CN113450596B - 基于船舶轨迹特征点提取的时空dp方法 - Google Patents
基于船舶轨迹特征点提取的时空dp方法 Download PDFInfo
- Publication number
- CN113450596B CN113450596B CN202110601140.4A CN202110601140A CN113450596B CN 113450596 B CN113450596 B CN 113450596B CN 202110601140 A CN202110601140 A CN 202110601140A CN 113450596 B CN113450596 B CN 113450596B
- Authority
- CN
- China
- Prior art keywords
- track
- ship
- ais
- points
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 title claims abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 229910044991 metal oxide Inorganic materials 0.000 claims 1
- 150000004706 metal oxides Chemical class 0.000 claims 1
- 238000007906 compression Methods 0.000 abstract description 18
- 230000006835 compression Effects 0.000 abstract description 16
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002650 habitual effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
Abstract
本发明公开了一种基于船舶轨迹特征点提取的时空DP方法,属于船舶轨迹压缩技术领域,包括:步骤1:利用聚类算法对AIS原始数据进行聚类分析,识别AIS数据中的离群点,进而对噪声点进行剔除;步骤2:对船舶航向改变、航速改变、船舶进出某区域等特征轨迹点进行识别与保留;步骤3:以船舶轨迹的起点、终点以及步骤2保留的特征轨迹点为初始点,同时考虑AIS数据的时空特性,对AIS数据进行压缩。利用本发明可以对冗杂AIS数据进行有效压缩,压缩后船舶轨迹与原轨迹差异极小,同时能够保留船舶运动状态改变点,船舶进出区域边界点的信息,再利用价值空间大,能够为船舶历史数据分析,船舶行为识别奠定数据处理基础。
Description
技术领域
本发明属于船舶轨迹压缩技术领域,更具体地,涉及一种基于船舶轨迹特征点提取的时空道格拉斯-普克(Douglas–Peucker,DP)方法。
背景技术
经过多年的建设,目前船舶自动识别系统(Automatic Identification System,AIS)基站网络框架已经基本形成,通过AIS信息采集系统实时地接收各港口AIS接收点采集到的船载AIS数据,海事机关可以获得海量的船舶AIS轨迹数据。海量的船舶AIS轨迹数据中,蕴含着大量信息,包括船舶的静态信息,动态信息,船舶驾驶员的人为因素,船舶避碰行为,船员通常做法,习惯航路等。通过对船舶轨迹的分析研究,可以从中获取能够反映船舶规律的、有效的、潜在的信息,进而为海事机关对船舶违章行为监管,修订航行规则,推行船舶定线制提供有效的数据支持。然而海量的AIS数据中存在一些利用价值极低的数据点,当移除这些数据点后船舶轨迹不会产生较大的改变。因此,为提高数据的利用效率,需要对冗杂的船舶AIS轨迹数据进行压缩处理。
常规的船舶轨迹压缩算法往往只考虑轨迹的距离偏移量来压缩轨迹,得到的轨迹往往忽略船舶的动态信息,船舶航速、航向改变、进出某区域边界等航迹特征点在压缩过程被舍弃,降低了数据的利用价值;少数压缩算法通过航向、航速变化率均值对船舶轨迹特征点进行保留,但忽略由于传感器的误差,航速、航向会出现小范围波动,会将波动点进行保留,压缩后保留分数据点过多;少数压缩算法考虑船舶的时空特性,但往往只将船舶的时间特性仅作为分类和排序的指标。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种基于船舶轨迹特征点提取的时空DP方法,补充目前船舶轨迹压缩方法的不足,解决船舶轨迹压缩过程中特征轨迹点的保留问题,同时兼顾AIS数据的时空特性较好的保留了轨迹的形状。
为实现上述目的,本发明提供了一种基于船舶轨迹特征点提取的时空DP方法,包括:
(1)对AIS原始数据进行聚类分析,识别AIS数据中的离群点,进而对噪声点进行剔除,构建单船AIS时序性数据记录;
(2)将单船AIS时序性数据记录中各AIS数据点的经纬度坐标转化为墨卡托投影坐标;
(3)获取各AIS数据点的航速变化率、航向变化率以及整个航行过程中的平均航速变化率、平均航向变化率;
(4)识别并保留单船AIS时序性数据记录中的船舶航向和航速的改变点;
(5)识别并保留单船AIS时序性数据记录中的船舶进出某区域轨迹点;
(6)以船舶轨迹的起点、终点以及保留的船舶航向和航速的改变点、船舶进出某区域轨迹点为初始点,同时考虑AIS数据的时空特性,对AIS数据进行压缩。
在一些可选的实施方案中,由得到第i个AIS数据点的航速变化率Scri,由得到第i个AIS数据点的航向变化率Ccri,由得到整个航行过程中的平均航速变化率由得到整个航行过程中的平均航向变化率 表示第i+1个AIS数据点的航速,表示第i-1个AIS数据点的航速,表示第i+1个AIS数据点的航向,表示第i-1个AIS数据点的航向,Δt表示第i+1个AIS数据点和第i-1个AIS数据点的时间间隔,n表示AIS数据点个数。
在一些可选的实施方案中,步骤(4)包括:
在一些可选的实施方案中,步骤(5)包括:
判断相邻两个AIS数据点分别代入区域边界线方程后值的乘积是否小于0,若小于0,则将该相邻两个AIS数据点标记并保留为船舶进出某区域轨迹点,构成进出某区域点集合E。
在一些可选的实施方案中,步骤(6)包括:
(6.1)设置距离阈值dT,以船舶轨迹的起点、终点以及保留的S,E,C中的特征轨迹点为初始点对轨迹进行分段标记,相邻两个轨迹特征点之间的轨迹为一个子轨迹段;
(6.2)连接每个分段航迹的起点和终点,并根据起点与终点的经度,纬度转换后的墨卡托坐标系坐标和时间建立虚拟直线时空轨迹,对每个子轨迹段,计算该子轨迹段AIS数据点在虚拟直线时空轨迹上同时刻点的墨卡托坐标系坐标,将该子轨迹段的AIS数据点的墨卡托坐标系坐标与该AIS数据点在虚拟直线时空轨迹上同时刻点的墨卡托坐标系坐标之间的距离作为该AIS数据点到虚拟直线时空轨迹的时空距离d,找到所有时空距离中的最大距离dmax,比较该最大距离与预设距离阈值dT的大小;
(6.3)如果dmax<dT,则该子轨迹段上所有中间数据点全部舍掉,舍掉所有中间点后,连接该子轨迹段起点和终点的直线就作为该子轨迹段的近似,该段子轨迹处理完毕;
(6.4)如果dmax>dT,则对应最大距离的AIS数据点应保留为结果轨迹上的数据点,同时通过对应最大距离的AIS数据点将该段子轨迹分为两部分,对这两部分曲线分别采用步骤(6.2)和步骤(6.3)进行处理,直到所有的dmax<dT;
(6.5)当所有子轨迹段处理完后,依次连接各分割点形成的轨迹,即为原轨迹压缩后的近似轨迹。
在一些可选的实施方案中,由 x=r0×λ,y=r0×q将单船AIS时序性数据记录中各AIS数据点的经纬度坐标转化为墨卡托投影坐标,其中,表示AIS数据点的经纬度坐标,r0表示标准纬度的平行圆半径,q表示等距纬度,表示墨卡托投影的标准纬度,a表示地球椭球的长半径,e表示地球椭球的第一偏心率,(x,y)表示经纬度转换后的墨卡托坐标系坐标。
在一些可选的实施方案中,M∈[9,11],N∈[3,5]。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明在对船舶AIS轨迹压缩时,充分考虑了特征轨迹点的保留问题,同时利用时空距离压缩轨迹较好的保留了轨迹的形状,简化后的数据有较大的二次利用价值。
附图说明
图1是本发明实施例提供的一种船舶轨迹压缩流程图;
图2是本发明实施例提供的一种航速变化率和航向变化率计算示意图;
图3是本发明实施例提供的一种基于船舶轨迹特征点提取的时空DP方法原理图;
图4是本发明实施例提供的一种总体船舶轨迹压缩结果图,其中,(a)表示原始轨迹点图,(b)表示压缩后的轨迹点图;
图5是本发明实施例提供的一种单船轨迹压缩结果图;
图6是本发明实施例提供的一种进出桥区特征点。
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仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本实施例采用长江武汉段2016年8月9日当天所采集AIS数据作为原始数据进行压缩。如图1所示,本发明采取的技术方案是:
S1:噪声点剔除,利用聚类算法对AIS原始数据进行聚类分析,识别AIS数据中的离群点,进而对噪声点进行剔除,构建单船AIS时序性数据记录;
本实例中主要对船舶的位置噪音点进行剔除,剔除位置偏差较大的数据点后,构建单船AIS时序性数据记录。
S2:为方便计算距离,将单船AIS时序性数据记录中各AIS数据点的经纬度坐标转化为墨卡托投影坐标;
x=r0×λ
y=r0×q
其中,表示AIS数据点的经纬度坐标,r0表示标准纬度的平行圆半径,q表示等距纬度,表示墨卡托投影的标准纬度,a表示地球椭球的长半径,e表示地球椭球的第一偏心率,(x,y)表示经纬度转换后的墨卡托坐标系坐标。
本实例为了方便计算,提高计算精度,统一将各AIS数据点的经纬度坐标转化为墨卡托坐标系坐标,时间统一转化为以秒为单位。
S3:各AIS数据点的航速变化率、航向变化率以及整个航行过程中的平均航速变化率、平均航向变化率;
其中,Scri、Ccri分别表示第i个AIS数据点的航速变化率、航向变化率,分别表示整个航行过程中的平均航速变化率、平均航向变化率,表示第i+1个AIS数据点的航速,表示第i-1个AIS数据点的航速,表示第i+1个AIS数据点的航向,表示第i-1个AIS数据点的航向,Δt表示第i+1个AIS数据点和第i-1个AIS数据点的时间间隔,n表示AIS数据点个数,如图2所示。
S4:识别并保留单船AIS时序性数据记录中的船舶航向和航速的改变点;
受限于传感器的精度,船舶的航速,航向数据会存在小范围的波动,如果直接以平均变化率作为阈值,可能会将这些波动点当成航速变化、航向变化的轨迹特征点进行保留,导致压缩后数据量依然庞大,本发明中引入扩大系数M,N对平均航速变化率和平均航向变化率进行扩大处理。
其中,M∈[9,11],N∈[3,5]。
本实例中取M=10,N=4,构建船舶航速变化率阈值和航向变化率阈值,进行航速特征点和航向特征点的保留。
S5:识别并保留单船AIS时序性数据记录中的船舶进出某区域轨迹点;
大部分船舶轨迹压缩算法都没有将这些点作为轨迹特征点进行保留,但是这些数据点往往包含着驾驶员人为因素,驾驶员通常做法,习惯航路的潜在信息,有一定的利用价值。
船舶驶入/出行为包括驶入/出码头、锚地、桥区水域、渔区水域、环形道等闭合区域以及航道、危险线、边界线等非闭合区域的轨迹点,判断相邻两个AIS数据点分别代入边界线方程后值的乘积是否小于0,若小于0,则标记并保留为船舶进出某区域轨迹点,构成进出某区域点集合E。
本实例对船舶驶入/驶出武汉长江二桥的特征点进行保留。
S6:考虑AIS的时空特性压缩船舶轨迹,具体地,如图3所示:
S6.1:设置距离阈值dT,以船舶轨迹的起点、终点以及以上步骤保留的S,E,C中的轨迹特征点为初始点对轨迹进行分段标记,相邻两个轨迹特征点之间的轨迹为一个子轨迹段;
S6.2:连接每个分段航迹的起点和终点,并根据起点与终点的经度,纬度转换后的墨卡托坐标系坐标(x,y)和时间建立虚拟直线时空轨迹,对每个子轨迹段,计算各分段AIS数据点Bi(xi,yi)在虚拟直线时空轨迹上同时刻点B′i的墨卡托坐标系坐标(x′i,y′i),计算各AIS数据点到虚拟直线时空轨迹的时空距离d,即BiB′i之间距离,找到所有距离中的最大距离dmax,比较该最大距离与预设距离阈值dT的大小;
其中,Bi(xi,yi)为子航迹段第i个AIS数据点墨卡托坐标系下的坐标,B′i(x′i,y′i)为Bi在虚拟直线时空轨迹上同时刻点墨卡托坐标系下的坐标。
S6.3:如果dmax<dT,则这条轨迹上所有中间数据点全部舍掉,舍掉所有中间点后,连接该子轨迹段起点和终点的直线就作为这条轨迹的近似,该段轨迹处理完毕;
S6.4:如果dmax≥dT,则对应最大距离的AIS数据点应保留为结果轨迹上的数据点,同时通过该数据点将该段轨迹分为两部分,对这两部分曲线分别采用S6.2和S6.3进行处理,直到所有的dmax<dT;
S6.5:当所有子轨迹段处理完后,依次连接各分割点形成的轨迹,即为原轨迹压缩后的近似轨迹。
总体压缩结果如图4所示,其中,图4中(a)为原始轨迹点图,图4中(b)为压缩后的轨迹点图,其总体形状非常相似,可以证明本发明方法在高效压缩的同时保留轨迹的形状特征。单船轨迹压缩结果如图5、图6所示,可以看到轨迹点数量较少,同时特征点保留也较为完整。
本实例中距离阈值dT取80。
需要指出,根据实施的需要,可将本申请中描述的各个步骤/部件拆分为更多步骤/部件,也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件,以实现本发明的目的。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于船舶轨迹特征点提取的时空DP方法,其特征在于,包括:
(1)对AIS原始数据进行聚类分析,识别AIS数据中的离群点,进而对噪声点进行剔除,构建单船AIS时序性数据记录;
(2)将单船AIS时序性数据记录中各AIS数据点的经纬度坐标转化为墨卡托投影坐标;
(3)获取各AIS数据点的航速变化率、航向变化率以及整个航行过程中的平均航速变化率、平均航向变化率;
(4)识别并保留单船AIS时序性数据记录中的船舶航向和航速的改变点;
(5)识别并保留单船AIS时序性数据记录中的船舶进出某区域轨迹点;
(6)以船舶轨迹的起点、终点以及保留的船舶航向和航速的改变点、船舶进出某区域轨迹点为初始点,同时考虑AIS数据的时空特性,对AIS数据进行压缩;
由得到第i个AIS数据点的航速变化率Scri,由得到第i个AIS数据点的航向变化率Ccri,由 得到整个航行过程中的平均航速变化率由 得到整个航行过程中的平均航向变化率 表示第i+1个AIS数据点的航速,表示第i-1个AIS数据点的航速,表示第i+1个AIS数据点的航向,表示第i-1个AIS数据点的航向,Δt表示第i+1个AIS数据点和第i-1个AIS数据点的时间间隔,n表示AIS数据点个数;
步骤(4)包括:
考虑AIS数据的时空特性,包括:
(6.1)设置距离阈值dT,以船舶轨迹的起点、终点以及保留的S,E,C中的特征轨迹点为初始点对轨迹进行分段标记,相邻两个轨迹特征点之间的轨迹为一个子轨迹段;
(6.2)连接每个分段航迹的起点和终点,并根据起点与终点的经度,纬度转换后的墨卡托坐标系坐标和时间建立虚拟直线时空轨迹,对每个子轨迹段,计算该子轨迹段AIS数据点在虚拟直线时空轨迹上同时刻点的墨卡托坐标系坐标,将该子轨迹段的AIS数据点的墨卡托坐标系坐标与该AIS数据点在虚拟直线时空轨迹上同时刻点的墨卡托坐标系坐标之间的距离作为该AIS数据点到虚拟直线时空轨迹的时空距离d,找到所有时空距离中的最大距离dmax,比较该最大距离与预设距离阈值dT的大小。
2.根据权利要求1所述的方法,其特征在于,步骤(5)包括:
判断相邻两个AIS数据点分别代入区域边界线方程后值的乘积是否小于0,若小于0,则将该相邻两个AIS数据点标记并保留为船舶进出某区域轨迹点,构成进出某区域点集合E。
3.根据权利要求2所述的方法,其特征在于,对AIS数据进行压缩,包括:
(6.3)如果dmax<dT,则该子轨迹段上所有中间数据点全部舍掉,舍掉所有中间点后,连接该子轨迹段起点和终点的直线就作为该子轨迹段的近似,该段子轨迹处理完毕;
(6.4)如果dmax>dT,则对应最大距离的AIS数据点应保留为结果轨迹上的数据点,同时通过对应最大距离的AIS数据点将该段子轨迹分为两部分,对这两部分曲线分别采用步骤(6.2)和步骤(6.3)进行处理,直到所有的dmax<dT;
(6.5)当所有子轨迹段处理完后,依次连接各分割点形成的轨迹,即为原轨迹压缩后的近似轨迹。
5.根据权利要求1所述的方法,其特征在于,M∈[9,11],N∈[3,5]。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601140.4A CN113450596B (zh) | 2021-05-31 | 2021-05-31 | 基于船舶轨迹特征点提取的时空dp方法 |
PCT/CN2021/112036 WO2022252398A1 (zh) | 2021-05-31 | 2021-08-11 | 基于船舶轨迹特征点提取的时空dp方法 |
US17/615,111 US11851147B2 (en) | 2021-05-31 | 2021-08-11 | Spatio-temporal DP method based on ship trajectory characteristic point extraction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601140.4A CN113450596B (zh) | 2021-05-31 | 2021-05-31 | 基于船舶轨迹特征点提取的时空dp方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450596A CN113450596A (zh) | 2021-09-28 |
CN113450596B true CN113450596B (zh) | 2022-07-15 |
Family
ID=77810472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601140.4A Active CN113450596B (zh) | 2021-05-31 | 2021-05-31 | 基于船舶轨迹特征点提取的时空dp方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11851147B2 (zh) |
CN (1) | CN113450596B (zh) |
WO (1) | WO2022252398A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230119566A1 (en) * | 2021-10-18 | 2023-04-20 | Fujitsu Limited | Storage medium, navigation monitoring method, and navigation monitoring device |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113901085B (zh) * | 2021-09-30 | 2024-03-15 | 中远海运科技股份有限公司 | 一种船舶轨迹动态绘制方法及系统 |
CN113870620B (zh) * | 2021-10-19 | 2023-07-21 | 遨海科技有限公司 | 一种多ais设备同时开启的船舶识别方法 |
US20230222919A1 (en) * | 2022-01-11 | 2023-07-13 | Shanghai Maritime University | Method for vessel traffic pattern recognition via data quality control and data compression |
CN114743406B (zh) * | 2022-03-11 | 2023-04-07 | 中国电子科技集团公司第五十四研究所 | 一种船舶轨迹去纠缠方法 |
CN115294802A (zh) * | 2022-07-25 | 2022-11-04 | 中远海运科技股份有限公司 | 一种基于ais数据的船舶航行状态智能识别方法及系统 |
CN115359807B (zh) * | 2022-10-21 | 2023-01-20 | 金叶仪器(山东)有限公司 | 一种用于城市噪声污染的噪声在线监测系统 |
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 |
CN116527778B (zh) * | 2023-06-26 | 2023-09-26 | 广州中海电信有限公司 | 一种船舶ais数据的压缩方法 |
CN117073680A (zh) * | 2023-07-28 | 2023-11-17 | 武汉理工大学 | 一种船舶航行轨迹修复方法、电子设备及存储介质 |
CN117215250B (zh) * | 2023-11-07 | 2024-01-30 | 山东德源电力科技股份有限公司 | 一种用于磁控开关的远程控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990504A (zh) * | 2019-11-14 | 2020-04-10 | 中国船舶重工集团公司第七0七研究所 | 一种基于航向和航速变化率的船舶轨迹压缩方法 |
CN111291149A (zh) * | 2020-02-28 | 2020-06-16 | 中国人民解放军国防科技大学 | 基于航向偏差的船舶ais时空轨迹分段及模式提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10048075B2 (en) * | 2013-07-19 | 2018-08-14 | Sap Se | Trajectory data compression |
US9727976B1 (en) * | 2015-09-08 | 2017-08-08 | Sandia Corporation | Geospatial-temporal semantic graph representations of trajectories from remote sensing and geolocation data |
KR101957319B1 (ko) * | 2017-04-20 | 2019-06-19 | 대우조선해양 주식회사 | 대상 선박의 운항정보 분석 장치 및 방법 |
KR20200011125A (ko) * | 2018-07-24 | 2020-02-03 | 대우조선해양 주식회사 | 환경 하중을 고려한 선박의 속도 증감량 도출 시스템 및 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 |
US10891318B2 (en) * | 2019-02-22 | 2021-01-12 | United States Of America As Represented By The Secretary Of The Navy | Temporal logic fusion of real time data |
CN111353010B (zh) * | 2020-02-21 | 2022-06-10 | 上海海事大学 | 一种自适应阈值的船舶轨迹压缩方法 |
CN111985529A (zh) * | 2020-07-06 | 2020-11-24 | 东南大学 | 一种船舶ais轨迹混合聚类方法及系统 |
-
2021
- 2021-05-31 CN CN202110601140.4A patent/CN113450596B/zh active Active
- 2021-08-11 US US17/615,111 patent/US11851147B2/en active Active
- 2021-08-11 WO PCT/CN2021/112036 patent/WO2022252398A1/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990504A (zh) * | 2019-11-14 | 2020-04-10 | 中国船舶重工集团公司第七0七研究所 | 一种基于航向和航速变化率的船舶轨迹压缩方法 |
CN111291149A (zh) * | 2020-02-28 | 2020-06-16 | 中国人民解放军国防科技大学 | 基于航向偏差的船舶ais时空轨迹分段及模式提取方法 |
Non-Patent Citations (2)
Title |
---|
A method for simplifying ship trajectory based on improved Douglas–Peucker algorithm;Liangbin Zhao等;《Ocean Engineering》;20180810;第37-46页 * |
基于HSSVM与卷积神经网络的船舶避碰知识库研究;陈鹏;《中国优秀博硕士学位论文全文数据库(博士)·工程科技Ⅱ辑》;20210415(第4期);第31-41页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230119566A1 (en) * | 2021-10-18 | 2023-04-20 | Fujitsu Limited | Storage medium, navigation monitoring method, and navigation monitoring device |
Also Published As
Publication number | Publication date |
---|---|
US20230118438A1 (en) | 2023-04-20 |
CN113450596A (zh) | 2021-09-28 |
US11851147B2 (en) | 2023-12-26 |
WO2022252398A1 (zh) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
Liu et al. | Adaptive douglas-peucker algorithm with automatic thresholding for AIS-based vessel trajectory compression | |
CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
CN109708638B (zh) | 一种船舶轨迹点提取方法 | |
CN110163108B (zh) | 基于双路径特征融合网络的鲁棒声呐目标检测方法 | |
CN110990504B (zh) | 一种基于航向和航速变化率的船舶轨迹压缩方法 | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
CN111291149A (zh) | 基于航向偏差的船舶ais时空轨迹分段及模式提取方法 | |
CN113312438B (zh) | 融合航线提取与趋势判断的海上目标位置预测方法 | |
CN110502596B (zh) | 一种基于行人轨迹特征的轨迹在线滑动窗口压缩方法 | |
CN114077926A (zh) | 航行轨迹预测方法、计算机存储介质及程序产品 | |
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 | |
CN110532546B (zh) | 一种融合地理位置和文本相似性的警情自动下发方法 | |
CN110136174A (zh) | 一种目标对象跟踪方法和装置 | |
CN114972918B (zh) | 基于集成学习与ais数据的遥感图像舰船目标识别方法 | |
CN110580388A (zh) | 一种基于众源轨迹数据的航道网络提取方法 | |
CN114936332A (zh) | 一种风电场水域船舶交通流分析的方法、装置和存储介质 | |
CN114705193A (zh) | 一种基于海事大数据的船舶导航路径规划方法及系统 | |
CN115730263A (zh) | 一种船舶行为模式侦测方法及装置 | |
CN111985461A (zh) | 轨道车辆编号识别方法及系统 | |
Gao et al. | Modelling of ship collision avoidance behaviours based on AIS data | |
CN115587308A (zh) | 航道的确定方法、装置、电子设备及存储介质 | |
CN112350733B (zh) | 一种基于有效距离的快速轨迹压缩方法 | |
CN114997015A (zh) | 一种基于ais历史避让行为的避碰路径规划方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231123 Address after: 401135 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing Patentee after: Chongqing Research Institute of Wuhan University of Technology Address before: 430070 Hubei Province, Wuhan city Hongshan District Luoshi Road No. 122 Patentee before: WUHAN University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |