基于多源时空数据的船舶轨迹分析

为探索基于多源时空数据融合技术在船舶轨迹分析中的应用,本文构建了一种集成卡尔曼滤波和贝叶斯估计的融合算法。通过多源数据融合,轨迹的位置精度提升显著,实验显示平均误差由58 m降至23 m。结果证明,所提算法有效提高了船舶监控的准确性和可靠性,对海上交通安全具有重要意义。

通过Hadoop分析AIS数据预测船舶在航道中的航行行为

面向大数据的分布式系统,如apache Hadoop,在存储和分析数量呈指数增长的各种数据(如传感器数据、客户生成的媒体、web日志等)方面已被证明是有效的。本文采用分布式可扩展大数据存储apache Hadoop对船载AIS应答机产生的大量时空数据进行存储、处理和分析。为了预测船舶在繁忙港口周围拥挤的航道中航行行为,实验使用了大约40GB真实南海海区AIS数据。这些数据经过处理形成历史船舶的航迹,并根据船舶的类型、航行目的地等属性进行分类。最后,根据目标船的属性和运动特性,实现了一种简单的目标船行为预测算法。结果,得到了目标船舶运动预测。实验结果还表明,在数据处理速度方面,该技术明显优于传统的gis应用软件。

“东方之星”轮翻沉事件再现仿真系统研究

为能真实再现发生在长江水域监利段,"东方之星"轮翻沉事故发生的过程,从视景再现角度研究并开发了一种船舶事故再现仿真系统。该系统实现了二维船舶航迹系统和三维GIS仿真系统的联动可视化,逼真再现了"东方之星"轮翻沉事件的关键过程。二维船舶航迹系统依据AIS航迹和GPS轨迹数据对事故船舶航迹进行再现;三维仿真部分分别由三维GIS仿真系统和三维仿真动画两部分细致地对事故船舶航行过程以及倾覆过程进行再现。在调查该轮翻沉事件的过程中,该系统为国务院"东方之星"轮翻沉事件调查组分析与研究提供了更为直观的参考。

琼州海峡航标配布优化方案的研究

文中介绍了琼州海峡的自然条件,详细分析了船舶交通状况和航标配布现状,提出了改善琼州海峡船舶交通状况的航标配布优化方案。