一种船舶航迹融合方法、系统、介质和设备与流程

1.本发明涉及船舶信息检测技术领域，具体涉及一种船舶航迹融合方法、系统、存储介质和计算机设备。


背景技术：

2.在vts(vessel traffic service)船舶交通管理系统中，能接入船舶自动识别系统ais(automatic identificationsystem)、雷达等多数据源，船舶目标相关数据来源多个数据源，单目标通过ais数据，能产生获得一条目标轨迹，同时在雷达探测范围内，通过雷达跟踪也会产生一条轨迹，载者在雷达站的重叠区域内，单目标通过多部雷达探测也会产生多条航迹，在vts综合显示中心，只需要一个目标对应一条航迹，因此船舶航迹融合技术就是确定由多源传感器，ais、多部雷达探测到的多条航迹是否来自于同一目标，对多数据源产生的轨迹融合成一条轨迹。
3.目前，国内外研究学者和专家对各种航迹关联的理论和方法有大量的研究。主要方法包括：模糊聚类方法、双波门法、k近邻域法、神经网络、灰度关联和模糊理论等方法上述算法均在不同角度存在不同程度的优势，但由于外部环境异常复杂，特别在目标密集环境下和交叉机动航迹较多的等情形下，单一方法可能只考虑目标某种情况，不能适用于目标复杂多变的情况，仍可能存在较多的错漏航迹。


技术实现要素：

4.为了克服现有技术存在的缺陷与不足，本发明提供一种船舶航迹融合方法，基于多因素模糊判断和灰色关联度相结合，并根据目标运动状态进行优化处理模糊判断流程的航迹关联算法，提高目标融合的准确性和稳定性。
5.本发明的第二目的在于提供一种船舶航迹融合系统。
6.本发明的第三目的在于提供一种存储介质。
7.本发明的第四目的在于提供一种计算设备。
8.为了达到上述目的，本发明采用以下技术方案：
9.本发明提供一种船舶航迹融合方法，包括下述步骤：
10.对ais和雷达目标分别进行时间校准处理，将各数据源探测的数据信息统一到同一参考时刻，得到各数据源在相同时刻对该目标的数据信息；
11.采用多因素模糊判断算法对目标轨迹间相似度进行判断，建立模糊因素集并确定模糊因素集的权重，筛选出符合相识度的雷达目标集；
12.采用柯西隶属度函数进行航迹关联；
13.计算ais目标与所述符合相识度的雷达目标集中的雷达目标的灰度关联值，进行灰度关联分析，当灰度关联值大于预设关联度阈值时，则判定该对应雷达目标为ais目标同一个目标；
14.在得到与ais关联的雷达目标后，对两目标轨迹进行融合计算，得到融合后目标位
置和运动状态。
15.作为优选的技术方案，所述对ais和雷达目标分别进行时间校准处理，具体步骤包括：
16.根据时间校准时刻点t，分别从目标轨迹记录查找出轨迹点其采样时间t1和t2，使得t1和t2满足t1《t《t2，采用线性插值的方法，计算出时间校准时刻点目标的对应位置、航向和航速的值；
17.若目标轨迹记录中无其采样时间t1和t2，使得t1和t2满足t1《t《t2时，则查找出轨迹点其采样时间t1，使得t
1-t的绝对值最小，通过匀速直线运动模型，推算出同步时刻目标的位置，得出对应的目标位置因子值，航向和航速则使用t1轨迹点的目标航向和航速值。
18.作为优选的技术方案，在采用多因素模糊判断算法对目标轨迹间相似度进行判断的步骤前，还包括目标运动状态判断步骤，具体包括：
19.选取一个ais目标时间校准后的值，计算ais目标在多个采样时间校准时刻点中速度因子的平均速度值，若平均速度值大于预设的速度阈值，则判定该ais目标为运动目标，否则该ais目标判定为静止目标。
20.作为优选的技术方案，根据ais目标静止或者运动状态分别进行相识度判断，具体步骤包括：
21.目标为静止目标时：
22.判断ais周边是否存在多个目标，根据符合相识度的目标集的目标数目调整预设的距离阈值；
23.选取一个雷达目标，计算ais目标与该雷达目标平均欧式距离，若平均欧式距离小于预设的距离阈值时，则将该雷达目标加入符合相识度的目标集中，循环遍历所有的雷达目标；
24.目标为运动目标时：
25.进行多因子模糊判断并计算ais目标与雷达目标的平均欧式距离，若平均欧式距离小于预设的距离阈值时，则计算雷达目标航向的均方差值、雷达目标的航速平均值以及柯西隶属度函数值；
26.根据雷达目标航向的均方差值判断雷达航向值是否有效，根据雷达目标的航速平均值调节位置的展度值，对求得两目标因子的柯西隶属度函数值进行加权求和得到总隶属度，对加权求和结果进行阈值判断，大于预设距离阈值时，将该雷达目标加入ais目标符合相识度的目标集中，循环遍历所有的雷达目标。
27.作为优选的技术方案，还包括欧式距离计算优化步骤，具体包括：
28.使用船舶目标大小对目标位置进行补充，再进行目标位置因子的计算；
29.设a点、b点分别为雷达目标和ais目标的位置，c点为ab连线与ais目标的交点，雷达目标和ais目标的距离由ab线段修正为ac线段。
30.作为优选的技术方案，所述计算ais目标与所述符合相识度的雷达目标集中的雷达目标的灰度关联值，进行灰度关联分析，具体步骤包括：
31.使用平均值法将ais目标与符合相识度目标集中的雷达目标位置、航向和航速的因子值分别进行去量纲操作得到去量纲后数值；
32.计算ais目标与目标集中雷达目标的灰度关联值，计算时，把时刻当成灰度关联模
型中多因素，多目标当成判断对象，组成计算矩阵，进行计算，求得经度、纬度、航速、航向的各时刻的关联值；
33.求解经度、纬度、航速、航向的时刻关联值的算术平均值，进行加权求和；
34.遍历目标与候选符合相识度目标集目标，取得所有雷达目标的灰度关联值加权和，比较求得最大的关联值，对最大关联值进行阈值判断，若大于预设关联阈值，则判断对应目标与ais目标为同一个目标。
35.作为优选的技术方案，所述得到与ais关联的雷达目标后，对两目标轨迹进行融合计算，具体步骤包括：
36.获取ais目标和雷达目标当前状态信息，当ais目标的航速小于阈值时判定为静止状态，否则判定为运动状态；
37.静止状态时，使用ais的状态信息作为融合目标状态信息，运动状态时，融合目标的位置信息使用ais目标和雷达目标的位置进行加权平均的方法求出融合后的目标位置；
38.使用矢量运算方式，求两个目标速度矢量和，计算出目标的合速度，取合速度矢量值1/2作为融合目标航速值，合速度矢量方向值作为融合目标航向值，得出融合目标的航速和航向，从而得到目标轨迹融合状态。
39.为了达到上述第二目的，本发明采用以下技术方案：
40.本发明还提供一种船舶航迹融合系统，包括：时间校准模块、轨迹相似度判断模块、航迹关联模块和目标融合模块；
41.所述时间校准模块用于对ais目标进行时间校准处理，将各数据源探测的数据信息统一到同一参考时刻，得到各数据源在相同时刻对该目标的数据信息；
42.所述轨迹相似度判断模块用于采用多因素模糊判断算法对目标轨迹间相似度进行判断，建立模糊因素集并确定模糊因素集的权重，筛选出符合相识度的雷达目标集；
43.所述航迹关联模块用于采用柯西隶属度函数进行航迹关联，计算ais目标与所述符合相识度的雷达目标集中的雷达目标的灰度关联值，进行灰度关联分析，当灰度关联值大于预设关联度阈值时，则判定该对应雷达目标为ais目标同一个目标；
44.所述目标融合模块用于在得到与ais关联的雷达目标后，对两目标轨迹进行融合计算，得到融合后目标位置和运动状态。
45.为了达到上述第三目的，本发明采用以下技术方案：
46.一种计算机可读存储介质，存储有程序，所述程序被处理器执行时实现上述船舶航迹融合方法。
47.为了达到上述第四目的，本发明采用以下技术方案：
48.一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述船舶航迹融合方法。
49.本发明与现有技术相比，具有如下优点和有益效果：
50.(1)本发明在目标静止情况下采用位置平均差代替多因子模糊判断，使用船舶大小补全的船舶目标位置参数，根据目标运动状态、周边目标多寡调整模糊关联的判断展度、判断阈值和权重等参数值，提高了目标融合的准确性和稳定性。
附图说明
51.图1为本发明船舶航迹融合方法的整体框架流程示意图；
52.图2为本发明船舶航迹融合方法的具体流程示意图；
53.图3为本发明船舶目标位置补全的实现原理示意图。
具体实施方式
54.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
55.实施例
56.如图1、图2所示，本实施例提供一种船舶航迹融合方法，以单ais目标航迹为基础对所有未融合的雷达目标的航迹进行匹配，并筛选出其中匹配度最高的雷达航迹来与ais航迹进行融合，计算轨迹点定为10点，具体步骤包括：
57.s1：首先对数据进行时间校准处理，使判定的两个轨迹进行后续计算使用同一时刻的状态。选取n个固定间隔较短时刻点，由于间隔较短运动目标短时时间内可近似为匀速直线运动，采用线性插值的方法，进行各数据目标同一时刻点状态的计算。
58.在本实施例中，由于各数据源观测到相同目标的时间不同，所以要对其进行时间校准才能进行后续处理。时间校准的定义是将各数据源探测的数据信息统一到同一参考时刻，得到各数据源在相同时刻对该目标的数据信息。
59.s11：计算时间校准的时刻点，以当前时刻为基准，向前递减固定值，计算出10个时间校准时刻点(t1、t2、
…
t
10
)；
60.s12：对ais目标进行时间校准，根据时间校准时刻点t，分别从目标轨迹记录查找出轨迹点其采样时间t1和t2，使得t1和t2满足t1《t《t2。采用线性插值的方法，计算出时间校准时刻点ais目标的对应位置(经度、纬度)、航向和航速的值x。如果目标轨迹记录中无其采样时间t1和t2，使得t1和t2满足t1《t《t2时，则查找出轨迹点其采样时间t1，使得t
1-t的绝对值最小，通过匀速直线运动模型，推算出同步时刻目标的位置，得出对应的目标位置(经度、纬度)因子值；航向和航速则使用t1轨迹点的目标航向和航速值。使用上述方法，得出10个时间校准时刻点，ais目标位置(经度、纬度)、航向和航速的值。
61.设时刻t1《t《t2，船舶目标在t1、t2时刻采集的位置信息分别为(x1，y1)、(x2，y2)，则在选定时刻t船舶目标的位置(x,y)信息为：
[0062][0063][0064]
s13：按ais目标时间校准方法对雷达目标的进行时间校准，得出10个时间校准时刻点对应的目标位置(经度、纬度)、航向和航速四个因子值。
[0065]
s2：取一个ais目标，对雷达目标集进行判断，筛选出符合相识度的雷达目标集。筛选符合相识度的目标集，主要使用多因素模糊判断算法对目标轨迹间相似度进行判断，建
立模糊因素集并确定模糊因素集的权重。
[0066]
在本实施例中，多因素模糊判断算法只适于一般目标运动情况，但由于外部环境异常复杂，针对一些特殊情况，算法做出优化处理：考虑到雷达目标在静止状态下由于设备本身误差，目标的位置、航向、航速都会呈现出无规则变化，难以根据模糊判断算法对轨迹相识度进行判断。所以在进行多因素模糊判断目标关系前，对目标是否静止进行判断，如果目标平均速度小于一个较小阀值时，判断目标为静止状态情况下采用位置平均欧氏距离方式，而不使用多因素模糊判定方式。
[0067]
s21：先取一个ais目标时间校准后的值，计算ais目标10个时间校准时刻点中速度因子的平均速度值，如果平均速度值大于设定的阈值，则认为该ais目标为运动目标，否在认为该ais目标为静止目标；
[0068]
s22：根据ais目标静止或者运动状态分别进行相识度判断，分为两个分支。
[0069]
目标为静止目标时：
[0070]
步骤1：判断ais周边是否存在多个目标，其判断依据为：上一个融合计算周期，筛选出的该目标符合相识度的目标集的目标数目(初始计算则取0)；根据目标周边目标数目多寡，确定两目标的距离阈值的大小，目标数目多时，适当减少距离阈值，反之，适当增加距离阈值。
[0071]
步骤2：取一个雷达目标，计算ais目标与该雷达目标平均欧式距离，坐标为(x
经度
、y
纬度
)，如果平均欧式距离小于距离阈值时，则将该雷达目标加入符合相识度的目标集中。
[0072]
步骤3：重复步骤2，直到遍历所有的雷达目标；
[0073]
目标为运动目标时：
[0074]
步骤1：取一个雷达目标，计算ais目标与雷达目标的平均欧式距离，坐标为(x
经度
、y
纬度
)对平均欧式距离进行判断，如果平均欧式距离小于距离阈值时，才能进行下一步计算。
[0075]
步骤2：为了优化过滤掉，雷达目标不稳定情况，计算雷达目标10个时间校准时刻点中航向的均方差值，对均方差值与阈值进行比较，当均方差值大于阈值，认为雷达航向值有效，否则认为无效。如果雷达航向无效，将不使用航向因子参与计算，并相应调整其他因子的加权权重值。
[0076]
步骤3：考虑到速度会对目标位置变化的影响，计算雷达目标的航速平均值，如果平均值大于阈值，则将位置的展度值进行适当放大，放宽判定条件；如果平均值小于阈值，则将位置的展度值进行适当缩小，收紧判定条件；
[0077]
步骤4：分别计算两目标纬度和经度、航向、航速等因子柯西隶属度函数值。柯西型分布是连续的概率分布，其概率密度函数如下：
[0078][0079]
式中，ξ(ηk)为模糊因素(纬度、经度、航向或航速)中k时刻点的柯西型隶属度函数，ηk分别为两目标因子(纬度、经度、航向或航速)第k个时刻点的差值，λk为柯西隶属度函数计算展度。
[0080]
步骤5：对求得的两目标纬度和经度、航向、航速等因子柯西隶属度函数值，进行加权求和得到总隶属度，目标位置(经度、纬度)权重最高、航速次之，航向权重为最低。如果上
述步骤中，不使用航向因子进行计算，则按比例重新计算目标位置(经度、纬度)权重和航速的权重，再按新的权重加权求和。
[0081]
步骤6：对加权求和结果进行阈值判断，大于阈值的，将该雷达目标加入ais目标符合相识度的目标集中。
[0082]
步骤7：重复步骤1到6，直到遍历所有的雷达目标。
[0083]
以上与欧式距离计算有关都考虑ais船舶的大小影响，对距离计算进行算法优化，为了提高融合准确率，使用船舶目标大小对目标位置进行补充，再进行目标位置因子的计算，如图3所示，具体计算算法如下：
[0084]
a、b分别为雷达目标和ais目标的位置，ais目标的大小为长h和宽w的矩形，c点为ab连线与ais目标的交点，则雷达目标和ais目标的距离由ab线段，修正为ac线段，ac线段长度，可通过平面几何方式，由a、b两点坐标和长h和宽w的矩形值求得。
[0085]
s3：筛选出符合相识度的目标集，进行灰度关联分析；
[0086]
s31：使用平均值法将ais目标与符合相识度目标集中的雷达目标位置(经度、纬度)、航向和航速四个因子值分别进行去量纲操作，得到去量纲后数值。平均值法具体如下，假设目标经度(x1，x2…
x
10
),则第i个经度去量纲值x为：纬度、航向和航速同理求解；
[0087]
s32：计算ais目标与目标集中雷达目标的灰度关联值，计算时，把时刻当成灰度关联模型中多因素k，多目标当成x判断对象，组成计算矩阵，得出灰度关联最大的目标的关联值；
[0088]
灰色关联度计算公式，假设目标的因子(分别为经度、纬度、航速、航向)的行为序列为xi＝(x(1)，x(2)，x(3)
…
x(n)。其候选符合相识度目标集的因子(分别为经度、纬度、航速、航向)的行为序列为yi＝(y(1)，y(2)，y(3)
…
y(n)),则目标与候选符合相识度目标因子的i(为1到10)时刻得灰色关联度值，如下式求得：
[0089][0090]
γ为目标关联值，ρ表示分辨系数，代表x，y序列关联灵敏度，通常的在区间(o，1]内取合适的数值。
[0091]
求经度、纬度、航速、航向因子的10个时刻得灰色关联度值后，求经度、纬度、航速、航向的算术平均值，进行加权求和；
[0092]
s33：重复步骤s32：，遍历目标与候选符合相识度目标集目标，取得其雷达目标的灰度关联值；
[0093]
s34：对得出灰度关联值，进行大小比较，得出最大的灰度关联值，进行阈值判断，大于关联度阈值，则判定该对应雷达目标为ais目标同一个目标；
[0094]
s4：目标轨迹融合：得到与ais关联的雷达目标后，对两目标轨迹进行融合计算，得到融合后目标位置和运动状态。
[0095]
s41：获取ais目标和雷达目标当前状态信息。
[0096]
s42：判断ais目标运动状态为静止状态，ais目标的航速小于阈值，判定为静止状态，否则判定为运动状态。
[0097]
s43：如果为静止状态时，将ais的位置权重设为1，即使用ais的状态信息作为融合目标状态信息。如果为运动状态时，融合目标的位置信息使用ais目标和雷达目标的位置进行加权平均的方法求出融合后的目标位置。使用矢量运算方式，求两个目标速度矢量和，计算出目标的合速度，取合速度矢量值1/2作为融合目标航速值，合速度矢量方向值作为融合目标航向值，得出融合目标的航速和航向，从而得到目标轨迹融合状态。
[0098]
实施例2
[0099]
本实施例提供一种船舶航迹融合系统，包括：时间校准模块、轨迹相似度判断模块、航迹关联模块和目标融合模块；
[0100]
在本实施例中，时间校准模块用于对ais目标进行时间校准处理，将各数据源探测的数据信息统一到同一参考时刻，得到各数据源在相同时刻对该目标的数据信息；
[0101]
在本实施例中，轨迹相似度判断模块用于采用多因素模糊判断算法对目标轨迹间相似度进行判断，建立模糊因素集并确定模糊因素集的权重，筛选出符合相识度的雷达目标集；
[0102]
在本实施例中，航迹关联模块用于采用柯西隶属度函数进行航迹关联，计算ais目标与符合相识度的雷达目标集中的雷达目标的灰度关联值，进行灰度关联分析，当灰度关联值大于预设关联度阈值时，则判定该对应雷达目标为ais目标同一个目标；
[0103]
在本实施例中，目标融合模块用于在得到与ais关联的雷达目标后，对两目标轨迹进行融合计算，得到融合后目标位置和运动状态。
[0104]
实施例3
[0105]
本实施例提供一种存储介质，存储介质可以是rom、ram、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，程序被处理器执行时，实现实施例1的船舶航迹融合方法。
[0106]
实施例4
[0107]
本实施例提供一种计算设备，该计算设备可以是台式电脑、笔记本电脑、智能手机、pda手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现实施例1的船舶航迹融合方法。
[0108]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。