雷达与AIS技术在船舶融合上的应用

刘 勇

摘 要：随着海运的快速发展，人们对船舶的安全监管提出了更高的要求。雷达和船载AIS技术是船舶航行的基本保障手段，雷达与AIS技术联合已经得到广泛的运用。因此，本文研究了有关数学模型。该模型在现实中易于实现，效率高，精度可以满足需求，它已在港口自动化管理中得到充分的应用和验证。

关键词：AIS;雷达;关联;融合

中图分类号：TN957.51 文献标识码：A 文章编号：1003-5168（2019）35-0021-03

Application of Radar and AIS Technology in Ship Fusion

LIU Yong

（The 27th Research Institute of China Electronics Technology Group Corporation，Zhengzhou Henan 450000）

Abstract： With the rapid development of maritime transport， people have put forward higher requirements for the safety supervision of ships. Radar and shipborne AIS technology are the basic means of guarantee for ship navigation. The combination of radar and AIS technology has been widely used. Therefore， this paper studied the relevant mathematical models. This model is easy to implement in reality， has high efficiency， and the accuracy can meet the requirements， which has been fully applied and verified in port automation management.

Keywords： AIS;radar;correlation;fusion

随着海外贸易量的不断增长，我国航海运输事业快速发展，这对航运监管﹑船舶安全提出了新的挑战。雷达和船载AIS技术是保障船舶航行的基本技术手段，雷达能够捕捉船舶的实时航迹，包括船舶航向﹑径向速度﹑坐标方位角等信息，但是由于受周边空气湿度﹑密度以及雷达实际架设情况等因素的影响，雷达的方位精度、距离精度以及目标分辨力都弱于船载AIS设备。受雷达实际架设位置影响，某些船舶目标难免被遮挡，而AIS设备是船只与船只﹑船只与岸边基站的自动通信，可以有效识别船只信息，AIS信息包括船舶的船名﹑呼号﹑GPS位置﹑航速﹑目的港的动态信息以及港口﹑天气﹑洋流等导航信息[1]，基本上不考虑遮挡因素。总的来说，雷达数据更新快但易漏失目标，AIS数据全但更新慢，如果将两者的数据进行融合，就能优势互补，从而快速有效地保障船舶航行安全，为船舶进出港口的自动化智能监督管理提供数据。因此，两者的数据融合是十分必要的，其融合流程如图1所示。

1 AIS与雷达数据的时间对齐

AIS的数据时刻是GPS授时所得，雷达的数据时刻则不一定用GPS授时，所以，为了保证时间基准相同和时间精准，雷达设备需要添加一个GPS授时设备。另外，AIS数据的发送时间间隔长，而且根据船舶的状态不同，AIS广播的船舶动态信息的周期不一致[2]，如表1所示。雷达数据上报周期相对稳定，2～3s传送一批次目标数据，因此需要AIS设备和雷达设备数据上报的时间基准一致和时刻对准。

图1 数据融合流程

在同一段时间内，假设雷达和AIS的采样时刻分别如下。

雷达采样时刻序列为：

[Trj=tr1，tr2，tr3，........，trm j=1，2，......，m][]      （1）

AIS采样时刻序列为：

[TAi=tA1，tA2，tA3，......，tAn i=1，2，3，.....，n]       （2）

表1 AIS狀态参数

这里取[trj-trj-1]与[tAi-tAi-1]中时间间隔最短设备的采样时刻为基准采样时刻。本文以雷达设备的采样时刻为系统的采样基准时刻。AIS信息时间间隔随船舶状态的不同而改变，但在极短的时间内，人们可以认为船舶沿一定方向直线运行，所以可以用插值法计算出AIS某一时刻的位置信息。

当需要[T]时刻的AIS信息时，令[T1]<[T]<[T2]，而[T1]时刻采集AIS的位置信息为[（φ1，λ1）]，[T2]时刻采集的AIS位置信息为[（φ2，λ2）]，[T]时刻采集AIS位置信息为[（φT，λT）]，利用插值法得[3]：

[φT=φ1∙T2-TT2-T1+φ2∙T-T1T2-T1]                 （3）

[λT=λ1∙T2-TT2-T1+λ2∙T-T1T2-T1]                  （4）

2 数据的预处理

2.1 AIS数据的预处理

船载AIS信息提供的船舶定位信息是由GPS提供的，电子海图中的坐标需要把大地坐标经纬度通过墨卡投影转换为平面坐标。墨卡托投影转换公式为：

[x=r0∙λy=r0∙q]                                  （5）

其中，参数[r0]、[q]用公式表示为：

[r0=N0cosφ0]                           （6）

[q=lntan（π4+φ2）-e2ln1+esinφ1-esinφ]         （7）

参数[N0]用公式表示为：

[N0=a1-e2sin2φ0]                          （8）

式中，[r0]为基准维度圈半径;[q]为等量维度;[N0]为基准维度处椭球圈曲率半径;[φ0]为墨卡托投影变换的基准维度;[e]为椭球的第一偏心率;[a]为地球长半径;[（x，y）]为墨卡托平面直角坐标;[（φ，λ）]为WGS-84坐标系的经纬度。

2.2 雷达数据的坐标转换。

有些雷达采用极坐标模式[（R，θ）]表示，把它们转换成直角坐标表示，[（xr，yr）]为雷达数据的平面直角坐标表示。

[xr=R·sinθyr=R·cosθ]                              （9）

式中，[R]为雷达测量目标船舶与雷达之间的距离;[θ]为目标船舶与雷达北向方位之间的夹角。

当前，很多雷达同时拥有这两种数据模式，有些雷达数据的坐标转换可以省去这一过程。

3 船舶航迹关联

現实中，雷达和AIS发现并传送的目标船舶很多，每个都需要进行有效的甄别和筛选，才能实现雷达和AIS数据相关联并融合的目的。

3.1 航迹粗相关

建立AIS数据集合[A]，对于任意元素[∀a⊂A]，有

[a=ida，Tc，ρa，θa]                           （10）

式中，[ida]为目标批次号;[Tc]为AIS采集数据的时间戳;[ρa]和[θa]分别为AIS转换坐标后的目标距离和方位角测量值。

建立雷达数据集合[η]，对于任意元素[∀r⊂η]，有

[r=idr，Tr，ρr，θr]                       （11）

式中，[Tr]为雷达采集数据时间戳;[idr]为雷达目标批次号;[ρr]和[θr]分别为雷达对目标的距离和方位角的测量值。

由于AIS目标数据的精度较雷达高，这里选择以AIS目标测量值为基准值。当[Ta=Tc]时，以[ρa-μ1Δρa+Δρr，ρa+μ1Δρa+Δρr]﹑[θa-μ2Δθr+Δθa，θa+μ2Δθr+Δθa]为区间，找出与此AIS数据粗相关的雷达数据。其中，[μ1]和[μ2]是关联系数，[Δρa]和[Δρr]分别为AIS设备和雷达设备的距离精度，[Δθa]和[Δθr]分别为AIS设备和雷达设备的方位精度。通过修正关联系数[μ1]和[μ2]，缩小区间范围筛选合适雷达目标。粗相关主要是为了减少后期相关数据的处理量，优化算法，提高效率。

3.2 航迹的融合处理

在粗相关处理过程中，更多时候得到的并不是一对一的数据，往往是一对多的数据，在区域内能够满足[（ρt，θt）]因素的目标并不是唯一的，这里采用柯西型隶属度函数进行模糊关联来解决[4]。柯西型隶属度函数为：

[ξηk=1πλk1+η2kλ2k]                           （12）

式中，[ξηk]为模糊因素中第[K]（[K]=1，2，3，4，分别表示距离﹑方位﹑航向﹑速度）个因素的柯西隶属度函数;[λk]和[ηk]分别是模糊因素中的展度和欧氏距离。

参数[ηki]用公式可以表示为：

[ηki=ψRki-ψAki]                        （13）

式中，[ψRki]为第[i]时刻雷达探测到的因素值;[ψAki]为第[i]时刻AIS设备探测到的因素值。

展度和系统误差有关，二者的关系可以用式（14）表示。

[λk=i=1nηkin]                                     （14）

最后用加权法求得综合相似度，即[δ=k=14Ckξηk]的最大值来确定航迹的相关性。

由于目标可能被遮挡，或者目标周围复杂环境造成的二次反射和多次反射等其他因素引起的探测值异常，会使航迹棱角分明、毛刺较多，人们需要通过设定阈值过滤异常值达到优化效果。

经过相关计算可得，雷达探测值和AIS探测值的差值序列为[δARtΔρARt，ΔθARt][5]。

[ΔρARmin=ΔρAR-4-α∙ΔρAR-]              （15）

[ΔρARmax=3ΔρAR-4+α∙ΔρAR-]               （16）

式中，[ΔρARmin]为最小差值;[ΔρARmax]为最大差值;[α]为加权系数，它是一个常数;[ΔρAR-]为平均差值。

同理，方位差值也需要相同的处理，满足[δARt∈ΔρARmin，ΔρARmax]及[∈ΔθARmin，ΔθARmax]的数据保留，剔除探测异常值后[6]，滤波建立航迹：

[∂RL=ρAL2ρAL2+ρRL2]                       （17）

[?AL=ρRL2ρAL2+ρRL2]                          （18）

式中，[∂RL]和[∂AL]分别为雷达和AIS对应因素L的的加权因子;[ρAL]和[ρRL]分别为雷达和AIS的对应因素L的精度。其中，[∂AL+∂RL=1]，融合[L=∂RL∙ρR+∂AL∙ρA]。

4 结语

上述雷达与AIS结合应用技术在实践中得到了检验，整个系统精度高于雷达单独使用的精度，船舶航迹的实时性和连续性也得到了验证。随着近年来科学技术的飞速发展，船舶的体积越来越大，船舶类型也愈发多样化，进出港口的船舶的安全性要求愈发提升。引航员运用雷达与AIS融合技术，使港口引航更加安全可靠。另外，AIS基站可以接收各个船舶的识别码，能够对每条船舶进行识别，自动录入数据库，更有利于港口部门的智能规范管理和监督。

参考文献：

[1]罗素云.AIS与雷达目标位置数据融合方法的研究[D].武汉：武汉理工大学，2013.

[2]甘星.AIS与雷达信息融合在VTS中应用的研究[D].大连：大连海事大学，2013.

[3]李维运.VTS中雷达和AIS信息融合算法研究[D].大连：大连海事大学，2017.

[4]俞金龙.船载AIS和雷达数据关联及融合[J].声学与电子工程，2018（4）：58-61.

[5]吴顺君，梅晓春.雷达信号处理和数据处理技术[M].北京：电子工业出版社，2008.

[6]马晓岩.现代雷达信号处理[M].北京：国防工业出版社，2013.