CN112613455A - 一种船舶锚泊聚集区识别方法及装置 - Google Patents
一种船舶锚泊聚集区识别方法及装置 Download PDFInfo
- Publication number
- CN112613455A CN112613455A CN202011601837.3A CN202011601837A CN112613455A CN 112613455 A CN112613455 A CN 112613455A CN 202011601837 A CN202011601837 A CN 202011601837A CN 112613455 A CN112613455 A CN 112613455A
- Authority
- CN
- China
- Prior art keywords
- anchoring
- track
- ship
- point
- points
- 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.)
- Pending
Links
- 238000004873 anchoring Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 107
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000002650 habitual effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种船舶锚泊聚集区识别方法，包括以下步骤：获取观测水域设定时间段内各船舶的船舶轨迹；根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段；分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集；对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。本发明能够对水域内船舶的习惯锚泊聚集区进行准确快速的识别。
Description
技术邻域
本发明涉及船舶行为识别技术邻域，尤其涉及一种船舶锚泊聚集区识别方法、装置及计算机存储介质。
背景技术
根据COLREGS(国际海上避碰规则)，每一船舶在同一时刻只能属于在航、锚泊、系岸或搁浅这四种状态之一，当船舶在等候靠泊、潮水、引水、检疫和锚地装卸作业及避风等，均需抛锚停泊，因此锚泊状态是一种重要的船舶行为状态。
由于近年来海洋经济的兴起与发展，沿海船舶数量逐渐增多，而港外锚地大多并未及时规划或规划不合理，导致许多船舶锚泊随意，形成习惯性锚泊聚集区，聚集区可能占用航道、习惯航路、水上重要工程区(风电场、采砂区)等重要通航与工程水域，易给水上船舶通航带来安全风险。
然而，船舶习惯锚泊聚集区的分布并不稳定，在季节、风向等不同因素影响下习惯锚泊聚集区均有所不同。因此亟需对观测水域的船舶习惯锚泊聚集区进行识别、判定，以便明确水域内锚泊船抛锚习惯，为锚地规划、水上工程选址和水上通航风险规避提供依据和参考。
目前在有关船舶行为识别的相关研究中，一部分是基于传统经验公式对船舶状态进行识别和统计，还有一部分基于船舶运动模型对船舶行为进行判定，这些方法均存在步骤繁琐、识别准确度不高的问题。
发明内容
有鉴于此，有必要提供一种船舶锚泊聚集区识别方法及装置，用以解决船舶习惯锚泊聚集区识别准确度不高、识别步骤繁琐的问题。
本发明提供一种船舶锚泊聚集区识别方法，包括以下步骤：
获取观测水域设定时间段内各船舶的船舶轨迹；
根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段；
分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集；
对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
进一步的，获取观测水域设定时间段内各船舶的船舶轨迹，具体为：
获取观测水域设定时间段内各船舶的AIS数据；
所述AIS数据包括静态信息以及动态信息，所述动态信息包括船位、船速以及航向，结合所述船位、船速以及航向生成所述船舶轨迹，基于所述静态信息对不同船舶的船舶轨迹进行标注。
进一步的，根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段，具体为：
按时间顺序选取所述船舶轨迹中第一个航速小于速度阈值的轨迹点，作为锚泊起点；
筛选所述船舶轨迹的轨迹点中所有连续设定数量以上航速为零的轨迹点集；
按照时间顺序筛选所述轨迹点集中最后一个轨迹点集；
筛选最后一个轨迹点集之后第一个航速小于速度阈值的轨迹点，作为锚泊终点；
按照时间顺序选择从所述锚泊起点到所述锚泊终点之间的轨迹段作为所述锚泊行为轨迹段。
进一步的，分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集。
进一步的，采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
设置邻域的参量半径以及邻域内轨迹点最小限定数量；
按时间顺序依次遍历所述锚泊行为轨迹段中轨迹点，计算每一轨迹点的邻域内轨迹点数量，判断所述轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点加入核心集合，将核心点邻域内所有轨迹点标记为核心点所在类别，否则为判定相应轨迹点为噪声点；
遍历所述核心集合内除所述核心点以外的其它轨迹点，判断其它轨迹点邻域内轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点更新至所述核心集合，否则判定相应轨迹点为噪声点；
判断所述锚泊行为轨迹段中所有轨迹点是否均被标记，如果是，则删除所有标记为噪声点的轨迹点，得到所述锚泊行为轨迹点集，否则进行下一个轨迹点的判断标记。
进一步的，对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
进一步的，采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到多个核心点以及相应的核心集合，各所述核心集合即所述锚泊聚集区。
本发明还提供一种船舶锚泊聚集区识别装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述船舶锚泊聚集区识别方法。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述船舶锚泊聚集区识别方法。
有益效果：本发明首先采集船舶轨迹数据，根据速度阈值对观测水域内船舶一段时间内的船舶轨迹进行初筛，得到锚泊行为轨迹段。同时，针对船舶的锚泊特征，采用聚类算法对船舶锚泊行为进行进一步的准确识别。最后利用密度聚类对识别到的锚泊行为轨迹点集进行处理，得到观测水域内的船舶锚泊聚集区分布情况。本发明能够对锚泊聚集区进行准确、快速识别，以便对水域内锚泊船抛锚习惯进行明晰，为锚地规划、水上工程选址和水上通航风险规避提供依据和参考。相对于现有技术，本方法更为方便、快速，具有动态识别的特点，填补当前相关研究的空白。
附图说明
图1为本发明提供的船舶锚泊聚集区识别方法第一实施例的方法流程图；
图2为图1中步骤S2的锚泊行为轨迹段的提取原理示意图；
图3是图1中步骤S4一实施例的聚类结果图；
图4是图1中步骤S4一实施例的锚泊聚集区分布图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例1
如图1所示，本发明的实施例1提供了船舶锚泊聚集区识别方法，包括以下步骤：
S1、获取观测水域设定时间段内各船舶的船舶轨迹；
S2、根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段；
S3、分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集；
S4、对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
本实施例中观测水域是指需要进行船舶锚泊聚集区识别的水域，首先获取观测水域一段时间内船舶的船舶轨迹，用于后续识别过程。
然后根据速度阈值筛选出船舶轨迹中的锚泊行为轨迹段。具体的，在锚泊过程中，为了更好的控制船舶、调整船位，会将船舶速度降至速度阈值以下，再开始相关的锚泊操作，而且无论是在抛锚前的准备过程中，还是起锚后的收锚过程中，都是以微速进行的，因此在划定船舶锚泊行为识别范围时，可以根据速度阈值从船舶轨迹中截取船舶锚泊行为对应的锚泊行为轨迹段。
利用速度阈值从船舶轨迹中截取了得到包含船舶停泊行为的锚泊行为轨迹段，但由于船舶在停泊前，可能为了调整船位以微速航行，导致所截取的船舶轨迹并不是真正的船舶停泊行为的轨迹，即可能包含调整船位微速航行时的噪声航迹点，因此需要利用对锚泊行为轨迹段进行密度聚类，以达到进一步准确识别船舶锚泊行为的目的。
针对观测水域一定时间段内所有船舶的锚泊行为进行识别后，对识别得到的所有锚泊行为轨迹点集，再次进行密度聚类，就可以得到观测水域内在该时间段内船舶习惯性锚泊聚集区的分布情况。
本发明拟利用采集到的船舶轨迹数据，对观测水域内船舶一段时间内的船舶轨迹进行处理，针对船舶的锚泊特征，采用聚类算法对船舶锚泊行为进行识别，并进一步利用密度聚类对识别到的锚泊行为轨迹点集进行处理，得到观测水域内的船舶锚泊聚集区分布情况，以便对水域内锚泊船抛锚习惯进行明晰，为锚地规划、水上工程选址和水上通航风险规避提供依据和参考。相对于现有技术，本方法更为方便、快速，具有动态识别的特点，填补当前相关研究的空白。
优选的，获取观测水域设定时间段内各船舶的船舶轨迹，具体为：
获取观测水域设定时间段内各船舶的AIS数据；
所述AIS数据包括静态信息以及动态信息，所述动态信息包括船位、船速以及航向，结合所述船位、船速以及航向生成所述船舶轨迹，基于所述静态信息对不同船舶的船舶轨迹进行标注。
船舶自动识别系统(Automatic Identification System,简称AIS系统)，AIS系统是指一种应用于船和岸、船和船之间的海事安全与通信的新型助航系统。常由VHF通信机、GPS定位仪和与船载显示器及传感器等相连接的通信控制器组成，能自动交换船位、航速、航向、船名、呼号等重要信息。装在船上的AIS在向外发送这些信息的同时，同样接收VHF覆盖范围内其他船舶的信息，从而实现了自动应答。
近年来由于数据科学的发展，基于海量AIS数据对船舶行为特征识别和提取研究逐渐发展，但主要关注于识别船舶异常行为或特定航行场景下船舶行为特征的提取，依然缺乏对船舶锚泊行为的判定和其聚集性行为的识别相关研究成果。
本实施例中AIS数据由船舶上的AIS系统进行提供，AIS系统可以提供船舶的静态信息和动态信息，静态信息包括船名、MMSI号、船型、船舶尺寸等，船舶动态信息包括船位、船速、航向等。本实施例利用采集到的船舶AIS数据生成船舶轨迹，并对观测水域内船舶一段时间内的船舶轨迹进行处理。
优选的，根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段，具体为：
按时间顺序选取所述船舶轨迹中第一个航速小于速度阈值的轨迹点，作为锚泊起点；
筛选所述船舶轨迹的轨迹点中所有连续设定数量以上航速为零的轨迹点集；
按照时间顺序筛选所述轨迹点集中最后一个轨迹点集；
筛选最后一个轨迹点集之后第一个航速小于速度阈值的轨迹点，作为锚泊终点；
按照时间顺序选择从所述锚泊起点到所述锚泊终点之间的轨迹段作为所述锚泊行为轨迹段。
为了在锚泊时更好的控制船舶，调整船位，一般都是在船舶速度降至1节以下再开始相关的锚泊操作，因此本实施例将速度阈值设为1节，从AIS数据集截取船舶停泊行为的锚泊行为轨迹段。具体过程如图2所示，图2中示出了某船舶在观测水域设定时间段内的轨迹，图中圆点表示轨迹点，圆点处的数字表示相应轨迹点处的航速，单位为n mile；各圆点之间的连线表示船舶行驶的轨迹，其中，细实线即根据速度阈值筛选的锚泊行为轨迹段。筛选过程具体如下：
(1)按照时间顺序选取第一个速度数值小于1节的点，即A1点，并记录其在AIS数据中的位置；
(2)筛选AIS数据中所有含有连续3个或3个以上速度数值为0节的轨迹点集，图2中轨迹点集共有六个，分别为：第7-9个轨迹点、第8-10个轨迹点、第9-11个轨迹点、第10-12个轨迹点、第11-13个轨迹点、第12-14个轨迹点；
(3)按照时间顺序选取经筛选得到的轨迹点集中的最后一个轨迹点集，即第12-14个轨迹点，选择此轨迹点集后第一个航速不大于1节的轨迹点，即Ae点，并记录其在AIS数据中的位置；
(4)按照时间顺序选择AIS数据中A1到Ae间的轨迹为船舶锚泊行为轨迹段。
优选的，分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集。
本实施例采用DBSCAN算法实现锚泊行为轨迹段中轨迹点的密度聚类。
优选的，采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
设置邻域的参量半径以及邻域内轨迹点最小限定数量；
按时间顺序依次遍历所述锚泊行为轨迹段中轨迹点，计算每一轨迹点的邻域内轨迹点数量，判断所述轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点加入核心集合，将核心点邻域内所有轨迹点标记为核心点所在类别，否则为判定相应轨迹点为噪声点；
遍历所述核心集合内除所述核心点以外的其它轨迹点，判断其它轨迹点邻域内轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点更新至所述核心集合，否则判定相应轨迹点为噪声点；
判断所述锚泊行为轨迹段中所有轨迹点是否均被标记，如果是，则删除所有标记为噪声点的轨迹点，得到所述锚泊行为轨迹点集，否则进行下一个轨迹点的判断标记。
利用DBSCAN算法进行密度聚类前要先引入两个参量，参量半径Eps、邻域内至少包含轨迹点的最小数量MinPts，邻域是指以选定点为中心，Eps为半径的圆形邻域。当邻域内轨迹点的数量大于MinPts时，可以判断船舶位于选定点时处于锚泊状态。具体过程如下：
(1)输入根据速度阈值识别的锚泊行为轨迹段中AIS轨迹点集合Ai＝{A1，A2，…An，Ae}，DBSCAN算法参量半径Eps、Eps邻域内轨迹点最小限定数量MinPts；
(2)标记所有轨迹点为未分类点；
(3)按时间顺序依次遍历选择集合A中的各轨迹点Ai＝{A1，A2，…An，Ae}，计算每一轨迹点Ai的邻域内轨迹点数量；
(4)如果Ai是核心点，即Ai邻域中轨迹点的数量大于MinPts，将其邻域内所有点标记为Pi＝{P1，P2，…Pn}，将Ai加入核心集合Gk；
(5)选择集合Pi内其它任意停泊点P1，P2，…Pn，计算其邻域内轨迹点数量是否大于MinPts，如果大于，则为核心点，将Pi更新补充进核心集合Gk。
(6)如果Pi邻域内轨迹点数量是否小于MinPts，则Pi不是核心点，将其标记为噪声；重复步骤(3)、(4)、(5)、(6)直至A中所有点均已标记；
(7)选取集合Gk中核心点的时间对应的向量，并将这些向量构成的矩阵标记为集合As。
优选的，对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
本实施例采用DBSCAN算法实现各船舶的锚泊行为轨迹点集中轨迹点的密度聚类。
优选的，采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到多个核心点以及相应的核心集合，各所述核心集合即所述锚泊聚集区。
对识别得到的锚泊行为轨迹点集，再次利用DBSCAN进行密度聚类，就可以得到观测水域内在某一时间段内船舶习惯性锚泊聚集区分布。
具体过程如下：
(1)对观测水域的船舶AIS轨迹数据进行的处理，得到若干船舶的锚泊行为轨迹点集；
(2)对识别后的锚泊行为轨迹点集利用DBSCAN聚类算法(DBSCAN Clustering)进行密度聚类，聚类过程中，MinPts＝4，得出密度聚类结果如附图3所示，图3中圆圈表示噪声点，叉号表示核心集合中的轨迹点，不同核心集合用不同颜色(图3中表现为不同灰度)的叉号表示；
(3)对噪声点进行去除，即将图3中圆圈点以及轨迹点数少于设定值的核心集合进行删除，得到指定水域内的船舶习惯性锚泊聚集区分布，如附图4所示，图4中示出了观测水域内核心点数量最多的前十个锚泊聚集区，分别为：Cluster#1、Cluster#2、Cluster#3、Cluster#4、Cluster#5、Cluster#6、Cluster#7、Cluster#8、Cluster#9、Cluster#10。
对各船舶的锚泊行为轨迹点集中轨迹点进行密度聚类的详细步骤，参考对锚泊行为轨迹段中轨迹点进行密度聚类的详细步骤执行即可，在此不再过多赘述。
实施例2
本发明的实施例2提供了船舶锚泊聚集区识别装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的船舶锚泊聚集区识别方法。
本发明实施例提供的船舶锚泊聚集区识别装置，用于实现船舶锚泊聚集区识别方法，因此，船舶锚泊聚集区识别方法所具备的技术效果，船舶锚泊聚集区识别装置同样具备，在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的船舶锚泊聚集区识别方法。
本发明实施例提供的计算机存储介质，用于实现船舶锚泊聚集区识别方法，因此，船舶锚泊聚集区识别方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术邻域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种船舶锚泊聚集区识别方法，其特征在于，包括以下步骤：
获取观测水域设定时间段内各船舶的船舶轨迹；
根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段；
分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集；
对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
2.根据权利要求1所述的船舶锚泊聚集区识别方法，其特征在于，获取观测水域设定时间段内各船舶的船舶轨迹，具体为：
获取观测水域设定时间段内各船舶的AIS数据；
所述AIS数据包括静态信息以及动态信息，所述动态信息包括船位、船速以及航向，结合所述船位、船速以及航向生成所述船舶轨迹，基于所述静态信息对不同船舶的船舶轨迹进行标注。
3.根据权利要求1所述的船舶锚泊聚集区识别方法，其特征在于，根据速度阈值筛选出每一所述船舶轨迹中的锚泊行为轨迹段，具体为：
按时间顺序选取所述船舶轨迹中第一个航速小于速度阈值的轨迹点，作为锚泊起点；
筛选所述船舶轨迹的轨迹点中所有连续设定数量以上航速为零的轨迹点集；
按照时间顺序筛选所述轨迹点集中最后一个轨迹点集；
筛选最后一个轨迹点集之后第一个航速小于速度阈值的轨迹点，作为锚泊终点；
按照时间顺序选择从所述锚泊起点到所述锚泊终点之间的轨迹段作为所述锚泊行为轨迹段。
4.根据权利要求1所述的船舶锚泊聚集区识别方法，其特征在于，分别针对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集。
5.根据权利要求4所述的船舶锚泊聚集区识别方法，其特征在于，采用DBSCAN算法对每一所述锚泊行为轨迹段进行密度聚类，筛除所述锚泊行为轨迹段中的轨迹噪声点，得到锚泊行为轨迹点集，具体为：
设置邻域的参量半径以及邻域内轨迹点最小限定数量；
按时间顺序依次遍历所述锚泊行为轨迹段中轨迹点，计算每一轨迹点的邻域内轨迹点数量，判断所述轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点加入核心集合，将核心点邻域内所有轨迹点标记为核心点所在类别，否则为判定相应轨迹点为噪声点；
遍历所述核心集合内除所述核心点以外的其它轨迹点，判断其它轨迹点邻域内轨迹点数量是否大于所述最小限定数量，如果是，则判定相应轨迹点为核心点，并将核心点更新至所述核心集合，否则判定相应轨迹点为噪声点；
判断所述锚泊行为轨迹段中所有轨迹点是否均被标记，如果是，则删除所有标记为噪声点的轨迹点，得到所述锚泊行为轨迹点集，否则进行下一个轨迹点的判断标记。
6.根据权利要求1所述的船舶锚泊聚集区识别方法，其特征在于，对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区。
7.根据权利要求6所述的船舶锚泊聚集区识别方法，其特征在于，采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到锚泊聚集区，具体为：
采用DBSCAN算法对各船舶的锚泊行为轨迹点集进行密度聚类，得到多个核心点以及相应的核心集合，各所述核心集合即所述锚泊聚集区。
8.一种船舶锚泊聚集区识别装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的船舶锚泊聚集区识别方法。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-7任一项所述的船舶锚泊聚集区识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011601837.3A CN112613455A (zh) | 2020-12-29 | 2020-12-29 | 一种船舶锚泊聚集区识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011601837.3A CN112613455A (zh) | 2020-12-29 | 2020-12-29 | 一种船舶锚泊聚集区识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112613455A true CN112613455A (zh) | 2021-04-06 |
Family
ID=75249039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011601837.3A Pending CN112613455A (zh) | 2020-12-29 | 2020-12-29 | 一种船舶锚泊聚集区识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112613455A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222040A (zh) * | 2021-05-24 | 2021-08-06 | 中国南方电网有限责任公司超高压输电公司广州局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
| CN114047508A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军海军工程大学 | 一种对海雷达探测范围统计评估方法及系统 |
| CN115310533A (zh) * | 2022-08-05 | 2022-11-08 | 中远海运科技股份有限公司 | 一种基于ais的海上风电场识别方法及系统 |
| CN116309708A (zh) * | 2023-02-28 | 2023-06-23 | 武汉理工大学 | 一种锚地时空利用效率评价方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106772515A (zh) * | 2016-11-22 | 2017-05-31 | 武汉理工大学 | 内河船舶失事快速判定与确定失事区域及搜救系统及方法 |
| CN109033011A (zh) * | 2018-06-19 | 2018-12-18 | 东软集团股份有限公司 | 计算轨迹频繁度的方法、装置、存储介质及电子设备 |
| CN109615932A (zh) * | 2018-10-17 | 2019-04-12 | 中国电子科技集团公司第二十八研究所 | 一种基于外接圆检测的船舶常见锚泊区边界自动提取方法 |
| CN109740494A (zh) * | 2018-12-27 | 2019-05-10 | 中国船舶重工集团公司第七研究院 | 一种基于船舶轨迹大数据的港口识别方法 |
| CN110069582A (zh) * | 2017-10-12 | 2019-07-30 | 中电科海洋信息技术研究院有限公司 | 船舶抛锚区域确定方法、装置、设备及存储介质 |
| CN110309383A (zh) * | 2019-06-17 | 2019-10-08 | 武汉科技大学 | 基于改进的dbscan算法的船舶轨迹聚类分析方法 |
| CN110738228A (zh) * | 2018-07-20 | 2020-01-31 | 菜鸟智能物流控股有限公司 | 轨迹处理方法、装置以及电子设备 |
-
2020
- 2020-12-29 CN CN202011601837.3A patent/CN112613455A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106772515A (zh) * | 2016-11-22 | 2017-05-31 | 武汉理工大学 | 内河船舶失事快速判定与确定失事区域及搜救系统及方法 |
| CN110069582A (zh) * | 2017-10-12 | 2019-07-30 | 中电科海洋信息技术研究院有限公司 | 船舶抛锚区域确定方法、装置、设备及存储介质 |
| CN109033011A (zh) * | 2018-06-19 | 2018-12-18 | 东软集团股份有限公司 | 计算轨迹频繁度的方法、装置、存储介质及电子设备 |
| CN110738228A (zh) * | 2018-07-20 | 2020-01-31 | 菜鸟智能物流控股有限公司 | 轨迹处理方法、装置以及电子设备 |
| CN109615932A (zh) * | 2018-10-17 | 2019-04-12 | 中国电子科技集团公司第二十八研究所 | 一种基于外接圆检测的船舶常见锚泊区边界自动提取方法 |
| CN109740494A (zh) * | 2018-12-27 | 2019-05-10 | 中国船舶重工集团公司第七研究院 | 一种基于船舶轨迹大数据的港口识别方法 |
| CN110309383A (zh) * | 2019-06-17 | 2019-10-08 | 武汉科技大学 | 基于改进的dbscan算法的船舶轨迹聚类分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 葛东旭著: "《数据挖掘原理与应用》", 30 April 2020 * |
| 郑振涛等: "面向港口停留区域识别的船舶停留轨迹提取方法", 《计算机应用》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222040A (zh) * | 2021-05-24 | 2021-08-06 | 中国南方电网有限责任公司超高压输电公司广州局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
| CN113222040B (zh) * | 2021-05-24 | 2024-04-26 | 中国南方电网有限责任公司超高压输电公司广州局海口分局 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
| CN114047508A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军海军工程大学 | 一种对海雷达探测范围统计评估方法及系统 |
| CN115310533A (zh) * | 2022-08-05 | 2022-11-08 | 中远海运科技股份有限公司 | 一种基于ais的海上风电场识别方法及系统 |
| CN115310533B (zh) * | 2022-08-05 | 2024-01-19 | 中远海运科技股份有限公司 | 一种基于ais的海上风电场识别方法及系统 |
| CN116309708A (zh) * | 2023-02-28 | 2023-06-23 | 武汉理工大学 | 一种锚地时空利用效率评价方法和装置 |
| CN116309708B (zh) * | 2023-02-28 | 2023-10-27 | 武汉理工大学 | 一种锚地时空利用效率评价方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112613455A (zh) | 一种船舶锚泊聚集区识别方法及装置 | |
| CN110309383B (zh) | 基于改进的dbscan算法的船舶轨迹聚类分析方法 | |
| CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
| CN109740494B (zh) | 一种基于船舶轨迹大数据的港口识别方法 | |
| CN110208816B (zh) | 用于海上无人艇的自动障碍物识别系统及识别方法 | |
| CN112686944B (zh) | 一种船舶锚泊面积计算方法及装置 | |
| EP3690707B1 (en) | Post-processing method and device for detecting lanes to plan drive path of autonomous vehicle by using segmentation score map and clustering map | |
| JP6869559B2 (ja) | 障害物を検出する学習方法及び学習装置そしてこれを利用したテスト方法及びテスト装置｛ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ， ｌｅａｒｎｉｎｇ ｄｅｖｉｃｅ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｏｂｓｔａｃｌｅｓ ａｎｄ ｔｅｓｔｉｎｇ ｍｅｔｈｏｄ， ｔｅｓｔｉｎｇ ｄｅｖｉｃｅ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ｝ | |
| CN109188464B (zh) | 一种基于北斗船位数据的渔船在港和出海时间的分析方法 | |
| CN107422736A (zh) | 一种无人船自主返航系统及其工作方法 | |
| CN113962473B (zh) | 船舶航线规划方法、装置、电子设备和存储介质 | |
| CN114444315B (zh) | 一种船舶避台航线模拟方法及系统 | |
| CN115060264A (zh) | 一种基于ais数据的prm航线规划方法 | |
| CN112817318B (zh) | 一种多无人艇协同搜索控制方法及系统 | |
| CN112435449A (zh) | 一种全数字智能化渔业违规船舶识别排查系统及方法 | |
| CN113283653A (zh) | 一种基于机器学习和ais数据的船舶轨迹预测方法 | |
| CN112347218A (zh) | 无人船艇的环境地图生成方法及无人船艇感知系统 | |
| JPWO2020161843A1 (ja) | 船舶行動解析装置、船舶行動解析方法及びプログラム | |
| CN116978259B (zh) | 一种船舰航行轨迹预测方法、装置及存储介质 | |
| CN117912301A (zh) | 一种基于孤立森林的船舶异常行为监测告警方法 | |
| CN116384597B (zh) | 基于地理信息系统的渔港船舶进出港动态预测方法及系统 | |
| KR20190057827A (ko) | 다중 중첩 격자법을 이용한 북극 최적 경로 탐색 방법 및 장치 | |
| CN116306790B (zh) | 一种基于cnn-gru和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质 | |
| CN117664122A (zh) | 一种船舶轨迹监控方法及系统 | |
| CN113962321B (zh) | 一种船对船装卸货识别处理方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210406 |