一种渔船一船多码识别方法、装置和系统制造方法及图纸

本发明专利技术公开了一种渔船一船多码识别方法、装置和系统，获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据；利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合，得到船舶的融合轨迹数据；将设定范围内船舶的融合轨迹数据相比较，融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。本发明专利技术的方案，能够实现对渔船一船多码行为的快速识别，提高海上作业渔船伪造身份作业的识别准确率。身份作业的识别准确率。身份作业的识别准确率。

【技术实现步骤摘要】
一种渔船一船多码识别方法、装置和系统


[0001]本专利技术涉及卫星通信
，特别涉及一种渔船一船多码识别方法、装置和系统。

技术介绍

[0002][0003]国内外关于渔船一船多码识别的研究，已经发展了三种成熟的技术方向，分别为基于渔船作业数据库的现场监测识别、基于卫星遥感与渔船作业数据库匹配的监测识别、基于船位数据异常的监测识别。
[0004]基于渔船作业数据库的现场监测识别是执法、巡逻船在海上作业现场通过对现场作业渔船与渔船作业数据库相关身份信息进行匹配，如匹配渔船水上移动通信业务标识码(Maritime Mobile Service Identify，MMSI)、渔船作业方式是否与渔船数据库信息一致，进行现场监测识别的方法，该方法面临成本高、风险大、监管力度差、检查范围有限等问题。
[0005]基于卫星遥感与渔船作业数据库匹配的监测识别首先是通过卫星遥感监测所有渔船作业区域、及各区域渔船作业时长等指标，将监测的指标与渔船作业数据库进行匹配，如果在某区域作业渔船的作业时长等信息有一个与数据库出现不一致，那么进行身份检查，从而实现一船多码的识别。该方法需要遍历所有渔船作业区域与全天时的作业时段，要达到理想的识别效果必须有准确的作业区域范围等遥感先验信息，且该方法信息计算冗余大，实时性弱，且会因遥感数据质量导致识别准确率没有保障的问题。
[0006]基于船位数据异常的监测识别属于微观层面的监测识别手段，通过船舶自动识别系统(Automatic Identification System,AIS)的船舶轨迹数据进行远程检查监督，具有效率高、时效性好等优势，然而仅仅基于AIS数据的识别方法并不能满足一船多码识别的需求，还需要借助其他技术手段提高识别准确率。

技术实现思路

[0007]本专利技术提供一种渔船一船多码识别方法、装置和系统，能够实现对渔船一船多码行为的快速识别，提高海上作业渔船伪造身份作业的识别准确率。
[0008]根据本专利技术的一个方面，提供了一种渔船一船多码识别方法，包括以下步骤：
[0009]获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据；
[0010]利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合，得到船舶的融合轨迹数据；
[0011]将设定范围内船舶的融合轨迹数据相比较，融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
[0012]所述船舶的雷达探测目标数据包括：船舶的航速、航向、与目标之间的距离；船舶的AIS船位数据包括：船舶船名、水上移动通信业务标识码MMSI、经度、纬度、航速及航向。
[0013]所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之
前，还包括：
[0014]将所述雷达探测目标数据和AIS船位数据进行数据配准。
[0015]所述数据配准包括：空间配准和时间配准；
[0016]所述空间配准，包括：利用高斯克鲁格坐标系Gauss
‑
Kr
ü
ger投影变换将所述雷达探测目标数据的平面坐标数据转换为经纬度坐标数据；
[0017]所述时间配准，包括：以所述AIS船位数据的采样时间为标准，对所述雷达探测目标数据的位置信息进行插值。
[0018]所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前，还包括：
[0019]对所述雷达探测目标数据和AIS船位数据进行数据清洗；包括：对所述雷达探测目标数据和AIS船位数据中多次测量得到的重复数据、航迹数据不规律跳变数据、轨迹数据异常点数据及轨迹野值数据进行清洗。
[0020]所述将设定范围内船舶的融合轨迹数据相比较，包括：
[0021]分别计算设定范围内船舶的融合轨迹数据之间的相关系数；所述相关系数包括经度数据的相关系数与纬度数据的相关系数。
[0022]所述融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码，包括：
[0023]逐一比较所述融合轨迹数据的相关度，将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码；或
[0024]逐一比较所述融合轨迹数据的相关系数，将相关系数值最大的两个或多个船舶认定为存在一船多码。
[0025]根据本专利技术的另一个方面，提供了一种渔船一船多码识别装置，包括：
[0026]数据获取单元，用于获取船舶的雷达探测目标数据和船舶自动识别系统 AIS船位数据；
[0027]数据融合单元，用于利用卡尔曼滤波模型对所述雷达探测目标数据和AIS 船位数据进行融合，得到船舶的融合轨迹数据；
[0028]预警判定单元，用于将设定范围内船舶的融合轨迹数据相比较，融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
[0029]所述预警判定单元，具体用于：
[0030]分别计算设定范围内船舶的融合轨迹数据之间的相关系数；所述相关系数包括经度数据的相关系数与纬度数据的相关系数；
[0031]逐一比较所述融合轨迹数据的相关度，将相关度大于预先设定的设定阈值的两个或多个船舶认定为存在一船多码；或
[0032]逐一比较所述融合轨迹数据的相关系数，将相关系数值最大的两个或多个船舶认定为存在一船多码。
[0033]根据本专利技术的另一个方面，提供了一种渔船一船多码识别系统，包括：
[0034]前端，用于创建预警区域，并做一船多码的预警信息展示；
[0035]后端，用于一船多码预警信息处理及预警区域存储；
[0036]大数据引擎Flink，用于实时处理获取的数据；进行消息预处理，获取渔船数据及
经过AIS和雷达融合的数据；从数据库中加载预警区域数据，过滤出区域内的数据；提取目标的轨迹特征，比对不同目标间轨迹相似度；判断目标轨迹相似度并生成多AIS预警信息，传送至后端预警信息处理；在前端实现渔船一船多码的预警信息的展示。
[0037]采用本专利技术的技术方案，提出了一种渔船一船多码识别方案，获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据；利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合，得到船舶的融合轨迹数据；将设定范围内船舶的融合轨迹数据相比较，融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。
[0038]本专利技术提出的方案有助于解决渔船伪造身份进行违法违规捕捞的问题。一些不具备捕捞相关资质或者从事非法捕捞的渔船会通过伪造身份的方式进行作业，这对“将渔船捕捞能力和渔获物捕捞量控制在合理范围内，提高海洋渔业资源利用和管理科学化、精细化水平”的国家政策的落实具有很大的阻碍，因此准确的渔船身份识别对实现海洋渔业资源的规范有序利用、助力国家生态文明建设、实现海洋渔业可持续发展具有重要的意义。
[0039]通过本专利技术方案，克服了单纯基于轨迹数据进行渔船一船多码识别面临的问题，将雷达技术手段纳入进来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种渔船一船多码识别方法，其特征在于，包括以下步骤：获取船舶的雷达探测目标数据和船舶自动识别系统AIS船位数据；利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合，得到船舶的融合轨迹数据；将设定范围内船舶的融合轨迹数据相比较，融合轨迹数据的相关度大于设定阈值的两个或多个船舶确定存在一船多码。2.根据权利要求1所述的一种渔船一船多码识别方法，其特征在于，所述船舶的雷达探测目标数据包括：船舶的航速、航向、与目标之间的距离；船舶的AIS船位数据包括：船舶船名、水上移动通信业务标识码MMSI、经度、纬度、航速及航向。3.根据权利要求1所述的一种渔船一船多码识别方法，其特征在于，所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前，还包括：将所述雷达探测目标数据和AIS船位数据进行数据配准。4.根据权利要求3所述的一种渔船一船多码识别方法，其特征在于，所述数据配准包括：空间配准和时间配准；所述空间配准，包括：利用高斯克鲁格坐标系Gauss
‑
Kr
ü
ger投影变换将所述雷达探测目标数据的平面坐标数据转换为经纬度坐标数据；所述时间配准，包括：以所述AIS船位数据的采样时间为标准，对所述雷达探测目标数据的位置信息进行插值。5.根据权利要求1所述的一种渔船一船多码识别方法，其特征在于，所述利用卡尔曼滤波模型对所述雷达探测目标数据和AIS船位数据进行融合之前，还包括：对所述雷达探测目标数据和AIS船位数据进行数据清洗；包括：对所述雷达探测目标数据和AIS船位数据中多次测量得到的重复数据、航迹数据不规律跳变数据、轨迹数据异常点数据及轨迹野值数据进行清洗。6.根据权利要求1所述的一种渔船一船多码识别方法，其特征在于，所述将设定范围内船舶的融合轨迹数据相比较，包括：分别计算设定范围内船舶的融合轨迹数据之间的相关系数；所述...

【专利技术属性】
技术研发人员：王建江，冯冲，王方萍，张清会，赵雪，张路，冯小辉，张胤龙，马晓蕊，
申请(专利权)人：北京中交通信科技有限公司，
类型：发明
国别省市：