论文部分内容阅读
内河水路运输由于承载量大、单位成本低、占地资源少等比较优势,在我国综合交通运输体系中占有重要地位。水路运输管理信息化和智能化系统的相关研究一直是国际航运界关注的问题,而获得实时在航船舶交通信息是构建智能航运系统的关键。船舶自动识别系统(Automatic Identification System,AIS)作为水运信息化领域的主要感知工具,其数据可用性对于水运安全、高效具有重要意义。然而,AIS在内河航道中面临错误数据频发、数据丢包严重等问题。这些问题会对以AIS数据为基础的海事监管和船舶避碰产生困扰。本文针对内河环境下的AIS数据可用性展开了相关研究。(1)以长江干线航道真实AIS数据为基础,采用统计分析方法分析AIS动静态数据的可靠性。针对由于信号传播损耗导致的AIS数据丢包问题,以山区航道为例,通过实地实验收集AIS信号场强分布,并与简易地理模型匹配,采用误差曲线拟合方法,修正Egli场强中值预测经验公式,提出了适用于山区航道的AIS信号分布精确预测模型。实验表明,该模型在山区航道中对AIS信号场强的预测精度提高到94%以上,较原Egli模型提高55%以上,能够用于指导山区航道AIS基站布设,减少AIS基站的监控盲区。(2)对于不可靠的AIS动态数据,建立了AIS错误数据识别与数据可靠度评估方法。首先,根据内河船舶操纵性的相关标准规范,从船舶轨迹位移距离、航速、平均速度、加速度和转向率五个方面制定了数据清洗规则。然后,仿造人工甄别异常AIS数据的过程,提出一种基于概率推理的识别方法,包括先验知识提取、证据建模、证据可靠性评估、证据合成与权重优化5个步骤。运用似然度建模方法,将经过人工辨识的AIS数据中的速度、航向角和轨迹位置信息转化为[0,1]区间的证据信度,并用ER规则合成。以验证过的AIS数据作为输入,根据不同的目标优化函数,采用非线性优化方法修正证据的权重系数,提高模型的使用灵活性和准确性。实验结果表明,提出的方法具有接近人工水平的识别准确率,能够删除错误和异常的AIS动态数据。(3)针对AIS数据丢包导致的船舶时空轨迹不连续问题,系统地提出了船舶轨迹数据修复方法。以大量AIS数据样本为基础,验证常用插值法在船舶运动轨迹数据修复方面的精度,得到满足精度要求的短距离缺失轨迹快速修复方法。然后,对于长距离缺失的轨迹数据,利用历史轨迹数据库中的相似轨迹建立基于最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型的轨迹数据修复方法。以均方误差最小为优化目标,采用粒子群优化算法(Particle Swarm Optimization,PSO)搜寻最优模型参数。实验结果表明,该模型能够对长距离连续缺失轨迹点的数据进行有效修复。(4)根据修复还原的AIS丢失数据,提出了基于AIS数据丢失率时空分布特征的内河AIS基站通讯链路连接可靠性评估方法,并搭建了基于GIS的可视化AIS基站性能分析平台。将研究水域划分为若干子区域,结合航道历史天气信息和水位数据,统计各子区域的AIS数据丢包率,实现AIS基站通讯链路可靠性评估,为AIS基站优化布局提供指导。上述研究解决了AIS基站布设质量评估问题和AIS数据可用性保障问题,为AIS基站优化布局提供指导,同时为AIS数据应用研究提供了坚实的基础。