一种基于AIS的民船行为预测的区域告警方法 |
|||||||
申请号 | CN202311481369.4 | 申请日 | 2023-11-08 | 公开(公告)号 | CN117892184A | 公开(公告)日 | 2024-04-16 |
申请人 | 中国人民解放军92493部队信息技术中心; | 发明人 | 佟立飞; 马佳华; 姜山; 岳明桥; 郭斌; 王锋; 何成波; 马跃飞; 薛中伟; 郝洋; 崔雪静; 胡永涛; 王来贺; | ||||
摘要 | 本 发明 属于 船舶 管理技术领域,具体涉及一种基于AIS的民船行为预测与区域告警方法。所述方法,包括构建 数据库 并 选定 AIS目标,通过DBScan聚类使用目标历史航线航迹点得到目标的归属异常等级,根据目标的当前状态依次获得目标的 位置 异常值、运动趋势异常值、当前运动异常值、当前行为异常值,根据各异常值的大小得到各等级,再查找选定AIS目标,根据查找的历史信用记录,得到选定AIS目标的历史信用等级;再结合目标信用记录综合生成目标的威胁等级,根据目标的威胁等级判断是否要执行告警任务。所述方法通过多方面因素综合对不同船舶进行有效区分,以船舶威胁等级作为任务分配依据,为海警、军舰采取必要的防范措施提供决策支持。 | ||||||
权利要求 | 1.一种基于AIS的民船行为预测的区域告警方法,其特征在于,包括如下步骤: |
||||||
说明书全文 | 一种基于AIS的民船行为预测的区域告警方法技术领域背景技术[0002] 在海上航行中,船舶是航海领域的行为主体,船舶异常行为是指船舶非正常偏离航道、航向,突然加速、减速,出现在不该进入的区域等。船舶异常行为预测就是根据输入的船舶运动相关数据对船舶的航速、航向、航迹进行分析,判断该船的运动是否符合正常的航行活动规律,进而对船舶自身的安全,或者是否存在异常行为进行识别,并对可能发生的危险进行评估和预警。目前相关技术中主要对重点区域进行实时监控,将已发生异常行为的船只展示给操作员,再由操作员判断是否需要警告驱离,效率较低且需要操作员始终关注海上船只情况。目前缺少一种能够自主判断异常行为船只异常等级的方法,指导操作员警告驱离异常船只的方法。 发明内容[0003] 本发明的目的在于针对现有技术缺少自主判断异常行为船只异常等级的方法,提供了一种基于AIS的民船行为预测与区域告警方法,该方法包括构建数据库并选定AIS目标,通过DBScan聚类使用目标历史航线航迹点得到目标的归属异常等级,根据目标的当前状态依次获得目标的位置异常值、运动趋势异常值、当前运动异常值、当前行为异常值,根据各异常值的大小得到各等级,再查找选定AIS目标,根据查找的历史信用记录,得到选定AIS目标的历史信用等级;再结合目标信用记录综合生成目标的威胁等级,根据目标的威胁等级判断是否要执行告警任务。 [0004] 为了达到上述目的,本发明采取如下技术方案。 [0005] 所述基于AIS的民船行为预测与区域告警方法,包括如下步骤: [0006] S1构建数据库,对历史的二进制AIS航迹信息进行整编处理并存入数据库,得到航迹库表,将历史信用记录文档录入数据库,得到信用库表; [0007] S2选定一批当前AIS目标,根据目标的海上移动识别码MMSI在数据库航迹库表中检索出目标的历史航线航迹点,采用DBScan聚类算法计算密集多边形区域,通过设置不同的扫描半径和最小包含对象数,计算出核心区域集、重要区域集、一般区域集三类区域集合,然后判断当前航迹点的位置归属,计算航迹点归属异常等级; [0008] S3计算选定的AIS目标距离航区的最短距离,根据距离,得到距离等级; [0009] 判断选定的AIS目标的航向是否朝向航区,根据朝向,得到朝向等级; [0010] 根据选定的AIS目标的航速,得到航速等级; [0011] S4根据选定的AIS目标的归属异常等级、距离等级、朝向等级和航速等级,采用矩阵法获得目标的位置异常值、运动趋势异常值、当前运动异常值和当前行为异常值,再根据各异常值的大小得到位置异常等级、运动异常等级、当前运动异常等级和当前行为异常等级。 [0012] S5在信用库表中查找选定的AIS目标,根据信用库表中的历史信用记录,得到选定的AIS目标的历史信用等级; [0013] S6根据选定的AIS目标的当前行为异常等级和历史信用等级,采用矩阵法得到目标威胁值,根据威胁值得到选定的AIS目标的威胁等级,根据威胁等级执行告警任务。 [0015] 进一步地,所述历史信用记录文档包括历次任务中记录的信用文档、日常AIS监视中记录的信用文档。 [0016] 进一步地,S3中选定一批当前AIS目标,根据该目标的海上移动识别码MMSI在数据库的航迹库表中检索出历史航线航迹点,采用DBScan聚类算法计算密集多边形区域,具体方法为: [0018] 当扫描半径为r,最小包含对象数为n时,扫描得到的是一般区域集Areacom; [0019] 当扫描半径为r,最小包含对象数为2n时,扫描得到的是重要区域集Areaimp; [0020] 当扫描半径为r/2,最小包含对象数为2n时,扫描得到的是核心区域集Areacor; [0021] 再判断当前航迹点Pnow的位置归属,计算航迹点归属异常等级Gads; [0022] 如果Pnow∈Areacor,则Gads=1; [0023] 如果Pnow∈Areaimp,则Gads=2; [0024] 如果Pnow∈Areacom,则Gads=3; [0025] 不满足上述三个条件,则Gads=4。 [0026] 进一步地,S4中获取位置异常值、运动趋势异常值、当前运动异常值、当前行为异常值的计算矩阵及对应异常等级划分的方法为: [0027] 所述位置异常值与朝向等级和距离等级均正相关; [0028] 所述运动趋势异常值与朝向等级和航速等级均正相关; [0029] 所述当前运动异常值与位置异常值和运动趋势异常值均正相关; [0030] 所述当前行为异常值与当前运动异常等级和归属异常等级均正相关; [0031] 进一步地,S4中位置异常等级、运动异常等级、当前运动异常等级和当前行为异常等级分别与位置异常值、运动趋势异常值、当前运动异常值和当前行为异常值的大小正相关。 [0032] 有益效果 [0033] 本发明提出的一种基于AIS的民船行为预测的区域告警方法,与现有技术相比,具有如下有益效果: [0034] 1.所述方法通过多方面因素综合对不同船舶进行有效区分,以船舶威胁等级作为任务分配依据,为海警、军舰采取必要的防范措施提供决策支持; [0035] 2.所述方法通过DBScan聚类算法,使用目标历史航线航迹点得到目标的归属异常等级,根据目标的当前状态依次获得目标的位置异常值、运动趋势异常值、当前运动异常值、当前行为异常值,再结合目标信用记录综合生成目标的威胁等级,本发明通过多方面因素综合判断以划分船舶的威胁等级,不仅对不同船舶进行了有效区分,还在在有必要对船舶进行驱离任务时以船舶威胁等级作为任务分配的重要依据,为海警、军舰采取必要的防范措施提供决策支持,保障航区的和军事机密的安全。附图说明 [0036] 图1为本发明一种基于AIS的民船行为预测的区域告警方法的流程图; [0037] 图2为本发明一种基于AIS的民船行为预测的区域告警方法中航迹预测聚类原理图; [0038] 图3为本发明一种基于AIS的民船行为预测的区域告警方法中航迹点提取示意图。 具体实施方式[0039] 下面结合具体实施例对本发明一种基于AIS的民船行为预测的区域告警方法及其具体实施作进一步的说明。 [0040] 实施例1 [0041] 如图1所示,本实施例所公开的基于AIS的民船行为预测与区域告警方法,包括如下步骤: [0042] S1对历史的二进制AIS航迹信息进行整编处理,存入数据库航迹库表中; [0043] S2将历史信用记录文档录入数据库信用库表中; [0044] S3选定一批当前AIS目标,根据该目标的海上移动识别码MMSI在数据库的航迹库表中检索出历史航线航迹点,采用DBScan聚类算法计算密集多边形区域,通过设置不同的扫描半径和最小包含对象数,计算出核心区域集、重要区域集、一般区域集三类区域集合,然后判断当前航迹点的位置归属,计算航迹点归属异常等级; [0045] S4计算选定的AIS目标距离航区的最短距离,根据距离,得到距离等级; [0046] S5判断选定的AIS目标的航向是否朝向航区,根据朝向,得到朝向等级; [0047] S6根据选定的AIS目标的航速,得到航速等级; [0048] S7采用矩阵法获得AIS目标的位置异常值、运动趋势异常值、当前运动异常值和当前行为异常值,并划分各异常值的异常等级。 [0049] S8在数据库的信用库表中查找选定的AIS目标,根据信用记录,得到历史信用等级; [0050] S9根据目标威胁值计算模型,采用矩阵法得到目标威胁值,进而通过等级划分得到目标威胁等级。 [0051] 本实施例中船舶数据来自船舶自动识别系统(AIS),构建数据库时需要从AIS中获取船舶的历史航迹信息,AIES航迹信息为二进制数据,需要对其整编处理,采用AIS标准协议进行报文解释,将各字段数据提取出来,存入数据库航迹库表中,即将每帧AIS报文转换为一条数据库记录。 [0052] 步骤S2中历史信用记录由海警或相关部门记录,并与船舶的MMSI码绑定,记录包括曾被海警或相关部门确定有窃听行为、曾驶进管制航区、曾贴近管制航区、曾环绕航区航行,曾有上报的航行意图、航行状态、国籍、目的地存在不实的行为等,除此之外还包括日常AIS监视中记录的信用文档,及其他各类能够获取到的信用信息。 [0053] 如图2所示数据库录入历史数据后,需要对目标区域的船舶进行航迹预测,提取出船舶运动特征规律,本实施例中采用聚类算法,常规的轨迹聚类应用对象分为两种: [0054] (1)将整条轨迹作为目标的聚类方法该方法会存在轨迹较长、时间和空间开销较大、丢失一些相似的轨迹子段等问题; [0055] (2)对轨迹进行划分,将轨迹子段作为目标的聚类方法,运用该方法可能无法完全获取整条轨迹的特征,但能较好地把握轨迹子段的特征,且综合各子段的特征也能较好地对整条轨迹的特征进行描述。 [0056] 因此,采取轨迹分段的方法对船舶轨迹进行聚类。 [0057] 在进行聚类算法前还存在一个问题,即待处理的AIS数据量可能比较庞大,船舶的动态信息通常2~180s广播一次,具体时间间隔取决于航速和航向变化率,庞大的数据量会影响聚类速度,因此可以提取船舶轨迹点,设定航向或航速变化率的阈值,并提取满足阈值的航迹点作为聚类处理数据。 [0058] 如图3所示,假设轨迹点P1~P8为AIS采集到的位置点,实线为原始轨迹,虚线为划分后的轨迹。此时若将P~P8中的所有点都选为特征点,则轨迹精确度将达到最高,但是开销的时间将会很大;若只将P1‑P5‑P8部分点归为特征点,则轨迹将获得较好的简洁度,但丢失了原始轨迹的特征。因此,为使轨迹划分的精确性和简洁性达到最佳的平衡状态(P2‑P4‑P6‑P8),主要分为2个过程对轨迹进行划分。航向或航速变化率可以用下式表示: [0059] [0060] 通过选取合适的阈值,在不影响整体航迹信息的情况下可大幅减少待处理数据的规模。 [0061] 在得到合适的待处理数据后,即可采用DBScan聚类分析法对民船目标的AIS历史数据进行分析,得出航迹点归属等级,其方法如下: [0062] 首先设置基础扫描半径r和最小包含对象数n,然后采用DBScan进行密度计算: [0063] 当扫描半径为r,最小包含对象数为n时,扫描得到的是一般区域集Areacom; [0064] 当扫描半径为r,最小包含对象数为2n时,扫描得到的是重要区域集Areaimp; [0065] 当扫描半径为,最小包含对象数为2n时,扫描得到的是核心区域集Areacor; [0066] 再判断当前航迹点Pnow的位置归属,计算航迹点归属异常等级Gads; [0067] 如果Pnow∈Areacor,则Gads=1; [0068] 如果Pnow∈Areaimp,则Gads=2; [0069] 如果Pnow∈Areacom,则Gads=3; [0070] 不满足上述三个条件,则Gads=4。 [0071] 通过行为预测获得到目标的航迹点归属异常等级后,根据目标的当前状态获得目标的距离等级、朝向等级和航速度等级,对应等级的评价表如表1‑3所示: [0072] 表1距离等级赋值表 [0073]距离分类 评价准则 距离等级赋值 已在航区内 目标当前已处于航区内部 5 距离航区非常近 目标在距离航区0~10海里范围内 4 距离航区很近 目标在距离航区10~50海里范围内 3 距离航区较近 目标在距离航区50~100海里范围内 2 距离航区较远 目标在距离航区100海里以外 1 [0074] 表2朝向等级赋值表 [0075]朝向分类 评价准则 朝向等级赋值 贯穿航区 航向的延伸射线贯穿航区 3 逼近航区 目标靠近航区,但航向射线不贯穿航区 2 远离航区 总体远离航区 1 [0076] 表3航速等级赋值表 [0077]航速分类 评价准则 航速等级赋值 超高速 目标航速30节以上 5 高速 目标航速在15节~30节之间 4 中速 目标航速在8节~15节之间 3 低速 目标航速在2节~8节之间 2 超低速 目标航速在2节以内 1 [0078] 通过上述距离等级、朝向等级和航速度等级获得目标的位置异常值、运动趋势异常值,并对各异常值进行异常等级划分,并获得当前运动异常值和当前行为异常等级,各异常值获取方法和对应的异常等级划分标准如表4‑11所示: [0079] 表4位置异常值计算矩阵 [0080] [0081] 表5位置异常等级划分原则 [0082]位置异常值 1~3 4~8 9~10 11~13 14~15 位置异常等级 1 2 3 4 5 [0083] 表6运动趋势异常值计算矩阵 [0084] [0085] 表7运动趋势异常等级划分原则 [0086]运动趋势异常值 1~3 4~8 9~10 11~13 14~15 运动趋势异常等级 1 2 3 4 5 [0087] 表8当前运动异常值计算矩阵 [0088] [0089] 表9当前运动异常等级划分原则 [0090] 当前运动异常值 1~5 6~10 11~15 16~20 21~25当前运动异常等级 1 2 3 4 5 [0091] 表10当前行为异常值计算矩阵 [0092] [0093] [0094] 表11当前行为异常等级划分原则 [0095] 当前行为异常值 1~4 5~8 9~13 14~17 18~20当前行为异常等级 1 2 3 4 5 [0096] 在数据库的信用库表中查找选定的AIS目标,根据信用记录,参照表12中的评价准则生成历史信用异常等级。 [0097] 表12历史信用异常等级赋值表 [0098] [0099] 通过当前行为异常等级和历史信用异常等级获得选定的AIS目标的目标威胁值和目标威胁等级,其具体标准如表13所示: [0100] 表13目标威胁值计算矩阵 [0101] [0102] 根据计算得到目标威胁值的不同,采用等级划分法得到目标威胁等级,依照表14进行划分: [0103] 表14当前行为异常等级划分原则 [0104]目标威胁值 1~5 6~9 10~14 15~17 18~20 目标威胁等级 1 2 3 4 5 [0105] 本实施例的方法将反应民船异常行为的各类因素项提取出来,并建立了评价准则和量化指标,使得原本复杂且难以实现的民船行为预测和区域告警变得简单可行,并且在实际使用过程中,预测结果非常准确,并多次发现可疑目标,为海警、军舰采取必要的防范措施提供决策支持,保障航区的和军事机密的安全。 [0106] 本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。 |