵控制系统显示系统设计与实现

在船舶姿态控制中,船向控制无疑是最基本的,而将船舶航行时的数据记求并显示出来可以易于操作者对船舶的操控,使船舶控制更加人性化.本文设计了一个显示系统,介绍了系统控制单元、液晶显示屏等接口电路,以及系统程序设计,实现了实时显示船舶航行过程中各种数据的变化情况,以及通过按键根据需要将数据结果发送到上位机的功能.     

基于中心移动的轨迹离群点检测

AIS数据是指通过AIS系统获取的船舶运动轨迹信息, 对其进行挖掘可以获得船舶的运动模式、航行路线、停靠地点等信息. 但其在采集过程中产生的离群点会对聚类等任务造成负面影响, 因此对AIS数据挖掘之前需要进行离群点检测. 然而, 当AIS轨迹数据中存在大量离群点时, 会导致大多数离群点检测算法的准确率显著下降. 为了解决这个问题, 本文提出了一种基于中心移动的轨迹离群点检测算法(center shift outlier detection, CSOD). 通过迫使数据点向其K近邻集合的中心移动, 使每个数据点更加接近典型数据, 从而有效地消除了离群点对聚类的影响. 为了验证本文算法的有效性, 使用浙江海域AIS渔船轨迹数据集, 将本文提出的CSOD算法与一些经典的离群点检测算法进行了对比实验. 实验结果表明, CSOD算法整体上性能更加优越.