检测中的应用二次开发平台
马 力
(重庆青年职业技术学院，重庆 400712)
摘要: 现代船舶的信息化、自动化程度不断提高，自动识别系统（AIS）、电子海图综合系统（ECDIS）和船舶总线通信系统等先进技术在船舶上的应用越来越广泛。随着内河航运和远洋海运的发展，海事交通管理部门对船舶航行轨迹异常行为的检测显得尤为重要。本文主要针对船舶在区域内的航行轨迹异常行为检测问题，结合卡尔曼滤波算法，设计一种船舶异常航线检测系统，并对该检测系统的性能进行仿真分析。 关键词：信息化；航迹检测；卡尔曼滤波器；仿真
中图分类号：U638.2 文献标识码：A
文章编号： 1672 – 7619(2017)6A – 0144 – 03 doi：10.3404/j.issn.1672 – 7619.2017.6A.048
Kalman filtering algorithm in the application of ship trajectory abnormal
behavior detection
MA Li
(Chongqing Youth Vocational and Technical College, Chongqing 400712, China)
Abstract: With the continuous improvement of the information and automation of modern ships, the advanced techno-logy of automatic identification system (AIS), electronic chart generalization system (ECDIS) and ship bus communication system are more and more widely used in ships. With the development of inland shipping and ocean shipping, it is very im-portant for the maritime traffic management department to detect the abnormal behavior of the ship's navigation path. This paper focuses on the track of abnormal behavior in the area of ship detection, meanwhile combine Calman filter algorithm, designed a ship route anomaly detection system, and the performance of the detection system to do simulation analysis.
Key words: promotion of information technology；track detection；calman filter；simulation
0 引 言
船载智能化通信、导航和定位设备不仅促进了船舶的航运性能，还给海上交通监管部门对航行的船舶
监测与管理提供了有力的工具。
船舶自动识别系统（AIS）主要应用于港口和船舶过境安检等工况下，船舶自动识别技术结合互联网技术可以实现船舶信息的自动识别，从而大幅提高港口的工作效率；电子海图显示与信息系统（ECDIS）的集成性高，对于船舶的导航定位和海上通信有重要的作用。
海事监管部门主要负责海域内航行的船只管理与监控，一方面，海事监管部门通过互联网和电子海图技术为船舶提供最佳的航线规划；另一方面，海事管理部门通过船舶航行状态和航线的分析，检测出航行轨迹的异常行为，从而防患于未然，保证船舶航运的安全性。
本文主要针对船舶航行轨迹异常行为的检测问题，利用卡尔曼滤波算法和密度聚类分析，将海上船舶的航行异常行为监测与电子海图相结合，设计一种新型的航迹异常行为检测系统。
1 船舶电子海图技术的发展与研究现状
船舶电子海图技术又叫电子海图显示与信息系统（ECDIS），是一种新型的船舶导航与辅助决策系
第39 卷 第 6A 期舰 船 科 学 技 术Vol. 39, No. 6A 2017 年 6 月SHIP SCIENCE AND TECHNOLOGY Jun. , 2017
收稿日期: 2017 – 04 – 26
作者简介: 马力(1983 – )，男，硕士研究生，讲师，主要研究方向为高职教育教学及计算机应用技术。
统。ECDIS 不仅可以监测船舶的实时运行状态，还可以为船舶提供综合导航信息服务，比如天气信息、航线规划和水文信息等，被称为船舶综合导航领域的一大技术革命。
电子海图显示与信息系统相对于传统纸质海图具有非常明显的优势，电子海图系统集成数据存储、航线规划、信号采集和航迹监测等多种功能。图1为ECDIS 系统的功能模块示意图。
图1中，ECDIS 系统的结构主要包括以下几个部分：1）区域管理模块
该模块主要负责将船舶电子海图显示的图幅分区处理，并加载电子海图的动态信息。
2）系统设置模块
系统设置模块是电子海图显示与信息系统（ECDIS ）与外部数据的传输接口，主要负责外部信息的导入设置。此外，系统设置模块还具有用户自定义设置功能，包括电子海图的图形元素、图层元素和标注等。
3）海事模块
海事模块主要起到通信的功能，包括ECDIS 与船舶自动识别系统AIS 数据库的通信等。
4）海图工具模块
海图工具模块提供了操作人员所需要的工具，包括距离测量工具、面积工具、自定义工具等。
2 基于卡尔曼滤波算法的船舶航行轨迹异常行
为检测
2.1 卡尔曼滤波算法研究
在现代的工业系统中，信号采集往往伴随着大量的干扰信号和噪声。由于某些干扰信号存在随机性和不确定性，基于频域的噪声过滤器无法对其有效过
滤，因此，采用基于时域递推的卡尔曼滤波算法具有重要的意义。
卡尔曼滤波算法与传统基于频域的维纳滤波不同，它结合数字计算机技术，利用随机估值理论和基于时域的滤波理论，在噪声和随机干扰信号的过滤上有明显的优势。
经过近几十年的发展，卡尔曼滤波算法在工业领域的应用越来越广泛，已经成为信号控制、处理等领
域最基本的工具，在航空雷达、传感器、计算机视觉和船舶导航等领域取得了显著成效。
卡尔曼滤波算法是基于离散系统的线性控制，假定某离散系统如下：
{W (k ),k ⩾0}{V (
k ),k ⩾0}其中和为白噪声序列，此时离散系统为：
Q (k )式中：为对称矩阵；P 为阶数。该矩阵可用下式
表示：
该离散线性随机系统的原理如图2所示。
2.2 DBSCAN 聚类算法
聚类分析是数据挖掘和信号分析处理的一种常用方法，本研究采用DBSCAN 聚类算法，使用卡尔曼滤波技术对船舶航行轨迹异常行为检测系统进行设计。
柔翼无人机聚类分析算法的数据挖掘示意图如图3所示。由图3可知，DBSCAN 聚类分析算法的流程包括原始数据的特征提取、样本显示与聚类算法、数据抽象与聚类表示、聚类集合等，最终实现从原始样本中
图 1 ECDIS 的功能模块示意图
Fig. 1 Schematic diagram of function module of ECDIS
图 2 离散线性随机系统的原理图
Fig. 2 Schematic diagram of discrete linear stochastic systems
第 39 卷马 力：卡尔曼滤波算法在船舶航行轨迹异常行为检测中的应用
· 145 ·
挖掘出目标数据。
常见的聚类分析有以下几种：
1）分层法。该聚类分析方法是基于有限条件控制的数据层次分析，对目标原始数据的分层可以提高聚类分析和挖掘的效率。
2）裂变法。这种算法的流程包括将目标原始样本划分为N个元组，每个元组的信息近似度较高；按照数据源不同从N个元组中再构造M个次级分组，每个元组代表一个聚类；最后对小型化的聚类进行分
析。
3）模型法。模型法是将目标聚类假定为一个数据模型，然后利用该数据模型对照原始数据，出符合度高的数据，该方法符合概率密度分布函数。
4）网格法。这种聚类分析方法利用单元网格将数据细分，然后分析每个网格的数据单元。这种聚类分析方法可以有效的提高数据处理速度，提高聚类分析的效率。
2.3 卡尔曼滤波算法的船舶航行轨迹异常行为检测系统设计
本研究基于卡尔曼滤波算法和聚类分析算法，设计了一种新型的船舶航行轨迹异常行为检测系统，该系统的航迹异常行为检测流程如下：
1）航迹异常行为检测系统接收来自船舶自动识别系统AIS的数据，并将目标船舶分配到电子海图的航迹监控区域，利用聚类分析算法显示出该船舶的1条航迹；
2）监测系统的Socket模块采集的下一次AIS数据；
3）航迹行为的异常判别，如果目标船舶的航迹数据正常，返回步骤2。如果系统检测到目标船只的异常航迹，执行步骤4；
4）船舶航行轨迹异常行为的报警操作；
5）循环上述步骤，直至船只安全离开监控区域。
6）将系统的Socket断开。
结合上述流程，本文在Matlab8.0环境下，对基于卡尔曼滤波和聚类分析算法的船舶航迹行为检测系统进行了仿真。航行船舶的运动轨迹跟踪分析结果如图4所示。
rrggg3 结 语
本文系统的介绍了卡尔曼滤波算法的原理和DB-SCAN聚类算法的流程，并结合这两种数据采集和分析技术，设计了一种船舶航行轨迹异常行为检测系统。本研究利用Matlab8.0环境，对船舶航迹的跟踪效果进行了仿真。
参考文献：
李明干, 孙健利, 刘沛. 基于卡尔曼滤波的电力系统短期负荷预测[J]. 电力系统保护与控制, 2004, 32(4): 9–12.
[1]
周东华, 席裕庚, 张钟俊. 非线性系统带次优渐消因子的扩展卡尔曼滤波[J]. 控制与决策, 1990(5): 1–6.
[2]
何清. 模糊聚类分析理论与应用研究进展[J]. 模糊系统与数学, 1998(2): 89–94.
[3]
烧镁砖
孙才志, 王敬东, 潘俊. 模糊聚类分析最佳聚类数的确定方法研究[J]. 模糊系统与数学, 2001, 15(1): 89–92.
[4]
云海os
图 3 聚类分析算法的数据挖掘过程
Fig. 3 Schematic diagram of data mining process based
on clustering algorithm
图 4 航迹检测的跟踪分析仿真结果
Fig. 4 Tracking analysis and simulation results of track
behavior detection
· 146 ·舰 船 科 学 技 术第 39 卷火花塞中心电极
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议