CN112562415B - 船舶航线推荐方法 - Google Patents

船舶航线推荐方法 Download PDF

Info

Publication number
CN112562415B
CN112562415B CN202011352922.0A CN202011352922A CN112562415B CN 112562415 B CN112562415 B CN 112562415B CN 202011352922 A CN202011352922 A CN 202011352922A CN 112562415 B CN112562415 B CN 112562415B
Authority
CN
China
Prior art keywords
ship
route
information
ais
mileage
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
Application number
CN202011352922.0A
Other languages
English (en)
Other versions
CN112562415A (zh
Inventor
魏永来
周瑜
周国礼
段俊利
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.)
Cosco Shipping Technology Co Ltd
Original Assignee
Cosco Shipping Technology Co Ltd
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 Cosco Shipping Technology Co Ltd filed Critical Cosco Shipping Technology Co Ltd
Priority to CN202011352922.0A priority Critical patent/CN112562415B/zh
Publication of CN112562415A publication Critical patent/CN112562415A/zh
Application granted granted Critical
Publication of CN112562415B publication Critical patent/CN112562415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G3/00Traffic control systems for marine craft

Landscapes

  • Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

一种船舶航线推荐方法,获得船舶的AIS历史数据,根据船舶的港口信息、船舶信息、时间信息、气象信息、穿越节点筛选里程和速度最优值航线,并推荐该最优航线。所述推荐方法还包括,根据AIS历史数据,在电子海图上还原船舶轨迹,以及利用推荐和轨迹还原算法,实时预测船舶航线,包括航行目的地,并及时基于船舶的实际运行数据动态更新预测结果。

Description

船舶航线推荐方法
技术领域
本发明属于船舶航运技术领域,特别涉及一种船舶航线推荐方法。
背景技术
目前主流的港口间航线推荐算法,以分层网络和蚁群算法为代表,试图在航线动态规划上做出一些成果,这些算法或学术论文主要存在的如下几个问题:
只着眼于国内沿海港口,不具备全球港口航线规划能力,与航运业全球化现状及信息化智能化的发展需求不相符,如洲际航线规划、海峡穿越、长度航线补给节点推荐等;
航线动态规划仅具备理论上的可行性,即若干物理节点的可达性,推荐结果没有足够的实际数据案例支撑;
航线规划算法的输入因素无法全面兼顾,实际上不同船型、载重吨、气象、洋流、潮汐甚至季节因素都会影响推荐结果,尤其是在做国际航线、长途航线规划时;
停留于航线的静态数据推荐层面,不具备动态模拟、预测等实时验证能力或技术手段。
发明内容
本发明实施例之一,一种船舶航线推荐方法,包括
获得船舶的AIS历史数据,
根据船舶的港口信息、船舶信息、时间信息、气象信息、穿越节点筛选里程和速度最优值航线,并推荐该最优航线。
根据AIS历史数据,在电子海图上还原船舶轨迹。
利用推荐和轨迹还原技术,实时预测船舶航线,包括航行目的地,并及时基于船舶的实际运行数据动态更新预测结果。
发明属于航运信息化、智能化领域,涉及海量AIS数据采集、清洗、转换、分析、建模及最优航线推荐,为实现基于大数据的智能航线规划提供基础支撑。
具体实施方式
本发明解决的技术问题包括:
1.综合船型、季节、海峡节点、补给需求、气象、洋流等多种实际需求,推荐更科学、更适用、面向全球航线运输需求的最优航线;
2.针对推荐的每一条最优航线,提供大量的历史数据论证其可行性、安全性及经效性,并支持针对航线运营效率的评估;
3.不仅提供最优航线推荐,更支持动态预测,可实时追踪船舶位置,监测船舶与规划航线的偏移,动态评估航线的运行效果。
根据本发明实施例,船舶航线推荐方法,基于海量历史数据搭建航线数据模型,筛选分析并推荐最优结果,而不是基于节点可达性算法推倒得出理论上最短路径。
一种基于AIS历史数据的航线推荐方法,实现了三大功能:航线筛选推荐、航线轨迹还原、航线实时预测。
航线筛选推荐,即根据港口信息、船舶信息、时间信息、气象信息、穿越节点等筛选里程和速度最优值航线。
航线轨迹还原即根据AIS历史数据,在电子海图上还原真实船舶轨迹,船舶运营方可结合海图查看船舶行驶的是否合理,以及评估团队的效率。
航线实时预测,即利用推荐和轨迹还原技术,实时预测船舶航行目的地,并及时基于船舶的实际运行数据动态更新预测结果。
其中,最优航线筛选和推荐包括,
1)从海量样本数据中剔除异常航线,参照“剔除异常航线”部分;
2)基于剔除后的样本,根据起始港、目的港、途径节点、补给需求、空满载、船型、时间范围搜索历史航线;
3)将搜索结果根据途经点或者补给点分组;
4)将分组后的组内多条航线,以航线距离作为参数,利用核密度估算法计算组内最后航线;参照“核密度估算法”部分;
5)将分组结果及组内最优返回作为推荐航线列表。
关于核密度估算法的说明,核密度估算的基本原理是:视该邻域中的样本点数量,样本集的总数量,最后对该邻域内的密度值取平均便得到点的密度函数值。
本发明实施例中以航向数据为样本,距离作为评估参数,计算距离正态分布。其中,
输入:按照港间距升序排列得到的列表。
输出:25%分位数相差最小的列表索引;
75%分位数相差最小的列表索引;
25%-75%分位数之间所有数值取均值相差最小的列表索引。
关于剔除异常航线的说明,由于历史航线数据样本中,存在少量AIS异常数据,本发明实施例根据平均航线距离进行多轮优化。具体包括;
1)针对所有候选航线样本的两港信息,计算球面距离,公式如下:
单位圆弧长:R(θ)=π×θ÷180
球面距离:
Figure BDA0002801848090000041
x1,y1是纬度\经度的弧度单位,Radius为地球半径(半径米)。
2)基于两港球面距离计算海里为单位的港间距,公式如下:
海里转换:
Dn(x)=1.852×x
参考郑州测绘学校杨国清的论文“子午线长度正反算公式及相应系数值”,计算出子午线长度,转换为公里的系数为1.852.
3)将样本航线的港间距乘以两个边界系数,如分别设置为0.5和2,剔除所有实际距离不在该范围内的航线(注:因AIS异常丢失导,一部分航线数据记录的距离跨度存在较大的误差)。
4)根据步骤3)的结果,对航线历史数据,基于月份、船型等纬度统计平均距离,再将航线距离超过或者小于平均距离一定倍数(如0.75和1.5)的航线剔除;
5)再统计一次平均值,得出港到港的历史平均距离。将这部分航线作为候选航线返回。
步骤4)和步骤5)的参照算法如下:
Figure BDA0002801848090000051
关于航线轨迹还原步骤说明,航线数据仅包含起始港、目的港,历史航行时间等关键信息,通过AIS还原时,需要结合航线的关键信息,从海量AIS历史记录中摘取坐标信息,进行展示。
1)根据船舶、港口及时间等关键信息从AIS历史表检索出坐标点信息;
2)从AIS轨迹中挑出动态信息(靠泊、锚泊)及关键节点信息;
3)在剩余的AIS轨迹数据集合,利用SAS(Sparse A*Search)算法进行稀疏;
4)将步骤2)中挑出节点信息按照时间顺序插入到稀疏结果中,返回接近真实、可展示的航线轨迹。
航线预测步骤说明。不同于航线推荐,航线预测基于船舶当前AIS坐标,预测船舶驶往目的港的路线,可实时监控推荐航线的运行效果。
1)根据船舶AIS目的信息,或船舶预抵信息,从历史航线中搜索匹配始发港信息;
2)基于始发港和目的港信息,结合船舶类型、航行季节、天气等因素,筛选最优航线;
3)计算AIS当前坐标和推荐航线的距离,若距离该航线在一定范围内,即视为命中;
4)基于命中航线的最近点和当前航速,结合平均航速,计算预计抵达时间;
按照一定时间间隔重复上述计算过程,动态更新目的港和预计到岗时间,实时验证航线预测的准确性。
本发明船舶航线推荐方法,源于对海量历史数据分析,具有可行性、安全性和经济性,具体技术效果包括:
1.综合船型、季节、海峡节点、补给需求等多种因素,推荐更科学、更适用、面向全球港口推荐航线,即符合行业全球化发展趋势,亦满足可行性要求。
2.每一条推荐的航线,均来源于大量的长期、中期及短期真实案例,不仅具备可行性,更具有安全性及经效性。
3.方案中推荐的航线,不仅仅是历史航线的展现,同时支持基于历史航线的修改,方便用户设计自己的航线。
本发明的实现需要支撑平台,包括有:海量数据存储及检索平台、海量数据逻辑处理平台、将数据转换成服务的API平台。
海量数据存储及检索平台,依托大数据模型的航线推荐,首先需要提供海量数据样本,且样本数量级动辄上亿甚至十亿、百亿级,传统的关系型数据存储系统无法满足存储、检索及计算要求,本方案经过大量理论研究和实践,选用基于PostgreSQL语法实现的分布式计算数据库PolarDB,实现单表最大存储超百亿条。通过精选业务字段进行逻辑分区,实现百亿级数据3秒内检索响应。同时,结合PostGIS插件,实现了全球地理数据的运算,突破了经纬度跨180度的限制,且可构造任意曲线、多边形,支持船舶、港口坐标与任意地理图形距离的计算,支持任意地理形状的相交判断。
海量数据逻辑处理平台,船舶AIS数据属于物联网数据,具有数据量大、数据质量不稳定等特征,原始数据存储到分布式数据库之前,需经过严格筛选、清洗及初步转换,方可确保源数据样本的质量。本方案经过理论研究和实践,选用分布式ETL系统Kettle,进行数据抽取、清洗转换,实现了日处理数千万级的数据处理能力,同时实现了动态数据分钟级同步,为模型搭建提供了强有力支撑。
将数据转换成服务的API平台,不同于传统的航线推荐算法或方案,本发明是一个兼具数据处理能力、算法能力和服务提供能力的完备系统。应用方不需要自建海量数据库或实现复杂算法,通过服务接入的方式即可具备航线推荐能力。为此,本发明需要基于企业级应用语言JAVA和SpringCloud微服务框架搭建一套API服务平台,将航线推荐能力通过HTTP服务的方式发布到云端,实现任意平台、系统、移动应用都可以轻松接入的目标。
本发明实施中的步骤还可能包括:
1.1海量数据同步,通过KETTLE将海量AIS数据同步到历史及最新数据表。
1.2数据清洗及预处理,清洗AIS中的异常点(位置,速度等异常),并通过窗口函数将每一条数据和前一条数据的变化值进行计算并保存。
1.3船舶生命周期分析,基于AIS历史轨迹数据,结合港口、泊位位置进行海量离线分析,得出船舶全生命周期数据,如靠泊、锚泊、航行、加油、修理等。
1.4筛选航线,根据历史数据计算平均港间距,基于平均港间距筛选合理范围内的航线数据,再基于港口信息、船舶信息、季节、气象、穿越节点、补给需求等因素筛选分组航线,同时将分组后的结果,以距离为参数,利用核密度估算法进行最优推荐。
1.5还原轨迹和航线设计,航线轨迹还原即根据AIS历史数据,在电子海图上还原船舶真实轨迹。航线展示不仅仅是船舶行驶轨迹的还原,同时支持基于历史航线的修改,方便用户设计自己的航线。
值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (2)

1.一种船舶航线推荐方法,其特征在于,
获得船舶的AIS历史数据,
根据AIS历史数据,在电子海图上还原船舶轨迹,
利用推荐和轨迹还原算法,实时预测船舶航线,包括航行目的地,并及时基于船舶的实际运行数据动态更新预测结果,
根据船舶的港口信息、船舶信息、时间信息、气象信息、穿越节点筛选里程和速度最优值航线,并推荐该里程和速度最优值航线,
所述推荐和轨迹还原算法中推荐里程和速度最优值航线方法包括:
从AIS历史数据的航线样本数据中剔除异常航线;
根据起始港、目的港、途径节点、补给需求、空满载、船型、时间范围搜索船舶历史航线;
将搜索结果根据途经点或者补给点分组;
将分组后的组内多条航线,以航线距离作为参数,利用核密度估算法计算组内所述里程和速度最优值航线;
将分组结果及组内所述里程和速度最优值航线列入推荐航线列表,
所述推荐和轨迹还原算法中轨迹还原方法是,
根据船舶、港口及时间信息从AIS历史表检索出坐标点信息;
从AIS轨迹中挑出动态信息及节点信息,动态信息包括靠泊和锚泊信息;
在剩余的AIS轨迹集合中,利用SAS算法进行稀疏;
将挑出节点信息按照时间顺序插入到稀疏结果中,返回接近真实、可展示的航线轨迹。
2.根据权利要求1所述的船舶航线推荐方法,其特征在于,航线预测包括,
根据船舶AIS目的信息,或船舶预抵信息,从历史航线中搜索匹配始发港信息;
基于始发港和目的港信息,结合船舶类型、航行季节、天气因素,筛选所述里程和速度最优值航线;
计算AIS当前坐标和所述里程和速度最优值航线的距离,若AIS当前坐标距离所述里程和速度最优值航线在一个预设范围内,即视为命中航线;
基于命中航线的最近点和当前航速,结合平均航速,计算预计抵达时间;
动态更新目的港和预计到港时间,实时验证航线预测的准确性。
CN202011352922.0A 2020-11-26 2020-11-26 船舶航线推荐方法 Active CN112562415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011352922.0A CN112562415B (zh) 2020-11-26 2020-11-26 船舶航线推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011352922.0A CN112562415B (zh) 2020-11-26 2020-11-26 船舶航线推荐方法

Publications (2)

Publication Number Publication Date
CN112562415A CN112562415A (zh) 2021-03-26
CN112562415B true CN112562415B (zh) 2022-05-20

Family

ID=75046077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011352922.0A Active CN112562415B (zh) 2020-11-26 2020-11-26 船舶航线推荐方法

Country Status (1)

Country Link
CN (1) CN112562415B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505836B (zh) * 2021-07-14 2022-11-15 金睛兽数字科技(重庆)有限公司 基于大数据的船舶航线自动生成方法
CN113658452B (zh) * 2021-07-31 2022-11-22 海南超船电子商务有限公司 一种航线距离测算方法及系统
CN113780952B (zh) * 2021-09-16 2024-03-15 上海船舶运输科学研究所有限公司 一种集装箱班轮航线运力分析方法及系统
CN113918619B (zh) * 2021-10-09 2022-09-09 上海船舶运输科学研究所有限公司 一种船舶预抵港口识别方法及系统
CN114005302B (zh) * 2021-10-15 2023-07-07 中远海运科技股份有限公司 沿海船舶空船指数生成方法及系统
CN113961660B (zh) * 2021-10-22 2024-04-05 中远海运科技股份有限公司 一种全球航线热力图生成方法及系统
CN114066354B (zh) * 2021-11-12 2023-10-31 中远海运科技股份有限公司 一种基于全球船舶历史航迹的智能航线推荐方法及系统
CN116259196B (zh) * 2023-04-03 2024-02-09 广州海宁海务技术咨询有限公司 基于人工智能的船舶航线推荐方法、装置和计算设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103531043A (zh) * 2013-09-27 2014-01-22 重庆大学 基于航线匹配的船舶点到点航行时间估算方法
CN107248009A (zh) * 2017-06-05 2017-10-13 亿海蓝(北京)数据技术股份公司 一种基于轨迹语言识别的启发式航线生成方法及装置
CN107289947A (zh) * 2017-07-18 2017-10-24 上海海阳气象导航技术有限公司 一种船载智能气象导航系统
CN107545785A (zh) * 2017-07-21 2018-01-05 华南理工大学 一种基于大数据的船舶航道行驶方法
CN107798185A (zh) * 2017-10-20 2018-03-13 山东交通学院 一种基于ecdis的航线自动设计系统及其构建方法
CN109977523A (zh) * 2019-03-20 2019-07-05 武汉理工大学 一种海量船舶ais轨迹数据在线压缩方法及装置
KR102031151B1 (ko) * 2019-03-20 2019-10-15 씨벤티지 주식회사 선박의 효율 운항을 위한 항로 안내 방법
CN111272171A (zh) * 2020-04-07 2020-06-12 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) 船舶航迹预测方法及装置
CN111583722A (zh) * 2020-04-23 2020-08-25 大连理工大学 一种基于ais数据的船舶航行特征及偏好分析方法
CN111578941A (zh) * 2020-04-26 2020-08-25 亿海蓝(北京)数据技术股份公司 一种船舶航线推荐方法、系统及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010237755A (ja) * 2009-03-30 2010-10-21 Universal Shipbuilding Corp 運航支援装置及び運航支援システム
EP2498056B1 (en) * 2009-11-04 2015-08-12 Kawasaki Jukogyo Kabushiki Kaisha Maneuvering control method and maneuvering control system
JP4934756B1 (ja) * 2011-11-10 2012-05-16 三井造船株式会社 船舶の最適航路計算システム、船舶の運航支援システム、船舶の最適航路計算方法、及び船舶の運航支援方法
US10274330B2 (en) * 2014-12-30 2019-04-30 Here Global B.V. Method and apparatus for providing a navigation route
AU2020226850A1 (en) * 2019-01-29 2021-08-12 Alpha Ori Technologies Pte. Ltd System and method for voyage consumption optimization
CN110706518B (zh) * 2019-08-19 2022-04-22 浙江海洋大学 一种船舶挂靠港预测技术

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103531043A (zh) * 2013-09-27 2014-01-22 重庆大学 基于航线匹配的船舶点到点航行时间估算方法
CN107248009A (zh) * 2017-06-05 2017-10-13 亿海蓝(北京)数据技术股份公司 一种基于轨迹语言识别的启发式航线生成方法及装置
CN107289947A (zh) * 2017-07-18 2017-10-24 上海海阳气象导航技术有限公司 一种船载智能气象导航系统
CN107545785A (zh) * 2017-07-21 2018-01-05 华南理工大学 一种基于大数据的船舶航道行驶方法
CN107798185A (zh) * 2017-10-20 2018-03-13 山东交通学院 一种基于ecdis的航线自动设计系统及其构建方法
CN109977523A (zh) * 2019-03-20 2019-07-05 武汉理工大学 一种海量船舶ais轨迹数据在线压缩方法及装置
KR102031151B1 (ko) * 2019-03-20 2019-10-15 씨벤티지 주식회사 선박의 효율 운항을 위한 항로 안내 방법
CN111272171A (zh) * 2020-04-07 2020-06-12 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) 船舶航迹预测方法及装置
CN111583722A (zh) * 2020-04-23 2020-08-25 大连理工大学 一种基于ais数据的船舶航行特征及偏好分析方法
CN111578941A (zh) * 2020-04-26 2020-08-25 亿海蓝(北京)数据技术股份公司 一种船舶航线推荐方法、系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于AIS和潮汐数据的航道水深利用状况研究――以天津港复式航道为例;张永兵等;《海洋通报》;20180415(第02期);全文 *
段俊利 ; 韩懿.基于历史航迹的船舶任意点到港的航线规划算法.《上海船舶运输科学研究所学报》.2020, *

Also Published As

Publication number Publication date
CN112562415A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112562415B (zh) 船舶航线推荐方法
Xiao et al. Maritime traffic probabilistic forecasting based on vessels’ waterway patterns and motion behaviors
Wu et al. Vulnerability analysis of global container shipping liner network based on main channel disruption
Cheraghchi et al. Modeling the speed-based vessel schedule recovery problem using evolutionary multiobjective optimization
CN114280696A (zh) 一种海雾等级智能预报方法及系统
CN106991558B (zh) 一种港口口岸间主航道的自动生成方法及系统
Fang et al. Maritime network dynamics before and after international events
Wijaya et al. Predicting ship behavior navigating through heavily trafficked fairways by analyzing AIS data on Apache HBase
Guo et al. Potential spatial effects of opening Arctic shipping routes on the shipping network of ports between China and Europe
KR20190077966A (ko) 선박 최적 항로 추론 장치
Cheraghchi et al. Big-data-enabled modelling and optimization of granular speed-based vessel schedule recovery problem
CN115660137B (zh) 一种船舶风浪航行能耗精准估算方法
Carlini et al. Uncovering vessel movement patterns from AIS data with graph evolution analysis.
Poo et al. Optimising the resilience of shipping networks to climate vulnerability
Yang et al. Evaluation of port emergency logistics systems based on grey analytic hierarchy process
Zhang et al. How liner shipping heals schedule disruption: A data-driven framework to uncover the strategic behavior of port-skipping
Millefiori et al. Scalable and distributed sea port operational areas estimation from AIS data
Xie et al. Spatial pattern of global submarine cable network and identification of strategic pivot and strategic channel
CN108052629A (zh) 一种基于高精度dem数据的快速海陆判断方法
Wisetjindawat et al. Analysing impacts of natural disasters on logistics activities: flood risks and petroleum fuels in Queensland, Australia
Jiang et al. Advanced network representation learning for container shipping network analysis
CN115577868A (zh) 在途船舶的目的港预测方法、装置、可读存储介质和船舶
Pais-Montes et al. Identification of shipping schedule cancellations with AIS data: an application to the Europe-Far East route before and during the COVID-19 pandemic
Weixi et al. A Case Research on Vulnerability of logistics system in the Tianjin port
Tran et al. Pathfinding and optimization for vessels in ice: A literature review

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