CN112785030A - 船舶行为识别系统、方法和平台 - Google Patents
船舶行为识别系统、方法和平台 Download PDFInfo
- Publication number
- CN112785030A CN112785030A CN202011352906.1A CN202011352906A CN112785030A CN 112785030 A CN112785030 A CN 112785030A CN 202011352906 A CN202011352906 A CN 202011352906A CN 112785030 A CN112785030 A CN 112785030A
- Authority
- CN
- China
- Prior art keywords
- data
- ship
- service
- behavior
- ais
- 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
- 238000000034 method Methods 0.000 title claims description 25
- 230000006399 behavior Effects 0.000 claims abstract description 45
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 238000004873 anchoring Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 1
- 241000289690 Xenarthra Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- DDVBPZROPPMBLW-IZGXTMSKSA-N latrunculin A Chemical compound C([C@H]1[C@@]2(O)C[C@H]3C[C@H](O2)CC[C@@H](\C=C/C=C/CC\C(C)=C/C(=O)O3)C)SC(=O)N1 DDVBPZROPPMBLW-IZGXTMSKSA-N 0.000 description 1
- NSHPHXHGRHSMIK-IWQSFCKSSA-N latrunculin B Natural products C[C@H]1CC[C@@H]2C[C@@H](C[C@@](O)(O2)[C@@H]3CSC(=O)N3)OC(=O)C=C(C)/CCC=C/1 NSHPHXHGRHSMIK-IWQSFCKSSA-N 0.000 description 1
- DDVBPZROPPMBLW-UHFFFAOYSA-N latrunculin-A Natural products O1C(=O)C=C(C)CCC=CC=CC(C)CCC(O2)CC1CC2(O)C1CSC(=O)N1 DDVBPZROPPMBLW-UHFFFAOYSA-N 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
一种船舶行为识别系统,所述识别系统包括数据层、服务层和应用层。数据层包括数据仓库;服务层包括数据服务、算法服务、接口服务;应用层包括应用展示;数据仓库用于提供对包括GIS数据的存储服务;数据服务用于对采集自多方的AIS数据进行处理服务;算法服务用于通过对船舶的行为、状态数据进行分析识别,得到对所述船舶的行为或状态的预测;接口服务,用于提供所述船舶全生命周期的实时或者历史的行为、状态的查询;应用展示,用于为用户提供可视化的查询结果展示。
Description
技术领域
本发明属于船舶智能信息化领域,特别涉及一种船舶全生命周期行为识别系统、方法和平台。
背景技术
随着社会信息化进程的加快,特别是互联网的高速发展,全球步入大数据时代,信息经济已逐步融入工业经济,驱动和引领着发展趋势。利用先进的大数据技术,加快“物联网”和“智能船舶”的研发与应用是实现行业技术进步的主要途径,是推进“信息网络化、管理精细化、运行智能化”的主要抓手,是提升行业整体竞争力的主要手段。
随着船舶自动识别系统(Automatic Identification System, AIS)的应用普及,通过AIS大数据挖掘来分析各种航运、航道信息成为可能。AIS轨迹数据目前容纳世界上几百万艘船舶,是目前研究航运数据的重要依据和信息源。完整的AIS信息包括船舶信息(船名、呼号、MMSI、船舶编号、船舶类型、船长、船宽等)和航行动态信息 (经度、纬度、船艏向、航向、航速、载货、吃水、目的地、计划到达时间等)。航运业基于LBS(基于位置服务)、AIS(船舶自动识别系统)等基础地理信息和运载工具位置和状态数据,融合业务数据,开展大数据分析挖掘、AI应用、数据可视化分析,支撑企业“数字化”转型已经成为行业共识,并呈需求越来越旺盛的趋势。
发明内容
本发明实施例之一,一种船舶行为识别系统,所述识别系统包括数据层、服务层和应用层,其中,
数据层包括数据仓库,
服务层包括数据服务、算法服务、接口服务,
应用层包括应用展示,
数据仓库用于提供对包括GIS数据的存储服务,
数据服务用于对采集自多方的AIS数据进行处理服务,
算法服务用于通过对船舶的行为、状态数据进行分析识别,得到对所述船舶的行为或状态的预测,
接口服务,用于提供所述船舶全生命周期的实时或者历史的行为、状态的查询,
应用展示,用于为用户提供可视化的查询结果展示。
所述的数据服务包括对AIS数据的预处理,该预处理包括对异常数据的剔除。采用滑窗法对所述的AIS异常数据进行剔除。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1根据本发明实施例之一的船舶全生命周期行为识别系统架构图。
图2根据本发明实施例之一的基于AIS大数据的船舶全生命周期行为识别方法流程图。
具体实施方式
目前AIS系统存在的问题,包括:
(1)AIS信息数据有诸多缺陷问题需要解决。
AIS信息共有两部分组成,一部分是仪器仪表参数如航速信息,坐标信息,时间信息等,准确率较高。另一部分是基于人工填写的信息,如目的地,吃水,航行状态等信息,准确率和及时率较差。因此AIS 信息存在以下问题:船名等船舶特征信息大量缺失、目的地ETA、吃水和航行状态时效和准确性不可靠。AIS还存在某时间段内缺失,某些时刻大幅度漂移等问题。针对该问题,本发明基于纬度坐标、航速和航向进行相关的数据分析挖掘和算法研究,辅助使用目的地,吃水,航行状态等信息,这样才能达到更好的效果,才具有实际应用意义。
(2)目前给予AIS信息数据的挖掘使用还比较初级。
目前已有基于船舶AIS数据的通航饱和度模型。通过大量历史船舶AIS数据分析,计算船舶交通流量、通航密度、通过能力等。研究均处于建设的基础阶段,存在数据格式不统一,准确性难以保证,分析挖掘利用有限等。目前的绝大多数应用还停留在航运航道分析方面,尚未看到有针对船舶停靠等信息的研究。针对该问题,本发明基于船舶的AIS数据中的经纬度坐标和航速信息,研究提出一种时序分层处理算法,通过对数据的层层挖掘,最终处理得到船舶的抵港锚泊、靠泊、离泊和离港数据信息,实际效果很好。
根据一个或者多个实施例,如图1所示,基于AIS大数据的船舶全生命周期行为识别系统包括三层级,包括数据仓库、数据服务、算法服务、接口服务和应用展示几部分。其中,关于数据服务,主要是采集多方AIS信号源,进行格式转换,然后入库。数据仓库采用阿里PolarDB,可以更好的支持大数据量,PostGis可以提供快捷的地理位置计算。接口服务,主要是为前端提供船舶全生命周期分析结果的查询,同时支持移动和Web端,提供实时动态、历史动态、航行轨迹等查询。服务由java实现。应用展示,主要为用户提供可见展示端,方便查询使用,服务由Vue实现。
算法服务中,涉及的船舶航速和经纬度坐标是AIS中较为准确的数据,船舶抵离港行为的主要依据也是AIS的航速、经纬度坐标和状态数据。由于是大数据处理数十万艘船舶的AIS,因此算法需要满足如下要求:
(1)同时满足实时处理与历史数据的要求;
(2)为及时处理大量数据,需考虑算法复杂度对运算效率的影响;
(3)断点重续计算机制;
(4)对未发生的船舶行为尽量做出预测,对已发生的船舶行为尽量做出修正;
数据服务中包括对数据的预处理。因为航速为直接从船舶航速表中读取,所以准确性较高,不需要预处理。经纬度坐标信息来自于采集,可能存在漂移、缺失等情况。对于经纬度坐标点漂移的情况,主要是进行异常点的检测处理,将异常数据点进行检测剔除。
如表1中,标号6的坐标点出现了明显漂移,在Ais的间隔时间内,船舶不可能开到那么远的位置,需要如下算法进行检测剔除处理。
表1某船坐标点经纬度缺失情况
假设有某船舶AIS时间序列S={P1,P2,P3,P4,P5,…,Pi,…,PN},其中Pi=(loni,lati,ti,statusi),loni是经度,lati是纬度,ti是时间。计算得到Pi与Pi+1之间的距离ΔD(i,i+1)和时间差ΔT(i,i+1)。船舶可能达到的最大航速记为Vmax。当Vmax*ΔT(i,i+1)>ΔD(i,i+1)时,认为已经产生了漂移点,应当剔除。
实际处理过程中采用滑窗法。第一步先确定起始基准点,如果i=1,计算第P1和P2个点之间的距离ΔD(1,2)和时间差ΔT(1,2),当 Vmax*ΔT(1,2)>ΔD(1,2)时,表明有漂移点。重新计算P1与P3之间的距离ΔD(1,3)和时间差ΔT(1,3)并进行类似比较。连续处理5个点,当漂移点不再出现时,确定起始基准点为P1。如果一直出现有飘移点,则抛弃P1点,以P2为基准重新进行上述计算过程,直到确定起始基准点Pi。
第二步基于当前基准点Pi进行处理,当Vmax*ΔT(i,i+1)>ΔD(i,i+1)时,认为已经产生了漂移点Pi+1,剔除Pi+1,进而计算Pi和Pi+2,直到计算Pi和Pi+k不再产生飘逸。不再产生漂移时,将当前基准点设为Pi+k,继续进行。
算法服务中,关于船舶状态的形成过程说明如下。
数据预处理以后即基于已经处理的数据,经过数据分析得知,船舶在锚泊或靠泊状态可能具有小于Vlow节的航速,因此将Vi<Vlow节的速度视为停泊状态,基于此进行船舶状态的连续监测。
分析AIS之间的连续性.假设状态形成阈值为连续状态个数 Nmin,Nmax和最大时间阈值Tmax,船舶停泊状态时,根据AIS中status 字段和t时间戳,综合分析得到船舶的行为状态。
假设有某船舶AIS时间序列S={P1,P2,P3,P4,P5,…,Pi,…,PN},其中Pi=(loni,lati,ti,statusi),loni是经度,lati是纬度,ti是时间, statusi是状态。例如从Pi开始计算Pi得到与Pi具有相同tatus值的的序列Pi+1,Pi+2,…,Pi+k,得到从Pi开始累计具有相同的status值的个数k 以及时间差ΔT(i,i+k)。当满足ΔT(i,i+k)≥Tmin&&k≥Nmin或者满足ΔT(i,i+k)≥Tmax时,认为可以形成船舶状态,进行记录,形成如下状态:
Pi1锚泊status=1,Pi1+1锚泊status=1,…,Pi1+j1锚泊status=1
Pi2靠泊status=5,Pi2+1靠泊status=5,…,Pi2+j2靠泊status=5
Pi3航行status=0,Pi3+1航行status=0,…,P31+j3航行status=0
Pi4搁浅status=6,Pi4+1搁浅status=6,…,Pi4+j4搁浅status=6
至此,连续检测AIS点,根据连续N个点,形成状态标记。下一步再根据状态累计,形成状态的起始和结束,如下:
Pi1锚泊开始,Pi1+j1锚泊结束,Pi2靠泊开始,Pi2+j2靠泊结束,Pi3航行开始,P31+j3航行结束,Pi4搁浅开始,Pi4+1搁浅结束。从而得到了船舶的全状态。
算法服务中,对于抵离港行为识别过程,说明如下。
对于前文中得到的船舶全状态,还需要做进一步处理,进行AIS 点区位匹配,从而得到靠泊或锚泊的港口等。
在靠泊或锚泊状态下,当AIS坐标Pi和某个港口距离D小于锚地范围Dberth时,则给该AIS坐标点打上港口标记。检测每个AIS点,匹配港口,为减小实际运算量,采用分步做法。
假设已得到船舶行为:Pi1锚泊开始,Pi1+j1锚泊结束,Pi2靠泊开始, Pi2+j2靠泊结束,Pi3航行开始,P31+j3航行结束。针对Pi2= (loni,lati,ti,statusi)点,港口列表坐标点 T={T1,T2,T3,T4,T5,…,Ti,…,TN},Tm=(lonm,latn),.
第一步方框计算,筛选经纬度差值在一定内的港口,按照地球纬度分部均匀的特点,第一步先比较纬度Δlat和Δlatmin,再放宽比较Δlon 和Δlonmin。当Δlat<=Δlatmin&&Δlon<=Δlonmin时,进入下一步计算,如不满足则跳过。
第二部距离计算,船舶位置坐标点和港口经纬度分别转换为弧度值,船舶位置Pi2的经纬度为(LonA,LatA),第二点港口Tm的经纬度为 LonB,LatB)。按照如下公式,计算得到距离D。其重R为地球半径。
C=sin(MLatA)*sin(MlatB)*cos(MlonA-MlonB) +cos(MlatA)*cos(MlatB)
D=R*Arccos(C)*pi/180
若D<Dberth,则认为此时船舶靠泊在当前港口Tm。此时反算锚泊点Pi1与港口之间的距离,如果D<Danchor,则认为船舶在Pi1锚泊在港口Tm,否则视为中途锚泊。
由此得到船舶抵离港行为,船舶在Pi1锚泊港口Tm,Pi1+j1锚泊结束, Pi2靠泊港口Tm,Pi2+j2靠泊结束,Pi3开始航行离港。
对于算法服务中涉及的对船舶的加油、修理行为识别过程,说明如下。
根据船舶抵离港行为,则进一步可分析出船舶的加油及修理行为。当船舶中途锚泊某港口是,锚泊时长Tanchor≥Tgas,且该港口是加油港时,则船舶有加油行为。
如船舶靠泊在港口Tm,则在PostGis基于当前位置Pi2,进一步计算靠泊泊位,并判断该泊位是否为修理泊位,如是修理泊位,则船舶有修理行为。
根据一个或者多个实施例,基于AIS大数据的船舶全生命周期行为识别系统的组成及部署部分如下:
序号 | 系统 | 资源 | 类型 | 描述 |
1 | 数据仓库 | PolarDB | 数据库 | 提供大数据存储服务 |
2 | 数据仓库 | PostGIS | 数据库 | 提供gis存储及计算 |
3 | 数据服务 | BI服务 | 工具类 | 转换AIS并存储入库 |
4 | 算法服务 | 计算服务 | 程序类 | 核心算法实现 |
5 | 接口服务 | 程序服务 | 程序类 | 提供数据查询接口 |
6 | 应用展示 | 前端服务 | 程序类 | 提供数据展示 |
7 | 服务器 | 服务器 | 硬件类 | 用于部署服务 |
根据一个或者多个实施例,如图2所示,一种船舶行为识别方法,其特征在于,包括步骤,获取船舶的AIS数据,对获得的AIS数据进行预处理,对漂移数据予以剔除;根据AIS数据判断所述船舶的状态,这些状态包括靠泊、航行或者锚泊;对于靠泊的船舶,判断其是否处于修理状态;对于锚泊的船舶,判断其是否处于加油状态。
本发明涉及实现对船舶AIS的信息收集、清洗、分析处理和结果展示,基于AIS大数据实现了船舶全生命周期行为识别,为进一步分析船舶、港口和航线提供了有力支撑。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种船舶行为识别系统,其特征在于,所述识别系统包括数据层、服务层和应用层,其中,
数据层包括数据仓库,
服务层包括数据服务、算法服务、接口服务,
应用层包括应用展示,
数据仓库用于提供对包括GIS数据的存储服务,
数据服务用于对采集自多方的AIS数据进行处理服务,
算法服务用于通过对船舶的行为、状态数据进行分析识别,得到对所述船舶的行为或状态的预测,
接口服务,用于提供所述船舶全生命周期的实时或者历史的行为、状态的查询,
应用展示,用于为用户提供可视化的查询结果展示。
2.根据权利要求1所述的船舶行为识别系统,其特征在于,
所述的数据服务包括对AIS数据的预处理,该预处理包括对异常数据的剔除。
3.根据权利要求2所述的船舶行为识别系统,其特征在于,采用滑窗法对所述的AIS异常数据进行剔除。
4.根据权利要求1所述的船舶行为识别系统,其特征在于,
所述的算法服务,根据AIS数据分析获得所述船舶的状态。
5.根据权利要求4所述的船舶行为识别系统,其特征在于,所述算法服务根据所述船舶的状态,结合泊位位置,识别所述船舶配的抵、离岗行为。
6.根据权利要求5所述的船舶行为识别系统,其特征在于,根据所述船舶抵、离港行为进一步识别所述船舶的加油及修理行为。
7.一种船舶行为识别方法,其特征在于,包括步骤,
获取船舶的AIS数据,
对获得的AIS数据进行预处理,对漂移数据予以剔除;
根据AIS数据判断所述船舶的状态,这些状态包括靠泊、航行或者锚泊;
对于靠泊的船舶,判断其是否处于修理状态;
对于锚泊的船舶,判断其是否处于加油状态。
8.一种船舶行为识别平台,其特征在于,所述平台包括数据存储服务器、运算服务器,所述数据存储服务器用于提供对包括GIS数据的存储服务,
所述运算服务器具有存储器;以及
耦合到所述存储器的处理器,该处理器被配置为执行存储在所述存储器中的指令,所述处理器提供数据服务、算法服务、接口服务,
数据服务用于对采集自多方的AIS数据进行处理服务,
算法服务用于通过对船舶的行为、状态数据进行分析识别,得到对所述船舶的行为或状态的预测,
接口服务,用于提供所述船舶全生命周期的实时或者历史的行为、状态的查询。
9.根据权利要求8所述的船舶行为识别平台,其特征在于,所述的识别平台还包括显示终端,用于船舶行为识别平台的应用展示,该应用展示用于为用户提供可视化的查询结果展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011352906.1A CN112785030A (zh) | 2020-11-26 | 2020-11-26 | 船舶行为识别系统、方法和平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011352906.1A CN112785030A (zh) | 2020-11-26 | 2020-11-26 | 船舶行为识别系统、方法和平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785030A true CN112785030A (zh) | 2021-05-11 |
Family
ID=75750574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011352906.1A Pending CN112785030A (zh) | 2020-11-26 | 2020-11-26 | 船舶行为识别系统、方法和平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785030A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792108A (zh) * | 2021-09-17 | 2021-12-14 | 中远海运科技股份有限公司 | 一种基于时空数据的多维船舶搜索方法和系统 |
CN114037230A (zh) * | 2021-10-28 | 2022-02-11 | 中远海运科技股份有限公司 | 一种快速精准识别预计空载船舶信息的方法及系统 |
CN114037257A (zh) * | 2021-11-05 | 2022-02-11 | 中远海运科技股份有限公司 | 一种特种船舶竞争力分析方法及系统 |
CN114780644A (zh) * | 2022-06-17 | 2022-07-22 | 鹏城实验室 | 一种船舶航行数据处理方法、装置、设备及存储介质 |
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及系统、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899263A (zh) * | 2015-05-22 | 2015-09-09 | 华中师范大学 | 一种基于特定区域的船舶轨迹挖掘分析与监控方法 |
CN108038811A (zh) * | 2017-12-27 | 2018-05-15 | 中华人民共和国太仓海事局 | 三维全景可视化船舶动态监管系统 |
CN109214107A (zh) * | 2018-09-26 | 2019-01-15 | 大连海事大学 | 一种船舶航行行为在线预测方法 |
CN109658439A (zh) * | 2017-10-12 | 2019-04-19 | 中电科海洋信息技术研究院有限公司 | 船舶压港状态识别方法、装置、设备以及存储介质 |
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 |
-
2020
- 2020-11-26 CN CN202011352906.1A patent/CN112785030A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899263A (zh) * | 2015-05-22 | 2015-09-09 | 华中师范大学 | 一种基于特定区域的船舶轨迹挖掘分析与监控方法 |
CN109658439A (zh) * | 2017-10-12 | 2019-04-19 | 中电科海洋信息技术研究院有限公司 | 船舶压港状态识别方法、装置、设备以及存储介质 |
CN108038811A (zh) * | 2017-12-27 | 2018-05-15 | 中华人民共和国太仓海事局 | 三维全景可视化船舶动态监管系统 |
CN109214107A (zh) * | 2018-09-26 | 2019-01-15 | 大连海事大学 | 一种船舶航行行为在线预测方法 |
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 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792108A (zh) * | 2021-09-17 | 2021-12-14 | 中远海运科技股份有限公司 | 一种基于时空数据的多维船舶搜索方法和系统 |
CN114037230A (zh) * | 2021-10-28 | 2022-02-11 | 中远海运科技股份有限公司 | 一种快速精准识别预计空载船舶信息的方法及系统 |
CN114037230B (zh) * | 2021-10-28 | 2023-06-20 | 中远海运科技股份有限公司 | 一种快速精准识别预计空载船舶信息的方法及系统 |
CN114037257A (zh) * | 2021-11-05 | 2022-02-11 | 中远海运科技股份有限公司 | 一种特种船舶竞争力分析方法及系统 |
CN114037257B (zh) * | 2021-11-05 | 2023-10-31 | 中远海运科技股份有限公司 | 一种特种船舶竞争力分析方法及系统 |
CN114780644A (zh) * | 2022-06-17 | 2022-07-22 | 鹏城实验室 | 一种船舶航行数据处理方法、装置、设备及存储介质 |
CN114780644B (zh) * | 2022-06-17 | 2022-09-13 | 鹏城实验室 | 一种船舶航行数据处理方法、装置、设备及存储介质 |
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及系统、电子设备及存储介质 |
CN117315573B (zh) * | 2023-09-20 | 2024-06-04 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785030A (zh) | 船舶行为识别系统、方法和平台 | |
US11514276B2 (en) | System and method for detecting and classifying recurrent stops of a vehicle fleet | |
CN110633353B (zh) | 一种基于集成学习的船舶类型仿冒监测方法 | |
CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
Tsou | Discovering knowledge from AIS database for application in VTS | |
CN110288001B (zh) | 基于目标数据特征训练学习的目标识别方法 | |
Xin et al. | A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data | |
CN111179638A (zh) | 一种基于时间序列的船舶ais目标航行监控方法 | |
CN113822513B (zh) | 一种基于锚地与泊位自动识别算法的港口拥堵监测方法 | |
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 | |
CN115328903B (zh) | 船舶停留状态识别方法和装置、电子设备和存储介质 | |
CN112329605B (zh) | 一种城市容貌乱贴乱画行为识别方法,存储装置及服务器 | |
CN112801376A (zh) | 确定船只的预计到达时间的方法、装置和存储介质 | |
CN110716925B (zh) | 一种基于轨迹分析的跨境行为识别方法 | |
CN114742507A (zh) | 车辆货物配载方法、装置、计算机设备及存储介质 | |
KR101791947B1 (ko) | 프랙탈 차원 분석에 기반한 주행 평가 방법 및 장치 | |
Bonham et al. | Analysing port and shipping operations using big data | |
CN110619346B (zh) | 一种基于数据融合的海面移动目标模型的建模方法 | |
CN115511174A (zh) | 一种船舶风险预测方法和系统 | |
Widhalm et al. | Robust road link speed estimates for sparse or missing probe vehicle data | |
Hoffa et al. | Agent based approach for modeling disturbances in supply chain | |
CN114387812A (zh) | 一种垃圾收运监控方法、装置、设备和存储介质 | |
CN114240623A (zh) | 巡检方法、装置、计算机设备和存储介质 | |
CN111539686A (zh) | 基于车辆行驶记录可视化的运输管理监控方法 | |
Kaljouw et al. | Tugboat resting location optimization using AIS data analysis |
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 |