基于卡尔曼滤波算法船舶AIS轨迹估计的研究.docVIP

基于卡尔曼滤波算法船舶AIS轨迹估计的研究 　　摘 要： AIS是集船舶导航、避碰、海事监管于一体的现代化无线电系统，在水上交通运输领域里发挥着重要作用。为了弥补AIS数据堵塞等原因导致更新数据不及时，造成船舶轨迹的不准确或者误差较大的问题，提出利用对卡尔曼滤波算法进行适当的修改，引入系统噪声和测量噪声，利用AIS船舶观测节点数据对系统状态做最小二乘法估计，对船舶运动轨迹进行平滑和预测，并对不同时间段可靠性误差进行分析，能够比较正确地估计出船舶轨迹。 　　关键字： AIS； 卡尔曼滤波； 船舶轨迹预测； Matlab仿真 　　中图分类号： TN961?34； U675.6 文献标识码： A 文章编号： 1004?373X（2014）05?0097?04 　　0 引 言 　　近年来，随着我国经济的迅速发展，国内外贸易迅猛发展，海上交通运输量不断增长，特别是某些重要的水道，船舶交通非常繁忙；随着装载船舶自动识别系统 （Automatic Identification System，AIS）设备的船舶数量越来越多，充分利用船舶AIS数据进行船舶交通研究已是焦点问题[1?3]。实时获取准确的船舶AIS信息显得至关重要，只有获取实时的船舶AIS数据，才能有效地监控某些水域通航状况，及时发现通航水域中存在碰撞以及搁浅等海事事故的区域，这样有助于岸基人员更好地协调和管理通航水域的安全。 　　目前，尽管在船舶和岸基管理已经安装了大量的AIS设备，但是由于AIS操作不当、AIS设备播发的数据由于船舶与AIS基站之间的距离较远、 AIS设备自身工作不正常或人为的关闭AIS设备等各种主客观原因以及AIS船站和岸站时隙拥堵和网络传输，造成岸基AIS存在接收到的AIS数据不正确以及数据位置报告更新不及时等情况。 　　为了弥补AIS数据堵塞等原因导致更新数据不及时，造成船舶轨迹的不准确或者误差较大的问题，本文提出利用对卡尔曼滤波算法进行适当的修改，引入系统噪声和测量噪声，利用AIS船舶观测节点数据对系统状态做最小二乘法估计，对船舶轨迹进行平滑和预测处理，能够比较正确地估计出船舶轨迹。 　　1 AIS数据格式分析 　　1.1 AIS设备配备规定 　　目前，按照国际海事组织的规定，国际航行的500总吨及以上的船舶以及所有客船均需强制配备安装AIS。我国海事主管机关对中国籍100总吨以上的沿海航行船舶以及内河航行船舶都配备安装AIS的要求。 　　1.2 AIS数据质量分析 　　船舶位置报告的更新延时长短船舶轨迹的分析研究产生较大的影响，图1是选取了上海港外高桥水域内自2011年4月27日0805—4月28日0725时间段内，每隔35 min统计一次该段时间内船舶位置报告的更新延时情况。 　　从图1分析可得，2 min未更新位置报告的船舶比例为30%左右，3 min未更新位置报告的船舶比例为15%左右，5 min未更新位置报告的船舶比例为10%左右，15 min未更新位置报告的船舶比例约为2%。 　　按照AIS设备规范的规定，左边是A类船载AIS设备，右边是B类船载AIS设备，船载AIS设备的报告间隔。通过与船载AIS设备的标准时间间隔对比，实测AIS数据的位置报告间隔确有一定的延时，这种定位信息的延时会对后期的船舶位置的同步产生一定的误差，同时AIS位置报告数据中船舶位置信息也客观存在着误差，其主要源于船载定位设备的定位误差，基站数据接收和记录延迟误差。 　　通过上面数据分析可知，5 min以内有90%船舶AIS数据都进行了更新，仅有2%的船舶定位信息更新延时会超过15 min，考虑到船舶航行速度相对较慢，在研究中期对船舶数据更新延时在5 min、10 min的数据进行处理和分析，可以满足船舶轨迹预测和估计的精度要求。 　　2 卡尔曼滤波算法基本方程[4?5] 　　2.1 卡尔曼滤波算法的系统状态方程 　　5 基于卡尔曼滤波算法的船舶轨迹仿真和分析 　　（1） 直航段无转向时不同时间间隔船舶轨迹预测和误差分析 　　在Matlab环境下，对船舶在直航段的不同时间间隔的轨迹预测仿真图如图6所示。船舶直航段（无转向）航行时，红色、蓝色和青色三角形分别是1 min后，5 min后和10 min后的船位预测仿真图。 　　通过对不同时间间隔的船位误差进行分析（见表1，表2），在直航的情况下，对1～5 min内船舶轨迹的预测，卡尔曼优化值的船位误差在9 m左右，而推算值的船位误差在10 m左右，采用卡尔曼滤波优化仿真值船位的精度可以提高大约11%。随着时间间隔时段增加，对5～10 min内的船舶轨迹进行预测，卡尔曼优化值的船位误差在13 m，而推算值的船位误差在17 m，采用卡尔曼滤波优化仿真值船位的精度可以提高大约24%，船位误