CN111506626A - 基于船舶通航行为信息分析的过闸控制系统 - Google Patents

基于船舶通航行为信息分析的过闸控制系统 Download PDF

Info

Publication number
CN111506626A
CN111506626A CN202010315662.3A CN202010315662A CN111506626A CN 111506626 A CN111506626 A CN 111506626A CN 202010315662 A CN202010315662 A CN 202010315662A CN 111506626 A CN111506626 A CN 111506626A
Authority
CN
China
Prior art keywords
navigation
ship
data
module
analysis
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.)
Granted
Application number
CN202010315662.3A
Other languages
English (en)
Other versions
CN111506626B (zh
Inventor
周建
陈彦君
王昱
王琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202010315662.3A priority Critical patent/CN111506626B/zh
Publication of CN111506626A publication Critical patent/CN111506626A/zh
Application granted granted Critical
Publication of CN111506626B publication Critical patent/CN111506626B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02C—SHIP-LIFTING DEVICES OR MECHANISMS
    • E02C1/00—Locks or dry-docks; Shaft locks, i.e. locks of which one front side is formed by a solid wall with an opening in the lower part through which the ships pass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/30—Flood prevention; Flood or storm water management, e.g. using flood barriers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于船舶通航行为信息分析的过闸控制系统，其特征在于：包括数据接收与存储模块、训练模块、通航行为分析模块、过闸控制模块及Web客户端模块，数据接收与存储模块用于接收船舶的实时通航数据；训练模块用于利用数据分析技术进行训练，建立用于通航分析的模型；通航行为分析模块用于调用训练模块所得模型，基于数据接收与存储模块所得船舶的实时通航数据，实时地对船舶通航行为进行分析；过闸控制模块用于在船舶申请过闸时调用通航行为分析模块分析所得结果，根据分析结果判断是否关闭闸门禁止通航；Web客户端模块用于向用户可视化展示实时通航数据以及船舶通航行为分析结果。本发明实施智能过闸控制，弥补了当前智慧航运领域的不足。

Description

基于船舶通航行为信息分析的过闸控制系统
技术领域
本发明涉及航运自动控制领域，具体地说是一种用于通航领域内的基于船舶通航行为信息分析的过闸控制系统。
背景技术
目前存在的智能船舶管理系统大多只通过AIS等设备提供船舶流量数据、通航行为等数据，实现船舶通航监控，但是，仅提供信息数据对于水域交通的安全和秩序来说是远远不够的。海上事故研究表明，人为因素是造成多达70％事故的主要原因，因此，对每条船舶整体通航行为进行实时的智能分析，并根据所分析结果，划分为不同的行为良好程度，根据行为良好程度对船舶实施智能的过闸控制，以此禁止“恶劣”行为的船舶通行，这无疑是避免人为因素导致安全事故的有效手段。目前一些现有的运河或海上交通并未利用现有的数据进行船舶通航行为分析，并根据分析结果实施过闸管控，大多通过人工制定复杂而繁琐的评判准则或采取人工检测的方式，记录相关违法信息，以此建立冗杂而繁琐的船舶诚信档案，以此对船舶进行过闸控制，这不仅增加了管理员在处理信息时的工作量，而且降低了工作人员的效率。
发明内容
本发明的目的就是为了克服上述现有技术中的不足，提供一种基于船舶通航行为分析的过闸控制系统，该系统能够智能地利用数据分析技术对船舶的通航行为进行分析，根据分析结果实施智能的过闸控制，使用本系统，避免了通过建立复杂繁琐的诚信档案来对船舶施行人工过闸控制。
本发明的技术方案提供一种基于船舶通航行为信息分析的过闸控制系统，包括数据接收与存储模块、训练模块、通航行为分析模块、过闸控制模块及Web客户端模块，
所述数据接收与存储模块，用于接收船舶的实时通航数据；
所述训练模块，用于利用数据分析技术进行训练，建立用于通航分析的模型；所述模型的输入为船舶的通航数据，输出为用于衡量行为优、行为良、行为差的行为良好程度的一个决策模型；
所述通航行为分析模块，用于调用训练模块所得模型，基于数据接收与存储模块所得船舶的实时通航数据，实时地对船舶通航行为进行分析；
所述过闸控制模块，用于在船舶申请过闸时调用通航行为分析模块分析所得结果，根据分析结果判断是否关闭闸门禁止通航；
所述Web客户端模块，用于向用户可视化展示数据接收与存储模块所得船舶的实时通航数据，以及通航行为分析模块所得船舶通航行为分析结果。
而且，所述数据接收与存储模块，通过API接口获取船舶的实时通航信息，将API接口接收到的数据存储到MySQL数据库服务器中并支持相应统计。
而且，通过轮询commit方式，实现定时从API接口中获取船舶的实时通航数据，并使用Token令牌技术进行接口认证。
而且，所述数据接收与存储模块接收船舶的实时通航数据时，接收的数据包括船舶身份标识、进闸时间、出闸时间、具体通航行为以及是否属于重大违规行为。
而且，所述模型的输入为某船舶的历史通航次数、良好行为次数、轻度违法次数、中度违法次数以及是否有重大违规行为，输出为通航行为分析的结果，包括行为优、行为良和行为差。
而且，所述过闸控制模块，通过通讯装置将船舶通航分析结果为“行为差”的船舶身份表示作为控制参数输入到过闸装置，以禁止“行为差”的船舶过闸，过闸装置采用PLC控制器实现智能控制闸门的开和闭。
而且，所述利用数据分析技术进行训练，是采用Adaboost方法实现。
而且，所述利用数据分析技术进行训练，是在Adaboost方法基础上改进实现，实现过程如下，
a.设置训练测试集比率，设根据比率从数据集D中采集m个样本，数据集D的样本数量为n，组成一个训练集S＝{s1,s2......,sm}和一个测试集Test＝{t1,t2,......,tp}，p＝m-n，p为测试集中样本的个数；
b.训练生成CART决策树模型；
c.CART决策树模型建立完成，使用测试集Test进行分类预测，标记Test中分类错误的数据集合x；
d.根据预设的次数k，将步骤a-c循环执行k次，设共得到k个样本集Samplek＝{sk1,sk2......,skm}和k个测试集Testk＝{tk1,tk2,......,tkp}，训练得到k个不同的CART模型和k次循环中标记的分类错误数据集合x，将k个不同的集合x合并为错误集合Xoutliers＝{x1,x2,...,xw,...,xol}，其中，xw为错误集合中的某一个错误数据，xw出现次数越多说明改点的错误程度越高，该点被正确分类的概率越低；
根据预设的百分比参数p，将Xoutliers按照错误率进行从高到低排序，按照错误程度取错误率达到前p的数据点集合，作为“疑似”异常点集合在k次循环中；
e.先对数据进行标准化处理，再通过基于欧氏距离的k-means聚类，计算“疑似”异常点集合中的数据点到k-means聚类中心Ci的距离，找到该数据点与Ci距离的最小值，距离最小值所在的类别为k-means聚类结果；如果结果和数据标签保持一致，则保留该点，否则划为异常区间，视为异常点从数据集中删除；
f.在剔除异常点后的数据集中，使用Adaboost框架集成CART决策树模型进行再分类。
而且，所述Web客户端模块利用客户端设备实现推送展示，所述客户端设备包括个人计算机和平板电脑、手机。
本发明与现有技术相比，其有益效果在于：通过使用数据分析技术对船舶通航信息的分析实现智能的船舶过闸控制。因此，采用了基于船舶通航行为分析的过闸控制系统可以通过利用现有的历史通航数据对船舶的通航行为进行分析，并根据分析的结果作为闸门是否不允许开启的条件，避免了目前通过加减分规则建立船舶复杂的诚信档案来实施船舶的过闸管理，并且，通过Token接口认证，保证了系统获取数据的安全性接。因此，本发明不仅简化了工作流程，节约了管理员的时间成本，实施了智能过闸控制，还弥补了当前智慧航运领域的不足。
附图说明
图1为本发明实施例系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于船舶通航行为分析的过闸控制系统，适用于水上作业中，使用数据分析技术对船舶的通航行为信息进行分析，并实施智能的过闸控制，根据分析结果判断行为良好程度属于“差”的船舶，该类船舶在过闸时，自动被列入黑名单，过闸时自动地禁止该类船舶通行，并可向相关人员发送告警，以便后续进行处理。
如图1所示，基于船舶通航行为分析的过闸控制系统包括数据接收与存储模块、训练模块、通航行为分析模块、过闸控制模块及Web客户端模块，具体实施时，这些模块可采用计算机软件模块化技术实现。
所述数据接收与存储模块用于接收船舶的实时通航数据，如船舶id(身份标识)，进闸时间、出闸时间、具体通航行为、是否属于重大违规行为，具体实施时可通过API接口获取船舶的实时通航信息，将API接口接收到的数据存储到MySQL数据库服务器中；
其中，API表示应用程序接口，MySQL是一种开放源代码的关系型数据库管理系统。
实施例中，所述数据接收与存储模块由Restful风格的API实时获取由船舶的自动识别系统、GPRS定位系统等硬件传输的船舶通航信息，通过轮询commit方式，实现定时从API接口中获取数据，该接口通过外部接口实现，为了保证接口的安全程度通过使用Token令牌技术进行接口认证，接口认证失败则不允许后台从该接口获取数据，认证成功后将传输的数据进行确认，并将完整数据存入MySQL数据库的表中，并且可以支持进一步统计，以供通航行为分析模块调用。
所述的训练模块利用数据分析技术对数据进行训练，建立用于通航分析的模型，该模块可以根据需求上传CVS格式的训练数据集进行训练，获得符合自身需求的数据分析模型；
具体实施时，可以利用历史通航数据预先进行训练，以便实时利用训练好的模型进行分析。实施例中，用户可以自行上传格式为CSV的训练数据集，上传CSV数据集通过http请求来传输CSV格式的训练数据，实现CSV格式的数据上传，上传后，通过集成Tensorflow的开源软件库组件，调用数据分析模型进行训练，比如上传的CSV格式数据的特征值为：某船舶的历史通航次数、轻度违法次数、中度违法次数、较严重违法次数、是否有重大违规行为，三种行为类别：行为差、行为良、行为优。
所述的通航行为分析模块用于对船舶通航行为进行分析，优选通过Tensorflow开源软件库组件调用训练好的数据分析模型，基于数据接收与存储模块所得船舶的实时通航数据，实时地对船舶的通航行为进行分析；
实施例中，所述通航行为分析模块用于分析船舶的通航行为，通过调用上述数据分析模型对船舶通航行为进行分析，输入为：某船舶的历史通航次数、良好行为次数、轻度违法次数、中度违法次数、是否有重大违规行为，输出为：通航行为分析的具体结果：行为优、行为良、行为差。通过对数据接收与存储模块中接收到的船舶通航数据在MySQL中进行统计，可以得到历史通航次数、良好行为次数、轻度违法次数、中度违法次数，是否有重大违规行为，分析时可以直接从数据接收与存储模块中获取。
所述的过闸控制模块用于在船舶申请过闸时调用通航行为分析模块分析出来的结果，根据分析结果智能地判断是否关闭闸门禁止通航；
实施例中，为实现智能控制，提出使用通讯装置和过闸装置。所述过闸控制模块根据通航分析行为实施智能的过闸开启或关闭的行为，通过通讯装置(以太网、无线网等)将船舶通航分析结果为“行为差”的船舶id作为控制参数输入到过闸装置，以禁止“行为差”的船舶过闸，过闸装置一般采用PLC可编程控制器实现智能控制闸门的开和闭。
所述Web客户端模块用于向用户(管理员)可视化展示数据接收与存储模块所得船舶的实时通航数据(也可以提供相应统计数据)，以及通航行为分析模块所得船舶通航行为分析结果。通常涉及的客户端设备有个人计算机(PC)(包括笔记本电脑、台式计算机)、平板电脑(例如ipad)、智能手机等，通过客户端设备下载浏览器即可实现Web访问；
实施例中，所述Web客户端模块向用户可视化展示从API外部接口获取的船舶通航信息，可以在将该信息存入数据库后，通过mybatis技术，将船舶通航信息展示到浏览器页面，完成Web端的数据信息可视化，包括行为良好程度信息，以及通航信息的总体情况等等。
具体实施时，在模型训练完成后，可由数据接收与存储模块通过轮询不断获取船舶通航数据并存储到数据库服务器，并该模块存储的数据直接呈现在Web页面。在每次数据接收与存储模块获取数据后，通过分别统计和计算输入的特征属性信息，其中包括某船舶的历史通航次数、良好行为次数、轻度违法次数、中度违法次数、是否有重大违规行为，将统计好的特征属性信息输入到通航分析模块，利用数据分析模型，进行通航行为信息分析并呈现在Web页面。在船舶申请通航后，过闸分析模块调用船舶通航行为分析模块的输出结果，作为过闸分析模块的输入参数，如果输入参数为“行为差”，则闸门保持关闭，禁止该船舶通行。
具体实施时，可以采用Adaboost CART tree等技术实现数据分析。为提高分类准确率，本发明进一步提出改进，以下为实施例的数据分析技术具体实现说明：
输入：训练模型中的CVS训练数据
输出：用于衡量行为优、行为良、行为差三个等级的一个决策模型
a.设置训练测试集比率，设根据比率从数据集D中采集m个样本，数据集D的样本数量为n，组成一个训练集S＝{s1,s2......,sm}和一个测试集Test＝{t1,t2,......,tp}，p＝m-n，p为测试集中样本的个数。
b.训练生成CART决策树模型。CART决策树模型为现有技术，本发明不予赘述。
c.CART决策树模型建立完成，使用测试集Test进行分类预测，标记Test中分类错误的数据集合x。
d.根据预设的次数k，将步骤a-c循环执行k次(k＝200)。设共得到k个样本集Samplek＝{sk1,sk2......,skm}和k个测试集Testk＝{tk1,tk2,......,tkp}，训练得到k个不同的CART模型和k次循环中标记的分类错误数据集合x，将k个不同的集合x合并为错误集合Xoutliers＝{x1,x2,...,xw,...,xol}，其中，xw为错误集合中的某一个错误数据，xw可能出现多次，出现次数越多说明改点的错误程度越高，该点被正确分类的概率越低；
根据预设的百分比参数p，将Xoutliers按照错误率进行从高到低排序，按照错误程度取错误率达到前p的数据点集合(由于数据集中异常点个数一般不会超过5％，实施例中p优选取5％)，将这些点的集合视为具有较高的异常程度的“疑似”异常点集合。在k次循环中，Xoutliers中每个点的错误率(错误程度)的计算公式如式(1)所示，其中n(xw)为xw的错误次数：
Figure BDA0002459355630000061
e.先对数据进行标准化处理，再通过基于欧氏距离的k-means聚类，计算“疑似”异常点集合中的数据点到k-means聚类中心Ci的距离，找到该数据点与Ci距离的最小值min{dis(x,Ci)|i＝1,2,...,c}(其中c为类别数目，实施例中c＝3)，距离最小值所在的类别即为k-means聚类结果，如果结果和数据标签保持一致，则保留该点，否则划为异常区间，视为异常点从数据集中删除。dis(xj,Ci j)采用欧氏距离，按照公式(2)计算，其中，j为x的维数：
Figure BDA0002459355630000062
f.在剔除异常点后的数据集中，使用现有的自适应增强算法(Adaboost)框架集成CART决策树模型进行再分类。
该方法利用CART决策树产生“共识”，进而通过关注错误率并利用欧氏距离进行相似度量，以此进行数据集中的异常数据挖掘并清理，进而提升分类准确率，在挖掘异常点后可以直接实现重新再分类，简化了传统的异常点挖掘和分类互相分离的流程，实现了准确率更高的分类。具体实施时，流程可采用计算机软件技术实现自动运行。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (9)

1.一种基于船舶通航行为信息分析的过闸控制系统，其特征在于：包括数据接收与存储模块、训练模块、通航行为分析模块、过闸控制模块及Web客户端模块，
所述数据接收与存储模块，用于接收船舶的实时通航数据；
所述训练模块，用于利用数据分析技术进行训练，建立用于通航分析的模型；所述模型的输入为船舶的通航数据，输出为用于衡量行为优、行为良、行为差的行为良好程度的一个决策模型；
所述通航行为分析模块，用于调用训练模块所得模型，基于数据接收与存储模块所得船舶的实时通航数据，实时地对船舶通航行为进行分析；
所述过闸控制模块，用于在船舶申请过闸时调用通航行为分析模块分析所得结果，根据分析结果判断是否关闭闸门禁止通航；
所述Web客户端模块，用于向用户可视化展示数据接收与存储模块所得船舶的实时通航数据，以及通航行为分析模块所得船舶通航行为分析结果。
2.根据权利要求1所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述数据接收与存储模块，通过API接口获取船舶的实时通航信息，将API接口接收到的数据存储到MySQL数据库服务器中并支持相应统计。
3.根据权利要求1所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：通过轮询commit方式，实现定时从API接口中获取船舶的实时通航数据，并使用Token令牌技术进行接口认证。
4.根据权利要求2所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述数据接收与存储模块接收船舶的实时通航数据时，接收的数据包括船舶身份标识、进闸时间、出闸时间、具体通航行为以及是否属于重大违规行为。
5.根据权利要求4所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述模型的输入为某船舶的历史通航次数、良好行为次数、轻度违法次数、中度违法次数以及是否有重大违规行为，输出为通航行为分析的结果，包括行为优、行为良和行为差。
6.根据权利要求5所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述过闸控制模块，通过通讯装置将船舶通航分析结果为“行为差”的船舶身份标识作为控制参数输入到过闸装置，以禁止“行为差”的船舶过闸，过闸装置采用PLC控制器实现智能控制闸门的开和闭。
7.根据权利要求5所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述利用数据分析技术进行训练，是采用Adaboost方法实现。
8.根据权利要求7所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述利用数据分析技术进行训练，是在Adaboost方法基础上改进实现，实现过程如下，
a.设置训练测试集比率，设根据比率从数据集D中采集m个样本，数据集D的样本数量为n，组成一个训练集S＝{s1,s2......,sm}和一个测试集Test＝{t1,t2,......,tp}，p＝m-n，p为测试集中样本的个数；
b.训练生成CART决策树模型；
c.CART决策树模型建立完成，使用测试集Test进行分类预测，标记Test中分类错误的数据集合x；
d.根据预设的次数k，将步骤a-c循环执行k次，设共得到k个样本集Samplek＝{sk1,sk2......,skm}和k个测试集Testk＝{tk1,tk2,......,tkp}，训练得到k个不同的CART模型和k次循环中标记的分类错误数据集合x，将k个不同的集合x合并为错误集合Xoutliers＝{x1,x2,...,xw,...,xol}，其中，xw为错误集合中的某一个错误数据，xw出现次数越多说明改点的错误程度越高，该点被正确分类的概率越低；
根据预设的百分比参数p，将Xoutliers按照错误率进行从高到低排序，按照错误程度取错误率达到前p的数据点集合，作为“疑似”异常点集合在k次循环中；
e.先对数据进行标准化处理，再通过基于欧氏距离的k-means聚类，计算“疑似”异常点集合中的数据点到k-means聚类中心Ci的距离，找到该数据点与Ci距离的最小值，距离最小值所在的类别为k-means聚类结果；如果结果和数据标签保持一致，则保留该点，否则划为异常区间，视为异常点从数据集中删除；
f.在剔除异常点后的数据集中，使用Adaboost框架集成CART决策树模型进行再分类。
9.根据权利要求1或2或3或4或5或6或7或8所述基于船舶通航行为信息分析的过闸控制系统，其特征在于：所述Web客户端模块利用客户端设备实现推送展示，所述客户端设备包括个人计算机和平板电脑、手机。
CN202010315662.3A 2020-04-21 2020-04-21 基于船舶通航行为信息分析的过闸控制系统 Active CN111506626B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010315662.3A CN111506626B (zh) 2020-04-21 2020-04-21 基于船舶通航行为信息分析的过闸控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010315662.3A CN111506626B (zh) 2020-04-21 2020-04-21 基于船舶通航行为信息分析的过闸控制系统

Publications (2)

Publication Number Publication Date
CN111506626A true CN111506626A (zh) 2020-08-07
CN111506626B CN111506626B (zh) 2023-09-26

Family

ID=71869464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010315662.3A Active CN111506626B (zh) 2020-04-21 2020-04-21 基于船舶通航行为信息分析的过闸控制系统

Country Status (1)

Country Link
CN (1) CN111506626B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0765299A (ja) * 1993-08-25 1995-03-10 Shimizu Corp 水面監視システム
JP2009181335A (ja) * 2008-01-30 2009-08-13 Nippon Telegr & Teleph Corp <Ntt> 解析システム、解析方法および解析プログラム
CN104697483A (zh) * 2015-03-24 2015-06-10 京杭运河江苏省交通运输厅苏北航务管理处 一种过闸船舶自动化测量系统及船舶外形测量方法
CN205384759U (zh) * 2016-01-19 2016-07-13 中华人民共和国芜湖海事局 船舶违法行为自动取证系统
CN106780850A (zh) * 2016-10-27 2017-05-31 王泽楷 一种摄像头智能识别车辆管理门禁系统
CN106816038A (zh) * 2017-03-17 2017-06-09 武汉理工大学 一种内河水域异常行为船舶自动识别系统及方法
CN206490764U (zh) * 2017-03-01 2017-09-12 江苏省新通智能交通科技发展有限公司 一种适用于船舶过闸视频检测及抓拍装置及系统
CN107313417A (zh) * 2016-04-27 2017-11-03 上海淼瑞智能科技有限公司 一种船闸自动控制系统及控制方法
JP6389976B1 (ja) * 2018-03-20 2018-09-12 株式会社プロロジス 車両施設監視システム
KR101947675B1 (ko) * 2017-08-11 2019-02-13 충북대학교 산학협력단 항만 입출항데이터를 이용한 통항로 선박교통특성 분석장치 및 방법
CN109360448A (zh) * 2018-10-29 2019-02-19 山东中创软件工程股份有限公司 内河船舶etc监管方法、装置、系统、介质及一种服务器
CN109754202A (zh) * 2018-12-05 2019-05-14 深圳市闻迅数码科技有限公司 一种船舶管理方法、船舶管理装置及计算机可读存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0765299A (ja) * 1993-08-25 1995-03-10 Shimizu Corp 水面監視システム
JP2009181335A (ja) * 2008-01-30 2009-08-13 Nippon Telegr & Teleph Corp <Ntt> 解析システム、解析方法および解析プログラム
CN104697483A (zh) * 2015-03-24 2015-06-10 京杭运河江苏省交通运输厅苏北航务管理处 一种过闸船舶自动化测量系统及船舶外形测量方法
CN205384759U (zh) * 2016-01-19 2016-07-13 中华人民共和国芜湖海事局 船舶违法行为自动取证系统
CN107313417A (zh) * 2016-04-27 2017-11-03 上海淼瑞智能科技有限公司 一种船闸自动控制系统及控制方法
CN106780850A (zh) * 2016-10-27 2017-05-31 王泽楷 一种摄像头智能识别车辆管理门禁系统
CN206490764U (zh) * 2017-03-01 2017-09-12 江苏省新通智能交通科技发展有限公司 一种适用于船舶过闸视频检测及抓拍装置及系统
CN106816038A (zh) * 2017-03-17 2017-06-09 武汉理工大学 一种内河水域异常行为船舶自动识别系统及方法
KR101947675B1 (ko) * 2017-08-11 2019-02-13 충북대학교 산학협력단 항만 입출항데이터를 이용한 통항로 선박교통특성 분석장치 및 방법
JP6389976B1 (ja) * 2018-03-20 2018-09-12 株式会社プロロジス 車両施設監視システム
CN109360448A (zh) * 2018-10-29 2019-02-19 山东中创软件工程股份有限公司 内河船舶etc监管方法、装置、系统、介质及一种服务器
CN109754202A (zh) * 2018-12-05 2019-05-14 深圳市闻迅数码科技有限公司 一种船舶管理方法、船舶管理装置及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵尊荣等: "长江三峡河段过闸船舶信用模糊综合评价", no. 2, pages 18 - 22 *

Also Published As

Publication number Publication date
CN111506626B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN111680551A (zh) 监控牲畜数量的方法、装置、计算机设备及存储介质
US20180288084A1 (en) Method and device for automatically establishing intrusion detection model based on industrial control network
CN109787846A (zh) 一种5g网络服务质量异常监测和预测方法及系统
CN109255288A (zh) 一种路面破损检测方法、装置及终端设备
CN112052111A (zh) 服务器异常预警的处理方法、装置、设备及存储介质
CN113642474A (zh) 一种基于yolov5的危险区域人员监控方法
CN107942956A (zh) 信息处理装置、信息处理方法、信息处理程序及记录介质
CN110009224A (zh) 嫌疑人违规概率预测方法、装置、计算机设备及存储介质
CN111370113A (zh) 一种基于物联云的远程心理辅导系统及方法
CN109840183B (zh) 数据中心分级预警方法、装置及存储介质
CN115941322A (zh) 基于人工智能的攻击检测方法、装置、设备及存储介质
CN110677271A (zh) 基于elk的大数据告警方法、装置、设备及存储介质
CN115222303A (zh) 基于大数据的行业风险数据分析方法、系统及存储介质
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
CN114663709A (zh) 一种应急污水处理方法、装置及设备
CN111506626B (zh) 基于船舶通航行为信息分析的过闸控制系统
CN116843395A (zh) 一种业务系统的告警分级方法、装置、设备及存储介质
CN110688273B (zh) 分类模型的监控方法、装置、终端以及计算机存储介质
CN113723093B (zh) 人员管理策略推荐方法、装置、计算机设备及存储介质
CN113569879B (zh) 异常识别模型的训练方法、异常账号识别方法及相关装置
CN114139930A (zh) 一种资产管理系统
CN115239071A (zh) 一种基于大数据的工业生产环境风险评估系统
CN114818947A (zh) 分类器的训练方法及装置、分类装置
CN114358024A (zh) 日志分析方法、装置、设备、介质和程序产品
CN106530199A (zh) 基于窗口式假设检验的多媒体综合隐写分析方法

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