一种基于AIS数据的船舶位置预测系统和方法技术方案

本发明专利技术涉及一种基于AIS数据的船舶位置预测系统和方法，包括中央处理器模块、航线聚类模块和航线对比模块：中央处理器模块包括AIS数据采集模块、历史航线记录模块、相似性分析模块和航线预测模块；AIS数据采集模块用于采集目标水域船舶的数据；本系统将相识度高的航线归类获取目标水域的航线集合，计算得到目标水域轨迹片段与航线的第一转移概率和与目标船舶最接近的第一轨迹片段集合，根据第一转移概率计算得到第一轨迹片段集合中的每一个片段与各航线的第二转移概率，根据第二转移概率得到目标船舶轨迹属于航线集合的概率，选择概率高的航线作为目标船舶的航线。本发明专利技术的预测系统可在船舶数据丢失时，对船舶轨迹进行预测，适用性强。适用性强。适用性强。

【技术实现步骤摘要】
一种基于AIS数据的船舶位置预测系统和方法


[0001]本专利技术涉及航运信息化
，尤其涉及一种基于AIS数据的船舶位置预测的系统和方法。

技术介绍

[0002]在海洋渔业安全监控领域中，通过船舶历史轨迹数据对船舶下一时刻的状态进行预测并得到船舶轨迹预测结果在船舶状态监控和异常检测方面具有重大意义。渔船轨迹预测不仅可以在渔船监控数据传输丢失时对渔船状态进行估计，而且能够提前感知渔船可能发生的异常行为并对渔船进行重点监测，同时对异常航行行为做出警告。
[0003]传统的轨迹预测方法如基于高斯混合模型的轨迹预测、基于频繁轨迹的移动对象位置预测、基于神经网络的轨迹位置预测、基于卡尔曼滤波的轨迹预测，都无法有效实现渔船轨迹预测。前三种轨迹预测方法建立在特定区域轨迹行为模式固定的基础上，例如陆上轨迹遵循路网交通，海上轨迹受航道限制，而渔船在海上航行时不受航道限制，其航行行为具有很大的随意性，并且大多数情况下渔船在海上做非线性运动，无法从历史轨迹中提取相关行为模式实现渔船轨迹预测。基于卡尔曼滤波的轨迹预测方法是一种基于目标运动特征和历史轨迹信息的轨迹预测方法，但是其只适用于线性系统，无法直接应用到类似渔船航行的非线性系统中。
[0004]AIS系统能对渔船进行位置监控并获得一系列时空连续的渔船轨迹数据，但是上述系统使用的传感器在监测渔船位置、速度、方向等状态信息时都会带有各自的测量误差。

技术实现思路

[0005]有鉴于此，有必要提供一种基于AIS数据的船舶位置预测系统和方法，用以实现在船舶数据传输丢失时对船舶轨迹预测的目的。
[0006]为了实现上述目的，一方面，本专利技术提供一种基于AIS数据的船舶位置预测系统和方法，包括中央处理器模块、航线聚类模块和航线对比模块：
[0007]所述中央处理器模块包括AIS数据采集模块、历史航线记录模块、相似性分析模块和航线预测模块；
[0008]所述航线对比模块与所述历史航线记录模块电性连接；
[0009]所述AIS数据采集模块用于采集目标水域船舶的数据；
[0010]所述航线聚类模块用于将所述目标水域船舶的数据经过若干次聚类，并将目标水域相识度高的同一起点和终点的航线归为一类，得到目标水域的航线集合；
[0011]所述历史航线记录模块用于记录所述目标水域的航线集合；
[0012]所述航线对比模块用于计算得到目标水域轨迹片段与目标水域航线的第一转移概率；
[0013]所述相似性分析模块用于将目标船舶的轨迹片段序列与目标水域的轨迹片段集合进行相识度分析，得到与目标船舶最接近的第一轨迹片段集合；
[0014]所述航线预测模块用于根据所述第一转移概率计算得到所述第一轨迹片段集合中的每一个片段与航线集合中各航线的第二转移概率，根据所述第二转移概率得到目标船舶轨迹属于所述航线集合的概率，选择概率的航线作为目标船舶的航线。
[0015]在一些可能的实现方式中，还包括AIS数据预处理模块，所述中央处理器模块还包括航线轨迹显示模块和外部实时反馈模块。
[0016]在一些可能的实现方式中，所述AIS数据采集模块内包括有船舶静态数据采集模块、船舶动态数据采集模块和船舶航程数据采集模块，所述船舶航程数据采集模块与所述AIS数据采集模块串联，所述船舶航程数据采集模块与船舶发动机电性连接。
[0017]在一些可能的实现方式中，所述航线聚类模块包括航线轨迹分段模块和海域栅格划分模块。
[0018]在一些可能的实现方式中，所述船舶静态数据采集模块采集的数据包括船舶名、船舶呼号、MMSI、船舶类型、船舶长度、船舶宽度。
[0019]在一些可能的实现方式中，所述船舶动态数据采集模块采集的数据包括船舶所在位置的经纬度、船舶偏向角、船舶航速和船舶航迹。
[0020]在一些可能的实现方式中，所述船舶航程数据采集模块采集的数据包括船舶状态、船舶吃水深度和船舶开往的目的地。
[0021]在一些可能的实现方式中，所述的航线轨迹分段模块具体用于：
[0022]当船舶轨迹当前点的对地航向与前一个点的对地航向差值的绝对值不小于预设值时，则在所述当前点进行分割，否则不进行分割。
[0023]在一些可能的实现方式中，所述航线聚类模块具体用于：
[0024]对目标水域航行的区域进行栅格化划分得到目标水域航线的轨迹序列；
[0025]根据目标水域航线的轨迹序列生成对应的目标水域航线航行区域序列；
[0026]根据目标水域航线航行区域序列的相似性对航线进行k
‑
means聚类得到第一航线集合；
[0027]基于所述第一航线集合根据目标水域航线航行区域序列对航线进行DBSCAN聚类，得到聚类后的第二航线集合。
[0028]另一方面，本专利技术还提供了一种基于AIS数据的船舶位置预测方法，包括：
[0029]获取目标水域船舶的数据；
[0030]所述船舶的数据经过若干次聚类，将目标水域相识度高的同一起点和终点的航线归为一类，并得到目标水域的航线集合；
[0031]计算得到目标水域轨迹片段与目标水域航线的第一转移概率；
[0032]将目标船舶的轨迹片段序列与目标水域的轨迹片段集合进行相识度分析，得到与目标船舶最接近的第一轨迹片段集合；
[0033]根据所述第一转移概率计算得到所述第一轨迹片段集合中的每一个片段与航线集合中各航线的第二转移概率，根据所述第二转移概率得到目标船舶轨迹属于所述航线集合的概率，选择概率的航线作为目标船舶的航线。
[0034]采用上述实施例的有益效果是：本专利技术提供的一种基于AIS数据的船舶位置预测系统，通过将目标水域船舶的数据经过若干次聚类，将目标水域相识度高的同一起点和终点的航线归为一类，得到目标水域的航线集合，然后计算得到目标水域轨迹片段与目标水
域航线的第一转移概率和与目标船舶最接近的第一轨迹片段集合，最后根据第一转移概率计算得到第一轨迹片段集合中的每一个片段与航线集合中各航线的第二转移概率，根据所第二转移概率得到目标船舶轨迹属于所述航线集合的概率，选择概率的航线作为目标船舶的航线。以船舶当前轨迹为基础，通过与历史航线进行对比分析，找到根据当前轨迹船舶最优可能航行的线路，以实现对船舶动态的预测，可以在船舶数据传输丢失时对船舶轨迹进行预测，适用性强，具有较高的实用价值。
附图说明
[0035]图1为本专利技术提供的一种基于AIS数据的船舶位置预测系统一实施例的结构图；
[0036]图2为本专利技术提供的一种基于AIS数据的船舶位置预测方法一实施方法流程图。
具体实施方式
[0037]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0038]图1为本专利技术提供的一种基于AIS数据的船舶位置预测系统一实施例的结构图，如图1所示，一种基于AIS数据的船舶位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AIS数据的船舶位置预测系统，其特征在于，包括中央处理器模块、航线聚类模块和航线对比模块：所述中央处理器模块包括AIS数据采集模块、历史航线记录模块、相似性分析模块和航线预测模块；所述航线对比模块与所述历史航线记录模块电性连接；所述AIS数据采集模块用于采集目标水域船舶的数据；所述航线聚类模块用于将所述目标水域船舶的数据经过若干次聚类，并将目标水域相识度高的同一起点和终点的航线归为一类，得到目标水域的航线集合；所述历史航线记录模块用于记录所述目标水域的航线集合；所述航线对比模块用于计算得到目标水域轨迹片段与目标水域航线的第一转移概率；所述相似性分析模块用于将目标船舶的轨迹片段序列与目标水域的轨迹片段集合进行相识度分析，得到与目标船舶最接近的第一轨迹片段集合；所述航线预测模块用于根据所述第一转移概率计算得到所述第一轨迹片段集合中的每一个片段与航线集合中各航线的第二转移概率，根据所述第二转移概率得到目标船舶轨迹属于所述航线集合的概率，选择概率的航线作为目标船舶的航线。2.根据权利要求所述的一种基于AIS数据的船舶位置预测系统，其特征在于，还包括AIS数据预处理模块，所述中央处理器模块还包括航线轨迹显示模块和外部实时反馈模块。3.根据权利要求所述的一种基于AIS数据的船舶位置预测系统，其特征在于，所述AIS数据采集模块内包括有船舶静态数据采集模块、船舶动态数据采集模块和船舶航程数据采集模块，所述船舶航程数据采集模块与所述AIS数据采集模块串联，所述船舶航程数据采集模块与船舶发动机电性连接。4.根据权利要求所述的一种基于AIS数据的船舶位置预测系统，其特征在于，所述航线聚类模块包括航线轨迹分段模块和海域栅格划分模块。5.根据权利要求所述的一种基于AIS数据的船舶位置预测系统，其特征在于，所述船舶静态数据采集模块采集的数据包括船舶名、船舶呼号、M...

【专利技术属性】
技术研发人员：张明阳，陈万里，刘钊，
申请(专利权)人：武汉理工大学青岛研究院，
类型：发明
国别省市：