论文部分内容阅读
随着内河航运的发展，船舶AIS（Automatic Identification System）设备作为辅助的船舶导航设备，已广泛应用到内河船舶的运营中。虽然目前船舶的导航设备主要以雷达为主，但是作为辅助的AIS设备仍然具有不可替代的作用。例如，航道转弯的地方存在雷达信号盲区，但AIS设备可以获取该区域的船舶信息。船舶使用甚高频传输AIS信息时，根据船舶的航行状态按国际海事组织规定的标称时间间隔向外发出AIS信号。由于AIS信息在传输过程中，信号强度逐渐减弱，同时受到无线电波和障碍物的干扰，导致数据掉包。除此之外，受船舶传感器等其他硬件设备的影响，船舶发送的AIS信息存在错误的情况，影响船舶的安全航行与监管。为此提出有效的AIS数据甄别方法，保证高质量的AIS数据对于内河航运安全具有重要的意义。本文旨在探讨较优的AIS数据甄别方法，并统计AIS错误数据特征，主要工作有： （1）根据长江武汉段航道特性，分别在白沙洲大桥、武汉长江大桥和天兴洲大桥附近的趸船船顶搭建AIS数据采集平台，将采集的数据通过网络传输到服务器端，在服务器端解析接收的数据并存储到SQL server2008数据库中，为后期的数据甄别提供数据基础。 （2）根据AIS数据接收状态，确定研究对象为白沙洲水域货船AIS历史数据。由于船舶的航行轨迹受长江水位的影响，按中水期、汛期和枯水期来提取AIS数据更有利于数据甄别。这三个水位期典型的时间为一年当中的4月份、8月份和10月份，从数据库中获取2014年这三个月份的船舶AIS数据作为样本数据。 （3）船舶在上行和下行时的航行轨迹不同，且航向角在固定的范围内。因此从数据库中提取海量AIS数据，统计白沙洲水域货船的航向角数据，确定上下行船舶的航向角范围，然后将样本数据按上下行细分，得到6个样本数据。 （4）分别建立基于欧氏距离和马氏距离的模糊C均值聚类模型以及DS数据甄别模型，甄别AIS错误数据并验证这两种方法的适用性和有效性。 （5）根据数据甄别结果统计情况，先比较模糊C均值聚类的两种方法，然后将其中较优的方法与DS证据理论的甄别结果对比分析，得到较优的AIS数据甄别方法。最后使用这种方法来甄别AIS数据并分析错误AIS数据的时空特征。