[發明專利]基于北斗與AIS數據融合的海洋漁船軌跡預測方法及系統

在審

• 申請號: 202010040731.4
• 申請日: 2020-01-14
• 公開（公告）號: CN111257914A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 萬健;黃杰;周麗;殷昱煜;李尤慧子;黃澤均
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01S19/42
• 分類號: G01S19/42;G06F17/17;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝

本發明涉及海洋漁業信息化領域，公開一種基于北斗與AIS數據融合的海洋漁船軌跡預測方法及系統，以提升海洋漁業船舶監控和異常檢測的水平，保障漁船安全運行。本發明公開的軌跡預測方法包括：輸入北斗和AIS的觀測值時間序列，將每個傳感器針對同一個目標的觀測數據同步到相同的時間線；根據AIS軌跡數據的與北斗軌跡數據進行時間配準后的結果，對AIS數據和北斗數據進行融合；根據AIS數據和北斗數據融合后的結果，獲取當前時刻的最優狀態估計，并在此基礎上進行軌跡預測。本發明融合了北斗與AIS數據，并在此基礎上實現漁船軌跡預測，具有較高的預測精度，在數據傳輸丟失時具有較強的適用性，有效提升了海洋漁業船舶監控的水平。

技術領域

本發明涉及海洋漁業信息化技術領域，更具體而言涉及一種結合北斗與AIS的海洋漁船軌跡預測方法及系統。

背景技術

在海洋漁業安全監控領域中，通過船舶歷史軌跡數據對船舶下一時刻的狀態進行預測并得到船舶軌跡預測結果在船舶狀態監控和異常檢測方面具有重大意義。

漁船軌跡預測不僅可以在漁船監控數據傳輸丟失時對漁船狀態進行估計，而且能夠提前感知漁船可能發生的異常行為并對漁船進行重點監測，同時對異常航行行為做出警告。傳統的軌跡預測方法如基于高斯混合模型的軌跡預測、基于頻繁軌跡的移動對象位置預測、基于神經網絡的軌跡位置預測、基于卡爾曼濾波的軌跡預測，都無法有效實現漁船軌跡預測。前三種軌跡預測方法建立在特定區域軌跡行為模式固定的基礎上，例如陸上軌跡遵循路網交通，海上軌跡受航道限制，而漁船在海上航行時不受航道限制，其航行行為具有很大的隨意性，并且大多數情況下漁船在海上做非線性運動，無法從歷史軌跡中提取相關行為模式實現漁船軌跡預測。基于卡爾曼濾波的軌跡預測方法是一種基于目標運動特征和歷史軌跡信息的軌跡預測方法，但是其只適用于線性系統，無法直接應用到類似漁船航行的非線性系統中。

北斗和AIS系統都能對漁船進行位置監控并獲得一系列時空連續的漁船軌跡數據，但是上述系統使用的傳感器在監測漁船位置、速度、方向等狀態信息時都會帶有各自的測量誤差。

發明內容

針對現有技術中存在的上述技術問題，本發明提出了一種結合北斗與AIS的海洋漁船軌跡預測方法。為了提升漁船軌跡預測的精度，本方法在軌跡預測之前將北斗和AIS系統采集的觀測數據進行融合，得到一個更接近漁船真實位置的融合值，然后用該融合值對漁船下一時刻的位置信息進行預測，提升漁船軌跡預測精度。該方法在北斗與AIS數據融合的基礎上使用無跡卡爾曼濾波實現漁船軌跡預測，彌補了卡爾曼濾波方法無法對非線性系統進行軌跡預測的缺陷，此外，相對于單傳感器軌跡預測而言，該算法在預測精度上也有較大提升。

為了實現海上漁船狀態的精準監控，本發明實現了一個基于北斗和AIS的漁船監控系統。該系統的主要功能包括海圖顯示、船舶查詢、軌跡回放、軌跡預測、異常報警等，

為了實現上述目的，本發明公開了一種基于北斗與AIS數據融合的海洋漁船軌跡預測方法，其特征在于包括如下步驟：

步驟a)、對多源數據進行時間配準，輸入北斗和AIS的觀測值時間序列，將每個傳感器針對同一個目標的觀測數據同步到相同的時間線；

步驟b)、根據AIS軌跡數據的與北斗軌跡數據進行時間配準后的結果，對AIS數據和北斗數據進行融合；

步驟c)、根據AIS數據和北斗數據融合后的結果，對軌跡進行濾波處理，獲取當前時刻的最優狀態估計，并在此基礎上進行軌跡預測。

優選地，所述步驟a)，可通過內插外推法將高精度的觀測數據推算到低精度的時間點上，具體包括如下步驟：

步驟a1：取定時間片，根據船舶的運動情況以及系統的通信狀況，對應的時間片可以選為分鐘級和小時級；

步驟a2：在同一時間片內，將AIS和北斗觀測數據按測量精度進行增量排序；