一种基于AIS轨迹操纵单元拼接的船舶轨迹规划方法与流程

本发明涉及一种航海规划方法，更具体地，涉及一种基于ais轨迹操纵单元拼接的船舶轨迹规划方法。

背景技术：

长期以来对于船舶操纵决策、船舶避碰决策的制定均来自船舶驾驶员自身的经验，对于船舶的操纵决策没有一个通用合理的表达方式，以往对于船舶操纵决策的表达方式是基于操舵角度加上操舵时间，然后形成一系列的二元组连续组合来表达船舶的操作决策。而由于船舶的种类不同、操纵性能不同、人为干扰大等一系列的复杂因素，所以准确、高效的提供船舶的操纵决策是需要进行深入研究的问题。通常在进行船舶操纵决策的过程中，不仅要考虑船舶的运动要求，还应考虑船舶本身的性质，还要综合考虑船舶的多种性能指标。

传统航路规划算法采用智能优化方法、决策树等方式进行驱动寻优，通过不断迭代来最终达到优化目的。仅仅考虑了船舶位置空间的几何约束，忽略了船舶的运动特性和动力特性，一次所规划出来的轨迹并不一定是实际可行的路线。同时由于不断修正规划路径的最大曲率和最大曲率变化率等参数，会严重降低寻路效率和全局最优能力，很难结合船舶运动特性来改善规划结果。

对于直接对船舶轨迹进行规划,直接得出可供船舶驾驶人员直接使用的操纵决策的方法的研究相对较少，尚未形成体系，且未能广泛应用于航海领域。

技术实现要素：

本发明的目的在于克服现有技术存在的上述缺陷，提供一种基于ais轨迹操纵单元拼接的船舶轨迹规划方法，通过对既定船舶的ais数据进行ais轨迹操纵单元的分割，结合当前航次的要求，得到与当前状态顺利拼接的ais轨迹操纵单元，最后将这一ais轨迹操纵单元转换为相应的操作流程并汇报给操纵人员，以供其根据实际情况选用。

为实现上述目的，本发明的技术方案如下：

一种基于ais轨迹操纵单元拼接的船舶轨迹规划方法，其特征在于，包括以下步骤：

步骤s1：收集待操纵船舶的既往ais数据并进行清理，得到当前船舶的时间、mmsi、imo号、船名、船长、船宽、船速、航迹向数据，导入到数据库内；

步骤s2：采用改进后滑动窗口压缩算法对数据库进行ais轨迹片段的分割，得到当前船舶可用的ais轨迹操纵单元集合，每一ais轨迹操纵单元是七元组序列，其特征参数集为：轨迹长度、轨迹起点处船舶运动方向、轨迹终点处船舶运动方向、ais数据的速度、轨迹起点处漂角、轨迹终点处漂角和轨迹片段时间；

步骤s3：在本次航行开始前，收集本次航行的信息，包括但不限于航行计划、水文要素信息，生成预定航线；

步骤s4：在航行过程中，按照如下步骤确定下一步的操作：

步骤s41：确定当前位置的航向、航速，判断是否偏离预定航线；

步骤s42：采用优化算法，以步骤s2中得到的当前船舶可用的ais轨迹操纵单元集合为优化问题自变量集合，优化选择后续的ais轨迹操纵单元；

步骤s43：根据上一步骤中确定的ais轨迹操纵单元，寻找对应的操作动作，并汇报给操作人员，供其结合其它操作要求进行选择；

步骤s5：在船舶抵达目的地结束本次航行前，重复步骤s4的过程。

优选地，所述步骤s2中，采用改进后滑动窗口压缩算法对数据库进行ais轨迹片段的分割，包括以下步骤：

s21：在数据库中，选择当前船舶某一航次的航行数据，获取其航行的数据点为pi，其中i为数据点序号；

s22：初始窗口为i,i+1和i+2三个数据点，计算i+1点到两端点连线i和i+2的垂直距离，如果距离小于阈值，进入下一步骤，否则进入步骤s24

s23：计算i+1相对与i的方位角c1,i的航向为c0，计算c1-c0的绝对值是否小于角度阈值，如果满足，则删除i+1，并将i+3点纳入窗口并回到步骤s22中，否则进入步骤s24；

s24：在窗口中删除i点并纳入i+3点，并回到步骤s22中，直到完成所有分割计算。

优选地，所述步骤s42中，采用的优化算法为蚁群算法或遗传算法。

优选地，所述步骤s42中，优化算法的约束条件包括以下指标的一个或多个：两个ais轨迹操纵单元连接点的漂角拼接差值均小于所设定的拼接阈值、两个ais轨迹操纵单元连接点的速度拼接差值均小于所设定的拼接阈值、全程的轨迹片段与障碍物保持一定安全距离。

优选地，所述步骤s42中，优化算法的优化目标为以下指标的一个或多个：全程耗时最短，全程路程最短。

从上述技术方案可以看出，本发明通过使用已有的ais数据，得到符合船舶实际机动能力的ais轨迹操纵单元，并以此为基础，在每个航次中，结合当前位置与约束条件，使用优化算法得到合理的、与当前状态可顺利拼接的ais轨迹操纵单元并转化为操作流程汇报给操纵人员。因此，本发明具有直接规划、充分考虑实际机动能力和操作方便的显著特点。

附图说明

图1是本发明船舶轨迹规划方法流程图；

图2是本发明中ais轨迹操纵单元七元组数据的含义示意图；

图3是本发明中ais轨迹操纵单元生成过程示意图；

图4是本发明中改进滑动窗口轨迹特征提取算法的示意图

图5是本发明中ais轨迹操纵单元拼接示意图；

图6是本发明具体实施例中天津港ais轨迹操纵单元拼接成功率示意图；

图7是本发明具体实施例中天津港ais轨迹操纵单元的入港示意图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步的详细说明。

需要说明的是，在下述的具体实施方式中，在详述本发明的实施方式时，为了清楚地表示本发明的结构以便于说明，特对附图中的结构不依照一般比例绘图，并进行了局部放大、变形及简化处理，因此，应避免以此作为对本发明的限定来加以理解。

在以下本发明的具体实施方式中，请参阅图1，图1是。如图所示，

一种基于ais(automaticidentificationsystem，船舶自动识别系统)轨迹操纵单元拼接的船舶轨迹规划方法，其特征在于，包括以下步骤：

步骤s1：收集待操纵船舶的既往ais数据并进行清理，得到当前船舶的时间、mmsi、imo号(internationalmaritimeorganization，是国际海事组织的识别码,也是船舶名称代码)、船名、船长、船宽、船速、航迹向数据，导入到数据库内。

在海事研究当中，采用船舶自动识别系统(automaticidentificationsystem,ais)大数据作为船舶操纵决策的生成源，具有获取简单，数据来源可靠精度高，适用范围广的优点，可以说在非近岸海域的区域当中，ais的覆盖率极高，几乎和实际船舶一一对应。同时也随着各国ais基站网络的建立和星载ais群的出现，ais数据的收集也得到了解决，ais已成为近乎实时的全球海上交通信息来源。ais数据为多元多维数据，其中包含各种船舶信息，ais轨迹数据可描述船舶的空间位置和属性随时间的变化。船舶ais轨迹点由船舶采样点位置(gps位置)、采样时间、海上移动识别码(mmsi)、对地速度(sog)、对地航向(cog)、航行状态和转向速率等构成。这些轨迹点数据信息根据时间采样先后顺序构成了轨迹点序列。

在确定待规划船舶后，对该船舶的ais数据进行解码，并对解码后的数据建立具有船舶轨迹表和船舶信息表两种结构的数据库。将解码后的包括时间、mmsi、imo号、船名、船长、船宽、船速、航迹向等导入到数据库内。在实际ais数据库内，对船舶区域两端处非单个往返、前后时间跨度大；异常船速和航向点、数据重复、错误，由于不同的船舶但mmsi相同而出现的轨迹异常，其形状如同蜘蛛网，轨迹不全，存在设备故障的错误遗失。ais数据当中含有船舶状态信息以及船舶类型信息，将在航机动船、非渔船、非拖轮、非引航船ais数据筛选出来同时进行数据清洗，以此缩小研究范围，提高算法针对性，提高效率。将ais大数据按照第一排序索引为mmsi，第二排序索引为时间的原则，对ais大数据进行整理。

步骤s2：采用改进后滑动窗口压缩算法对数据库进行ais轨迹片段的分割，得到当前船舶可用的ais轨迹操纵单元集合，每一ais轨迹操纵单元是七元组序列，其特征参数集为：轨迹长度、轨迹起点处船舶运动方向、轨迹终点处船舶运动方向、ais数据的速度、轨迹起点处漂角、轨迹终点处漂角和轨迹片段时间。

采用一个七元组序列定义一个ais轨迹操纵单元，包括轨迹长度(d)和目标运动方向(q)，两端点ais数据的速度(ss，se)、漂角(das，dae)和轨迹片段时间(δt)，如图2和4所示。

本发明采用改进后滑动窗口压缩算法进行ais轨迹操纵单元的分割。采用改进后滑动窗口压缩算法进行ais轨迹操纵单元的分割。

s21：在数据库中，选择当前船舶某一航次的航行数据，获取其航行的数据点为pi，其中i为数据点序号。

s22：初始窗口为i,i+1和i+2三个数据点，计算i+1点到两端点连线i和i+2的垂直距离，如果距离小于阈值，进入下一步骤，否则进入步骤s24

s23：计算i+1相对与i的方位角c1,i的航向为c0，计算c1-c0的绝对值是否小于角度阈值，如果满足，则删除i+1，并将i+3点纳入窗口并回到步骤s22中，否则进入步骤s24。

s24：在窗口中删除i点并纳入i+3点，并回到步骤s22中，直到完成所有分割计算。达到压缩的目的。如图2，3所示为改进后的滑动窗口算法的流程图和压缩示意图。

完成分割后，得到当前船舶的可用的ais轨迹操纵单元集合，这一集合反映了当前船舶的机动性能，包括诸如最大速度、最大转向角等信息。

步骤s3：在本次航行开始前，收集本次航行的信息，包括但不限于航行计划、水文要素信息，生成预定航线。

步骤s4：在航行过程中，按照如下步骤确定下一步的操作：

步骤s41：确定当前位置的航向、航速。

在航行过程中，对船舶需要进行实时的规划，这一规划依赖于当前船舶在当前航次中在当前点的航向和航速信息。

步骤s42：采用优化算法，以步骤s2中得到的当前船舶可用的ais轨迹操纵单元集合为优化问题自变量集合，优化选择后续的ais轨迹操纵单元。

采用蚁群算法、遗传算法等优化算法，对下一步的航迹进行规划。

以步骤s2中得到的当前船舶可用的ais轨迹操纵单元集合为优化问题自变量集合。

优化目标为以下指标的一个或多个：全程耗时最短，全程路程最短。

约束条件包括以下指标的一个或多个：两个ais轨迹操纵单元连接点的漂角拼接差值均小于所设定的拼接阈值、两个ais轨迹操纵单元连接点的速度拼接差值均小于所设定的拼接阈值、全程的轨迹片段与障碍物保持一定安全距离。

约束条件中，对拼接阈值的要求是基于ais轨迹操纵单元之间的相互拼接一定要遵循一定拼接原则，将不同的轨迹片段拼接在一起，船舶轨迹单元可通过旋转、平移以及镜像变换等方式进行适应拼接，轨迹单元首尾相接，旋转轨迹单元使初始位置与前一个轨迹单元的最终位置重合，若拼接处的速度差和漂角差同时小于所设定的阈值则表明两个片段可以成功拼接。

步骤s43：根据上一步骤中确定的ais轨迹操纵单元，寻找对应的操作动作，并汇报给操作人员，供其结合其它操作要求进行选择。

在确定了ais轨迹操纵单元后，需要将其转化为对应的操纵动作，并汇报给操作人员，操作人员可结合其它要求进行选择，从而完成当前船舶在当前航次中在当前点的优化。

步骤s5：在船舶抵达目的地结束本次航行前，重复步骤s4的过程。

在本发明中，是否可将数据库中的ais数据进行划分并进行拼接，是整个规划方法的核心。单一船舶轨迹经过轨迹片段分割之后会产生一个ais轨迹片段序列，调整轨迹片段序列的顺序就可以变化出很多不同的船舶轨迹，轨迹片段之间的相互拼接一定要遵循一定拼接原则，将不同的轨迹片段拼接在一起，船舶轨迹单元可通过旋转、平移以及镜像变换等方式进行适应拼接，轨迹单元首尾相接，旋转轨迹单元使初始位置与前一个轨迹单元的最终位置重合，若拼接处的速度差和漂角差同时小于所设定的阈值则表明两个片段可以成功拼接，如图5所示。

本具体实施例中，采用天津港2015年ais轨迹数据，111032条船舶ais轨迹数据信息，对ais轨迹片段进行拼接成功率测试。在测试中，由于ais数据接收精度的限制，角度精确到0.1°，速度精确到0.1kn。测试的速度阈值采用0～5kn，间隔0.1kn，漂角阈值0～5°，间隔0.1°。得到对应的速度阈值和漂角阈值与轨迹拼接成功率之间的关系，如图6所示。

基于上述拼接测试，选定图6当中的[0.8，1.1，0.1596]作为初始的推荐拼接阈值，初步实验可以保证船舶的轨迹单元拼接是可行的，既不会出现无法拼接的情况，也不会出现随意拼接的乱象。

在确定拼接阈值后，仍以天津港ais数据作为实验验证数据，在进行实际预测时，通过改进的sliding-window算法进行ais轨迹片段分割，得到某船舶的七元组轨迹入港规划图如图7所示。

以上两个算例表明，基于ais数据进行划分并进行拼接，可使轨迹连续且平滑，可保证轨迹运行的平稳与合理性。因此进行使用ais轨迹操纵单元对船舶进行航迹规划是可行的。

本方法计算简单、容易且不会发生机构的奇异性问题且可避免局部最优和盲目寻优导致的参数不合理不平稳、计算冗余等问题。该方法打破船舶轨迹问题中单纯盲目寻优、不断修正曲率、不断试错和忽略船舶实际运动特性的被动局面，打开船舶航迹规划、航路规划、智能避碰新局面；该方法策略反应及时、高效安全，可有效规避一半以上无用航迹，可在复杂海洋航行环境中快速自适应进行避让等操作活动。该方法可大幅提高寻优效率，所生成的轨迹更符合实际，可为船舶航迹规划、航路规划、智能避碰直接提供多个七元组序列的合理策略。经过大数据训练成熟的算法，适用范围较广，通用性较高，策略生成及时、反应及时、无碰安全，规划的路径更接近真实轨迹，可直接可航，可用于船舶智能避碰辅助决策、船舶异常行为检测、航路航迹规划等方面，为水上交通管理部门提供服务。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。