CN113129644B - 基于球面扫描线的船舶三维特征航线提取方法 - Google Patents
基于球面扫描线的船舶三维特征航线提取方法 Download PDFInfo
- Publication number
- CN113129644B CN113129644B CN202110242773.0A CN202110242773A CN113129644B CN 113129644 B CN113129644 B CN 113129644B CN 202110242773 A CN202110242773 A CN 202110242773A CN 113129644 B CN113129644 B CN 113129644B
- Authority
- CN
- China
- Prior art keywords
- track
- sub
- ship
- distance
- distance matrix
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于球面扫描线的船舶三维特征航线提取方法。该船舶三维特征航线提取方法包括以下步骤:数据预处理:对船舶的原始AIS数据进行预处理,获取压缩后的船舶轨迹;轨迹聚类:计算压缩轨迹的子轨迹集的结构相似性距离矩阵,根据结构相似性距离矩阵对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇;特征航线提取:采用球面三维扫描线从子轨迹簇中提取特征航线。本发明的基于球面扫描线的船舶三维特征航线提取方法能够考虑船舶轨迹的三维性质,船舶特征航线提取精确度高,获得的船舶三维特征航线与船舶的实际航线基本一致。
Description
技术领域
本发明涉及船舶航线规划技术领域,尤其涉及一种基于球面扫描线的船舶三维特征航线提取方法。
背景技术
船舶自动识别系统(AIS,Automatic Identification System)是一种新型助航系统。星载AIS通过低轨卫星接收船舶发送的AIS报文信息并将接收的AIS报文转发给地面站,从而让管理机构掌握船舶航行的相关信息,实现对航行船舶的监控。星载AIS可以实现全球覆盖,从AIS数据中提取船舶特征航线有利于船舶航程规划、异常检测和海洋态势监管,对海运有着重要的经济和安全价值。
目前,从AIS数据中提取船舶特征航线的方法主要在二维坐标系下进行,常用的方法为通过对AIS数据聚类簇内的位置点坐标取平均得特征航线关键点和对聚类簇内的轨迹或子轨迹应用二维扫描线法获取特征航线关键点。然而,现有方法将船舶的轨迹信息作为二维数据进行处理,所提取出的船舶特征航线的精确度较低,与船舶的实际航线偏差较大,不利于后续进行船舶航程规划、异常检测和海洋态势监管等。
发明内容
为解决上述现有技术中存在的部分或全部技术问题,本发明提供一种基于球面扫描线的船舶三维特征航线提取方法。
本发明公开了一种基于球面扫描线的船舶三维特征航线提取方法,所述方法包括以下步骤:
S1,数据预处理:对船舶的原始AIS数据进行预处理,获取压缩后的船舶轨迹;
S2,轨迹聚类:计算压缩轨迹的子轨迹集的结构相似性距离矩阵,根据结构相似性距离矩阵对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇;
S3,特征航线提取:采用球面三维扫描线从子轨迹簇中提取特征航线。
在一些可选的实施方式中,步骤S1包括以下步骤:
S11,数据清洗:去除船舶的原始AIS数据中的错误数据和重复数据;
S12,数据压缩:采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理,获取压缩轨迹。
在一些可选的实施方式中,设定原始船舶轨迹为S={x1,x2…,xn},所述采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理包括以下步骤:
S123,若θm1>λ,保留xm1;若θm1≤λ,舍去xm1,λ表示设定阈值;
S124,以xm1将分为两段圆弧,分别对划分的每段圆弧依次进行步骤S121-S124,直至遍历完S={x1,x2…,xn}中所有点,得到所有保留点构成的压缩轨迹Se={x1,xm1,…xml,xn}。
在一些可选的实施方式中,步骤S2包括以下步骤:
S21,计算相似度:计算压缩轨迹的子轨迹集的结构相似性距离矩阵;
S22,密度聚类:根据结构相似性距离矩阵,利用DBSCAN算法对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇。
在一些可选的实施方式中,步骤S21包括以下步骤:
S211,确定子轨迹集中子轨迹间的空间距离、速度距离和方向距离;
S212,根据子轨迹间的空间距离、速度距离和方向距离确定子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵;
S213,根据子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵确定子轨迹集的结构相似度距离矩阵。
在一些可选的实施方式中,对于压缩轨迹Se={x1,xm1,…xml,xn},所述压缩轨迹的子轨迹集为所有压缩轨迹子轨迹集的并集构成子轨迹集利用以下方式计算子轨迹集Sall中子轨迹间的空间距离、速度距离和方向距离:
空间距离dh利用以下公式2计算;
速度距离dv利用以下公式3计算;
方向距离dθ利用以下公式4计算;
在一些可选的实施方式中,设定:子轨迹集的空间距离矩阵、速度距离矩阵、方向距离矩阵分别为Dh、Dv、Dθ,子轨迹集的结构相似度距离矩阵为D;
子轨迹集的结构相似度距离矩阵D可以利用以下公式5计算;
wh、wv和wθ表示权重参数,Dh_norm、Dv_norm和Dθ_norm表示归一化的空间距离矩阵、速度距离矩阵和方向距离矩阵。
在一些可选的实施方式中,步骤S3包括以下步骤:
S31,计算特征方向:利用子轨迹簇所有子轨迹法向量计算子轨迹簇的特征方向;
S32,计算扫描线:根据子轨迹簇的特征方向计算子轨迹簇对应的球面三维扫描线;
S33,计算有效交点集:根据子轨迹簇对应的球面三维扫描线计算子轨迹簇的有效交点集;
S34,计算特征航线:根据子轨迹簇对应的球面三维扫描线和子轨迹簇的有效交点集确定船舶三维特征航线。
在一些可选的实施方式中,步骤S33包括以下步骤:
步骤S331,计算备选交点;
步骤S332,检验交点有效性;
如果Pθ(si)的经纬度范围在子轨迹si的经纬度范围内,则交点Pθ(si)有效;
步骤S333,检验交点集有效性;
设定扫描线与子轨迹簇Sc的全部有效交点组成当前位置扫描线有效交点集Pθ={Pθ(sC)1,…,Pθ(sC)n},若Pθ中交点个数大于设定阈值τθ,则位置交点集有效,所有扫描线的有效交点集组成子轨迹簇Sc的有效交点集
本发明技术方案的主要优点如下:
本发明的基于球面扫描线的船舶三维特征航线提取方法能够考虑船舶轨迹的三维性质,船舶特征航线提取精确度高,获得的船舶三维特征航线与船舶的实际航线基本一致。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一实施例的基于球面扫描线的船舶三维特征航线提取方法的流程图;
图2为本发明一实施例的子轨迹法向量夹角的位置关系示意图;
图3为本发明一实施例的三维球面扫描线的原理示意图;
图4为本发明一实施例的三维球面扫描线的计算原理示意图;
图5为本发明一实施例的交点的计算原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明实施例提供的技术方案。
参见图1,本发明一实施例提供了一种基于球面扫描线的船舶三维特征航线提取方法,该方法包括以下步骤:
S1,数据预处理:对船舶的原始AIS数据进行预处理,获取压缩后的船舶轨迹;
S2,轨迹聚类:计算压缩轨迹的子轨迹集的结构相似性距离矩阵,根据结构相似性距离矩阵对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇;
S3,特征航线提取:采用球面三维扫描线从子轨迹簇中提取特征航线。
以下对本发明一实施例提供的基于球面扫描线的船舶三维特征航线提取方法的各个步骤进行具体说明。
步骤S1,数据预处理:对船舶的原始AIS数据进行预处理,获取压缩后的船舶轨迹。
具体地,步骤S1进一步包括以下步骤S11-S12:
S11,数据清洗:去除船舶的原始AIS数据中的错误数据和重复数据。
其中,错误数据指的是报文不符合AIS标准的数据,重复数据指的是报文字段内容完全一致的数据。
S12,数据压缩:采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理,获取压缩轨迹。
其中,设定原始船舶轨迹为S={x1,x2…,xn},xn表示按时间排序的船舶轨迹的第n个位置点,采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理包括以下步骤S121-S124:
S123,若θm1>λ,保留xm1;若θm1≤λ,舍去xm1;
S124,以xm1将分为两段圆弧,分别对划分的每段圆弧依次进行步骤S121-S124,直至遍历完S={x1,x2…,xn}中所有点,得到所有保留点构成的压缩轨迹Se={x1,xm1,…xml,xn}。
可以利用以下公式1确定θm1;
参照上述的圆心角距离的计算方式,可以获知任意设定点到任意设定圆弧的圆心角距离。
本发明一实施例提供的基于球面扫描线的船舶三维特征航线提取方法通过进行数据预处理,能够有效消除和降低原始船舶AIS数据存在错误、缺失和数据冗余的情况,使船舶AIS数据适于后续分析,数据压缩率小于50%。
S2,轨迹聚类:计算压缩轨迹的子轨迹集的结构相似性距离矩阵,根据结构相似性距离矩阵对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇。
具体地,步骤S2进一步包括以下步骤S21-S22:
S21,计算相似度:计算压缩轨迹的子轨迹集的结构相似性距离矩阵;
S22,密度聚类:根据结构相似性距离矩阵,利用DBSCAN算法(Density-BasedSpatial Clustering of Applications with Noise)对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇。
步骤S21进一步包括以下步骤S211-S213:
S211,确定子轨迹集中子轨迹间的空间距离、速度距离和方向距离。
空间距离dh利用以下公式2计算;
速度距离dv利用以下公式3计算;
方向距离dθ利用以下公式4计算;
参见图2,θ表示子轨迹sp和sq法向量夹角;
S212,根据子轨迹间的空间距离、速度距离和方向距离确定子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵。
设定子轨迹集的空间距离矩阵、速度距离矩阵、方向距离矩阵分别为Dh、Dv、Dθ;
当子轨迹集包含有m项子轨迹时,子轨迹集的空间距离矩阵、速度距离矩阵、方向距离矩阵均为m×m矩阵;空间距离矩阵Dh中的第i行j列的元素为速度距离矩阵Dv中的第i行j列的元素为dv(si,sj),方向距离矩阵Dθ中的第i行j列的元素为dθ(si,sj),dh(si,sj)、dv(si,sj)、dθ(si,sj)分别为子轨迹si和子轨迹sj的空间距离、速度距离、方向距离,si和sj为子轨迹集中的第i个子轨迹和第j个子轨迹。
S213,根据子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵确定子轨迹集的结构相似度距离矩阵。
设定子轨迹集的结构相似度距离矩阵为D;
子轨迹集的结构相似度距离矩阵D可以利用以下公式5计算;
wh、wv和wθ表示权重参数,Dh_norm、Dv_norm和Dθ_norm表示归一化的空间距离矩阵、速度距离矩阵和方向距离矩阵;
Dh_norm、Dv_norm和Dθ_norm可以利用以下公式6计算;
dh_min表示矩阵Dh所有非零元素最小值,dh_min=min(dh(si,sj)),i≠j,dh_max表示矩阵Dh所有元素最大值,dh_max=max(dh(si,sj)),i≠j,Dh_min表示主对角线元素为0、其余所有元素为dh_min的矩阵,矩阵Dh_min的行列数与矩阵Dh相同,dv_min表示矩阵Dv所有非零元素最小值,dv_min=min(dv(si,sj)),i≠j,dv_max表示矩阵Dv所有元素最大值,dv_max=max(dv(si,sj)),i≠j,Dv_min表示主对角线元素为0、其余所有元素为dv_min的矩阵,矩阵Dv_min的行列数与矩阵Dv相同,dθ_min表示矩阵Dθ所有非零元素最小值,dθ_min=(dθ(si,sj)),i≠j,dθ_max表示矩阵Dθ所有元素最大值,dθ_max=max(dθ(si,sj)),i≠j,Dθ_min表示主对角线元素为0、其余所有元素为dθ_min的矩阵,矩阵Dθ_min的行列数与矩阵Dθ相同。
本发明一实施例提供的基于球面扫描线的船舶三维特征航线提取方法通过采用子轨迹聚类,能够关注船舶轨迹片段的相似性,同时在聚类处理过程中构造子轨迹相似度,能够在实行分道通航制的水域有效区别航道两侧航线相反的船只。
S3,特征航线提取:采用球面三维扫描线从子轨迹簇中提取特征航线。
步骤S3进一步包括以下步骤S31-S34:
S31,计算特征方向:利用子轨迹簇所有子轨迹法向量计算子轨迹簇的特征方向。
S32,计算扫描线:根据子轨迹簇的特征方向计算子轨迹簇对应的球面三维扫描线。
O-XYZ坐标系为地心地固坐标系,坐标原点O为地球质心,Z轴与地轴平行指向北极点,X轴指向本初子午线与赤道的交点,Y轴垂直于XOZ平面构成右手坐标系。
步骤S324,执行步骤S322逆过程;
步骤S325,执行步骤S321逆过程。
式中,RX(η)、RY(η)、RZ(η)分别为绕X、Y、Z轴的旋转矩阵,可以利用以下公式9计算;
S33,计算有效交点集:根据子轨迹簇对应的球面三维扫描线计算子轨迹簇的有效交点集。
具体地,步骤S33进一步包括以下步骤S331-S333:
步骤S331,计算备选交点。
步骤S332,检验交点有效性。
如果Pθ(si)的经纬度范围在子轨迹si的经纬度范围内,则交点Pθ(si)有效。
步骤S333,检验交点集有效性。
设定扫描线与子轨迹簇Sc的全部有效交点组成该位置扫描线有效交点集Pθ={Pθ(sC)1,…,Pθ(sC)n};若Pθ中交点个数大于设定阈值τθ,则该位置交点集有效,所有扫描线的有效交点集组成子轨迹簇Sc的有效交点集
S34,计算特征航线:根据子轨迹簇对应的球面三维扫描线和子轨迹簇的有效交点集确定船舶三维特征航线。
本发明一实施例提供的基于球面扫描线的船舶三维特征航线提取方法能够考虑船舶轨迹的三维性质,船舶特征航线提取精确度高,获得的船舶三维特征航线与船舶的实际航线基本一致。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,本文中“前”、“后”、“左”、“右”、“上”、“下”均以附图中表示的放置状态为参照。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于球面扫描线的船舶三维特征航线提取方法,其特征在于,包括以下步骤:
S1,数据预处理:对船舶的原始AIS数据进行预处理,获取压缩后的船舶轨迹;
S2,轨迹聚类:计算压缩轨迹的子轨迹集的结构相似性距离矩阵,根据结构相似性距离矩阵对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇;
S3,特征航线提取:采用球面三维扫描线从子轨迹簇中提取特征航线;
其中,步骤S1包括以下步骤:
S11,数据清洗:去除船舶的原始AIS数据中的错误数据和重复数据;
S12,数据压缩:采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理,获取压缩轨迹;
其中,设定原始船舶轨迹为S={x1,x2…,xn},所述采用道格拉斯-普克算法对清洗后的AIS数据中的原始船舶轨迹进行压缩处理包括以下步骤:
S123,若θm1>λ,保留xm1;若θm1≤λ,舍去xm1,λ表示设定阈值;
3.根据权利要求2所述的基于球面扫描线的船舶三维特征航线提取方法,其特征在于,步骤S2包括以下步骤:
S21,计算相似度:计算压缩轨迹的子轨迹集的结构相似性距离矩阵;
S22,密度聚类:根据结构相似性距离矩阵,利用DBSCAN算法对压缩轨迹的子轨迹集进行密度聚类,获取若干个具有类内相似性的子轨迹簇。
4.根据权利要求3所述的基于球面扫描线的船舶三维特征航线提取方法,其特征在于,步骤S21包括以下步骤:
S211,确定子轨迹集中子轨迹间的空间距离、速度距离和方向距离;
S212,根据子轨迹间的空间距离、速度距离和方向距离确定子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵;
S213,根据子轨迹集的空间距离矩阵、速度距离矩阵和方向距离矩阵确定子轨迹集的结构相似度距离矩阵。
5.根据权利要求4所述的基于球面扫描线的船舶三维特征航线提取方法,其特征在于,对于压缩轨迹Se={x1,xm1,…xml,xn},所述压缩轨迹的子轨迹集为所有压缩轨迹子轨迹集的并集构成子轨迹集利用以下方式计算子轨迹集Sall中子轨迹间的空间距离、速度距离和方向距离:
空间距离dh利用以下公式2计算;
速度距离dv利用以下公式3计算;
方向距离dθ利用以下公式4计算;
7.根据权利要求6所述的基于球面扫描线的船舶三维特征航线提取方法,其特征在于,步骤S3包括以下步骤:
S31,计算特征方向:利用子轨迹簇所有子轨迹法向量计算子轨迹簇的特征方向;
S32,计算扫描线:根据子轨迹簇的特征方向计算子轨迹簇对应的球面三维扫描线;
S33,计算有效交点集:根据子轨迹簇对应的球面三维扫描线计算子轨迹簇的有效交点集;
S34,计算特征航线:根据子轨迹簇对应的球面三维扫描线和子轨迹簇的有效交点集确定船舶三维特征航线。
8.根据权利要求7所述的基于球面扫描线的船舶三维特征航线提取方法,其特征在于,步骤S33包括以下步骤:
步骤S331,计算备选交点;
步骤S332,检验交点有效性;
如果Pθ(si)的经纬度范围在子轨迹si的经纬度范围内,则交点Pθ(si)有效;
步骤S333,检验交点集有效性;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110242773.0A CN113129644B (zh) | 2021-03-05 | 2021-03-05 | 基于球面扫描线的船舶三维特征航线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110242773.0A CN113129644B (zh) | 2021-03-05 | 2021-03-05 | 基于球面扫描线的船舶三维特征航线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129644A CN113129644A (zh) | 2021-07-16 |
CN113129644B true CN113129644B (zh) | 2022-03-08 |
Family
ID=76772528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110242773.0A Active CN113129644B (zh) | 2021-03-05 | 2021-03-05 | 基于球面扫描线的船舶三维特征航线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129644B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205582304U (zh) * | 2016-04-21 | 2016-09-14 | 武汉万集信息技术有限公司 | 一种航道船舶交通量调查系统 |
CN110188093A (zh) * | 2019-05-21 | 2019-08-30 | 江苏锐天信息科技有限公司 | 一种基于大数据平台针对ais信息源的数据挖掘系统 |
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 |
KR102031151B1 (ko) * | 2019-03-20 | 2019-10-15 | 씨벤티지 주식회사 | 선박의 효율 운항을 위한 항로 안내 방법 |
CN110363094A (zh) * | 2019-06-20 | 2019-10-22 | 珠海云航智能技术有限公司 | 一种船只异常行为识别方法、装置及终端设备 |
CN110705582A (zh) * | 2019-08-12 | 2020-01-17 | 武汉理工大学 | 一种基于改进K-Means聚类算法的船舶过桥行为特征提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3008975A1 (fr) * | 2013-07-23 | 2015-01-30 | Servier Lab | Nouveaux derives de pyrrole, leur procede de preparation et les compositions pharmaceutiques qui les contiennent |
KR102288314B1 (ko) * | 2015-03-18 | 2021-08-11 | 한국전자통신연구원 | 선박별 항적 추출 및 전시 시스템 |
CN109814601A (zh) * | 2019-04-03 | 2019-05-28 | 广东电网有限责任公司 | 一种基于三维激光的无人机飞行轨迹自动规划方法和装置 |
CN111814888A (zh) * | 2020-07-14 | 2020-10-23 | 南京航空航天大学苏州研究院 | 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 |
CN111928855A (zh) * | 2020-08-21 | 2020-11-13 | 上海船舶运输科学研究所 | 基于ais数据的最短航线自动规划方法 |
-
2021
- 2021-03-05 CN CN202110242773.0A patent/CN113129644B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205582304U (zh) * | 2016-04-21 | 2016-09-14 | 武汉万集信息技术有限公司 | 一种航道船舶交通量调查系统 |
KR102031151B1 (ko) * | 2019-03-20 | 2019-10-15 | 씨벤티지 주식회사 | 선박의 효율 운항을 위한 항로 안내 방법 |
CN110188093A (zh) * | 2019-05-21 | 2019-08-30 | 江苏锐天信息科技有限公司 | 一种基于大数据平台针对ais信息源的数据挖掘系统 |
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 |
CN110363094A (zh) * | 2019-06-20 | 2019-10-22 | 珠海云航智能技术有限公司 | 一种船只异常行为识别方法、装置及终端设备 |
CN110705582A (zh) * | 2019-08-12 | 2020-01-17 | 武汉理工大学 | 一种基于改进K-Means聚类算法的船舶过桥行为特征提取方法 |
Non-Patent Citations (2)
Title |
---|
基于AIS信息的船舶轨迹聚类模型研究;肖潇;《中国优秀硕士学位论文全文数据库》;20160115(第01期);第5-26页 * |
基于AIS数据的船舶航线挖掘;刘敦伟;《中国优秀硕士学位论文全文数据库》;20170715(第07期);第15-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113129644A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sohn et al. | Using a binary space partitioning tree for reconstructing polyhedral building models from airborne lidar data | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
Karagiorgou et al. | On vehicle tracking data-based road network generation | |
CN112184736B (zh) | 一种基于欧式聚类的多平面提取方法 | |
CN112362072B (zh) | 一种复杂城区环境中的高精度点云地图创建系统及方法 | |
CN112325883B (zh) | 一种WiFi和视觉多源融合的移动机器人室内定位方法 | |
Hamaoui | Non-iterative MDS method for collaborative network localization with sparse range and pointing measurements | |
CN111998846B (zh) | 基于环境几何与拓扑特征的无人系统快速重定位方法 | |
CN111273312B (zh) | 一种智能车辆定位与回环检测方法 | |
CN112698664B (zh) | 一种用于无人机集群协同导航优化的视线扇区动态估计方法 | |
CN107870621A (zh) | 在未知复杂海底地形环境中的自主水下机器人避碰方法 | |
CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取系统及方法 | |
CN112612039B (zh) | 用于静态测站的gnss非直射信号检测消除方法及系统 | |
Makris et al. | A comparison of trajectory compression algorithms over AIS data | |
CN112381026A (zh) | 航道岸线检测方法、系统、装置和存储介质 | |
CN111208544B (zh) | 一种用于无人机蜂群协同导航的完好性保护水平优化方法 | |
CN112230247A (zh) | 一种用于城市复杂环境下gnss完好性监测方法 | |
CN115824217A (zh) | 一种海上搜救方法及系统 | |
CN108921896B (zh) | 一种融合点线特征的下视视觉罗盘 | |
CN113129644B (zh) | 基于球面扫描线的船舶三维特征航线提取方法 | |
CN112419403A (zh) | 一种基于二维码阵列的室内无人机定位方法 | |
Li et al. | Vessel trajectory similarity measure based on deep convolutional autoencoder | |
CN115907084A (zh) | 一种海上漂浮物漂的预测方法、装置、设备和介质 | |
CN115201809A (zh) | 基于监控视频辅助的vts雷达目标解融合方法、系统和设备 | |
Song et al. | Optimized point set representation for oriented object detection in remote sensing images |
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 |