基于AIS数据的船舶航迹重建新方法外文翻译资料

 2022-08-14 16:05:49

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

基于AIS数据的船舶航迹重建新方法

摘要：

AIS数据在船舶避碰、风险评估和航行行为研究中发挥着越来越重要的作用。然而，原始的AIS数据包含的噪声可能会导致错误的结论。通过三步处理，包括（i）异常点去除，（ii）船舶航行状态估计和（iii）船舶轨迹拟合，提出了一种多区域船舶轨迹重建模型。该模型考虑了船舶在不同航行状态下的轨迹重构，即热航向、操纵和正常航速航行。利用样条曲线模型估计法向速度导航轨迹，该模型可以拟合任意类型的轨迹，包括圆轨迹。然后对该模型进行测试，并与其他三种基于大型AIS数据集的轨迹重建模型进行比较，该数据集包含了新加坡港500多艘船舶的运动。结果表明，该模型的性能明显优于线性回归模型、多项式回归模型和加权回归模型。该模型可使船舶的速度、加速度、急停率和旋转率分别从43.42%、10.65%、59.25%、50.33%-0.00%、0.00%、17.28%和15.81%降低。更重要的是，利用该模型重建的轨迹可以清晰地显示出诸如转弯等导航行为。

关键词：自动识别系统（AIS）；数据过滤；轨迹重建；轨迹估计

1 介绍

自动识别系统（AIS）是一种用于海上运输安全的船舶自动报告系统。AIS系统可以显示船舶航行状态信息，例如位置、速度、装载状态，这些信息可由其他船舶或船舶交通服务（VTS）中心接收[1]。根据国际海事组织（IMO）的《海上人命安全公约》（SOLAS），总吨位（GT）在300吨以上的国际航行船舶和所有客船必须设置AIS。随着AIS数据在航运业中的广泛应用，AIS数据在航运安全和海上交通管理中的作用日益重要[2-4]。

AIS数据所反映的船舶运动轨迹信息是船舶碰撞研究的重要数据源之一。首先，通过实时AIS数据，船舶可以跟踪相邻船舶的运动，并使用避碰决策模型来提高航行安全性[5,6]。例如，Su等人开了一个基于模糊逻辑理论的系统，使用AIS数据优化避让船的方向舵操纵决策[7]。此外，AIS历史数据对于船舶运动分析和碰撞风险评估也很有用。例如，Mou等人调查了欧洲鹿特丹港外船舶碰撞的实际行为，并利用AIS数据对船舶碰撞进行了分析[8]。Weng等人利用劳埃德海事情报局（Lloydrsquo;s MIU）数据库[9]的实时船舶移动数据，计算船舶碰撞次数和因果概率的乘积，评估新加坡海峡的船舶碰撞频率。目前，AIS数据被用于使用机器学习方法预测船舶的航行轨迹，以进行海上安全管理[10-11]。例如，Borkowski（2017）利用从海上融合数据中学习的多个神经网络开发了一个轨迹预测模型。所有这些应用都依赖于AIS数据中精确的船舶轨迹信息。

AIS数据的质量取决于AIS设备、船舶的导航状态和AIS消息接收器基站[12]。舰载AIS设备有两种，即A类和B类AIS设备。A类AIS设备通常安装在国际货船和客船上，而B类AIS设备主要安装在内河航运船舶上[13]。A类AIS设备通常比B类AIS设备更昂贵，精度更高。AIS数据的准确性还取决于AIS消息接收器基站的位置，这会影响AIS消息信号的覆盖范围[12]。导航状态也会影响AIS的数据质量。更具体地说，来自港口水域船舶的AIS数据具有比公海船舶更高的时间分辨率[12]。

在AIS数据的准确性评估方面，已经进行了大量的工作。例如，Harati Mokhtari等人考虑到航行状态，调查了AIS错误，发现30%的船只显示错误[1]。与GPS数据一样，AIS数据也受到位置信息数据噪声的影响。这可以通过2013年10月11日在新加坡港航行的船舶的例子来说明，如图 1所示。在缩放窗口中可以看到，由于噪声数据的影响，船舶的运动轨迹呈锯齿状，根据运动机理，应是一条平滑的曲线。如果将这种带有噪声的数据用于接地风险评估或依赖高精度弹道数据的船舶航行行为研究，将导致错误的结论。因此，需要对AIS数据集的质量进行量化，并根据AIS数据中带噪声的采样船舶位置信息重建真实的船舶轨迹。

图 1 AIS数据的船舶轨迹

在文献综述中，很少有人尝试基于AIS数据的AIS数据去噪和血管轨迹重建。Qu等人根据牛顿运动定律[14]，提出了一种消除噪声和更新不准确记录的数据清理程序。更具体地说，可以根据AIS轨迹计算交通速度，然后通过检查其是否与船舶的操纵性不一致，以此作为AIS数据准确性的指标。插值方法也可用于数据噪声消除，如Zhang等人[15]中提出的线性插值模型。Liu和Chen开发了一个更复杂的模型，利用位置、速度、地面航向和时间戳信息来完成开阔水域中的航线船舶路线[16]。桑等人提出了一种利用曲线拟合方法恢复内河船舶轨迹的方法[17]。综上所述，现有文献中还缺少一种定量评估AIS数据集质量的方法。此外，对于船舶在不同航行状态下的受限港口水域，如热拖航、拖轮操纵和正常航速航行的研究还很少。此外，现有的曲线拟合方法不适用于具有闭合段或闭合圆的轨迹。

为了填补上述研究空白，我们提出了一个适用于港口水域船舶的多区域船舶轨迹重建模型。在该模型中，首先通过检测航速、加速度、航向变化率和加速度变化率，采用定量的AIS数据评估方法对AIS噪声数据点进行检测和剔除。然后，利用线性回归和B样条滤波模型对不同航行状态下的船舶轨迹进行估计。

这项研究的贡献是双重的。首先，我们提出了一种定量的方法来评估AIS数据集的质量。其次，我们提出了一个多区域的船舶轨迹重建模型，该模型可以处理由不同航行状态组成的港口水域中的船舶轨迹。更重要的是，该模型的性能明显优于基于实际案例研究的几种现有轨迹滤波模型。

2 AIS数据中的船舶轨迹噪声

2.1 船舶定位误差

船舶的位置由定位系统估计，如GPS（全球定位系统）、DGPS（差分全球定位系统）或罗兰C（远程导航）[18,12]。在世界大地测量系统84参考系统中，定位系统允许在笛卡尔坐标系x和y中估计接收器的位置。GPS定位数据包含许多因素引起的误差，如大气效应、时钟误差和舍入误差[19]。假设Pi=（x i，yi）是船舶在时刻i的真实位置，delta;xi~G（mu;xi，sigma;2xi）和delta;yi~G（mu;yi，sigma;2yi）是测量误差沿x和y方向的分量，其中G表示一般分布。因此，观测位置为piobs=（xi delta;xi，yi delta;yi）。测量误差通过式（1）计算。

(1)

2.2 AIS数据质量指标

利用AIS数据，我们可以计算出船舶的速度、加速度和加速度的变化率。此外，旋转率（ROT）是另一个可以根据船舶轨迹计算的指标。这些数值受到船舶操纵性的限制。当AIS数据中存在不准确数据时，计算出的指标会出现异常，可以作为AIS质量的证据。需要注意的是，术语“异常”是指低频“非常高”的测量误差，而不是随机误差。图 2进一步说明了这一点，图 2显示了船舶速度、加速度和冲击力。可以清楚地看到，这些值变化很大，有些值似乎很不正常。例如，在图 2（b）中，大量的船舶速度值高于30节，其中一些甚至超过200节，这可能是由数据噪声引起的。

图 2船舶速度、加速度和冲击分析

2.2.1 速度异常

船舶特性数据库包含单个船舶k的最大速度 。因此，异常船舶速度的百分比指示AIS数据库的质量，其中是时间实例i时船舶j的速度，是默认值为1的参数。这样可以消除与船舶操纵性相矛盾的“很高”测量误差。越大，测量误差越大。

2.2.2 异常旋回转速

在约束条件下，船舶的最大航速取决于船舶速度和船舶长度[2]，其计算公式为

（2）

其中是船舶从时间实例i到时间实例i 1的速度，是船舶j的长度，Delta;t是时间实例i到时间实例i 1的时间间隔。ROT超过其最大值的百分比也表示AIS数据质量。

2.2.3 异常加速度

船舶加速度受多种因素的影响，如船型、波浪条件和荷载因素[21]。图 3（d）显示了基于新加坡港水域船舶AIS的船舶加速度（2013年10月），将在以下章节介绍。我们可以看到73.08%的数值在[-1，1]之内，只有一小部分加速度值在15节以上。因此，不可行的极值或分布的异常形状是AIS数据中问题的明显迹象。

图 3 原始数据集质量分析

2.2.4 异常冲动

除了加速度值的分布外，它们的时间变化也反映了AIS数据质量的一个重要指标，即加速度的导数。由于人体的舒适度值通常不超过2m/s3[22]，因此抖动系数不应是一个非常高的值。对于车辆，冲击系数通常在plusmn;15m/s3以内。本文将冲击值高于plusmn;15m/s3阈值的观测值的百分比作为另一个数据质量指标。

3 方法论

弹道数据处理中采用了滤波技术，可以去除由于测量误差而产生的噪声等不需要的成分或特征，保持真实数据的动态性。已经开发了许多用于车辆轨迹重建的模型，如移动平均模型、多项式回归模型、加权多项式回归模型、I样条滤波[23-25]。然而，由于两个原因，这些模型不能直接用于船舶轨迹重建。首先，由于车辆沿着道路的车道行驶，车辆的轨迹由一维线性参考坐标系表示。然而，在海上交通中，船舶可以在水中自由航行，其运动轨迹由二维坐标系表示，该坐标系可以包含圆。此外，船舶的运动特性与一般船舶完全不同，包括热拖、拖轮操纵和正常航速航行。

根据船舶的操纵性特点，建立了多区域船舶轨迹重构模型，并将其与目前流行的线性回归模型、多项式回归模型和加权多项式回归模型进行了比较。

该模型由三个步骤组成：

（1） 第一步是根据第2节中的AIS数据质量指标消除极端位置误差。

（2） 第二步，基于船舶活动分析，对船舶的航行状态进行估计，将船舶活动分析分为三类，即热航向、操纵和正常航速。

（3） 最后一步是对船舶轨迹进行曲线拟合。

3.1步骤1：异常值删除

在这一步中，我们只使用血管速度和ROT来识别异常值。虽然加速度和冲击系数也可以作为AIS数据质量指标，但对于不同类型的船舶，给出确定的阈值是相当困难的。这不同于城市交通中的车辆，它们具有速度、加速度等相似的特性。例如，在城市交通中，车辆加速的阈值设置为5 m/s2（用于加速）和8 m/s2（用于减速）[22]。在海上交通中，不同类型船舶的阈值会有很大的差异。对于特定的容器，可以确定容器速度和腐蚀的最大值。应该注意的是，在这一步中，我们只捕获“非常高”测量误差，而不是随机误差分量。

3.2 步骤2：船舶航行状态估计

舰队的轨迹可以用一个集合J={J i | Ji，i=1,2，hellip;，m}来描述，其中Ji是舰船的轨迹i，m是舰船的数量。i号飞船的轨迹被定义为

(3)

其中k是时间实例索引，n是分析期间的总时间间隔数，是时间tk时船舶i的状态向量，对于状态向量，和是时间tk时船舶i的坐标，是时间tk时船舶i的速度。

船舶的活动链一般包括三类活动，即热拖、操纵和正常航速航行。船舶的航程是从一个海上交通区（MTAZ）到另一个交通区的一次航程。在热网状态下，船舶通常用电缆固定，以接收货物装卸、锚地等待、补充食物、水和能量等服务。因此，船舶 i的活动链可以由一个集合Ai={Ti，Si}定义，其中Ti表船舶i的行程，Si表示船舶 i接收服务的航行状态。集合Ti由定义，其中是船舶i的航次，j是航次索引；是船舶i在时间t1和t2之间的第j次航次，由式（4）定义：

（4）

其中和分别是跳闸的开始时间和结束时间。因此，跳闸的开始位置和结束位置是（，）和（，，）。类似地，Si可以由定义，其中是船舶i的接收服务活动的总数。

港口水域船舶的状态首先分为两种：以航行为目的的移动状态和以接受服务为目的的热网状态。因此，所有船舶的活动可以由集合A={A i| Ai=Ticup;Si，i=1,2，hellip;，na}来定义，其中na是活动的数量。如果接受服务的酒店和航海活动的集合分别用S和T表示，我们自然有A=Tcup;S。

活动链分析的目的是根据不同的活动将船舶运动轨迹划分为不同的分段。具体来说，我们把它们分成两组：Ti和Si。一旦确

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[234897]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章