Real-time Monitoring of Subsea Gas Pipelines,Offshore Platforms,and Ship Inspection Scores Using an Automatic Identification System

The aim of this research is to develop an algorithm and application that can perform real-time monitoring of the safety operation of offshore platforms and subsea gas pipelines as well as determine the need for ship inspection using data obtained from automatic identification system(AIS).The research also focuses on the integration of shipping database,AIS data,and others to develop a prototype for designing a real-time monitoring system of offshore platforms and pipelines.A simple concept is used in the development of this prototype,which is achieved by using an overlaying map that outlines the coordinates of the offshore platform and subsea gas pipeline with the ship’s coordinates(longitude/latitude)as detected by AIS.Using such information,we can then build an early warning system(EWS)relayed through short message service(SMS),email,or other means when the ship enters the restricted and exclusion zone of platforms and pipelines.The ship inspection system is developed by combining several attributes.Then,decision analysis software is employed to prioritize the vessel’s four attributes,including ship age,ship type,classification,and flag state.Results show that the EWS can increase the safety level of offshore platforms and pipelines,as well as the efficient use of patrol boats in monitoring the safety of the facilities.Meanwhile,ship inspection enables the port to prioritize the ship to be inspected in accordance with the priority ranking inspection score.

基于联邦学习的船舶AIS轨迹预测算法

联邦学习是一种可以在弱通信环境下有效解决数据孤岛问题的分布式机器学习方法。针对海上船舶轨迹实时预测问题,提出基于Fedves联邦学习框架与卷积神经网络-门控循环单元(CNN-GRU)模型的船舶轨迹预测算法(E-FVTP)。根据Fedves联邦学习框架,通过规范客户端数据集规模以及客户端正则项,在保持原有客户端数据特征的前提下,减小数据非独立同分布特征对全局模型的影响,加快收敛速度。面向海洋通信资源短缺场景,建立基于船舶自动识别系统(AIS)数据的CNN-GRU船舶轨迹预测模型,解决了船舶终端设备计算能力不足的问题。在MarineCadastre开源和舟山海洋船舶航行AIS数据集上的实验结果表明,E-FVTP在预测误差比集中式训练降低40%的情况下,收敛速度提升67%、通信代价降低76.32%,可实现复杂海洋环境中船舶轨迹的精确预测,保障海上交通安全。

基于AIS+GSM的小型船舶动态监管终端设计

我国近海小型船舶数量众多、海域环境复杂、航线繁忙,而小型船舶一般没有安装船舶自动识别系统,因此给近海船舶航行安全带来威胁,也为渔船管理带来困难。基于AIS+GSM设计了小型船舶动态监管终端,采用太阳能供电、北斗与GPS双模定位、AIS和GSM双网通信,实现终端防拆防移、信息可视化、航程航线记录查询、自动报警、身份识别等功能,很好地满足近海小型船舶的管理需要,能有效保障船舶航行的安全。

面向船舶AIS自组织网络的地理位置路由算法

针对船舶自动识别系统(Automatic Identification System,AIS)的自组织网络路由算法设计问题,提出了一种基于优化的贪婪边界无状态路由(Greedy Perimeter Stateless Routing,GPSR)的技术方案。该方案利用AIS时分多址接入协议,为消息报文提供信道接入方法。首先,设计了位置报文的自适应转发策略,使船舶节点根据网络环境自主决策位置报文的转发行为;其次,通过缩小GPSR贪婪转发的选择范围,减少了因节点运动导致的边缘路由失败情况。仿真结果表明,所提方案实现了AIS船舶节点的有效组网。与现有转发策略相比,自适应转发策略降低92.7%的位置报文转发量,并降低了79.6%的时隙冲突率,可有效提高网络资源的利用率。

多船会遇场景下基于循环神经网络的船舶航速预测

为进一步提高复杂环境下的船舶航速预测精度,提出一种在多船会遇场景下基于循环神经网络(recurrent neural network,RNN)的船舶航速预测模型。从船舶自动识别系统(automatic identification system,AIS)数据中提取构成多船会遇场景的船舶航行动态信息(时间、航速等),采用插值法进行等时间间隔化处理,并构建基于RNN的船舶航速预测模型。采用长江口外水域的AIS数据,分别在不同会遇场景下进行实例验证。实验结果表明:在案例1和案例2场景下,RNN模型预测结果的平均绝对误差、均方误差、均方根误差、平均绝对百分比误差均比长短期记忆神经网络模型和支持向量机模型的小,说明RNN模型的预测精度比其他两种模型的高。

基于Winsock的AIS基站网络数据传输研究

将AIS应用到近海及内陆航道船舶监控与管理中,需要实现AIS基站与监控中心之间的数据远程传输。基于Internet进行AIS数据传输研究,应用Winsock网络通信接口进行开发,实现了多个AIS基站与一个或多个监控中心的点对点通信,并对数据传输的安全性问题进行了初步的探讨。通过在实际运行环境中的测试表明,基于Winsock的数据传输技术可以满足AIS基站网络对于数据传输的要求,并具有较强的适应性和可扩展性。

基于AIS的数据时空分析及船舶会遇态势提取方法

为精准提取船舶会遇态势,提升水上交通安全监管能力,对长江口南槽水域自动识别系统(AIS)数据做时空分析,提出对船舶会遇态势模式分类的自动提取方法。首先,利用会遇态势过程的时空约束关系提取会遇船舶配对轨迹信息;然后,借助数据插值方法对会遇轨迹做时空同步处理和数据补全,实现会遇场景重建;最后,分析船舶会遇的时空演化特征,提取特定时间窗口内的相对距离和航向差特征,形成会遇特征序列,利用支持向量机(SVM)对会遇特征序列分类辨识建模,实现会遇态势的自动提取。结果表明:设置时空约束条件可以准确提取船舶配对轨迹信息;对会遇过程作时空分析,实现了会遇场景的重建;借助SVM设计的会遇态势提取算法的准确率达90%以上,与传统方法相比降低了误判率。

船舶AIS大数据资源管理及分析应用架构设计

为充分探索船舶自动识别系统大数据在统计决策和安全监管方面的应用价值,系统性地提出了船舶AIS大数据资源管理与分析应用架构。首先,根据船舶AIS大数据特点,设计了船舶AIS大数据处理流程和存储策略,为后续高效计算提供支撑;然后,提出并实现了基于船舶AIS大数据的船舶轨迹重建算法、断面船舶流量统计算法、船舶进出港区识别算法、船舶航行状态分析算法四种基础算法;最后,基于上述计算方法,将船舶AIS大数据应用于断面流量统计、船舶规范使用船载AIS设备行为监控以及船舶规范执行进出港报告情况监控等场景,结果表明船舶AIS数据在统计决策和安全监管方面具有一定的应用价值。

基于AIS海上交通调查的宁波—舟山核心港区船舶定线制

为便于宁波—舟山核心港区船舶定线制的设计,在原始数据的基础上,采用基于船舶自动识别系统(Automatic Identification System,AIS)数据对辖区水域进行海上交通调查,详细分析辖区船舶航路、交叉等数据;结合船舶交通服务(Vessel Traffic Services,VTS)中心的实时数据和船舶进出宁波—舟山核心港区的传统航路,从宏观和微观角度研究该水域船舶交通特性,确定船舶定线制总体设计方案、警戒区设置及定线制水域航道宽度.该定线制实施方案表明,基于AIS海上交通调查而拟定的船舶定线制,可满足当时的设计预期,确保辖区水域船舶通航秩序,有效保障辖区水域航行安全.

基于AIS数据的区域性搁置船舶统计

为直观展示某区域船舶运力富余状况,提出统计该区域搁置船舶的数学模型。该模型首先从AIS数据中提取当前时刻速度小于搁置船速的统计区域船舶,然后累计船舶上述状态持续时间,最后从中判断出搁置船舶,并对搁置船舶进行分类统计。实验结果表明,搁置船舶的统计结果能直观地反映特定区域搁置一段时间的各种船型的数量和吨位及其变化趋势,为船公司、港口以及货主等了解特定区域航运运力情况提供了一种新的方式。

AIS基站控制软件系统的研究

针对当前船舶自动识别系统基站网络的发展趋势,提出基站控制软件系统的概念,设计软件系统的信息流程,划分系统模块,并用程序逐一实现,做到了通过Internet对单个基站进行远程管理。本地客户端可以访问远程基站,浏览基站的信息,播发控制信息与服务信息。为以后在基站网络环境下开发管理与控制多个基站的软件系统奠定坚实的基础。

自动识别系统(AIS)性能综合评价

自动识别系统 (AIS)将为船舶交通服务提供新的船舶动态监测与识别手段。文章以通信协议为脉络 ,全面地比较评估了最具代表性的两种AIS系统在信道利用率、差错控制性能、吞吐率以及监测容量等方面的优劣 ,进而提出改进AIS技术的思路。

基于Arduino的AIS数据分布式采集研究

为了解决船舶自动识别系统(automatic identification system,AIS)数据的分布式采集,使全球AIS消息报文接收、解码、封装、转发操作的安装成本更低、稳定性更好、安全性更高、维护工作量更小;通过采用以Arduino嵌入式平台为核心结合外围电子器件开发的网络解码器组成分布式采集网络,并采用C语言将合理的数据结构和算法直接在MCU上编程实现,来取代以x86架构和操作系统为基础的网络解码器;通过实验可以证明,采用Arduino技术的AIS网络解码器的解码效率能够满足AIS基站发送数据的速率要求,解码内容正确,能按照约定的网络传输格式转发消息内容,可应用于全球AIS数据的分布式采集中;该成果具有功耗更低、运行更稳定、成本更低廉等优点,对需要大量使用网络解码器来构建的AIS数据分布式采集网络具有重大现实意义。

广西沿海主要航路规划及通过能力研究

广西北部湾是发展海洋运输业、港口物流业的重要水域。基于2020年海上船舶自动识别系统(AIS)数据,绘制了北部湾水域习惯航路,并借助数理统计方法,对广西北部湾水域习惯航路上21个船舶交通流门线的船舶交通量与交通密度进行分析并提出航路规划建议,同时对航路通过能力进行计算并提出合理化建议。结果表明,北部湾水域船舶航路总体呈现“五干十六支”的基本格局,船舶交汇区内船舶数量大、交通流复杂,需加强重点水域和特殊水域通航风险研究和管理。广西北部湾沿海船舶航路通过能力可满足水域船舶通航现状需求及2035年港口吞吐量规划的需求。研究结果可为广西北部湾海上船舶航路规划、海域使用管理和海洋生态环境保护提供决策支持。

“长赐”轮参与救助船舶播发的AIS信息问题及启示

2021年3月23日,超大型集装箱船“长赐”轮在苏伊士运河搁浅,3月29日在众多拖船和疏浚船的救助下乘高潮脱浅。由于苏伊士运河十分重要,“长赐”轮搁浅引起了多方关注,现代通信技术向全世界提供了“长赐”轮及参与救助船舶播发的AIS信息。通过我国船讯网,发现“长赐”轮及参与救助船舶播发的AIS信息存在一些问题,从中得到启示,提出我国救助船舶正确使用AIS设备的建议。

AIS应用与发展

以船舶安全航行为目的,结合AIS的由来、基本功能及组成,并与现有船舶导航设备进行比较的方法,介绍了AIS在VTMS和船舶避碰中起到的作用,探讨AIS今后的研究方向.分析结果表明:进入互联网的AIS将成为未来的发展趋势.

基于AIS数据和LSTM网络的船舶航行动态预测

为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。

基于AIS数据的船舶操纵性指数辨识研究

基于船舶自动识别系统(AIS)数据提出一种船舶操纵性指数的辨识模型。通过对船舶AIS数据进行处理和解码,运用三次样条插值法对ROT值进行数据重构。通过时间序列的频谱分析法筛选合适的ROT值航段,通过船载航行数据记录仪(VDR)获得船舶在选定ROT值航段的舵角信息。运用粒子群优化算法(PSO)对处理后的AIS数据进行参数辨识,得到船舶在当前速度下的船舶操纵性指数值。通过与船舶真实操纵性指数值进行Z型仿真试验和旋回仿真试验对比,结果表明,应用粒子群优化算法可以实现基于AIS数据的船舶操纵性指数的辨识。

基于低信噪比AIS数据的船舶航迹精准预测

针对船舶自动识别系统(AIS)数据存在较大的实时系统噪声和测量噪声,且易丢包和产生错误的问题,提出了滑动卡尔曼循环网络。该方法采用加窗处理的方式,通过在各窗口中建立状态方程,并使用实时计算的噪声对其进行更新,将非线性高斯系统转化为线性高斯系统。将该高信噪比状态参数输入相应时刻的循环单元中,训练网络参数,从而拟合其非线性关系,实时预测船舶的航迹进行。试验对“大连—烟台”航段的AIS数据进行分析,并将所得结果与传统方法相对比,证明该方法具有较高的精度和较快的速度,可实时对船舶航行轨迹进行精准预测。

应用星载AIS双天线的舰船快速定位方法

针对仅接收1次自动识别系统(AIS)信号实现舰船快速定位的需求,提出了应用星载AIS双天线的舰船快速定位方法,通过舰船位置与星载AIS接收信号多普勒频率,双天线接收信号时差关系,建立舰船定位解算的线性模型。在此基础上,对影响定位精度的卫星位置速度、时差、天线安装位置等误差因素进行分析。结果表明:为保证定位因子达到0.50,卫星速度精度应小于5 m/s;时差精度应小于1×10^(-11) s;双天线距离大于2 m;双天线优先选择安装在滚动轴正向和负向,滚动轴正向和俯仰轴负向,滚动轴负向和俯仰轴正向。文章提出的方法能够快速解算出舰船位置,为成像载荷与AIS综合的舰船识别提供数据支撑。