【技术实现步骤摘要】
本专利技术涉及海上船舶监测领域，特别涉及一种场景级多源船舶数据融合匹配算法。
技术介绍
1、海运是世界贸易的桥梁和枢纽。海运占全世界贸易运输量的90％以上，全球有ais(船舶自动识别系统)船位的月活跃船舶近40万艘。根据交通运输部公布的相关数据显示，2020年末全国拥有水上运输船舶12.68万艘，比上年末下降3.6％。根据《中国渔业统计年鉴》统计的数据显示，截至2020年末，我国渔船总数56.33万艘。加强海上船舶监测监管对于打击海上走私具有重要意义。但是，与陆地交通不同，由于海洋范围广、海上信号差、“三无”船舶多、海上航线复杂、海域管辖权分散等客观因素，至今也没有有效的手段对船舶和港口进行全面监测。虽然ais、北斗导航系统已经在大型船舶上安装，但是依然存在大量没有ais的船舶和套用多个ais的船舶，在部分地区，ais和北斗数据依然存在精度不高、数据丢失等问题，这对海上搜救中心的远海搜救、缉私局的走私查处、渔业渔政管理局的休渔期管控、海警局的事故调查、船舶安全高效航行等工作造成了极大的困难。
2、多源船舶数据融合匹配算法是将多种渠道获取的海上船舶信息进行融合，从而获取更加丰富的海上船舶活动信息，是解决海上船舶监测监管问题的技术基础。ais是一种无线电航行安全设备，用于船舶间的自动识别和交流。能够实时地提供船舶的名称、目的地、当前位置、速度、航向、航行状态、船舶类型、长宽等信息。但是，ais系统的信息来自船舶自身，如果船舶上的设备出现故障或错误，将可能导致ais系统提供的信息不准确。因此，ais信息具有主观性。高空间分
技术实现思路
1、本专利技术的目的是提出一种场景级多源船舶数据融合匹配算法，通过构建由四种融合匹配算法组成的算法库，对分布在不同场景下的多源船舶数据采用不同的融合匹配算法组合，实现更加精确的多源数据融合匹配结果，可以为海上船舶活动的监测监管提供技术支持。
2、本专利技术的一种场景级多源船舶数据融合匹配算法是采用如下技术方案实现的：
3、步骤一、将ais记录的船舶位置信息对齐到卫星影像成像时刻；
4、步骤二、建立船舶活动场景数据库，对卫星影像中提取的船舶和ais插值位置进行空间链接，根据其分布场景进行赋值；
5、步骤三、建立数据融合匹配算法库，包括：包含插值融合匹配算法、距离最近局部最优融合匹配算法、航向最近局部最优融合匹配算法、多因子局部最优融合匹配算法；
6、步骤四、根据不同的船舶活动场景，按照不同的顺序，组合使用数据融合算法，对ais和卫星影像中的船舶进行匹配。
7、进一步的，所述步骤一具体包括以下流程：
8、(1)准备研究区域内的卫星影像的船舶检测结果，其中船舶信息包括：船舶轮廓外接矩形、船艏向、航向；获取研究区域内当天的ais数据，ais数据具有每隔3～180s更新一次的特点；对研究区域内卫星影像的船舶提取结果和ais数据进行预处理，包括：
9、(1.1)根据卫星影像成像时刻的10位时间戳以及卫星影像提取船舶的中心点经纬度，对影像中的船舶进行唯一编码；
10、(1.2)采用ais中的mmsi号作为每艘船的唯一编码，对船舶进行编号，获取每艘船的特征信息，包括每艘船舶的船长、船宽、船艏向；
11、(1.3)删除卫星影像中船舶误检，补充漏检；
12、(1.4)删除ais数据中的非船舶类ais数据；
13、(1.5)挑选研究区域内每艘船舶成像时刻前后各2个ais点的数据；
14、(1.6)根据船舶轮廓外接矩形，计算卫星影像提取的船长、船宽及中心点经纬度；
15、(2)高空间分辨率卫星成像时间精确到秒，根据卫星成像时刻对ais点迹进行线性插值，计算船舶成像时刻的经纬度特征，步骤如下：
16、(2.1)根据ais的点迹信息，计算卫星成像时刻前后各2个位置点，总共是4个位置点的平均速度，假设平均速度<0.5节的船处于静止状态，否则在该段时间内做匀速直线运动；
17、(2.2)ais数据中时间最接近卫星成像时刻的点d与卫星成像时刻相差<15秒，则船艏向与d点相同，否则船艏向为卫星成像时刻前后两点船艏向的时间间隔加权平均值，根据d点的经纬度，按照上述平均速度，计算卫星成像时刻ais数据中每艘船舶的经纬度；
18、(2.3)ais数据中，第i艘船在卫星成像时刻t0插值位置的船艏向计算为：
19、tid＝|t0-td|
20、tie＝|t0-te|
21、
22、其中，表示ais数据中第i艘船最接近卫星成像时刻的点，所记录的船艏向；tid表示该ais点记录的时刻td与t0相差的时间，单位为s；若该点记录的时刻td小于t0，则te表示第i艘船在t0后的第一个点记录的时间，式中±tid前取“+”；若该点记录的时刻td大于t0，则te表示第i艘船在t0前的第一个点记录的时间，式中±tid前取“-”；tie则表示该点记录的时刻te与t0相差的时间，单位为s；表示该点记录的船艏向；
23、(2.4)根据以上流程，获取ais数据中每艘船舶在卫星成像时刻的特征信息，包括：经度、纬度、船长、船宽、船艏向。
24、进一步的，所述步骤二具体包括以下流程：
25、(1)准备研究区域内船舶活动的影响因子数据并预处理：影响因子数据为：港口码头范围矢量、航道范围矢量、海上旅游区范围矢量，以上三种矢量对应三种影响因子；对每个影响因子进行如下设定：
26、(1.1)对于港口码头范围矢量，在范围内的卫星影像中船舶和ais插值数据，将其所属范围设置为1；
27、(1.2)对于航道范围矢量，在范围内的卫星影像中船舶和ais插值数据，将其所属范围设置为2；
28、(1.3)对于海上旅游区范围矢量，在范围内的卫星影像中船舶和ais插值数据，将其所属范围设置为3；
29、(1.4)对于不在以上范围内的卫星影像中船舶和ais插值数据，统一归为其他范围，将其所属范围设置为0；
30、进一步的，所述步骤三具体包括以下流程：
31、(1)包含插值融合匹配算法：卫星影像中有m艘船舶，采用yolov-5模型提取m艘船舶的结果时，会包含船舶的一个轮廓外接矩形以及矩形轮廓的四个角点坐标，ais插值位置位于船舶矩形轮廓范围内的视作融合匹配，位于船舶矩形轮廓外的视作不匹配；该算法判断每个ais插值点是否在卫星影像中的某一艘船舶轮廓范围内：
32、
33、其中，(loni，lati)，i∈[0，n)表示ais本文档来自技高网...
【技术保护点】
1.一种场景级多源船舶数据融合匹配算法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种场景级多源船舶数据融合匹配算法，其特征在于，所述步骤一具体包括以下流程：
3.如权利要求2所述的一种场景级多源船舶数据融合匹配算法，其特征在于，所述步骤二具体包括以下流程：
4.如权利要求3所述的一种场景级多源船舶数据融合匹配算法，其特征在于，所述步骤三具体包括以下流程：
5.如权利要求4所述的一种场景级多源船舶数据融合匹配算法，其特征在于，所述步骤四具体包括以下流程：
【技术特征摘要】
1.一种场景级多源船舶数据融合匹配算法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种场景级多源船舶数据融合匹配算法，其特征在于，所述步骤一具体包括以下流程：
3.如权利要求2所述的一种场景级多源船舶数据融合匹配算法，其特征在...
【专利技术属性】
技术研发人员：陈木森，朱济帅，吴祖勇，邓美环，张聪，
申请(专利权)人：海南长光卫星信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。