基于红外图像的船舶特征识别方法

传统船舶特征识别结果准确性较低,且相关人员不能根据此结果,快速完成船舶图像复原。为解决此问题,设计基于红外图像的船舶特征识别方法。通过ROI低分辨率红外图像提取、图像特征相邻方向指示2个步骤,完成基于低分辨率红外图像的船舶特征识别。通过ROI高分辨率红外图像提取、图像增强预处理2个步骤,完成基于高分辨率红外图像的船舶特征识别。设计对比实验结果表明,基于红外图像的船舶特征识别方法,与传统方法相比,能够保证特征识别结果的准确性,为快速完成船舶图像复原操作提供可能。

基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。

多传感器数据融合在船舶特征提取中的应用

给出一种基于多传感器数据融合的船舶特征提取方法。该方法使用激光传感器LD-LRS3100与LMS221,对船舶长度、高度、宽度、速度信息进行测量,然后通过数据关联、数据融合方法进行船舶提取。实验结果表明,使用多个传感器的数据融合方法比单个传感器的提取结果更为准确。

基于轨迹图片特征距离的船舶轨迹聚类

为了进一步优化海上交通管理,针对基于多维属性的船舶轨迹聚类算法难以设置权重参数、运行时间长的问题,提出了一种基于轨迹图片特征距离的船舶轨迹聚类算法。该算法利用船舶自动识别系统(AIS)数据,根据轨迹点的位置、航速和航向绘制轨迹图片,通过深度残差网络提取轨迹图片特征,采用主成分分析技术降低特征维度,基于欧式距离实现轨迹间的距离度量,并通过基于密度的含噪数据空间聚类算法(DBSCAN)对降维后的船舶轨迹图片特征聚类。实验结果表明,论文所提算法能够在降低运行时间的情况下,对实验水域轨迹进行有效聚类,反映的船舶交通流特征符合实际情况。

基于深度学习的复杂环境下船舶视觉检测方法

为减少由雷达盲点、船舶自动识别系统(AIS)信息不可靠以及人工疏忽等因素引起的海上安全事故,结合深度学习的计算机视觉技术,提出一种基于改进YOLOv7算法的船舶视觉检测方法(YOLOv7-Rep VGG-SimAM)。该算法将卷积核的每个通道进行分离,利用Rep VGG网络替代标准的卷积层以减少计算量;将Sim AM无参数注意力机制融合能量函数计算注意力权重,增强了对多船重叠和背景遮挡等条件下船舶特征的提取能力;采用暗通道原理进行去雾预处理,提高了检测的准确性和稳定性。试验结果表明:与传统的YOLOv5和YOLOv7等方法相比,YOLOv7-RepVGG-SimAM算法在检测精度、准确率和鲁棒性等方面均表现良好,尤其是复杂环境下,其船舶检测率依然维持在较高水平。

基于视觉大模型的船舶身份识别研究

本文针对内河流域船舶监管中船舶识别准确性低的问题,提出了识别船舶身份的方法,并通过大量真实数据开展针对性训练,通过目标识别小模型与视觉大模型分析的有效结合,大幅提升了视频处理效率和大语言模型分析效率,节约了网络带宽与AI算力资源。研究结果表明,本文提出的方法在提高船舶身份识别准确性和效率方面具有显著优势,可以为内河船舶监管提供有效技术支持。

基于大数据分析的船舶交通特征统计分析

为了降低现阶段船舶交通特征统计分析数据的离散度,提高统计分析质量,提出了基于大数据分析的船舶交通特征统计分析方法。根据数据挖掘结果进行数据初步处理,获取船舶交通数据极值以及样本差和方差,根据当前船舶交通数据流进行数据卡方拟合和分布拟合,获取拟合曲线和曲线函数,根据拟合曲线的实际特征值确定当船舶交通流理论特征值,并在理论特征值中添加边界条件,利用边界矩阵获取实际特征数据集合,实现船舶交通特征统计。仿真实验数据结果表明,应用设计方法统计的船舶交通特征值,极差数据降低了29%,标准差降低了35%,可以有效降低数据离散。

考虑异常数据及船舶行为的在线AIS轨迹压缩算法

为了提高船舶AIS轨迹数据的在线压缩效率,提出了一种考虑AIS轨迹异常数据及船舶停留、航行等行为特征的在线轨迹数据压缩算法(ASN)。通过判断空间阈值和时间阈值,利用双通道对AIS轨迹数据进行分割和连接,实现在线清洗异常数据;创建临时停留窗口对船舶处于停留行为下的AIS轨迹数据进行分割;改进滑动窗口算法以保留更为细致的船舶航行行为数据。选取舟山水域实际船舶AIS轨迹数据进行试验分析,在压缩率相同的条件下,对比了Sliding Window算法、OPW算法、OPW-TR算法与SQUISH-E(λ)算法。结果表明,ASN算法在多个性能指标上取得了更好的效果。当压缩率为90%时,相比于目前效果较好的SQUISH-E(λ)算法,长度损失率降低了67.9%,轨迹相似度提高了61.6%,平均SED误差减少了35.5%,平均方向误差降低了65.2%,平均速度误差减少了32.0%,有效提升了AIS轨迹数据的在线压缩效率。

北极东北航道船舶行为特征分析

北极东北航道开发和利用,对北极水域船舶通航安全管理提出了更高的要求。采用数据挖掘技术对2015—2017年北极东北航道船舶自动识别系统(AIS)的数据进行了处理与分析;采用Douglas-Peuker算法,对海量船舶AIS轨迹数据进行抽稀与验证;然后利用KD-Tree、DBSCAN和族心确认算法,对海量船舶AIS轨迹点进行了时空聚类分析;成功提取了船舶类型、船旗国、船舶轨迹、船舶密度及船舶速度等船舶行为特征,探索研究了船舶行为特征对于北极东北航道能源、环保及海上交通服务的作用与意义。研究表明,北极东北航道航行船舶以渔船和货船为主,船旗国以靠挪威和俄罗斯籍为主,船舶活动区域集中在巴伦支海与挪威海,主航道主要以8~15 kn速度航行。

极端水位对长江中游船舶交通流特征的影响

极端水位下长江中游航道通航条件受到影响,通航管理部门通常采取必要管制措施,继而船舶交通流宏、微观特征发生变化。以长江中游太平口水道发生极端低水位,采取上下行间歇性封航措施为例,结合线性速度-密度关系下的船舶交通波模型,解释封航发生及解除后船舶交通流的集结、消散过程。结果表明:因封航产生的船舶交通流最大排队长度、阻塞时间与封航时间成正比。通航管理部门需制定科学详尽的通航计划,最大程度地减小封航影响。

北极水域船舶事故特征及关联规则分析

北极海冰的大量融化,加速了北极航道开发和利用,对北极水域船舶事故风险管理提出了更高的要求。本文以2008-2017年的北极水域船舶事故数据为样本,运用数据挖掘技术和方法,对北极水域船舶事故进行了时空特征分析,并对船舶属性与事故属性之间的潜在映射关系进行了关联规则挖掘。结果表明:北极水域事故数逐年呈上升的趋势,事故主要发生在巴伦支海东部的俄罗斯摩尔曼斯克港口水域和挪威北部水域;北极水域严重事故受船舶总吨、船旗国、船舶类型、事故类型、事故水域等变量的影响,船舶尺度较大的船舶更容易造成严重事故;北极水域俄罗斯籍渔船的严重事故,很多是由机损事故引发的,但很少造成环境污染。研究结论可辅助海事管理部门和航运企业开展北极水域船舶事故预防和风险管理工作。

枯水期长江中游船舶交通流特征分析

为研究枯水期对长江中游通航船舶的影响,基于交通波理论,考虑船舶交通流特征,构建了枯水期间处于长江中游的船舶交通流波动模型,说明了在枯水期内实施分时段放行管制措施后船舶交通流的集聚与消散过程。研究显示,因分时段放行管制措施导致的船舶流最大排队长度及其消散时间,仅与封航时间成正比。因此,相关部门需结合本航段特点制定科学、详细的通航计划,尽可能地减少分时段放行管制措施对通航安全产生的影响。

船舶交通特征统计分析中的大数据挖掘应用

首先阐述船舶交通流特征主要分为微观特征和宏观特征;然后运用大数据进行船舶交通流特征统计的具体过程,对其实现过程进行推理;最后通过青岛港的实际采集到的数据进行实例分析,说明本文算法在船舶交通特征统计方面的优越性。

基于KNN算法的船舶吨级判别研究

针对航运大数据应用中船舶吨级数据难以获取的情况,本文提出了一种基于K最近邻(K-Nearest Neighbor,KNN)算法的船舶吨级判别模型。该模型考虑了船舶类型、船长、型宽、型深等参数的影响,以常年在江苏沿江、沿海运行的船舶为例,选取1万余条船舶数据进行训练和验证。结果表明,该模型在船舶吨级判别上具有较好的准确性,能够应用于实际航运数据分析。

考虑游览船运营特征的航道通过能力评价方法

为构建客货船舶协同动态运行控制技术体系,以经典航道通过能力模型为基础,构建基于游览船运营特征(发船高峰性和航线集中度)的航道通过能力模型.根据黄浦江游览核心区船舶自动识别系统(AIS)数据,对所提出的航道通过能力模型进行实证分析.研究结果表明,本文航道通过能力模型能够较为准确地评价研究区域的实际航道通过能力.游览船发船高峰时期与现有航线规划条件下,黄浦江游览核心区航道通过能力(76艘/h)趋近饱和状态;当过境船到达超过69艘/h时,建议海事相关部门采取"错峰"航行等相关政策.

不同会遇态势下目标船行为模拟及其特征分析

划分目标船与本船的会遇态势是船舶驾驶人员确定避让责任和采取避让行动的前提条件,对船舶的航行安全至关重要。为验证现有会遇态势划分方法的有效性,明确相对方位和航向差与会遇态势的关系,掌握船舶在不同会遇态势下的运动特征和视觉特征变化情况,利用计算机模拟了不同会遇态势下的目标船和本船的运动,统计分析了目标船与本船的距离、相对方位和本船观察目标船视角3个参数的变化情况,得出了不同会遇态势下目标船的行为特征。研究结果表明:在进行船舶会遇态势划分时,除了目标船的相对方位和航向差、距离也是重要的影响因素;单独利用相对方位进行会遇态势划分是不合理的。同时,本船观察目标船的视角大小及其变化情况与会遇态势密切相关,可将其作为会遇态势的划分依据,这说明利用目标船的视觉特征进行会遇态势划分是可行的。

船舶AIS交通流量的跨江桥梁建设期通航风险及对策分析

由于跨江桥梁钢箱梁吊装工艺的特殊性,施工过程中对水域通航产生碍航,为避免产生船舶碰撞事故,本文以虎门二桥所跨坭洲桥梁处为横截面的船舶AIS数据为基础,针对桥梁建设中的水上交通环境在时间上划定阶段性、在空间上划定区块性进行分析,针对性提出临时交通管制、推荐航路航道转换等面向水上交通风险的对策.研究成果为海事监管部门提供了实践性指导意见,减小了对桥梁周围水域航行船舶碍航性及降低警戒力量的投入,所提出的移动安全作业区、航路转换、合理布置警戒力量等通航安全保障措施以期为同类施工作业提供基于情景案例的实践参考.

基于船舶行为特征的港口航道通过能力仿真

为使港口航道通过能力的计算更符合港口航道的实际情况,分析了港口航道系统特征及船舶交通流特征,建立基于船舶行为特征的港口航道通过能力模型.定义船舶行为特征的有关概念,并根据国内某大型海港的历史资料进行模型仿真试验.结果表明,该模型能较好地模拟港口航道交通流的实际运行状况,对港口航道通过能力的计算、评估和预测具有重要的理论价值和实际意义.

基于AIS数据的船舶行为特征挖掘与预测:研究进展与展望

船舶行为特征挖掘与预测是水上智能交通系统的重要研究内容,也是交通运输工程领域的关键科学问题。为系统研究基于船舶自动识别系统(Automatic Identification System,AIS)数据的船舶行为特征挖掘与预测的研究现状与发展趋势,本文首先针对Web of Science(WOS)和中国知网(China National Knowledge Infrastructure,CNKI)收录的文献,用知识图谱分析软件VOSviewer对文献关键词进行处理,从文献计量学的角度生成高频关键词的聚类图谱和趋势演化。然后对基于AIS数据的水上交通要素挖掘、船舶行为聚类和船舶行为预测3个主题的研究内容、方法、存在问题进行了系统分析和展望,研究结果表明:①在基于AIS的水上交通要素挖掘方面,主要集中在对AIS数据中表征船舶行为空间特征和交通流的时间特征单独挖掘分析,缺乏对AIS数据的时间、空间以及环境因素特征的关联挖掘,对于如何进行交通要素的关联融合挖掘研究还有待深入探索;②在船舶行为聚类方面,研究主要是运用无监督聚类方法研究船舶航迹点和航迹段聚类,得到船舶航行行为模式的时空分布和船舶操纵意图辨识模型,然而融合多维特征的船舶轨迹的相似性计算方法、聚类参数的自适应选取以及船舶行为的语义特征建模有待进一步研究;③在船舶行为预测方面,主要集中在基于动力学方程、传统智能算法和深度循环神经网络的船舶行为预测研究,考虑船舶行为的随机性、多样性和耦合性的特点,运用混合神经网络模型以及神经网络与向量机、注意力机制相结合的模型实现多维的船舶航行行为特征的实时预测将是新的研究方向。最后提出了基于语义模型的船舶行为特征挖掘、基于深度卷积神经网络的船舶行为的预测和基于知识图谱的船舶行为特征挖掘和预测结果可视化等有待进一步研究的方向。

基于局部密度的成山角船舶交通流特征分析

为分析成山角定线制水域的船舶交通流特征,利用AIS岸基系统采集经过成山角分道通航制水域的船舶位置数据,通过这些位置数据点的近邻信息计算各个船舶位置点的局部密度,提取船舶在成山角分道通航制水域的航行热点区域.在此基础上,分析成山角分道通航制水域中不同吨级船舶、南下和北上船舶的航行偏好,以及船舶在不同时段航行偏好的动态变化等船舶交通流特征.对成山角船舶交通流特征分析的结果表明,局部密度反映了船舶位置数据点蕴涵的局部信息特征,可以揭示船舶位置点与其相邻位置点的相对紧密程度,可有效解决船舶交通流特征的识别问题,实现对船舶交通流在时空上动态变化的分析和比较.