徐鐵　蔡奉君　胡勤友　楊春

摘 要： AIS是集船舶導(dǎo)航、避碰、海事監(jiān)管于一體的現(xiàn)代化無線電系統(tǒng)，在水上交通運(yùn)輸領(lǐng)域里發(fā)揮著重要作用。為了彌補(bǔ)AIS數(shù)據(jù)堵塞等原因?qū)е赂聰?shù)據(jù)不及時(shí)，造成船舶軌跡的不準(zhǔn)確或者誤差較大的問題，提出利用對(duì)卡爾曼濾波算法進(jìn)行適當(dāng)?shù)男薷模胂到y(tǒng)噪聲和測量噪聲，利用AIS船舶觀測節(jié)點(diǎn)數(shù)據(jù)對(duì)系統(tǒng)狀態(tài)做最小二乘法估計(jì)，對(duì)船舶運(yùn)動(dòng)軌跡進(jìn)行平滑和預(yù)測，并對(duì)不同時(shí)間段可靠性誤差進(jìn)行分析，能夠比較正確地估計(jì)出船舶軌跡。

關(guān)鍵字： AIS； 卡爾曼濾波； 船舶軌跡預(yù)測； Matlab仿真

中圖分類號(hào)： TN961?34； U675.6 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）05?0097?04

0 引 言

近年來，隨著我國經(jīng)濟(jì)的迅速發(fā)展，國內(nèi)外貿(mào)易迅猛發(fā)展，海上交通運(yùn)輸量不斷增長，特別是某些重要的水道，船舶交通非常繁忙；隨著裝載船舶自動(dòng)識(shí)別系統(tǒng) （Automatic Identification System，AIS）設(shè)備的船舶數(shù)量越來越多，充分利用船舶AIS數(shù)據(jù)進(jìn)行船舶交通研究已是焦點(diǎn)問題[1?3]。實(shí)時(shí)獲取準(zhǔn)確的船舶AIS信息顯得至關(guān)重要，只有獲取實(shí)時(shí)的船舶AIS數(shù)據(jù)，才能有效地監(jiān)控某些水域通航狀況，及時(shí)發(fā)現(xiàn)通航水域中存在碰撞以及擱淺等海事事故的區(qū)域，這樣有助于岸基人員更好地協(xié)調(diào)和管理通航水域的安全。

目前，盡管在船舶和岸基管理已經(jīng)安裝了大量的AIS設(shè)備，但是由于AIS操作不當(dāng)、AIS設(shè)備播發(fā)的數(shù)據(jù)由于船舶與AIS基站之間的距離較遠(yuǎn)、 AIS設(shè)備自身工作不正?；蛉藶榈年P(guān)閉AIS設(shè)備等各種主客觀原因以及AIS船站和岸站時(shí)隙擁堵和網(wǎng)絡(luò)傳輸，造成岸基AIS存在接收到的AIS數(shù)據(jù)不正確以及數(shù)據(jù)位置報(bào)告更新不及時(shí)等情況。

為了彌補(bǔ)AIS數(shù)據(jù)堵塞等原因?qū)е赂聰?shù)據(jù)不及時(shí)，造成船舶軌跡的不準(zhǔn)確或者誤差較大的問題，本文提出利用對(duì)卡爾曼濾波算法進(jìn)行適當(dāng)?shù)男薷?，引入系統(tǒng)噪聲和測量噪聲，利用AIS船舶觀測節(jié)點(diǎn)數(shù)據(jù)對(duì)系統(tǒng)狀態(tài)做最小二乘法估計(jì)，對(duì)船舶軌跡進(jìn)行平滑和預(yù)測處理，能夠比較正確地估計(jì)出船舶軌跡。

1 AIS數(shù)據(jù)格式分析

1.1 AIS設(shè)備配備規(guī)定

目前，按照國際海事組織的規(guī)定，國際航行的500總噸及以上的船舶以及所有客船均需強(qiáng)制配備安裝AIS。我國海事主管機(jī)關(guān)對(duì)中國籍100總噸以上的沿海航行船舶以及內(nèi)河航行船舶都配備安裝AIS的要求。

1.2 AIS數(shù)據(jù)質(zhì)量分析

船舶位置報(bào)告的更新延時(shí)長短船舶軌跡的分析研究產(chǎn)生較大的影響，圖1是選取了上海港外高橋水域內(nèi)自2011年4月27日0805—4月28日0725時(shí)間段內(nèi)，每隔35 min統(tǒng)計(jì)一次該段時(shí)間內(nèi)船舶位置報(bào)告的更新延時(shí)情況。

從圖1分析可得，2 min未更新位置報(bào)告的船舶比例為30%左右，3 min未更新位置報(bào)告的船舶比例為15%左右，5 min未更新位置報(bào)告的船舶比例為10%左右，15 min未更新位置報(bào)告的船舶比例約為2%。

按照AIS設(shè)備規(guī)范的規(guī)定，左邊是A類船載AIS設(shè)備，右邊是B類船載AIS設(shè)備，船載AIS設(shè)備的報(bào)告間隔。通過與船載AIS設(shè)備的標(biāo)準(zhǔn)時(shí)間間隔對(duì)比，實(shí)測AIS數(shù)據(jù)的位置報(bào)告間隔確有一定的延時(shí)，這種定位信息的延時(shí)會(huì)對(duì)后期的船舶位置的同步產(chǎn)生一定的誤差，同時(shí)AIS位置報(bào)告數(shù)據(jù)中船舶位置信息也客觀存在著誤差，其主要源于船載定位設(shè)備的定位誤差，基站數(shù)據(jù)接收和記錄延遲誤差。

通過上面數(shù)據(jù)分析可知，5 min以內(nèi)有90%船舶AIS數(shù)據(jù)都進(jìn)行了更新，僅有2%的船舶定位信息更新延時(shí)會(huì)超過15 min，考慮到船舶航行速度相對(duì)較慢，在研究中期對(duì)船舶數(shù)據(jù)更新延時(shí)在5 min、10 min的數(shù)據(jù)進(jìn)行處理和分析，可以滿足船舶軌跡預(yù)測和估計(jì)的精度要求。

2 卡爾曼濾波算法基本方程[4?5]

2.1 卡爾曼濾波算法的系統(tǒng)狀態(tài)方程

5 基于卡爾曼濾波算法的船舶軌跡仿真和分析

（1） 直航段無轉(zhuǎn)向時(shí)不同時(shí)間間隔船舶軌跡預(yù)測和誤差分析

在Matlab環(huán)境下，對(duì)船舶在直航段的不同時(shí)間間隔的軌跡預(yù)測仿真圖如圖6所示。船舶直航段（無轉(zhuǎn)向）航行時(shí)，紅色、藍(lán)色和青色三角形分別是1 min后，5 min后和10 min后的船位預(yù)測仿真圖。

通過對(duì)不同時(shí)間間隔的船位誤差進(jìn)行分析（見表1，表2），在直航的情況下，對(duì)1～5 min內(nèi)船舶軌跡的預(yù)測，卡爾曼優(yōu)化值的船位誤差在9 m左右，而推算值的船位誤差在10 m左右，采用卡爾曼濾波優(yōu)化仿真值船位的精度可以提高大約11%。隨著時(shí)間間隔時(shí)段增加，對(duì)5～10 min內(nèi)的船舶軌跡進(jìn)行預(yù)測，卡爾曼優(yōu)化值的船位誤差在13 m，而推算值的船位誤差在17 m，采用卡爾曼濾波優(yōu)化仿真值船位的精度可以提高大約24%，船位誤差是可以接受的。

（2） 轉(zhuǎn)彎航段有較大轉(zhuǎn)向不同時(shí)間間隔船舶軌跡預(yù)測分析

船舶有較大轉(zhuǎn)向時(shí)，紅色、藍(lán)色和青色三角形分別是1 min后，5 min后和10 min后的預(yù)測仿真圖，如圖7所示。

通過對(duì)不同時(shí)間間隔的船位誤差進(jìn)行分析（見表3，表4），在船舶轉(zhuǎn)向的情況下，對(duì)1～5 min內(nèi)船舶軌跡的預(yù)測，卡爾曼優(yōu)化值的船位誤差在32 m，而推算值的船位誤差在39 m，采用卡爾曼濾波優(yōu)化仿真值船位的精度可以提高大約18%。隨著時(shí)間間隔時(shí)段增加，對(duì)5～10 min內(nèi)的船舶軌跡進(jìn)行預(yù)測，卡爾曼優(yōu)化值的船位誤差為50 m，而推算值的船位誤差為75 m，采用卡爾曼濾波優(yōu)化仿真值船位的精度可以提高大約50%，船位誤差是可以接受的。

6 結(jié) 論

船舶軌跡預(yù)測準(zhǔn)確性的精度與預(yù)測時(shí)間間隔以及船舶的運(yùn)行速度有關(guān)。時(shí)間間隔越長，船舶軌跡的誤差越大，反之亦然。通過研究在船舶運(yùn)動(dòng)軌跡中加入系統(tǒng)噪聲和動(dòng)態(tài)系統(tǒng)測量噪聲的卡爾曼濾波估測方式對(duì)節(jié)點(diǎn)定位進(jìn)行預(yù)測仿真，改進(jìn)的卡爾曼濾波算法對(duì)節(jié)點(diǎn)位置信息進(jìn)行濾波，提高了傳統(tǒng)航海上航跡推算船舶定位的精確度，對(duì)船舶節(jié)點(diǎn)軌跡預(yù)測和估計(jì)有所提高。

參考文獻(xiàn)

[1] 張連東.基于AIS數(shù)據(jù)的成山頭水域船舶交通流研究[D].大連：大連海事大學(xué)，2010.

[2] RISTIC B， LA SCALA B， MORELANDE M， et al. Statistical analysis of motion patterns in AIS data： anomaly detection and motion prediction [C]// Proceedings of 2008 11th International Conference on Information Fusion. Cologne， Germany： IEEE， 2008： 1?7.

[3] ADVISER?LAKSHMIVARAHAN S， YUSSOUF N. Kalman filter based techniques for assimilation of radar data [D]. Oklahoma： University of Oklahoma， 2010.

[4] 鄧胡濱，張磊，吳穎，等.基于卡爾曼濾波算法的軌跡估計(jì)研究[J].傳感器與微系統(tǒng)，2012，31（5）：4?7.

[5] 成光，劉衛(wèi)東，魏尚俊，等.基于卡爾曼濾波的目標(biāo)估計(jì)和預(yù)測方法研究[J].計(jì)算機(jī)仿真，2006，23（1）：8?10.

[6] 敬喜.卡爾曼濾波器及其應(yīng)用基礎(chǔ)[M].北京：國防工業(yè)出版社，1973.

[7] 鄧自立.卡爾曼濾波與維納濾波[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2001.

[8] 趙仁余，肖英杰.航海學(xué)[M].北京：人民交通出版社，2006.

[9] 石章松，劉忠.目標(biāo)跟蹤與數(shù)據(jù)融合理論及方法[M].北京：國防工業(yè)出版社，2010.

[10] 權(quán)太范.目標(biāo)跟蹤新理論與技術(shù)[M].北京：國防工業(yè)出版社，2009.

[11] PRESS W H， TEUKOLSKY S A， VETTERLING W T， et al. Numerical recipes [M]. 3rd ed. UK： Cambridge University Press， 2007.

[12] MATHEWS J H， FINK K D. Numerical methods using Matlab [M]. USA： Pearson Prentice Hall， 1999.

參考文獻(xiàn)

[1] 張連東.基于AIS數(shù)據(jù)的成山頭水域船舶交通流研究[D].大連：大連海事大學(xué)，2010.

[2] RISTIC B， LA SCALA B， MORELANDE M， et al. Statistical analysis of motion patterns in AIS data： anomaly detection and motion prediction [C]// Proceedings of 2008 11th International Conference on Information Fusion. Cologne， Germany： IEEE， 2008： 1?7.

[3] ADVISER?LAKSHMIVARAHAN S， YUSSOUF N. Kalman filter based techniques for assimilation of radar data [D]. Oklahoma： University of Oklahoma， 2010.

[4] 鄧胡濱，張磊，吳穎，等.基于卡爾曼濾波算法的軌跡估計(jì)研究[J].傳感器與微系統(tǒng)，2012，31（5）：4?7.

[5] 成光，劉衛(wèi)東，魏尚俊，等.基于卡爾曼濾波的目標(biāo)估計(jì)和預(yù)測方法研究[J].計(jì)算機(jī)仿真，2006，23（1）：8?10.

[6] 敬喜.卡爾曼濾波器及其應(yīng)用基礎(chǔ)[M].北京：國防工業(yè)出版社，1973.

[7] 鄧自立.卡爾曼濾波與維納濾波[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2001.

[8] 趙仁余，肖英杰.航海學(xué)[M].北京：人民交通出版社，2006.

[9] 石章松，劉忠.目標(biāo)跟蹤與數(shù)據(jù)融合理論及方法[M].北京：國防工業(yè)出版社，2010.

[10] 權(quán)太范.目標(biāo)跟蹤新理論與技術(shù)[M].北京：國防工業(yè)出版社，2009.

[11] PRESS W H， TEUKOLSKY S A， VETTERLING W T， et al. Numerical recipes [M]. 3rd ed. UK： Cambridge University Press， 2007.

[12] MATHEWS J H， FINK K D. Numerical methods using Matlab [M]. USA： Pearson Prentice Hall， 1999.

參考文獻(xiàn)

[1] 張連東.基于AIS數(shù)據(jù)的成山頭水域船舶交通流研究[D].大連：大連海事大學(xué)，2010.

[2] RISTIC B， LA SCALA B， MORELANDE M， et al. Statistical analysis of motion patterns in AIS data： anomaly detection and motion prediction [C]// Proceedings of 2008 11th International Conference on Information Fusion. Cologne， Germany： IEEE， 2008： 1?7.

[3] ADVISER?LAKSHMIVARAHAN S， YUSSOUF N. Kalman filter based techniques for assimilation of radar data [D]. Oklahoma： University of Oklahoma， 2010.

[4] 鄧胡濱，張磊，吳穎，等.基于卡爾曼濾波算法的軌跡估計(jì)研究[J].傳感器與微系統(tǒng)，2012，31（5）：4?7.

[5] 成光，劉衛(wèi)東，魏尚俊，等.基于卡爾曼濾波的目標(biāo)估計(jì)和預(yù)測方法研究[J].計(jì)算機(jī)仿真，2006，23（1）：8?10.

[6] 敬喜.卡爾曼濾波器及其應(yīng)用基礎(chǔ)[M].北京：國防工業(yè)出版社，1973.

[7] 鄧自立.卡爾曼濾波與維納濾波[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2001.

[8] 趙仁余，肖英杰.航海學(xué)[M].北京：人民交通出版社，2006.

[9] 石章松，劉忠.目標(biāo)跟蹤與數(shù)據(jù)融合理論及方法[M].北京：國防工業(yè)出版社，2010.

[10] 權(quán)太范.目標(biāo)跟蹤新理論與技術(shù)[M].北京：國防工業(yè)出版社，2009.

[11] PRESS W H， TEUKOLSKY S A， VETTERLING W T， et al. Numerical recipes [M]. 3rd ed. UK： Cambridge University Press， 2007.

[12] MATHEWS J H， FINK K D. Numerical methods using Matlab [M]. USA： Pearson Prentice Hall， 1999.