Automatic Identification System (AIS) dynamic data estimation based on discrete Kalman Filter (KF) algorithm

• Autorzy: Jaskólski K.

Identyfikatory

DOI

10.5604/01.3001.0010.6747

Warianty tytułu

PL

Estymacja danych dynamicznych automatycznego systemu identyfikacji (AIS) w oparciu o algorytm dyskretnego filtru Kalmana (KF)

• Języki publikacji: EN

Abstrakty

EN

Due to the safety reason, the ship movement on the littoral area should be monitored, tracked, recorded and stored. Automatic Identification System (AIS) is the perfect tool to ensure this requirement. The limit probability for the AIS dynamic data availability can be limited by the lack of Global Position System (GPS) signal, heading (HDG) and rate of turn (ROT) data in position report. Availability of data link is an additional limitation. For this purpose, it is possible to attach the Discrete Kalman filter (KF) for the position, and course estimation. Coordinate estimation in the absence of a transmission link can improve the quality of AIS service at Vessel Traffic Service (VTS) stations. This article presents Kalman filtering algorithm to improve the possibilities of ship motion tracking and monitoring in the TSS (Traffic Separation Scheme) and fairways area. Only 39 iterations were presented to familiarize how the Kalman filter algorithm works. The archival data from 2006 were used deliberately. During that time, there were problems with the AIS availability service. With the use of measurements series from those years, it is easier to observe the effectiveness of Kalman filter in absence of AIS data.

PL

Dla zapewnienia bezpieczeństwa żeglugi ruch jednostek pływających w rejonie wód wewnętrznych i w strefie przybrzeżnej powinien być monitorowany i rejestrowany, najlepiej w postaci cyfrowej. Doskonałym narzędziem do tego celu jest automatyczny system identyfikacji (AIS). Dostępność danych dynamicznych AIS może zostać jednak zredukowana z powodu braku dostępu do systemów pozycjonowania (GPS) oraz braku danych o kursie (HDG) i prędkości kątowej (ROT) w raportach pozycyjnych. Niedostępność łącza komunikacyjnego w paśmie VHF jest dodatkowym ograniczeniem systemu. W celu estymacji danych dotyczących pozycji i kursu statku w czasie, gdy dane te nie są dostępne, można zastosować dyskretny filtr Kalmana (KF). Estymacja współrzędnych w przypadku braku łącza komunikacyjnego wynikającego z ograniczeń dostępności systemu AIS podnosi jakość serwisu zarządzania ruchem statków (VTS). W artykule zaprezentowano 39 iteracji filtru Kalmana. Celowo zastosowano dane archiwalne z 2006 roku, albowiem w tych rejestracjach występują wyraźne przerwy w strumieniu danych. Rzecz w tym, że efektywność zaproponowanego rozwiązania łatwiej zaobserwować, jeśli zostaną zastosowane serie pomiarowe z okresu, gdy występowały problemy z dostępnością serwisu AIS.

Słowa kluczowe

EN

AIS; Kalman filter; AIS data estimation

PL

AIS; filtr Kalmana; estymacja danych AIS

• Wydawca: Akademia Marynarki Wojennej im. Bohaterów Westerplatte
• Czasopismo: Zeszyty Naukowe Akademii Marynarki Wojennej
• Rocznik: 2017
• Tom: R. 58 nr 4 (211)
• Strony: 71--87
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Jaskólski K.

• Polish Naval Academy, Institute of Navigation and Hydrography, Śmidowicza 69 Str., 81-127 Gdynia, Poland

Bibliografia

• [1] Banachowicz A., Urbański J., Obliczenia nawigacyjne, AMW, Gdynia 1988 [Navigation calculations — available in Polish].
• [2] Czapiewska A., Sadowski J., Algorithms for Ship Movement Prediction for Location Data Compression, ‘TransNav, The International Journalon Marine Navigationand Safety of Sea Transportation’, 2015, Vol. 9, No. 1, pp. 75–81.
• [3] ITU-R M.1371-5, Technical characteristics for an automatic identification system using TDMA in the VHF maritime mobile frequency band, 2014.
• [4] Jaskólski K., AIS dynamic data estimation based on Kalman Filter, AIS Seminar, HELCOM ’17, Helsinki 2017.
• [5] Kaniewski P., Funkcje, struktury i algorytmy w zintegrowanych systemach pozycjonujących i nawigacyjnych, habilitation dissertation, WAT, Warszawa 2010 [Functions, structures and algorithms in integrated positioning and navigation systems — available in Polish].
• [6] Kantak T., Stateczny A., Urbański J., Podstawy automatyzacji nawigacji, cz. A, Zautomatyzowane systemy nawigacyjne, AMW, Gdynia 1988 [Fundamentals of automation for navigation, Part A, Automated navigation systems — available in Polish].
• [7] Konatowski S., Sipa T., Position Estimation Using Unscented Kalman Filter, ‘Annual of Navigation’, 2004, No. 8, pp. 97–110.
• [8] Naus K., Nowak A., The Positioning Accuracy of BAUV Using Fusion of Data from USBL System and Movement Parameters Measurements, ‘Sensors’, 2016, 16, 1279.
• [9] Richert D., Propozycja modernizacji systemu AIS w oparciu o filtr Kalmana, master’s thesis, AMW, Gdynia 2017 [Proposal for modernization of the AIS system based on Kalman filter — available in Polish].
• [10] Stateczny A., Nawigacja radarowa, GTN, Gdańsk 2011 [Radar navigation — available in Polish].
• [11] Welch G., Bishop G., An Introduction to the Kalman Filter, University of North Carolina at Chapel Hill, 2006.