山东省青岛船舶技术服务中心 266071
摘要:在海上交通调查中,船舶轨迹是关键数据。通过研究船舶轨迹,能尽早发现船舶总体运动规律。目前,海上导航通信技术日间发展,岸基传播监控网络得以完善,船舶轨迹数据覆盖范围有所扩大,为海洋运输传播管理带来了新的机遇。文章结合海洋运输船舶轨迹进行研究,在讨论船舶轨迹分析意义及技术问题基础上进行一番展望,仅供参考。
关键词:船舶轨迹;海洋运输;技术;策略;分析
引言:所谓轨迹,主要是指某一对象在一段过程中经过时间、经过地点的记录序列,船船舶在海洋上运动制动性较为薄弱,可操控性不足。通过飞机船舶轨迹能进一步了解船舶具体位置。如今,我国各项智能技术不断发展,船舶轨迹除了人工绘制位,还可通过数字化各类算法进行计算研究,更有利于运用数字化技术、虚拟现实技术控制船舶航行中的风险,为海洋运输船舶安全性提供保障。
一、海洋运输船舶轨迹分析意义
在海洋运输船舶航海过程中,造成航迹不正常的因素多种多样,包括硬件因素、天气状况因素和意料之外的因素,如突然出现的恐怖事件等。此种形势下,加强航道管理,保证航道安全,提高航道管理效能,已成为海运发展的当务之急。精确控制海洋运输船舶轨迹,实时监测船舶位置,有效地控制船舶航行风险,是实现船舶智能化管理的关键[1]。在未引入人工智能技术之前,船舶航迹分析还存在以下问题:(1)数据获取难度大,仅靠主动观察,耗时耗力。(2)算法较为简单,难以精确地进行轨迹控制。受理论计算方法的限制,其跟踪精度不高,且误差很大。(3)由于缺乏有效的监控手段,航海航迹极易发生遗失,造成了航海的不确定,增大航海风险。
二、海洋运输船舶轨迹分析目标研究
(一)轨迹类别划分
海洋运输船舶航迹类别划分主要是确定舰船航迹序列所归属类别,并对各类别之间的联系进行分析。如Ristic通过对某一具体港口的航运信息,利用核密度估算方法对船舶在不同起始点进行分类,从而辨识出在相同起始点处的船舶运动规律。又如,以不同类型的游艺船为研究对象,研究海洋运输船舶平均航速、最大航速、平均航速等参数,对帆船、汽艇、皮艇、独木舟航行方式进行分析,即可对海洋运输船舶轨迹进行精准评价。根据船舶类型、时间尺度等因素,采用双频KDE方法刻画各类船舶在宏观和微观上分布规律,提升海洋运输船舶轨迹分析及研究效果。
(二)海洋运输船舶聚类分析
基于最大类内相似度和类内相似度最小化的原理,对船舶运动演化模式进行聚类分析。K-mean方法是一种适用于船舶航迹聚类的方法,但此种方法仅考虑航迹点间的欧氏距离,受初值、噪音等因素影响较大,且未充分考虑航迹的时间特性。为寻找最佳类别代表性点集,Vries使用基于最近邻传播的聚类方法,其目标是寻找最佳类别代表性点集,并且使其与最近类别代表性点之间的相似性之和达到最大[2]。然而,此种方法的不足之处在于迭代次数要人为地设置,而且对聚类结果比较敏感。
三、海洋运输船舶轨迹分析存在的技术问题
尽管目前关于海洋运输船舶轨迹分析的研究已在相似度测度与可视化分析等领域取得可喜成果,但仍处于起步阶段,其研究还很薄弱。海洋运输船舶轨迹分析仍存在问题,如下所示:(1)现有研究多集中在二维平面上,忽视纵向对船舶运动的限制,在航迹相似度测度中往往忽略时序特征,与潮流等环境因素的敏感性不符。(2)缺乏对船舶航迹所处的动态环境进行研究,欠缺与实际路况调研中的风场、潮流、能见度等气象时序信息的融合,对船舶航迹异常模态的成因进行深度剖析。(3)船舶运动轨迹中个体间的关联是海洋交通领域的一个重要研究课题,船舶碰撞事故通常是由该模态演变而来,亟需对其进行辨识和评价,而当前对此类关联模式的挖掘研究尚不充分[3]。
四、海洋运输船舶轨迹分析展望
(一)精确控制海洋运输船舶轨迹
如今,利用人工智能技术,通过调整航迹的方法及调整航迹的伪逆系数,利用TLC设计思路,对海洋运输船舶航迹目标进行控制,即可获得航迹控制命令。同时,根据最后的命令,改变海洋运输船舶航线,可实现精确的航线控制目标。此外,根据微分代数原理,在人工智能支持下,对参数进行非线性控制,构建完备的航线控制系统,并在人工智能的影响下,将多台主机连接起来,形成一块由数字介质构成的虚拟芯片,具备强大的控制和引导功能,如同人的大脑一样,能为给其它部件下达命令,控制其它部件,此种方式可极大地提高海洋运输船舶轨迹分析精确性。
(二)现场实时监测
传统 OpenGL算法在求解船舶航向转角时,往往采用逆向求解的方式,很难获得准确的航道转角,且存在实际转角超出预先设定的角度范围。引入船舶航迹,通过航迹记录仪对已有的数据进行观测,利用运算公式对航迹的大概方向进行验证,对数据结点的位置进行配置,检查导航输入轨迹的完整性,最终将导航输入轨迹引入到虚拟环境中,对其进行虚拟处理,能够准确地判定出船只导航的角度度。
(三)运用多特征融合的船舶轨迹相异度模型
近些年,我国按照海商法要求各级海事机关都在推行AIS技术,并在其管辖范围内推广使用。综合相位差异模型对轨迹的识别性能一般要好于单一相位模型,并且在混合相位中加入不同类型的相位,可以进一步改善图像的识别性能。同时,针对不同的情形,选择不同的船舶轨迹相异度模型,在内河航道上充分考虑航迹起始点与终点的差异性,在更普遍的情形下可以整合多个单一的相异性模型,建立联合的相位差异模型,实现对航迹的分割。从此我,利用KNN方法对船舶航迹进行分类时,不同水体中k值的选择存在一定差别,并且利用组合相变模型得到的k值要比单一相变模型得到的k值要高。在航道航行中,船舶的速度与航向特性是发现其不正常行为的重要因素。目前深入研究异常航迹识别问题,异常航迹会对评价结果造成负面影响。通过对不同类型船舶的航迹进行比较,深入研究不同类型船舶运动轨迹之间的差别,即可实现船舶的异常行为辨识效果。
(四)运用虚拟现实技术控制信息风险
针对海洋运输船舶在海洋中受风速、波浪大小等非可控因素影响的特点,研究海洋运输船舶轨迹分析中存在的问题,采用虚拟现实方法,依据经纬度和航迹点的概率,对海洋运输船舶轨迹特征进行提取,并通过测量航迹结构相似度,消除海洋环境对船舶通航的影响,即可减少航海风险。同时,通过AIS数据,还可以提前获取航道的大致信息,这些数据可以为仿真船舶的航迹提供海量的数据,与海洋运输船舶轨迹特性相结合,可以方便地进行海洋运输船舶轨迹分析工作。在实践中采用虚拟现实技术,无论在危险高低情况下,均较常规航行方式下的事故机率较小,切实守护海洋运输船舶安全远航。
结束语:综上所述,通过对海洋运输船舶轨迹分析的研究,阐述其在该领域中的重要意义和发展现状、发展趋势,希望为今后海洋运输船舶轨迹研究方向和技术革新提供支撑。文章对海洋运输船舶轨迹的综合性还不够全面,只是就当前研究的一些主要问题进行论述。如今,通过当前船舶航迹分析的现状,在精确性、完备性和稳定性等方面,已经形成了一套比较完备的系统,在未来海洋运输船舶轨迹分析中希望可以弥补现有的技术不足,开拓新的研究领域。
参考文献:
[1]闫兆进, 杨慧, 慈慧, 王冉. 船舶轨迹提取模型构建与交通流分析[J]. 地球信息科学学报, 2023, 25 (11): 2134-2149.
[2]谢贤伟. 海洋运输船舶轨迹分析研究进展[J]. 船舶物资与市场, 2021, 29 (06): 5-6.
[3]许贞平. 海洋运输船舶轨迹分析研究[J]. 中国水运(下半月), 2017, 17 (02): 16-17.