AIS在正规了望中的应用

根据IMO要求,AIS(Automatic lndentification System)系统的配备规定将于2008年7月1日之后全面实施。如何利用AIS系统这一先进的助航仪器保持正规了望,是值班驾驶员必须考虑的问题。本文通过对AIS与ARPA(Automatic Radar Plotting Aids)和VHF(Very High Frequency)等了望手段的比较,对AIS在了望中的应用进行了阐述。     

三峡出闸船舶航速分布规律与预测应用

为监控出闸船舶的异常航速、科学调度出闸船舶、提高船舶出闸效率和保障船舶出闸安全,研究了三峡出闸船舶航速分布规律与预测应用问题.以船舶AIS(automatic identification system)统计数据为基础,通过直方图方法分析了船舶离闸距离、船舶尺度与船舶出闸航速之间的关系,在此基础上,利用80％的AIS数据建立了基于BP(back propagation)神经网络的船舶出闸航速预测模型,并以20％的AIS数据对船舶出闸航速预测模型予以验证,最后通过案例阐释航速预测模型的应用.结果表明:该模型预测航速的平均误差为6.7％,对预测航速和实际航速进行单因素方差分析,两组数据并无显著性差异.可见基于BP神经网络的船舶出闸航速预测模型可以应用于船舶出闸航速预测.     

一种基于互联网+的AIS载波频率智能化测量系统

为了克服AIS信号载波频率人工测量的低效率的缺点,本文搭建了基于安捷伦频谱仪N9020A的AIS信号载波频率的智能化测量系统,计算机发送SCPI指令实现与频谱仪的交互操作,并且计算机程序对频谱仪每次捕捉到的数据进行智能分析,根据AIS信号的频率和功率特征排除无效虚假信号和辨别出有效的AIS信号,记录有效AIS信号的载波频率数据,从而实现了AIS信号载波频率的智能化测量.实验表明,该系统测量可靠,效率高,无需操作人员具有专业知识,具有较高的工程实践价值,该系统非常适合互联网+仪表的运行模式,具有广阔的推广意义.     

一种改进的船载混合储能系统分布式协同控制策略

为提高双电型船舶直流推进系统的电能质量和稳定性，设计一种改进的由超级电容和蓄电池组成的船载混合储能系统分布式协同控制策略：蓄电池和超级电容分别用比例下垂和积分下垂控制，以实现高低频功率分配；每个蓄电池配备一个本地分布式补偿器，使多个并联蓄电池之间实现自主功率分配和荷电状态(SoC)均衡；同时，利用直流母线电压二次调节，实现直流母线电压的自主恢复，并且将其与积分下垂控制结合，实现超级电容的SoC快恢复；最终，建立了船载混合储能系统的通用数学模型，并利用该模型进行了动态分析，从理论上验证了该系统的蓄电池SoC动态均衡、超级电容SoC快速恢复、自主功率分配和直流母线电压自主恢复等多个功能的有效性。硬件在环实验结果和理论分析一致，有效证明了该系统的多功能特性。     

船舶自动识别系统数据在港口地理学研究中的应用与展望

梳理综合类、地理类(人文)、交通研究类(非工程类)、海事研究类(非工程类)、工程大类下海洋学(与人文地理主题相关)和中文人文地理类等六类学术期刊中AIS数据在港口地理学领域应用的相关文献，研究发现，目前AIS数据在国内外港口地理学研究中主要用于表征国际贸易流动、评价港口连通性、细化港城关系互动研究、捕捉外部冲击影响等。港口地理学研究主题的内容深度在AIS数据的应用下获得提升：研究维度更加多元，从历史时空规律总结扩展至未来趋势预测；研究主体更加丰富，个体小至船舶点位大至全球流动均可作为研究对象。AIS数据的运用可以将全球尺度下的渔业捕捞港口网络纳入港口地理学研究范畴，而这一议题在传统港口地理学中尚未得到充分讨论。此外，AIS数据将海洋上碳排放与港口和航线联系起来，结合生态学和环境科学的观点，拓展了港口地理学研究广度。结合数据特性，提出未来AIS数据在港口地理学研究中的三大应用展望：基于AIS全球覆盖且研究尺度灵活缩放特征的全球海事相关社会重大问题研究、基于细颗粒度特征的港口城市精细化治理研究和基于时空动态性和海洋特性的结论检验和科学预测研究。     

基于样条卡尔曼算法的AIS数据修复

针对船舶自动识别系统（automatic identification system，AIS）的异常数据修复问题，提出一种样条卡尔曼（spline Kalman，SK）算法。该算法根据船舶动力学原理，构建反映运动特征变化约束关系的系统状态转移模型，并以样条插值得到的AIS修复数据作为卡尔曼滤波器的观测数据，进而实现AIS数据的精确修复。采用厦门港及附近水域的历史AIS数据检验SK算法的有效性，检验结果表明:对于低缺失率的AIS数据集，SK算法的修复效果与样条插值算法相近，均优于KNN、RF和SVM算法，但随着AIS数据集缺失率的上升，只有SK算法具有较好的修复稳定性。该研究成果可以更加有效地修复AIS的异常数据，从而为海事大数据分析及相关应用提供良好的数据基础。     

一种基于GAN的多船轨迹预测方法

为更好地预测船舶密集水域多船会遇避碰场景中的船舶轨迹，基于生成式对抗网络思想，提出一种多船轨迹预测模型——Vessel-GAN。针对船舶轨迹特点，Vessel-GAN模型基于时序卷积网络的多船历史轨迹编解码、船舶交互特征提取、终点信息引导和避碰损失函数等技术，通过在历史轨迹上的对抗训练，实现了能够拟合船舶航行行为数据分布的多船预测轨迹生成。基于琼州海峡近5000万条由AIS数据构建的船舶交互数据集的实验表明，相较Social-GAN基准模型，Vessel-GAN在计算速度方面提升了36%,平均位移精度、终点位移精度分别提升28%、41%,生成的多船预测轨迹更加符合船舶真实行为特征，且具有更好的预测实时性和稳定性。     

基于元胞自动机的航道交通流仿真

文章基于自动识别系统(automatic identification system, AIS)数据，将汇入主航道的分支交通流对航道整体交通状况的影响进行研究，该种情况类似于城市交通中匝道入口的汇入情形。鉴于航道内的该种情况，以元胞自动机进行建模仿真；并通过分析可追越条件下两船之间的速度关系，发现其中规律与三相交通流理论中的速度适应机制相契合，于是将基本图理论与三相交通流理论中的合理部分相结合，构建一个既符合实际又便于模拟的单向双通道航道内的交通流模型，并通过图像和时间序列相关分析对该模型进行说明和验证。此外还利用该模型对带有汇入主航道内的交通流出现的一些交通现象进行仿真和说明。