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。     

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。     

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。     

基于Openlayers3和Cassandra的船舶碰撞风险识别系统

为提高船舶交通管理服务系统(VTS)智能化水平,保障航运安全,利用上海港水域内海量AIS数据,建立船舶领域模型,应用改进的聚类算法,识别船舶碰撞风险。利用开源地图框架Openlayers,实现碰撞风险可视化,利用Cassandra数据库,实现海量AIS数据存储和高效检索。设计实时船舶可视化显示,单船、区域船舶历史轨迹回放,模拟船舶航行等功能。最后使用上海港2015年全年AIS历史数据进行碰撞风险识别实验,结果和历史高危区域较为吻合,可作为辅助分析系统供海事人员决策参考。     

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.     

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。     

一种用于导航雷达标校的专用AIS设备

基于导航雷达和通用AIS设备的基本原理,通过对现有AIS设备的改造,设计了一种专用设备,可以用于导航雷达的快速标校,保障船舶航行安全。     

电子海图系统研究与设计

电子海图系统(Electronic Chart System,简称ECS)能够综合处理海上地理信息、本船航行状态信息、目标船动态信息和航行环境信息;可以接入GPS、舰船自动识别系统(AIS)、罗盘和测深仪等传感器;具有完善的海图显示、航线设计、船舶导航、避碰辅助和航行管理功能。     

基于AIS和北斗的数据采集方案研究

为了克服船舶自动识别系统(AIS)在船舶动态监控中不能全面监控的缺陷,该文将北斗和AIS结合,使AIS系统接收周围船舶的AIS信息并添加优先权位后存入相应数据库中,再采用数据选择,过滤,压缩等技术处理数据,并通过北斗将处理后的数据发送到岸上基站,不仅通过北斗转发了本船AIS信息,还转发了周围船舶AIS信息,能有效的监控进入AIS系统盲区且没装北斗的船舶,增大了船舶动态监控的范围。     

AIS系统的不可靠性及相关的解决方案

我们生活在一个信息化时代,生活中的每一个角落都需要信息。目前,我国的航海业随着我国经济高速发展,正呈现一个高发上升增长的趋势,船舶高速运转化、航行的密集化、吨位超大化正是航海业发展的方向。为了简化航海船舶操作员的操作工作量,就需要一些高新技术作为辅助,帮助航海操作人员进行最有效的操作。现今,AIS是航海业中使用最为广泛的航海技术,他拥有卫星定位、数字信息及高速处理设备,为航行的船舶提供了高效、可靠的数据依据,应该是航海仪发展的代表作。AIS在应用中也存在缺点,就是对射频的干扰比较敏感,还遭受VHF的电波传播上的限制。本文从AIS的基本功能上说起,详细探讨AIS系统可靠性不足之处,以及在笔者力所能及范围内提出有针对性的解决方案。     

船舶动力装置状态监测系统研究

船舶主机是船舶上的重要的动力装置,是保障船舶安全航行的关键.针对船舶主机的工作特点,利用虚拟仪器技术,在LabVIEW平台上开发了船舶动力装置状态监测系统.从电涡流传感器、信号调理箱、数据采集卡和计算机4个方面,详细介绍了系统的硬件搭建,从总体设计和工作转速监测、启停机监测、数据分析系统服务4个模块,详细介绍了系统的软件功能,并对系统工作流程进行了阐述.     

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。     

B类AIS信息介绍及其解码显示

在内河和近海区域中大多数中小船舶已经安装B类AIS船载设备。详细介绍了B类AIS信息,重点描述了B类CS型AIS具有的特点,并深入研究了AIS信息的报文结构,利用新的算法对报文解码,将解码后的AIS船舶作为新的图层以船舶图形化的方式显示在地图上,实现了船舶相关信息的查询,方便VTS对接收到的船舶实时监测。     

海量船舶自动识别系统中数据检索系统的设计与实现

针对船舶自动识别系统( AIS)数据的发送周期快,中国沿海的船舶数量多的问题,利用键值对技术和分布式数据库构建海量船舶自动识别系统。通过船舶的移动通信业务标识码( MMSI)和船舶的AIS信息组成键值对,实现单船长期轨迹的存储和快速检索利用四叉树数据结构实现了区域数据的快速检索,实验结果表明本文构建的系统实现了海量AIS数据的存储并且对长期船舶数据查询速度提高6倍以上。     

基于船舶自动识别系统信息和Hough变换的海上船舶航道提取

对远海大面积海域进行航道提取,由于缺少连续的船舶航行数据,传统轨迹聚类算法不再适用。针对该问题,提出了一种利用Hough变换提取船舶航道的方法。基于船舶自动识别系统（AIS）数据,对监视海域划分网格,分析海上船舶密度分布;针对网格大小影响密度分布分辨力问题,采用中值滤波和形态学滤波对船舶密度分布进行修正。基于此利用Hough变换和核密度估计结合的方法提取海上船舶航道,估计航道宽度,用真实历史AIS数据对该方法进行实验验证。实验结果表明：轨迹聚类算法无法提取船舶密度较低区域的航道,轨迹簇内的船舶轨迹数量占该区域轨迹总数的29.81%;而所提方法提取的航道内轨迹数量占比达95.89%,证明了所提方法的有效性。     

基于AIS的航道船舶流量智能采集系统开发

通航能力和通航需求的准确分析,对于区域航运业的发展有着重要的意义。航道船舶交通流量及相关货运信息的精确采集,是统计分析的基础。本文研究基于AIS（船舶自动识别系统）数据的航道交通流量智能采集系统的设计方案,论述该智能系统的设计原理及主要算法、主要结构,重点说明该系统中的智能航道通过船舶AIS信息跟踪记录控制模块的工作流程。     

利用AIS串口数据进行船舶避碰仿真

通过分析AIS串口所输出的信息,将该信息分成两类,分别对两类信息进行分析,提取有利于船舶航行仿真的数据。根据抽样时间分别为每一船舶编制数据结构表,然后将该表内容转化为平面图,船舶之间的避让态势就一目了然。     

基于GRU自编码器的船舶航线提取

船舶自动识别系统(automatic identification system, AIS)数据中蕴含着大量的船舶行为相关信息,从中提取出有效的航线,在海事监管、船只勘查等方面具有广泛应用。本文提出一种基于GRU自编码器(gate recuurent unit auto-encoder,GRU-AE)的船舶航线提取方法,首先采用GRU编码器将原始轨迹数据编码为统一格式的深度特征信息,其次利用DBSCAN (density-based spatial clustering of applications with noise)算法对深度特征信息进行聚类,最后将深度特征类簇中心通过解码器反演生成相应的船舶航线,从而实现在海量AIS数据中挖掘船舶轨迹规律。以波士顿港口为例,分析一年时间内10万多条AIS的船舶航行数据,实验表明本方法可对不同长度轨迹数据进行聚类及其航线提取,并可支撑船舶轨迹异常检测、路径规划、位置预测等研究,具有较好的应用适应性。     

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.