近年来，水路交通事故的数量呈明显上升趋势，尤其在内河航道，船舶数量拥挤，事故频繁发生，已成为水路交通管理的重中之重。船用雷达、自动雷达标绘仪(auto radar plotting aid,ARPA)虽具有避碰功能，但提供的信息有限，不能识别船舶的静态信息和操作意图^[1]。船舶交通服务(vessel traffic services,VTS)利用甚高频(Very High Frequency,VHF)及雷达观测人工识别船只，操作费时，获取信息有限^[2]。船舶自动识别系统(AIS)的产生实现了船与船之间、船与交通管理中心之间的相互识别和信息交互，其主要功能包括船只识别、协助跟踪、信息交流、避碰预警等^{[3, 4]}。然而，AIS设备存在自身的缺陷，导航定位精度较低，稳定性较差，且数据播发间隔为几秒甚至十几秒，不能满足内河航道船舶的使用。本文研究的重点在于如何充分利用AIS获取的现有动态信息，解决和完善其自身的缺点，增强其在内河航道的预警功效。

1 AIS动态信息获取及分析

AIS设备的动态信息主要来自于GNSS接收机、计程仪、陀螺罗经等传感器。其中，GNSS接收机主要提供船位信息、UTC时间；计程仪主要提供船舶的对地航速；陀螺罗经主要提供船舶的航向^[5]。AIS动态信息获取分以下3个步骤：① 通讯串口连接AIS主机^[6]；② 对传输数据完好性进行判断^{[7, 8]}；③ 进行AIS解码^[9]。

图 1为AIS设备获取的部分动态信息源码，图 2为解码后的部分结果。可以看出，船舶位置信息获取精度可至0.001 s(约0.03 m)；船舶速度信息获取精度为0.1节(约0.05 m/s)；船舶航向信息获取精度为0.1°(50 m范围内位置精度约为0.09 m)。为了测试动态信息的实际精度，将AIS设备固定于同济大学某一固定点上，采样间隔设置为1 s，将得到的大地坐标投影至平面上^{[9, 10]}，测试其位置偏差和速度偏差。图 3为AIS获取的当前历元坐标值与前一历元坐标值的偏差，图 4为各历元的速度值。

图 1 AIS源码 Fig. 1 Sound Code of AIS

图选项

图 2 解码结果 Fig. 2 Results of Decoding

图选项

图 3 各历元位置偏差 Fig. 3 Deviation of Each Position

图选项

图 4 各历元速度值 Fig. 4 Speed of Each Epoch

图选项

可以看出，同一位置不同时刻，AIS获取的位置信息可能相差十几米甚至几十米；而速度信息相对于真实值的差值全部在0.5 m/s范围内，所以在短时间内(如10 s)根据前一历元正确位置信息和速度信息推算当前历元位置信息的误差最大不会超过5 m。

2 预报模型及预报分析

船舶速度信息v、方向信息A与位置信息(x，y)的关系为：

建立高阶多项式模型：

式中，a_i、b_i为多项式系数。线性化后得出法方程：

式中，B _n为第n历元的系数矩阵; P 为观测值权;δx为待求参数(多项式系数)。解算中设立计算窗口，确定窗口内历元数为m，当新历元进入时，剔除法方程中失效历元的观测值。如m+1历元数据进入窗口时，法方程变为：

只需将当前法方程中失效历元的相应系数减去，新历元法方程系数加上即可。

鉴于AIS数据获取多为等时间间隔，短时间内速度变化率较小，本文采用二次多项式方法将船舶位置拟合为时间的函数^[11]。将某一运动船只33个历元的动态信息采用4个历元、10个历元、20个历元作为窗口进行二次多项式拟合。

图 5为船只3个窗口拟合出的预报位置与实测位置的差值。可以看出，预报值与实测值的差值存在一定的跳变，增加窗口历元数可以起到一定的平滑效果，但并没有消除这一现象，如在第29历元、第33历元，跳变值依然存在，同时还可以发现，不同窗口的预报值与实测值差值跳变位置一致。因此，可以认为跳变是由于卫星位置存在粗差引起。图 6为运动船只二次多项式拟合残差图，V_y、V_x、V_v、V_A分别为位置、速度和方向的残差。可以看出预报窗口历元数越多，位置残差越大，这说明并非历元数越多预报效果越好。

图 5 预报位置与实测位置差值 Fig. 5 Deviations of Predicted Value and Measured Value

图选项

图 6 3种窗口残差 Fig. 6 Residual of Three Widows

图选项

综上所述，AIS获取的动态速度信息精度在0.5 m/s内。可将速度信息作为位置信息是否含有粗差的依据。 令X′为通过前一历元船舶位置信息、速度信息、航向信息计算得出的当前历元船舶位置，X为 GNSS接收机实测当前船舶位置，若

则认为观测值存在粗差(Δt为历元间隔)。

图 7为上述船只计算值与观测值的差值，可以发现第5、9、19、29历元处差值满足式(5)，与图 5及图 6得出的跳变位置完全一致。因此，可以认为这4个历元处位置发生跳变，式(5)的判断方法正确可行，将观测值替换为计算值，消除粗差影响。

图 7 计算值与观测值差值 Fig. 7 D-value of Calculated Value and Observed Value

图选项

利用与§3同样的动态数据，基于船舶的运动特性，采用4个历元的预报窗口，将船舶位置、速度、航向作为观测值，拟合二次多项式系数，预报船舶下一时刻位置；预报之前，首先对船舶位置进行粗差探测，剔除粗差位置点，选取不含粗差的4个历元进行预报。

图 8为剔除粗差点后预报值与实测值的差值，可以看出所有历元的差值均在1 m以内。图 9为二次多项式拟合残差，位置残差全部在0.2 m以内，较图 6精度上有本质的提高，证明了粗差点剔除的合理性。

图 8 预报值与实测值差值 Fig. 8 Deviations of Predicted Value and Measured Value

图选项

图 9 多项式拟合残差 Fig. 9 Residual of Polynomial Fitting

图选项

为了进一步验证该预报方法的精度，对30条船30个历元的动态信息进行预报，结果如表 1。

大多数预报与实测值的差值在1 m以内，根据对船舶速度和方向的分析发现，少量跳变值是由于船舶变向或停泊所造成。

对于拥挤的内河航道，船舶位置精度越高，AIS采样间隔越小，预警信息的发布就越及时。船舶避碰通常基于DCPA和TCPA的船舶碰撞危险评价方法^[12]，本文研究的主要作用有以下两个方面：① 对定位粗差较大船只的位置改正，如图 10(a)；② 预报历元间隔内船舶的位置，如图 10(b)。

图 10(a)中，1号灰色船只表示当前历元GNSS接收机的实测位置，经检测该位置存在粗差，其实际位置应为上方2号标记所在位置，实际位置已在3号船只的预警范围内，而实测位置却在预警范围之外。图 10(b)中，1号船舶为前一历元船舶位置，行驶一个历元后(10s)至2号位置，进入4号船只的预警范围，3号位置为1号位置预测5s后船舶的位置，可以发现3号位置已在预警范围内，较2号船舶位置提前5 s进入预警范围。

图 10 试验结果 Fig. 10 Results of Experimentel

图选项

AIS作为大型船舶避碰和监管的重要工具，其实时性和精度一定程度上制约了其实质性的功能。本文研究了基于AIS获取的速度和方向信息对船舶位置信息进行粗差改正，建立多类观测数据的高阶多项式拟合模型，预报船舶下一历元所在位置，克服AIS自身定位精度不足、动态信息滞后的缺点，并得出以下结论。

1) AIS获取的动态位置信息跳变起伏较大，速度信息和方向信息较为稳定；

2) 多历元数据拟合并不能解决位置信息跳变引起的误差，且在船舶变速和转向时，预报效果变差。

3) 实验证明，结合前一历元船舶位置信息、速度信息和方向信息可对下一历元船舶位置进行粗差检测。

4) 对于剔除位置粗差的历元，4个历元的预报窗口可实现1 m以内的船位预报精度，对于拥挤的内河航道来说可增强船舶之间的实时预警功能。