发明内容
本申请旨在解决或改善上述技术问题。
为此,本申请的第一目的在于提供一种雷达和船舶自动识别***数据融合方法。
本申请的第二目的在于提供一种雷达和船舶自动识别***数据融合***。
本申请的第三目的在于提供一种雷达和船舶自动识别***数据融合***。
本申请的第四目的在于提供一种可读存储介质。
为实现本申请的第一目的,本申请第一方面的技术方案提供了一种雷达和船舶自动识别***数据融合方法,包括:获取雷达数据和船舶自动识别***数据;对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集;通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集;获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹;通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果;获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向;分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果;根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。
根据本申请提供的雷达和船舶自动识别***数据融合方法,首先获取雷达数据和船舶自动识别***数据,对雷达数据和船舶自动识别***数据进行线性拟合。然后通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充。通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度。分别计算雷达目标速度、航向和船舶自动识别***目标速度、航向的皮尔逊相关系数。如果雷达、船舶自动识别***的运动轨迹相似,速度、航向是线性相关的,那么可以得出当前雷达目标和船舶自动识别***的船属于同一个物体,从而实现船舶自动识别***数据、雷达数据的融合,融合后的数据存储于卡夫卡集群中,便于后期快速提取、查看。通过使雷达数据和船舶自动识别***数据形成自动、***的数据融合,从而解决水上信息不通畅的问题。整个融合***自成体系,直接接入雷达、船舶自动识别***原始数据,基本不依赖于外部平台。通过船舶自动识别***数据自动补充规则能够自动补充缺失的船舶自动识别***坐标、速度、航向,从而保证船舶自动识别***数据与雷达目标数据在时间上同步。所有融合数据后期可追踪、查阅,可以对水上纠纷查看、分析、判决提供数据上的支撑,解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
另外,本申请提供的技术方案还可以具有如下附加技术特征:
上述技术方案中,获取雷达数据和船舶自动识别***数据,具体包括:采集雷达原始数据和船舶自动识别***原始数据;根据雷达报文协议对雷达原始数据进行解析,得到雷达数据,并将雷达数据全量存入卡夫卡集群中;根据标准船舶自动识别***报文协议对船舶自动识别***原始数据进行解析,得到船舶自动识别***数据,并将船舶自动识别***数据全量存入数据库中。
在该技术方案中,获取雷达数据和船舶自动识别***数据,具体为首先采集雷达原始数据和船舶自动识别***原始数据。然后根据雷达报文协议对雷达原始数据进行解析,得到雷达数据,并将雷达数据全量存入卡夫卡集群中。然后根据标准船舶自动识别***报文协议对船舶自动识别***原始数据进行解析,得到船舶自动识别***数据,并将船舶自动识别***数据全量存入数据库中。具体地,通过网络方式从雷达基站定时获取雷达原始数据,获取的雷达原始数据未提供雷达数据时间、雷达编号等信息,需将雷达数据时间、雷达编号信息加入到雷达原始数据中,组成新的雷达原始数据。船舶自动识别***原始数据是由船上设备主动上报给船舶自动识别***数据采集设备,***通过访问船舶自动识别***数据采集设备获取船舶自动识别***报文,船舶自动识别***报文中包含船舶动态信息、船舶静态信息。根据雷达报文协议,解析雷达报文,获取雷达编号、目标编号、目标相对距离(雷达设备)、目标相对方位(雷达设备)、目标速度、目标捕获时间,同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。将解析的雷达数据全量存入卡夫卡集群中。根据标准船舶自动识别***报文协议,解析船舶动态数据、静态数据,获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。将解析的船舶自动识别***数据全量存入数据库中,同时保存一份实时船舶数据供其他模块调用。
上述技术方案中,对雷达数据和船舶自动识别***数据进行线性拟合,得到第一雷达数据集和第一船舶自动识别***数据集,具体包括:从卡夫卡集群和数据库中提取第三预设时间内的雷达数据和船舶自动识别***数据;将雷达数据和船舶自动识别***数据按照相同时间差等差分割,得到第一雷达数据集和第一船舶自动识别***数据集。
在该技术方案中,对雷达数据和船舶自动识别***数据进行线性拟合,得到第一雷达数据集和第一船舶自动识别***数据集,具体为分别从数据库、卡夫卡集群中提取预设时间内的雷达数据和船舶自动识别***数据,并将雷达数据和船舶自动识别***数据按照相同时间差等差分割,得到第一雷达数据集和第一船舶自动识别***数据集。
上述技术方案中,通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,具体包括:
将第一船舶自动识别***数据集分割成n个区间:
,假设每个分段区间
上都满足三次方程:
表示以
为未知数的函数,其可以是一次的、二次的、多次的函数;
当所述区间足够小,可假设在区间内曲线光滑,
及其一阶导数、二阶导数连续,所述三次方程构造如下:
其中,
表示时间的未知数,
表示一元三次方程,通过求解该方程式中
的值,可以得到对应时间区间
里任意时间的值,
、
、
、
均为每个区间的四个未知数,通过解所述三次方程可得每个区间内对应的数值,从而获得区间内指定时间内的雷达数据和船舶自动识别***数据。
在该技术方案中,由于雷达、船舶自动识别***数据的上报频率不一致,所以等差分割的船舶自动识别***数据、雷达数据在时间上并不相匹配,考虑到船舶、雷达目标的运动轨迹具有线性相关的特性,可假设每个区间(时间段内)的相同数值与时间在二维坐标系内都是一个三次方程,通过解三次方程可得每个区间内对应的数值,从而获得区间内指定时间内的雷达数据和船舶自动识别***数据。通过自动补充缺失的船舶自动识别***坐标、速度、航向,从而保证船舶自动识别***数据与雷达目标数据在时间上同步。
上述技术方案中,雷达数据包括以下之一或其组合:目标位置、相对位置、速度、方位和相对距离。
在该技术方案中,雷达数据包括目标位置、相对位置、速度、方位和相对距离。
上述技术方案中,船舶自动识别***数据包括船舶动态信息和船舶静态信息。
在该技术方案中,船舶自动识别***数据包括船舶动态信息和船舶静态信息。
上述技术方案中,船舶静态信息包括以下之一或其组合:船名、水上移动通信业务标识码、船长、船宽、船舶自动识别***设备位置和到达港,船舶动态信息包括以下之一或其组合:船舶位置、速度、旋转角、方位和航向。
在该技术方案中,船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、船舶自动识别***设备位置、到达港等信息;船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
为实现本申请的第二目的,本申请第二方面的技术方案提供了一种雷达和船舶自动识别***数据融合***,包括:第一获取模块,用于获取雷达数据和船舶自动识别***数据;线性拟合模块,用于对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集;数据补充模块,用于通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集;第二获取模块,用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹;轨迹对比模块,用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果;第三获取模块,用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向;线性对比模块,用于分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果;数据融合模块,用于根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。
根据本申请提供的雷达和船舶自动识别***数据融合***,包括第一获取模块、线性拟合模块、数据补充模块、第二获取模块、轨迹对比模块、第三获取模块、线性对比模块和数据融合模块。其中,第一获取模块用于获取雷达数据和船舶自动识别***数据。线性拟合模块用于对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集。数据补充模块用于通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集。第二获取模块用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹。轨迹对比模块用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果。第三获取模块用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向。线性对比模块用于分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果。数据融合模块用于根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。通过使雷达数据和船舶自动识别***数据形成自动、***的数据融合,从而解决水上信息不通畅的问题。
为实现本申请的第三目的,本申请第三方面的技术方案提供了一种雷达和船舶自动识别***数据融合***,包括:存储器和处理器,其中,存储器上存储有可在处理器上运行的程序或指令,处理器执行程序或指令时实现第一方面技术方案中任一项的雷达和船舶自动识别***数据融合方法,故而具有上述第一方面任一技术方案的技术效果,在此不再赘述。
为实现本申请的第四目的,本申请第四方面的技术方案提供了一种可读存储介质,其上存储有程序或指令,程序或指令被处理器执行时实现第一方面技术方案中任一项的雷达和船舶自动识别***数据融合方法的步骤,故而具有上述第一方面任一技术方案的技术效果,在此不再赘述。
本申请的附加方面和优点将在下面的描述部分中变得明显,或通过本申请的实践了解到。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,但是,本申请还可以采用其他不同于在此描述的其他方式来实施,因此,本申请的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图6描述本申请一些实施例的雷达和船舶自动识别***数据融合方法及***、存储介质。
如图1所示,本申请第一方面的实施例提供了一种雷达和船舶自动识别***数据融合方法,包括以下步骤:
步骤S102:获取雷达数据和船舶自动识别***数据;
步骤S104:对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集;
步骤S106:通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集;
步骤S108:获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹;
步骤S110:通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果;
步骤S112:获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向;
步骤S114:分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果;
步骤S116:根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。
根据本实施例提供的雷达和船舶自动识别***数据融合方法,首先获取雷达数据和船舶自动识别***数据,对雷达数据和船舶自动识别***数据进行线性拟合。然后通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充。通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度。分别计算雷达目标速度、航向和船舶自动识别***目标速度、航向的皮尔逊相关系数。如果雷达、船舶自动识别***的运动轨迹相似,速度、航向是线性相关的,那么可以得出当前雷达目标和船舶自动识别***的船属于同一个物体,从而实现船舶自动识别***数据、雷达数据的融合,融合后的数据存储于卡夫卡集群中,便于后期快速提取、查看。通过使雷达数据和船舶自动识别***数据形成自动、***的数据融合,从而解决水上信息不通畅的问题。整个融合***自成体系,直接接入雷达、船舶自动识别***原始数据,基本不依赖于外部平台。通过船舶自动识别***数据自动补充规则能够自动补充缺失的船舶自动识别***坐标、速度、航向,从而保证船舶自动识别***数据与雷达目标数据在时间上同步。所有融合数据后期可追踪、查阅,可以对水上纠纷查看、分析、判决提供数据上的支撑,解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
如图2所示,根据本申请提出的一个实施例的雷达和船舶自动识别***数据融合方法,获取雷达数据和船舶自动识别***数据,具体包括以下步骤:
步骤S202:采集雷达原始数据和船舶自动识别***原始数据;
步骤S204:根据雷达报文协议对雷达原始数据进行解析,得到雷达数据,并将雷达数据全量存入卡夫卡集群中;
步骤S206:根据标准船舶自动识别***报文协议对船舶自动识别***原始数据进行解析,得到船舶自动识别***数据,并将船舶自动识别***数据全量存入数据库中。
在该实施例中,获取雷达数据和船舶自动识别***数据,具体为首先采集雷达原始数据和船舶自动识别***原始数据。然后根据雷达报文协议对雷达原始数据进行解析,得到雷达数据,并将雷达数据全量存入卡夫卡集群中。然后根据标准船舶自动识别***报文协议对船舶自动识别***原始数据进行解析,得到船舶自动识别***数据,并将船舶自动识别***数据全量存入数据库中。具体地,通过网络方式从雷达基站定时获取雷达原始数据,获取的雷达原始数据未提供雷达数据时间、雷达编号等信息,需将雷达数据时间、雷达编号信息加入到雷达原始数据中,组成新的雷达原始数据。船舶自动识别***原始数据是由船上设备主动上报给船舶自动识别***数据采集设备,***通过访问船舶自动识别***数据采集设备获取船舶自动识别***报文,船舶自动识别***报文中包含船舶动态信息、船舶静态信息。根据雷达报文协议,解析雷达报文,获取雷达编号、目标编号、目标相对距离(雷达设备)、目标相对方位(雷达设备)、目标速度、目标捕获时间,同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。将解析的雷达数据全量存入卡夫卡集群中。根据标准船舶自动识别***报文协议,解析船舶动态数据、静态数据,获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。将解析的船舶自动识别***数据全量存入数据库中,同时保存一份实时船舶数据供其他模块调用。
如图3所示,根据本申请提出的一个实施例的雷达和船舶自动识别***数据融合方法,对雷达数据和船舶自动识别***数据进行线性拟合,得到第一雷达数据集和第一船舶自动识别***数据集,具体包括以下步骤:
步骤S302:从卡夫卡集群和数据库中提取第三预设时间内的雷达数据和船舶自动识别***数据;
步骤S304:将雷达数据和船舶自动识别***数据按照相同时间差等差分割,得到第一雷达数据集和第一船舶自动识别***数据集。
在该实施例中,对雷达数据和船舶自动识别***数据进行线性拟合,得到第一雷达数据集和第一船舶自动识别***数据集,具体为分别从数据库、卡夫卡集群中提取预设时间内的雷达数据和船舶自动识别***数据,并将雷达数据和船舶自动识别***数据按照相同时间差等差分割,得到第一雷达数据集和第一船舶自动识别***数据集。
在上述实施例中,由于雷达、船舶自动识别***数据的上报频率不一致,所以等差分割的船舶自动识别***数据、雷达数据在时间上并不相匹配,考虑到船舶、雷达目标的运动轨迹具有线性相关的特性,可假设每个区间(时间段内)的相同数值与时间在二维坐标系内都是一个三次方程,通过解三次方程可得每个区间内对应的数值,从而获得区间内指定时间内的雷达数据和船舶自动识别***数据。通过自动补充缺失的船舶自动识别***坐标、速度、航向,从而保证船舶自动识别***数据与雷达目标数据在时间上同步。
具体地,将第一船舶自动识别***数据集分割成n个区间:
,假设每个分段区间
上都满足三次方程:
表示以
为未知数的函数,其可以是一次的、二次的、多次的函数;
当所述区间足够小,可假设在此区间内曲线光滑,
及其一阶导数、二阶导数连续,所述三次方程构造如下:
其中,
表示时间的未知数,
表示一元三次方程,通过求解该方程式中
的值,可以得到对应时间区间
里任意时间的值,
、
、
、
均为每个区间的四个未知数,通过解所述三次方程可得每个区间内对应的数值,从而获得区间内指定时间内的雷达数据和船舶自动识别***数据。
在一些实施例中,雷达数据包括目标位置、相对位置、速度、方位和相对距离。
在一些实施例中,船舶自动识别***数据包括船舶动态信息和船舶静态信息。船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、船舶自动识别***设备位置、到达港等信息;船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
如图4所示,本申请第二方面的实施例提供了一种雷达和船舶自动识别***数据融合***10,包括:第一获取模块110,用于获取雷达数据和船舶自动识别***数据;线性拟合模块120,用于对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集;数据补充模块130,用于通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集;第二获取模块140,用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹;轨迹对比模块150,用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果;第三获取模块160,用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向;线性对比模块170,用于分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果;数据融合模块180,用于根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。
根据本实施例提供的雷达和船舶自动识别***数据融合***10,包括第一获取模块110、线性拟合模块120、数据补充模块130、第二获取模块140、轨迹对比模块150、第三获取模块160、线性对比模块170和数据融合模块180。其中,第一获取模块110用于获取雷达数据和船舶自动识别***数据。线性拟合模块120用于对雷达数据和船舶自动识别***数据进行线性拟合,得到雷达数据集和第一船舶自动识别***数据集。数据补充模块130用于通过船舶自动识别***数据自动补充规则对第一船舶自动识别***数据集进行缺失数据补充,得到第二船舶自动识别***数据集。第二获取模块140用于获取雷达数据集的第一预设时间内的雷达目标轨迹和第二船舶自动识别***数据集的第一预设时间内的船舶自动识别***目标轨迹。轨迹对比模块150用于通过灰色关联算法计算雷达目标轨迹和船舶自动识别***目标轨迹的关联度,得出第一判断结果。第三获取模块160用于获取雷达数据集的第二预设时间内的雷达目标速度和雷达目标航向,并获取第二船舶自动识别***数据集的第二预设时间内的船舶自动识别***目标速度和船舶自动识别***目标航向。线性对比模块170用于分别计算雷达目标速度和船舶自动识别***目标速度的皮尔逊相关系数、雷达目标航向和船舶自动识别***目标航向的皮尔逊相关系数,得出第二判断结果。数据融合模块180用于根据第一判断结果和第二判断结果进行数据融合,并将融合后的数据存储于卡夫卡集群中。通过使雷达数据和船舶自动识别***数据形成自动、***的数据融合,从而解决水上信息不通畅的问题。
如图5所示,本申请第三方面的实施例提供了一种雷达和船舶自动识别***数据融合***20,包括:存储器300和处理器400,其中,存储器300上存储有可在处理器400上运行的程序或指令,处理器400执行程序或指令时实现第一方面的实施例中任一项的雷达和船舶自动识别***数据融合方法的步骤,故而具有上述第一方面任一实施例的技术效果,在此不再赘述。
本申请第四方面的实施例提供了一种可读存储介质,其上存储有程序或指令,程序或指令被处理器执行时实现第一方面的实施例中任一项的雷达和船舶自动识别***数据融合方法的步骤,故而具有上述第一方面任一实施例的技术效果,在此不再赘述。
如图6所示,根据本申请提供的一个具体实施例的雷达和船舶自动识别***数据融合方法,主要是解决水上航线安全、水上航线预警、水上监管过程中雷达和AIS(船舶自动识别***)数据各自独立,无法形成自动、***的数据融合,其主要目的为区域雷达数据挖掘、区域AIS数据挖掘、雷达与AIS特征数据提取、雷达与AIS相同特征数据融合、雷达与AIS数据时空同步。
具体地,此***由数据接入***、数据存储解析***和数据融合***三部分组成。
数据接入***构成:
雷达数据采集:
通过网络方式从雷达基站定时获取雷达数据,获取的雷达数据未提供雷达数据时间、雷达编号等信息,需将雷达数据时间、雷达编号信息加入到雷达数据中,组成新的雷达数据。雷达数据主要包含目标位置、相对位置(雷达设备)、速度、方位、相对距离(雷达设备)等信息。
AIS数据采集:
AIS数据是由船上设备主动上报给AIS数据采集设备,***通过访问AIS数据采集设备增量的获取AIS报文,AIS报文中包含船舶动态信息、船舶静态信息,其中船舶静态信息主要包含船名、水上移动通信业务标识码、船长、船宽、AIS设备位置、到达港等信息;船舶动态信息主要包含船舶位置、行驶速度、旋转角、方位、航向等信息。
数据存储解析***功能:
雷达数据解析:
根据雷达报文协议,解析雷达报文,获取雷达编号、目标编号、目标相对距离(雷达设备)、目标相对方位(雷达设备)、目标速度、目标捕获时间,同时根据雷达设备的坐标计算出目标的经纬度、目标的方位角。
AIS数据解析:
根据标准AIS报文协议,解析船舶动态数据、静态数据,获取船舶水上移动通信业务标识码、呼号、船长、船宽、速度、航向、方位等信息。
雷达数据存储:
解析的雷达数据全量存入卡夫卡集群中。
AIS数据存储:
解析的AIS数据全量存入数据库中,同时保存一份实时船舶数据供其他模块调用。
数据融合***功能:
雷达、AIS数据线性拟合:
分别从数据库、卡夫卡集群中提取10分钟以内AIS、雷达数据,并对AIS、雷达数据按照相同时间差等差分割。
AIS数据自动补充:
由于雷达、AIS数据的上报频率不一致,所以1中等差分割的AIS、雷达数据在时间上并不相匹配,考虑到船舶、雷达目标的运动轨迹具有线性相关的特性;假设每个区间(时间段内)的相同数值与时间在二维坐标系内都是一个三次方程,使用下述算法计算出缺失的雷达、AIS数据:
将分段分割成n个区间:
,假设每个分段区间
上都满足三次方程:
;
当区间足够小,可假设在此区间内曲线光滑,
及其一阶导数、二阶导数连续,则此时三次方程构造如下:
其中,
、
、
、
均为每个区间的四个未知数,通过解三次方程可得每个区间内对应的数值,从而获得区间内指定时间内的雷达数据和船舶自动识别***数据。
雷达、AIS目标运行轨迹的对比:
在雷达、AIS数据线性拟合和AIS数据自动补充之后,可以得到线性的、连续的、时间同步的一组AIS、雷达数据,从数据中提取一段时间内的AIS、雷达目标轨迹,将AIS、雷达目标轨迹放到二维坐标系上,使用灰色关联算法计算AIS与雷达目标运动轨迹的关联度,从而判断两者是否存在相似性。
雷达、AIS数据特征值对比:
在雷达、AIS数据线性拟合和AIS数据自动补充之后,可以得到线性的、连续的、时间同步的一组AIS、雷达数据,从数据中提取一段时间内的AIS、雷达目标的速度和航向,分别计算速度、航向的皮尔逊相关系数,如果计算结果趋于1或者-1,则表示AIS、雷达目标的速度、航向是线性相关的。
融合后数据存储:
在运行轨迹的对比和特征值对比的计算后,如果雷达、AIS的运动轨迹相似,速度、航向是线性相关的,那么可以得出当前雷达目标和AIS的船属于同一个物体,从而实现AIS、雷达数据的融合,融合后的数据存储于卡夫卡集群中,便于后期快速提取、查看。
综上,本申请实施例的有益效果为:
1、整个融合***自成体系,直接接入雷达、AIS原始数据,基本不依赖于外部平台。
2、能够自动补充缺失的AIS坐标、速度、航向,从而保证AIS数据与雷达目标数据在时间上同步。
3、基于灰度关联、皮尔逊相关系数建立数学模型,科学的计算AIS、雷达目标的运动轨迹是否相似,AIS、雷达目标的速度、航向是否线性相关。
4、所有融合数据后期可追踪、查阅,可以对水上纠纷查看、分析、判决提供数据上的支撑,解决了因为数据不全、无法追溯过往记录等数据原因而造成案件积压、无法给出合理判决等问题。
在本申请中,术语“第一”、“第二”、“第三”仅用于描述的目的,而不能理解为指示或暗示相对重要性;术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
本申请的描述中,需要理解的是,术语“上”、“下”、 “前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或模块必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本申请的限制。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。