离岸船舶安全航行的前提之一是依据自身的实时位置,制定路径规划方案,并在航行过程中,依据实时位置、航行速度等信息,持续调整航行偏差,确保船舶安全抵达目的地[1-3]。
张啸尘等[4]利用YOLOv3算法提取船舶特征,通过SURF算法匹配提取的特征,实现船舶的测距和定位。杨浩琪等[5]在卷积神经网络内,引入注意力机制,提升特征提取精度,通过难样本重学习的学习策略,抑制特征图像的背景干扰,依据背景抑制后的特征,得到船舶定位结果。但是,上述2种方法均需要利用相机采集离岸船舶航行图像,在采集图像过程中,存在初始校准时间长的缺陷,导致定位方法无法满足离岸船舶的实时性需求,且易受外界环境影响,导致离岸船舶航行图像采集精度下降,从而影响定位效果。
DDS协议属于一个发布/订阅模型的通用数据分发标准,具备较优的实时性与高效性,广泛应用于各个领域[6-7]。在位置定位领域中,应用DDS协议可快速、可靠、实时地传输定位信息。为此,研究基于DDS协议的离岸船舶实时定位方法。
1 离岸船舶实时定位方法设计在离岸船舶上安装移动阅读器,航道两侧安装固定标签,航道两侧的固定标签位置已知。当固定标签位于离岸船舶的移动阅读器范围内时,移动阅读器以无线射频的方式,传输该范围内固定标签信息至移动阅读器内。移动阅读器利用改进加权质心定位算法,结合移动阅读器接收固定标签信息的接收信号强度(RSSI)值,计算移动阅读器的位置信息,即离岸船舶的位置信息。
通过DDS协议信息分发单元,传输离岸船舶位置信息至后台服务器。DDS协议信息分发单元中信息发布者为移动阅读器。移动阅读器通过启动分发服务,结合DDS接口完成数据分发,将离岸船舶的实时位置信息,传输至全局数据空间内。
全局数据空间负责登记移动阅读器与服务器全部信息,还负责缓存移动阅读器发布的离岸船舶实时位置信息,确保服务器能够精准查询到需要的信息。全局数据空间会按照位置信息的有效期,动态删除或调整信息,形成一个信息缓冲队列。信息缓冲队列的作用是缓冲服务器已订阅却没有及时接收的离岸船舶实时位置信息。全局数据空间中分发代理负责控制分发服务中的传输过程、QoS与优先级,确保离岸船舶实时位置信息,发送至指定服务器内。信息分发管理节点负责根据服务器的订阅请求,以及移动阅读器的发布请求,管理各节点的信息分发路径,提升离岸船舶实时位置信息传输的安全可靠性。
服务器为信息订阅者。服务器通过调用DDS接口对全局数据空间存储的离岸船舶实时位置信息,进行订阅或退订[8],利用显示器呈现订阅的离岸船舶实时位置信息,实现离岸船舶实时定位。
基于DDS协议的离岸船舶实时定位方法的技术架构如图1所示。
DDS协议中,移动阅读器为信息发布者,用于发布离岸船舶实时位置信息,服务器为订阅者,用于查询离岸船舶的实时位置信息。利用DDS协议传输离岸船舶实时位置信息的流程如图2所示。
位置信息发布过程:移动阅读器在发布离岸船舶实时位置信息时,会构造一个信息写入者,写入者将要发布的实时位置信息主题以及服务质量,发布至发布者数据空间的信息缓冲区内。发布成功后,写入者进入阻塞等待状态,其余各移动阅读器陆续在发布信息缓冲区内添加发布记录。
位置信息订阅过程:在服务器要订阅某主题的离岸船舶实时位置信息时,移动阅读器需构造一个信息读取者。读取者会先在发布信息缓冲区内寻找匹配的发布者,再传输主题与服务质量信息至发布者数据空间内,然后进入阻塞状态等待实时位置信息读取过程中被激活。最后,读取者被激活后,移动阅读器会接收读取者订阅的实时位置信息。
1.2 离岸船舶实时定位的实现移动阅读器利用改进加权质心定位算法,根据移动阅读器与固定标签间的RSSI值,计算移动阅读器的实时位置,即离岸船舶实时位置。
移动阅读器位置坐标计算公式如下:
$ y = \dfrac{{{y_A}\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_B}}}} \right) + {y_B}\left( {\dfrac{1}{{{l_B}}} + \dfrac{1}{{{l_C}}}} \right) + {y_B}\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_C}}}} \right)}}{{2\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_B}}} + \dfrac{1}{{{l_3}}}} \right)}} ,$ | (1) |
$ x = \dfrac{{{x_A}\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_B}}}} \right) + {x_B}\left( {\dfrac{1}{{{l_B}}} + \dfrac{1}{{{l_C}}}} \right) + {x_B}\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_C}}}} \right)}}{{2\left( {\dfrac{1}{{{l_A}}} + \dfrac{1}{{{l_B}}} + \dfrac{1}{{{l_3}}}} \right)}} 。$ | (2) |
式中:为固定标签
令移动阅读器接收第
$ {P_A} = {10^{\frac{{RSS{I_A}}}{{10}}}} 。$ | (3) |
$ {P_{AB}} = {10^{\frac{{RSS{I_{AB}}}}{{10}}}} 。$ | (4) |
令固定标签
$ {l_A} = \frac{{P_{AB}^{} \times {l_{AB}}}}{{P_A^{}}} 。$ | (5) |
同理获取
以民用船舶为实验对象,类型主要包括商船、渔船与工程作业船,3种类型船舶的具体参数如表1所示。
随机选择15艘离岸船舶,利用本文方法对这15艘离岸船舶进行实时定位,离岸船舶运行120 min后的实时定位结果如图3所示。
可知,当离岸船舶航行120 min后,本文方法可以有效实时定位离岸船舶位置,且定位结果与实际位置非常接近。上述实验证明,本文方法可精准实时定位离岸船舶。
以其中1艘离岸船舶为例,利用本文方法对该艘离岸船舶进行实时定位,并根据实时定位结果生成离岸船舶航行轨迹,分析本文方法的实时定位效果,分析结果如图4所示。
可知,本文方法可有效定位不同时刻离岸船舶的位置,根据本文方法定位生成的实际航行路径,与规划的航行路径非常接近,说明本文方法的实时定位结果精度较高。
分析本文方法在不同信息量时的信息分发效果,通过信息分发丢包率衡量本文方法的信息分发效果,信息分发丢包率越低,说明信息分发效果越佳,信息分发丢包率阈值为20%。信息分发丢包率分析结果如图5所示。
可知,随着信息量的增加,本文方法的信息分发丢包率呈上升趋势,当信息量达到14 GB时,信息分发丢包率趋于稳定,稳定在16%左右,并未超过设置阈值,说明不同信息量时,本文方法的信息分发效果较优。
3 结 语离岸船舶定位精度,直接影响离岸船舶的航行安全。为此,依据DDS协议的高效性,研究基于DDS协议的离岸船舶实时定位方法,精准定位离岸船舶位置,并满足船舶定位的实时性需求。应用本文方法可帮助船舶管理岸上总站,实时了解各离岸船舶的实时位置,及时发现离岸船舶潜在的碰撞危险,并加以纠正,提升离岸船舶航行安全性。
[1] |
董众, 林宝军, 申利民. 一种基于图像显著性的离岸船舶目标检测效率优化方法[J]. 燕山大学学报, 2020, 44(4): 418-424. DONG Zhong, LIN Baojun, SHEN Limin. An efficiency optimization method of offshore ship target detection based on saliency[J]. Journal of Yanshan University, 2020, 44(4): 418-424. DOI:10.3969/j.issn.1007-791X.2020.04.012 |
[2] |
周薇娜, 刘露. 复杂场景下多尺度船舶实时检测方法[J]. 电信科学, 2022, 38(10): 67-78. ZHOU Weina, LIU Lu. A real-time detection method for multi-scale ships in complex scenes[J]. Telecommunications Science, 2022, 38(10): 67-78. DOI:10.11959/j.issn.1000-0801.2022258 |
[3] |
陈海力, 任鸿翔, 李源惠, 等. 基于反推滑模的船舶动力定位有限时间控制[J]. 计算机仿真, 2021, 38(12): 182-187+479. CHEN Haili, REN Hongxiang, LI Yuanhui, et al. Finite time control for marine surface vehicle based on backstepping sliding mode algorithm[J]. Computer Simulation, 2021, 38(12): 182-187+479. DOI:10.3969/j.issn.1006-9348.2021.12.038 |
[4] |
张啸尘, 赵建森, 王胜正, 等. 基于YOLOv3算法的船舶双目视觉检测与定位方法[J]. 上海海事大学学报, 2021, 42(1): 26-32. ZHANG Xiaochen, ZHAO Jiansen, WANG Shengzheng, et al. Binocular vision detection and positioning method for ships based on YOLOv3 algorithm[J]. Journal of Shanghai Maritime University, 2021, 42(1): 26-32. DOI:10.13340/j.jsmu.2021.01.005 |
[5] |
杨浩琪, 姚红革, 王诚, 等. 复杂场景下遥感船舶的检测与分割定位[J]. 计算机辅助设计与图形学学报, 2020, 32(3): 472-485. YANG Haoqi, YAO Hongge, WANG Cheng, et al. Detection and segmentation and positioning of remote sensing ships in complex scenes[J]. Journal of Computer-Aided Design & Computer Graphic, 2020, 32(3): 472-485. |
[6] |
郑鹏怡, 陈进朝. 基于发布订阅的实时交互平台NetDDS的设计与实现[J]. 高技术通讯, 2021, 31(4): 435-440. ZHENG Pengyi, CHEN Jinchao. Design and implementation of real-time interactive platform named NetDDS based on publish-subscribe[J]. Chinese High Technology Letters, 2021, 31(4): 435-440. DOI:10.3772/j.issn.1002-0470.2021.04.011 |
[7] |
钱巨, 王寅, 程浩, 等. 基于场景模型的DDS架构一体化舰船任务系统测试[J]. 软件学报, 2022, 33(5): 1711-1735. QIAN Ju, WANG Yin, CHENG Hao, et al. Scenario model based testing of integrated DDS-based naval mission systems[J]. Journal of Software, 2022, 33(5): 1711-1735. DOI:10.13328/j.cnki.jos.006557 |
[8] |
徐海祥, 卜瑞波, 冯辉. 面向船舶智能航行的多目标实时跟踪方法[J]. 华中科技大学学报(自然科学版), 2022, 50(1): 138-143. XU Haixiang, BU Ruibo, FENG Hui. Real-time multi-target tracking method for ship intelligent navigation[J]. Journal of Huazhong University of Science and Technology(Nature Science Edition), 2022, 50(1): 138-143. |