CN109658439B - 船舶压港状态识别方法、装置、设备以及存储介质 - Google Patents
船舶压港状态识别方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN109658439B CN109658439B CN201710944880.1A CN201710944880A CN109658439B CN 109658439 B CN109658439 B CN 109658439B CN 201710944880 A CN201710944880 A CN 201710944880A CN 109658439 B CN109658439 B CN 109658439B
- Authority
- CN
- China
- Prior art keywords
- ship
- behavior
- data
- state
- harbor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/759—Region-based matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了船舶压港状态识别方法、装置、设备以及存储介质。本申请技术方案为:获取船舶在港口内的航程;在所述航程中,判别所述船舶的抛锚行为;基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态。根据本申请实施例的技术方案,基于实时航程内船舶的抛锚行为和载货状态,能够分析得出船舶的压港状态,从而克服了现有技术中人工统计货船压港状态的准确性低且实时性差的问题,并为其他终端用户提供了丰富的数据资源,提高了港口内船舶管理的实效性。
Description
技术领域
本公开一般涉及数据处理技术领域,具体涉及海洋大数据处理技术领域,尤其涉及一种船舶压港状态识别方法、装置、设备以及存储介质。
背景技术
货船可能的活动状态包括搁置、运输中、压港等待、在港装卸4个状态,这些状态直接影响港口管理、航运安排等工作。其中,压港状态的识别较为困难。压港状态是指在一段时间内,由于港口船舶和货运输量过分集中,超过了港口最大吞吐和疏运能力,从而导致港口拥挤阻塞。当货船因找不到空闲的泊位而处于压港等待状态时,如果不能及时有效地识别处于压港的船舶,则必然导致港口拥堵,调度不畅。
现有技术中,为了避免港口拥堵,主要依靠人工统计分析的方式进行。
但是,人工统计分析压港船舶存在以下缺陷:
(1)信息来源有限且难以保证数据质量,影响分析结果准确性。人工统计分析时除船舶位置信息外,还需要船舶的目的港、预计到达时间2个信息。此信息需由船主提供或者从AIS静态报文中获取。只有港口管理机构可以得到由船主提供的即将停靠本港的船舶信息,但范围限于本港口,对于AIS静态报文中的相关信息,仅部分船只按照AIS信号管理规范进行了数据更新,因此,在人工统计分析时,数据来源和数据质量都难以得到保证,并影响了分析结果的准确性。
(2)信息延时获取,影响分析结果实时性。人工统计分析所需信息由船主直接提供或以从AIS信息中获取,因此信息的实时性受限于船主是否及时提供相关信息或者及时更新AIS设备配置信息(需手工操作),而通常情况下,这些信息都不会在第一时间进行更新,甚至拖延较长时间后才进行更新,因此,信息的实时性难以得到保证,导致分析结果实时性差。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种船舶压港状态识别方法、装置、设备以及存储介质,解决现有的人工统计货船压港状态准确性低且实时性差的问题。并期望通过基于船舶抛锚行为的判别结果和船舶的载货状态,及时、准确地获得船舶的压港状态数据,以供其他终端用户及时获取,提高数据处理的时效性。
第一方面,本发明实施例提供了一种船舶压港状态识别方法,该方法包括如下步骤:
获取船舶在港口内的航程。
在所述航程中,判别所述船舶的抛锚行为。
基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态。
在第一方面的一个或多个实施例中,基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态,包括如下步骤:
根据所述判别的结果,判断所述船舶是否存在抛锚行为。
若存在所述抛锚行为,则基于预先获取的船舶静态信息判断所述船舶是否处于载货状态。
若所述船舶处于载货状态,则所述船舶被判别为处于压港状态。
在第一方面的一个或多个实施例中,基于预先获取的船舶静态信息判断所述船舶是否处于载货状态,包括如下步骤:
获取所述船舶静态信息中的吃水深度。
判断所述吃水深度是否大于预设的空载吃水深度阈值。
若所述吃水深度大于所述空载吃水深度阈值,则所述船舶被判别为在所述港口内处于载货状态。
在第一方面的一个或多个实施例中,判别所述船舶的抛锚行为,包括:基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,则所述船舶行为被判别为抛锚行为。
在第一方面的一个或多个实施例中,判别所述船舶的抛锚行为,在基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别之前,还包括:
对获取的实时位置数据进行分组,得到所述船舶行为的初始数据。
根据所述初始数据分别计算所述船舶行为的特征数据;其中,所述船舶行为的特征数据包括:船舶的航行速度、航行位移、航行方向变化。
所述航行位移为当前船舶行为相对于初始船舶行为产生的位移,所述航行方向变化为所述位移的方向变化。
在第一方面的一个或多个实施例中,抛锚行为规则库包括:航行速度小于预设的第一阈值;航行位移小于预设的第二阈值;航行方向变化为连续变化。
在第一方面的一个或多个实施例中,在所述判别所述船舶的抛锚行为之后,包括:存储所述抛锚行为的特征数据。
在第一方面的一个或多个实施例中,按照预设统计时间存储所述抛锚行为的特征数据。
在第一方面的一个或多个实施例中,获取船舶在港口内的航程,包括:基于港口信息和实时位置数据,分析获取船舶在港口内的航程,所述航程包括进港过程、出港过程以及船舶在港口内航行过程。
在第一方面的一个或多个实施例中,在所述获取船舶在港口内的航程之前,所述方法还包括:获取港口信息以及数据源发送的船舶的实时位置数据;预处理所述实时位置数据。
在第一方面的一个或多个实施例中,预处理采用如下一种或多种方式:数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
在第一方面的一个或多个实施例中,在所述获取数据源发送的船舶的实时位置数据之前,所述方法还包括:设置指定参数,所述指定参数为预设统计时间、指定船舶类型、预设区域范围。
在第一方面的一个或多个实施例中,数据源包括船舶自动识别系统AIS、雷达以及北斗卫星导航系统。
第二方面,本发明实施例还提供了一种货船压港状态识别装置,该装置包括航程获取模块、抛锚行为识别模块以及压港状态识别模块:
所述航程获取模块,配置用于获取船舶在港口内的航程。
所述抛锚行为识别模块,配置用于在所述航程中,判别所述船舶的抛锚行为。
所述压港状态识别模块,配置用于基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态。
在第二方面的一个或多个实施例中,压港状态识别模块,包括第一判断子模块、载货状态识别子模块和压港状态判别子模块。
所述第一判断子模块,配置用于根据所述判别的结果,判断所述船舶是否存在抛锚行为。
所述载货状态识别子模块,配置用于若存在所述抛锚行为,则基于所述船舶静态信息判断所述船舶是否处于载货状态。
所述压港状态判别子模块,配置用于若所述船舶处于载货状态,则所述船舶被判别为处于压港状态。
在第二方面的一个或多个实施例中,载货状态识别子模块,还包括:获取吃水深度子模块,配置用于获取所述船舶静态信息中的吃水深度。
第二判断子模块,配置用于判断所述吃水深度是否大于预设的空载吃水深度阈值。
第三判断子模块,配置用于若所述吃水深度大于所述空载吃水深度阈值,则所述船舶被判断为处于载货状态。
在第二方面的一个或多个实施例中,抛锚行为识别模块,包括规则判定子模块;所述规则判定子模块,配置用于基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,所述船舶行为被判别为抛锚行为。
在第二方面的一个或多个实施例中,抛锚行为规则库包括:航行速度小于预设的第一阈值;航行位移小于预设的第二阈值;航行方向变化为连续变化。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面任一实施例所述的方法。
根据本申请实施例提供的技术方案,通过实时获取船舶在港口内的航程,并对所述航程内的船舶行为进行判别,能够实时准确地获悉船舶在港口内的停泊情况,并基于船舶的停泊情况和船舶的载货状态,准确地识别船舶的压港状态,从而克服现有技术无法实时识别船舶压港状态,导致港口调度事故频发的问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了本发明实施例提供的一种船舶压港状态识别方法的示例性流程图;
图2示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图;
图3示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图;
图4示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图;
图5示出了根据本发明一个实施例的一种船舶压港状态识别装置的示例性结构框图;
图6示出了根据本发明另外一个优选的实施例的一种船舶压港状态识别装置的示例性结构框图;
图7示出了根据本发明另外一个实施例的一种船舶压港状态识别装置的示例性结构框图;
图8示出了根据本发明另外一个实施例的一种船舶压港状态识别装置的示例性结构框图;
图9示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统900的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了本发明实施例提供的一种船舶压港状态识别方法的示例性流程图。
该方法包括如下具体步骤:
S101、获取船舶在港口内的航程。
船舶在压港过程中,大部分时间都是在港口内等待空闲泊位。船舶的压港过程与正常的船舶航行过程或者船舶停泊过程相比,船舶的多种状态数据均有所不同,例如,船舶在港口内的航行时间、航行轨迹以及航行速度、航行方向、船舶的载货状态等参数,因此,可以利用船舶在港口内的航程信息来识别船舶的压港状态。
本发明实施例中,可以采用多种方式获取船舶在港口内的航程,例如可以通过获取船舶在港口内航行过程的实时图像,并提取该实时图像中属于船舶在港口内的航行过程的航迹点等。
S102、在所述航程中,判别所述船舶的抛锚行为。
本发明实施例中,可以采用多种方法对船舶的抛锚行为进行识别,例如,可以通过获取船舶航行过程中的实时图像,利用图像识别技术获取该实时图像中船舶的停泊时间,从而判定船舶是否存在抛锚行为,或者利用图像识别技术获取该实时图像中船舶的航行轨迹,通过轨迹的分析判定船舶是否存在抛锚行为。还可以对船舶航行参数进行分析判断来识别船舶的抛锚行为,例如船舶的航行速度、方向、位移等与某些规则进行判断来识别船舶的抛锚行为。
本发明实施例中,还可以通过某些特定规则对船舶航行速度、船舶航行方向、船舶航行位移等参数进行判别,从而确定船舶抛锚的状态轨迹。
S103、基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态。
基于S102的判别的结果,可以得到船舶的抛锚行为。当船舶在港口内发生抛锚行为并不意味着该船舶必然处于压港状态,因此判断船舶是否处于压港状态,还需进一步结合船舶的载货状态进行识别。
货船在进出港时,由于船体载货对吃水程度存在影响,因此,可以通过分析船舶的吃水状况得到船舶的载货状态。例如,船舶在港口内发生停泊(即抛锚行为),如果当前港口进港时该船舶的载货状态与前一港口出港时的载货状态相同,或者当前港口进港后的该船舶的载货状态不同于其空载状态,则均可判定该船舶在当前港口内处于压港状态。
基于上述S103,本发明实施例获得港口内船舶压港的识别结果后,可以为其他终端用户提供压港状态信息服务,也可以向需要港口信息的海运公司、船主、货主、港务局等提供船舶压港信息服务,因此,本发明实施例可以提供丰富的数据接口,满足多种用户获取船舶压港状态的需求。
进一步请参考图2,其示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图。即在完成该获取船舶在港口内的航程步骤之后,执行步骤S102和S103。
其中获取船舶在港口内的航程之前,可以包括如下全部或部分步骤:
S201、该步骤在不同实施例中可选附加,设置指定参数,该指定参数为预设统计时间、指定船舶类型、预设区域范围。
其中预设统计时间可以用于限定统计船舶行为的特征数据的范围,以实现指定范围的抛锚行为的识别。
指定船舶类型可以用于限定所处理的船舶的类型。
预设区域范围可以对船舶的实时位置数据的区域范围进行限定。
S202、该步骤在不同实施例中可选附加,获取港口信息以及数据源发送的船舶的实时位置数据。
其中港口信息可以通过目前已有的综合性的港口信息管理平台获取,港口信息可以包括港口所处地理位置以及所覆盖的港口区域范围。
所述船舶的实时位置数据可以从不同的数据源中获取,例如,可以通过船舶自动识别系统AIS获取。船舶自动识别系统(Automatic Identification System,AIS)产生的船舶航行数据(简称AIS数据)是一类非常重要的航运数据且数据量庞大。船舶自动识别系统AIS由岸基(或卫星)设施和船载设备共同组成,作为一种新型的融合多种技术的数字助航系统,其能够从全球定位系统GPS中获取船位、船速、改变航向率及航向等船舶动态信息,并结合船名、呼号、吃水及危险货物等船舶静态资料产生AIS数据。
另外,本领域还可以选择其他能够获取船舶的实时位置数据的数据源,例如雷达或者北斗卫星导航系统。
S203、该步骤在不同实施例中可选附加,预处理所述实时位置数据。
获取到船舶实时位置数据之后,基于数据源的数据格式、数据内容不一致等因素,需要对不同数据源输入的船舶的实时位置数据进行不同的预处理。通过船舶行为数据的预处理,能够保障船舶行为数据的质量,并为船舶行为识别提供可靠的基础分析数据。
在本发明的一些实施例中,可以采用多种数据处理方式中的一种或多种,具体选择根据实际设计需求调整,例如,数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
其中,数据融合处理可以将不同数据源的船舶的实时位置数据进行航迹关联、融合处理等,从而获得更为精确全面的船舶实时位置数据。重复数据清理可以将船舶的实时位置数据中出现的重复冗余的数据进行清除,以免减少计算处理时间,提高数据处理的时效性。错误数据清理,可以将数据源输入数据中存在的明显的属于异常值或者错误值的数据进行删除处理,从而提高数据处理质量,保证数据的合理性。数据排序处理,可以将船舶的实时位置数据按照时间或其他顺序进行排序,为处理船舶行为数据提供可选接口,方便其他终端用户根据不同的需求获取数据资源。数据插值处理,是对数据中的缺失点进行补充,常用的数据插值方法有拉格朗日插值等,通过数据差值处理,提高了处理数据质量。
本发明实施例中,获取船舶在港口内的航程可以采用如下方式,如图2所示的步骤S101:
基于港口信息和实时位置数据,分析获取船舶在港口内的航程,所述航程包括进港过程、出港过程以及船舶在港口内航行过程。
本发明实施例中,通过对港口信息和实时位置数据的分析,可以获得船舶在港口内的实时航程。
考虑到船舶在港口内的航程,通常是从船舶进港过程开始到出港过程结束,因此,船舶在港口内的航程可以分为进港过程、出港过程以及船舶在港口内航行过程。通过对船舶的实时位置数据进行分析可知,进港过程,可以包括船舶从外部接近港口边界、航向朝向港口方向的航迹点,以及船舶在进入港口以后的部分初始航迹点等;出港过程可以包括船舶从内部接近港口边界、航向与港口方向相反的航迹点、以及船舶在驶出港口以后的部分初始航迹点;而船舶在港口内的航行过程则包括船舶在整个港口覆盖区域范围内的航迹点。
本发明实施例中,通过港口信息和实时位置数据的综合分析,能够保证所获取的船舶在港口内航程的数据的实时性和准确性,并为准确判别船舶在港口内的抛锚行为提供了可靠的数据依据。
进一步参考图3,其示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图,即在完成识别船舶的抛锚行为之后,执行步骤S103。
其中,识别船舶的抛锚行为可以包括如下全部或部分步骤:
S301、该步骤在不同实施例中可选附加,对获取的实时位置数据进行分组,得到所述船舶行为的初始数据。
本发明实施例中,在获取实时位置数据之后,为了精准地对指定船舶的船舶行为进行判别,可以将实时位置数据按照其所属的船舶进行分组,从而得到指定船舶的原始数据。可选地,可以采用多种方式实现数据分组,例如,获取的实时位置数据中包含AIS船舶数据的船舶识别码,与该船舶识别码对应的船舶的水上移动通信业务标识码MMSI,通过该MMSI来识别属于同一船舶识别码的实时位置数据;或者将经过融合处理后的融合批号当唯一标识进行分组。
S302、根据所述初始数据分别计算所述船舶行为的特征数据;其中,所述船舶行为的特征数据包括:船舶的航行速度、航行位移、航行方向变化。其中,航行位移为当前船舶行为相对于初始船舶行为产生的位移,所述航行方向变化为所述位移的方向变化。
本发明实施例中,对得到的船舶行为的原始数据进行相应的计算,即提取船舶行为的特征数据。其可以是对表征船舶行为的特征数据的提取,例如,船舶航行速度、航行位移、航行方向等特征数据。
首先,初始化船舶行为的原始数据,如航行速度、航行位移、航行方向等特征参数。
然后,根据当前船舶行为相对于初始船舶行为产生的位移,得到航行位移,而所述航行位移的方向变化,为航行方向变化。因为这些特征数据的提取,能够较为精确地分析评价船舶行为的运动特点,因此,基于特征数据的分析统计,可以作为船舶安全航行和避让规则的可靠的评价依据。
S303、基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,则所述船舶行为被判别为抛锚行为。
本发明实施例中,抛锚行为规则库可以是船舶抛锚行为的判定规则集合,该集合可以通过一个或多个规则定义锚泊行为,例如,对表征船舶行为的特征数据进行定性综合评价判断,或基于船舶行为的特征数据的定量综合评价判断,例如,对航行速度、航行位移以及航行方向变化分别进行判断:
航行速度小于预设的第一阈值;
航行位移小于预设的第二阈值;
航行方向变化为连续变化。
其中,第一阈值和第二阈值的取值,通常可以根据船舶航行的历史数据分析取得,或选取正常航行轨迹中的异常值。通过对特征数据的定量判断,能够精确地识别船舶的锚泊行为。
本发明实施例还可以包括存储所述抛锚行为的特征数据。
由于船舶的实时位置数据是实时获取的,若获取的数据量不够,则可能导致后续的处理仅针对单个或少量船舶行为进行,而这单个或少量的船舶行为不具有普遍性,若仅识别出单个或少量的船舶行为处于抛锚行为,则不具有统计意义,影响后续的分析统计结果的精确性。所以在本步骤中,为了能够获得更加精确的抛锚区域数据,需要对船舶的抛锚行为的特征数据进行存储,统计较多数量的抛锚行为的特征数据以便于生成期望的与真实海域环境相匹配的抛锚区域数据。
本发明实施例中,还也可以预设统计时间,并按照预设统计时间存储抛锚行为特征数据。通过预设统计时间保证足够多的船舶的抛锚行为的特征数据,从而能够为后续进行抛锚行为识别提供精准的数据基础。
进一步请参考图4,其示出了本发明又一实施例提供的一种船舶压港状态识别方法的示例性流程图。
其中基于判别的结果和船舶的载货状态识别所述船舶的压港状态可以包括如下全部或部分步骤:
S401、根据所述判别的结果,判断所述船舶是否存在抛锚行为。
步骤S102对船舶行为进行分析判断,确定船舶的抛锚行为,然后,再判断是否在港口内存在抛锚行为,若存在抛锚行为,则存在压港的可能性;若不存在抛锚行为,则可能该船舶仅仅是途径该港口,并不具备压港的可能性。
S402、若存在所述抛锚行为,则基于预先获取的船舶静态信息判断所述船舶是否处于载货状态。
其中,船舶静态信息包含船名、呼号、船舶的水上移动通信业务标识码MMSI、所属国际海事组织IMO、船舶类型、船长、船宽、船舶吃水深度、所载货物、目的港等信息;预先获取船舶静态信息,可以从AIS系统中获取。
本发明实施例中,基于预先获取的船舶静态信息判断所述船舶是否处于载货状态可以采用多种方法,例如可以从船舶静态信息中获取所载货物的承重信息或卸货预定时间等。
本发明实施例还可以通过如下方式识别船舶载货状态:
首先,获取所述船舶静态信息中的吃水深度;
然后,判断所述吃水深度是否大于预设的空载吃水深度阈值。对于空载吃水深度阈值,可以依据经验值进行设置,也可以依据实际空载吃水深度设置,例如,可以通过船舶静态信息中指明的船舶类型、船长、船宽确定船舶空载状态时吃水深度。
如果所述吃水深度大于所述空载吃水深度阈值,则说明船舶不是出于空载状态,即船舶上载有货物,从而,可以判定所述船舶在所述港口内处于载货状态。
S403、若所述船舶处于载货状态,则所述船舶被判别为处于压港状态。
经过步骤S401的判断,可以明确船舶在港口内具有抛锚行为,再进一步通过步骤S402的判断船舶是否载有货物,综合船舶在港口内的抛锚行为和载货状态,可以分析得到,船舶在港口内处于压港状态。
基于本发明实施例提供的压港识别方法,其能够根据实时判断的抛锚行为以及船舶的载货状态对船舶压港状态进行实时判断,其能够高效及时地处理压港状况,从而缓解港口拥堵的问题。
进一步参考图5,其示出了根据本申请一个实施例的一种船舶压港状态识别装置的示例性结构框图。
该船舶压港状态识别装置包括航程获取模块501、抛锚行为识别模块502以及压港状态识别模块503。
其中航程获取模块501,配置用于获取船舶在港口内的航程。
抛锚行为识别模块502,配置用于在所述航程中,判别所述船舶的抛锚行为。该抛锚行为识别模块502可以采用多个子模块单独或复合地实现船舶的抛锚行为的识别功能。
压港状态识别模块503,配置用于基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态。该压港状态识别模块503可以采用多个子模块单独或复合地实现船舶的压港状态识别功能。
应当理解,图5中装置中记载的诸单元或模块与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置及其中包含的单元,在此不再赘述。装置可以预先实现在电子设备的浏览器或其他安全应用中,也可以通过下载等方式加载到电子设备的浏览器或其安全应用中。装置中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。另外,图5中的航程获取模块501以及抛锚行为识别模块502也可以合并为一个模块来实现。
进一步参考图6,其示出了根据本申请另外一个优选的实施例的一种船舶压港状态识别装置的示例性结构框图。
本发明实施例中,优选地,航程获取模块501,可以配置用于基于港口信息和船舶的实时位置数据,分析获取船舶在港口内的航程,所述航程包括:进港过程、出港过程以及港口内航行过程。
本发明实施例中,为了提高数据的准确性,可以根据需求选择附加如下模块:设置模块504、数据采集模块505、数据预处理模块506以及存储模块507等。
其中,设置模块504,配置用于设置指定参数,所述指定参数为预设统计时间、指定船舶类型、预设区域范围。
其中,数据采集模块505,配置用于获取港口信息、以及获取数据源发送的船舶的实时位置数据。本发明实施例中,所述数据源可以包括船舶自动识别系统AIS、雷达以及北斗卫星导航系统。
其中,数据预处理模块506,配置用于预处理所述实时位置数据。本发明实施例中,预处理可以采用如下一种或多种方式:数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
其中,存储模块507设置于抛锚行为识别模块502之后,其配置用于存储所述抛锚行为的特征数据。本发明实施例中,为了能够获取足够数量的抛锚行为特征,设置该存储模块507可以按照预设统计时间存储所述抛锚行为特征数据。
进一步参考图7,其示出了根据本申请另外一个实施例的一种船舶压港状态识别装置的示例性结构框图。
其中抛锚行为识别模块502,包括数据分组子模块5021、数据计算子模块5022以及规则判定子模块5023。
其中数据分组子模块5021,在本发明一些实施例中可选附加,配置用于对获取的实时位置数据进行分组,得到所述船舶行为的初始数据。
数据计算子模块5022,在本发明一些实施例中可选附加,配置用于根据所述初始数据分别计算所述船舶行为的特征数据;其中,所述船舶行为的特征数据包括:船舶的航行速度、航行位移、航行方向变化;所述航行位移为当前船舶行为相对于初始船舶行为产生的位移,所述航行方向变化为所述位移的方向变化。
规则判定子模块5023,配置用于基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,所述船舶行为被判别为抛锚行为。本发明实施例中,抛锚行为规则库可以包括如下规则:
航行速度小于预设的第一阈值;
航行位移小于预设的第二阈值;
航行方向变化为连续变化。
进一步参考图8,其示出了根据本申请另外一个实施例的一种船舶压港状态识别装置的示例性结构框图。
优选地,压港状态识别模块503,可以包括以下子模块:第一判断子模块5031、载货状态识别子模块5032和压港状态判别子模块5033。
所述第一判断子模块5031,配置用于根据所述判别的结果,判断所述船舶是否存在抛锚行为。
所述载货状态识别子模块5032,配置用于若存在所述抛锚行为,则基于所述船舶静态信息判断所述船舶是否处于载货状态。
优选地,载货状态识别子模块,还可以采用如下结构实现:
载货状态识别子模块包括获取吃水深度子模块、第二判断子模块以及第三判断子模块。
获取吃水深度子模块,配置用于获取所述船舶静态信息中的吃水深度。
第二判断子模块,配置用于判断所述吃水深度是否大于预设的空载吃水深度阈值。
第三判断子模块,配置用于若所述吃水深度大于所述空载吃水深度阈值,则所述船舶被判断为处于载货状态。
所述压港状态判别子模块5033,配置用于若所述船舶处于载货状态,则所述船舶被判别为处于压港状态。
本发明的实施例,通过对船舶航程的实时获取,能够对进入港口内船舶进行实时监控,基于实时判别的船舶抛锚行为,以及载货状态能够有效地识别船舶的压港状态,能够为港口的船舶管理、船舶泊位计划制定、以及船舶的疏运提供实时、准确的压港状态数据,同时为其他终端用户及时了解港口内船舶压港状态提供了丰富的数据资源,提高了港口内船舶管理的实效性。
下面参考图9,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统900的结构示意图。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文参考图1描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行图1的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括抛锚行为识别模块、统计分析模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,统计分析模块还可以被描述为“用于统计分析的模块”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,程序被一个或者一个以上的处理器用来执行描述于本申请的船舶抛锚区域识别方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种船舶压港状态识别方法,其特征在于,所述方法包括:
获取船舶在港口内的航程;
在所述航程中,判别所述船舶的抛锚行为;
基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态;
其中,所述基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态,包括:
根据所述判别的结果,判断所述船舶是否存在抛锚行为;
若存在所述抛锚行为,则基于预先获取的船舶静态信息判断所述船舶是否处于载货状态;
若所述船舶处于载货状态,则所述船舶被判别为处于压港状态;
所述基于预先获取的船舶静态信息判断所述船舶是否处于载货状态,包括:
获取所述船舶静态信息中的吃水深度;
判断所述吃水深度是否大于预设的空载吃水深度阈值;
若所述吃水深度大于所述空载吃水深度阈值,则所述船舶被判别为在所述港口内处于载货状态;
所述判别所述船舶的抛锚行为,包括:
基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,则所述船舶行为被判别为抛锚行为。
2.如权利要求1所述的方法,其特征在于,所述判别所述船舶的抛锚行为,在基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别之前,还包括:
对获取的实时位置数据进行分组,得到所述船舶行为的初始数据;
根据所述初始数据分别计算所述船舶行为的特征数据;其中,所述船舶行为的特征数据包括:船舶的航行速度、航行位移、航行方向变化;
所述航行位移为当前船舶行为相对于初始船舶行为产生的位移,所述航行方向变化为所述位移的方向变化。
3.如权利要求2所述的方法,其特征在于,所述抛锚行为规则库包括:
航行速度小于预设的第一阈值;
航行位移小于预设的第二阈值;
航行方向变化为连续变化。
4.如权利要求1-3任一所述的方法,其特征在于,在所述判别所述船舶的抛锚行为之后,包括:
存储所述抛锚行为的特征数据。
5.如权利要求4所述的方法,其特征在于,按照预设统计时间存储所述抛锚行为的特征数据。
6.如权利要求5所述的方法,其特征在于,所述获取船舶在港口内的航程,包括:
基于港口信息和实时位置数据,分析获取船舶在港口内的航程,所述航程包括进港过程、出港过程以及船舶在港口内航行过程。
7.如权利要求6所述的方法,其特征在于,在所述获取船舶在港口内的航程之前,所述方法还包括:
获取港口信息以及数据源发送的船舶的实时位置数据;
预处理所述实时位置数据。
8.如权利要求7所述的方法,其特征在于,所述预处理采用如下一种或多种方式:
数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
9.如权利要求8所述的方法,其特征在于,在所述获取数据源发送的船舶的实时位置数据之前,所述方法还包括:
设置指定参数,所述指定参数为预设统计时间、指定船舶类型、预设区域范围。
10.如权利要求9所述的方法,其特征在于,数据源包括船舶自动识别系统AIS、雷达以及北斗卫星导航系统。
11.一种船舶压港状态识别装置,其特征在于,该装置包括航程获取模块、抛锚行为识别模块以及压港状态识别模块:
所述航程获取模块,配置用于获取船舶在港口内的航程;
所述抛锚行为识别模块,配置用于在所述航程中,判别所述船舶的抛锚行为;
所述压港状态识别模块,配置用于基于所述判别的结果和船舶的载货状态识别所述船舶的压港状态;
其中,所述压港状态识别模块,包括第一判断子模块、载货状态识别子模块和压港状态判别子模块;
所述第一判断子模块,配置用于根据所述判别的结果,判断所述船舶是否存在抛锚行为;
所述载货状态识别子模块,配置用于若存在所述抛锚行为,则基于所述船舶静态信息判断所述船舶是否处于载货状态;
所述压港状态判别子模块,配置用于若所述船舶处于载货状态,则所述船舶被判别为处于压港状态;
所述载货状态识别子模块,还包括:
获取吃水深度子模块,配置用于获取所述船舶静态信息中的吃水深度;
第二判断子模块,配置用于判断所述吃水深度是否大于预设的空载吃水深度阈值;
第三判断子模块,配置用于若所述吃水深度大于所述空载吃水深度阈值,则所述船舶被判断为处于载货状态;
所述抛锚行为识别模块,包括规则判定子模块;
所述规则判定子模块,配置用于基于抛锚行为规则库的规定,对船舶行为的特征数据进行判别,当判别结果满足抛锚行为规则库的规定时,所述船舶行为被判别为抛锚行为。
12.如权利要求11所述的装置,其特征在于,所述抛锚行为规则库包括:
航行速度小于预设的第一阈值;
航行位移小于预设的第二阈值;
航行方向变化为连续变化。
13.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现所述权利要求1-10任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现所述权利要求1-10任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710944880.1A CN109658439B (zh) | 2017-10-12 | 2017-10-12 | 船舶压港状态识别方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710944880.1A CN109658439B (zh) | 2017-10-12 | 2017-10-12 | 船舶压港状态识别方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658439A CN109658439A (zh) | 2019-04-19 |
CN109658439B true CN109658439B (zh) | 2023-06-09 |
Family
ID=66109735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710944880.1A Active CN109658439B (zh) | 2017-10-12 | 2017-10-12 | 船舶压港状态识别方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658439B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175633B (zh) * | 2019-04-29 | 2020-12-15 | 杭州电子科技大学 | 一种基于北斗卫星传输数据的渔船轨迹异常检测方法 |
CN112241819A (zh) * | 2019-07-16 | 2021-01-19 | 中电科海洋信息技术研究院有限公司 | 船舶的频繁活动模式挖掘方法、装置、设备和存储介质 |
CN110816781B (zh) * | 2019-11-07 | 2021-08-17 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶运行状态识别方法及装置 |
CN112070472A (zh) * | 2020-09-02 | 2020-12-11 | 兴通海运股份有限公司 | 船舶航次动态节点报送系统及方法 |
CN112084971A (zh) * | 2020-09-14 | 2020-12-15 | 广州海事科技有限公司 | 船舶卡口检测方法、系统、计算机设备及存储介质 |
CN112084972A (zh) * | 2020-09-14 | 2020-12-15 | 广州海事科技有限公司 | 航道卡口管理方法、系统、计算机设备及存储介质 |
CN112785030A (zh) * | 2020-11-26 | 2021-05-11 | 中远海运科技股份有限公司 | 船舶行为识别系统、方法和平台 |
CN113822513B (zh) * | 2020-12-09 | 2022-06-24 | 清华大学 | 一种基于锚地与泊位自动识别算法的港口拥堵监测方法 |
CN114014037B (zh) * | 2021-11-17 | 2023-08-29 | 安徽海螺信息技术工程有限责任公司 | 一种码头智能化水泥装卸监控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09137439A (ja) * | 1995-11-14 | 1997-05-27 | Suzuei Kk | オイルフェンスの端部支持構造 |
CN101329696A (zh) * | 2007-11-16 | 2008-12-24 | 武汉理工大学 | 进港航道通过能力计算模型及预测仿真方法 |
EP2571750A1 (en) * | 2010-02-23 | 2013-03-27 | Arne Osmundsvaag Shipbroking & Consulting | Double-ended trimaran ferry |
CN206317989U (zh) * | 2016-12-28 | 2017-07-11 | 宜昌东江造船有限公司 | 浮式靠船墩趸船 |
CN107042871A (zh) * | 2016-12-30 | 2017-08-15 | 交通运输部天津水运工程科学研究所 | 确定淤泥质港口适泊淤泥密度值的方法 |
-
2017
- 2017-10-12 CN CN201710944880.1A patent/CN109658439B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09137439A (ja) * | 1995-11-14 | 1997-05-27 | Suzuei Kk | オイルフェンスの端部支持構造 |
CN101329696A (zh) * | 2007-11-16 | 2008-12-24 | 武汉理工大学 | 进港航道通过能力计算模型及预测仿真方法 |
EP2571750A1 (en) * | 2010-02-23 | 2013-03-27 | Arne Osmundsvaag Shipbroking & Consulting | Double-ended trimaran ferry |
CN206317989U (zh) * | 2016-12-28 | 2017-07-11 | 宜昌东江造船有限公司 | 浮式靠船墩趸船 |
CN107042871A (zh) * | 2016-12-30 | 2017-08-15 | 交通运输部天津水运工程科学研究所 | 确定淤泥质港口适泊淤泥密度值的方法 |
Non-Patent Citations (1)
Title |
---|
基于航海模拟器的船舶交通仿真系统的研究;熊欣;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20160215(第02期);C036-129 * |
Also Published As
Publication number | Publication date |
---|---|
CN109658439A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658439B (zh) | 船舶压港状态识别方法、装置、设备以及存储介质 | |
US10922981B2 (en) | Risk event identification in maritime data and usage thereof | |
US9659501B2 (en) | Vessel monitoring system and vessel monitoring method thereof | |
Mirović et al. | Big data in the maritime industry | |
US6658349B2 (en) | Method and system for marine vessel tracking system | |
JP4047369B1 (ja) | 船舶動静予測方法及びシステム | |
CN110069582B (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
US20140180566A1 (en) | Complex event processing for moving objects | |
CN110750571B (zh) | 港口泊位数据挖掘方法、装置、设备和储存介质 | |
CN112348428B (zh) | 集装箱的监控方法、装置、服务器及存储介质 | |
US20220122464A1 (en) | System and method for tracking vessels | |
US11836648B2 (en) | System and method for vessel risk assessment | |
CN109685086B (zh) | 海上船舶作业状态识别方法、装置、设备及存储介质 | |
CN112016730B (zh) | 港口泊位装卸效率挖掘方法、装置、设备和储存介质 | |
KR20160112188A (ko) | 선박별 항적 추출 및 전시 시스템 | |
CN112991820B (zh) | 套牌船识别方法及系统 | |
CN116429118A (zh) | 一种基于物联网的渔船安全生产监管方法及系统 | |
CN110363369B (zh) | 船舶搁置状态判断方法、装置、设备及其存储介质 | |
CN113298463A (zh) | 船舶航行准点率的计算方法、装置、电子设备及存储介质 | |
CN111812610B (zh) | 一种水上目标监管系统、方法、终端设备及存储介质 | |
CN114462839A (zh) | 港口运行效率实时分析方法及系统 | |
Steenari et al. | Mining port operation information from AIS data | |
Kaljouw et al. | Tugboat resting location optimization using AIS data analysis | |
JP2021056640A (ja) | 不審船監視システム | |
CN116767461B (zh) | 船舶抛锚行为检测方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |