基于多源时空大数据驱动的广海域船联网数据传输算法研究

Building low-cost large-scale ocean communication network has become one of the most important medium and long-term development strategies in our country due to high cost of ocean base station construction and satellite communication. Ocean Internet of Vessels can provide low-cost data transmission, group coordination and ocean data acquisition service in the ocean by utilizing the meeting chances of moving vessels. Due to the different characteristics of ocean vessel's trajectory, Internet of Vessels and application scenarios, existing mobile wireless Ad-Hoc networks research results cannot be directly applied in ocean field. Based on massive trajectory and environment data, this topic mainly researches: (1) Conduct research on vessel trajectory spatial-temporal pattern and long-term accuracy trajectory prediction algorithm based on ocean temperature, ocean height and climate analysis;(2) The diversified vessel information library models based on big data and machine learning technologies would be studied, for the problems of big data processing and lacking of information library models;(3) Based on Long-term high-precision predicted trajectory data and fused diversified information library models, the ocean Internet of Vessels data transmission algorithm and communication performance model are designed to solve the large-scale ocean communication problem. The results of this project are of great importance for both theory and practice to support ocean communication, ocean observation and help vessel mobility pattern prediction.

由于架设海上基站成本过高、卫星通信价格昂贵，建立低成本、广覆盖的船联网系统已经成为我国重要的中长期发展战略之一。海洋船联网通过船舶的移动创造相互间的通信机会，在海洋中提供低成本的消息传递、群组协同和海洋观测数据传输服务。由于海洋船舶轨迹和海洋船联网的独特特点和应用场景，导致现有的移动无线自组织网络研究成果不能直接应用于海洋领域。本项目基于海量船舶轨迹和环境要素数据主要研究:(1)基于海表温、海面高和气候等要素，探索船舶轨迹的长期时空规律，研究基于多维要素的长期高精度轨迹预测算法;(2)针对船舶数据传输信息库模型缺失和海量数据处理问题，基于大数据和机器学习技术挖掘并构建多样化船舶数据传输信息库模型;(3)基于长期预测的高精度轨迹和多样化的信息库模型，研究面向广海域的船联网数据传输算法和通信性能模型。本项目对海洋通信、海洋观测和船舶行为模式预测等问题的解决具有重要的理论意义和实际应用价值。

海洋通信受限于复杂的海上环境、基础通信设施缺失等因素，一直无法较好地完成稳定、高效的海上网络通信任务。然而，我国海洋通信技术仍处于较低层次的应用阶段，无法满足低成本的广海域海洋网络通信的需求。近年来，船联网作为一种融合现代通信与网络技术的海上通信新方式，被逐步用于渔业探测、智能信息交换、共享和服务，是物联网技术在海洋通信领域的拓展延伸。摆脱基础通信设施的限制，船联网可依赖于海上移动的船舶作为通信节点，组成通信网络，彼此协作来完成信息传递、数据共享。然而，目前船联网仍面临着船舶轨迹数据稀疏、预测难度大、时间长、基础设施缺失、船舶信息库模型缺失等问题亟待解决。针对上述研究背景，项目组在三个年度内完成既定内容的研究。首先，本项目基于海表温、海面高和气候等要素，探索船舶轨迹的长期时空规律，研究基于多维要素的长期高精度轨迹预测算法。该轨迹预测模型在一小时内对位置的平均预测误差小于250m，实现了多变量时间序列预测长期、精准的预测。其次，本项目针对船舶数据传输信息库模型缺失和海量数据处理问题，基于大数据和机器学习技术挖掘并构建多样化船舶数据传输信息库模型，实现了对海域内捕捞努力量分布周级别的短时段预测。然后，本项目基于长期预测的高精度轨迹和多样化的信息库模型，研究面向广海域的船联网数据传输算法和通信性能模型。仿真实验结果表明，项目组基于改进的预测轨迹的船舶路由算法在送达成功率，延迟等指标分别提升了12.7%、13.5%以上。此外，为了更好的开展海洋信息通信研究，项目组针对声学无线信号的应用开展研究工作，完成多项学术成果的发表及发明专利申请。本项目的研究结果对于提高网络通信的可靠传输、实现低成本的广海域海洋网络通信问题，具有重要的理论指导意义及实用参考价值。