由于海洋环境的复杂多变,各类渔业安全事故时有发生。为了保障渔民的生命财产安全,加强对渔船作业的监管,结合卫星通信、全球定位导航、计算机和地理信息等技术的渔船监控系统(VMS)应运而生。现有的VMS都是采用中心化的集中运算模式,所有对于渔船数据的可视化展示和模式挖掘都在监控中心完成。但是由于海上通信资源匮乏,终端设备采集到的数据无法被高效利用,并且通信延时导致实时性高的需求无法满足。而边缘计算作为一种快速发展的新型计算模式,可以通过在靠近物或数据源头处就近提供服务来有效解决高延迟、带宽不足的问题。因此,本文将边缘计算模式应用到VMS中,并在此基础上对渔船轨迹数据传输和异常检测进行了研究。(1)本文提出了基于边缘计算的VMS(EC-VMS)框架。该框架主要由感知层、汇聚层、边缘层和云层四部分组成。其中感知层负责采集海洋信息;汇聚层负责对采集到的数据进行过滤、集成等处理;边缘层是EC-VMS框架的核心层,可以在数据源头处执行包括轨迹简化、异常检测等任务,并通过北斗卫星导航系统(BDS)和云层通信;云层负责存储渔船信息并提供可视化展示、数据分析等服务。(2)针对海上通信资源匮乏,渔船数据无法高效利用的问题,本文基于ECVMS框架提出了自适应轨迹传输模型(ATTM)。该模型利用边缘节点的计算能力,在满足北斗卫星通信限制的基础上建立自适应数据传输机制。其中通过LDR和SQUISH算法减少冗余数据,降低卫星通信次数;通过丢包反馈机制和差错校验策略保证数据传输的可靠性。(3)由于海上通信高延时的特性无法有效满足渔船异常检测对实时性的需求,本文基于EC-VMS框架提出了实时异常检测模型(RADM)。该模型运行在边缘层,通过在边缘节点之间建立合作机制,结合历史轨迹提取检测算法与在线异常检测算法实现异常检测功能。其中历史轨迹提取检测算法通过多特征聚类挖掘历史轨迹中的频繁模式,并将异于频繁模式的轨迹识别为异常;在线异常检测算法基于时空近邻相似性检测特定场景下的异常行为,并减少异常进化带来的影响。