CN113515492A - 一种基于改进时间比例的船舶轨迹数据压缩方法 - Google Patents
一种基于改进时间比例的船舶轨迹数据压缩方法 Download PDFInfo
- Publication number
- CN113515492A CN113515492A CN202110897023.7A CN202110897023A CN113515492A CN 113515492 A CN113515492 A CN 113515492A CN 202110897023 A CN202110897023 A CN 202110897023A CN 113515492 A CN113515492 A CN 113515492A
- Authority
- CN
- China
- Prior art keywords
- track data
- ship
- point
- course
- data
- 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 abstract description 33
- 238000013144 data compression Methods 0.000 title claims abstract description 16
- 230000001360 synchronised effect Effects 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000007906 compression Methods 0.000 claims description 32
- 230000006835 compression Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 101150095230 SLC7A8 gene Proteins 0.000 description 1
- 101150044140 Slc7a5 gene Proteins 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 101150085091 lat-2 gene Proteins 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明提供一种基于改进时间比例的船舶轨迹数据压缩方法，包括：由自动识别系统获取船舶轨迹数据；对船舶轨迹数据进行预处理；以基于时间比例的同步欧式距离作为指标对船舶轨迹数据进行压缩，获取第一轨迹数据特征点集合；以航速变化以及航向变化作为指标对船舶轨迹数据进行压缩，获取第二轨迹数据特征点集合；将所述第一轨迹数据特征点与所述第二轨迹数据特征点集合合并后，将轨迹数据特征点按照时间前后顺序排列，得到一个具有时空性的压缩数据集。本发明在考虑了时间和空间约束的基础上加入了航向和航速的约束，引入了代表船舶行为变化较大的速度和航向特性，更加全面准确的对轨迹数据进行压缩。
Description
技术领域
本发明涉及时空数据处理技术领域，具体而言，尤其涉及一种基于改进时间比例的船舶轨迹数据压缩方法。
背景技术
自动识别系统(AIS)可以提供大量的船舶航迹数据，这种数据对于挖掘水上交通信息具有较大的价值。轨迹是由大量离散的位置点组合而成，数据越多，采样率越高，数据描述的轨迹就越精确，同时大量的数据也加剧了存储和处理的复杂性。数据压缩算法的目的是对轨迹中的数据进行价值评价，将价值低的数据进行剔除，保留重要的数据轨迹特征点，压缩后的轨迹数据还保留着原始轨迹中重要信息的轨迹点，提高了轨迹数据的性价比，因此研究数据的压缩技术用以减少数据的复杂性和冗余性，通过设置合理的阈值保留数据的轨迹特征点，最大可能的保留描述原始轨迹的能力，对于挖掘水路交通信息和相关海事研究具有重大的意义。
发明内容
为了提高AIS轨迹数据的压缩准确度，减小压缩误差，结合AIS数据的特性，本发明提出了一种基于改进时间比例的船舶轨迹数据压缩方法，在考虑了时间和空间约束的基础上加入了航向和航速的约束，引入了代表船舶行为变化较大的速度和航向特性，更加全面的对轨迹数据进行压缩。旨在更加全面准确的保留轨迹的特征点，方便数据的存储处理和使用，为水路信息挖掘提供更准确的航迹数据。
本发明采用的技术手段如下：
一种基于改进时间比例的船舶轨迹数据压缩方法，包括：
由自动识别系统获取船舶轨迹数据，所述船舶轨迹数据包括船舶位置经纬度、时间、航速、对地航向以及船首向数据；
对所述船舶轨迹数据进行预处理；
以基于时间比例的同步欧式距离作为指标对船舶轨迹数据进行压缩，获取第一轨迹数据特征点集合；
以航速变化以及航向变化作为指标对船舶轨迹数据进行压缩，获取第二轨迹数据特征点集合；
将所述第一轨迹数据特征点与所述第二轨迹数据特征点集合合并后，将轨迹数据特征点按照时间前后顺序排列，得到一个具有时空性的压缩数据集。
进一步地，所述船舶轨迹数据进行预处理，包括：
检测船舶轨迹数据中的错误数据和缺失数据；
对错误数据进行剔除处理，同时对缺失数据采用线性插值方法进行补充处理，从而获得准确的船舶轨迹数据。
进一步地，以基于时间比例的同步欧式距离作为指标对转换船舶轨迹数据进行压缩，包括：
连接轨迹数据的首尾作为基线，计算每个点到基线的同步欧式距离；
将计算后得到的最大欧式距离与设定的阈值相比较；
如果最大的同步欧式距离小于阈值，只保留连接的首尾点到第一轨迹数据特征点集合；
如果最大欧式距离大于阈值则保留最大欧氏距离对应的点，将保留下来的点加入到第一轨迹数据特征点集合；此时判断压缩是否结束，如果未结束，将以刚保留的点作为分界点将轨迹数据分为两部分再重复以上判断直至此部分压缩结束，判断压缩是否结束包括：若新保留的轨迹点分别与基线两端之间的轨迹点之间没有轨迹数据，则判断压缩结束，否则继续压缩。
进一步地，以航速变化以及航向变化作为指标对转换船舶轨迹数据进行压缩，包括：
计算各采样点与前一轨迹数据特征点的航速差与航向差；
判断航速差与预设航速差阈值之间的关系，获取第一关系指标；
判断航向差与预设航向差阈值之间的关系，获取第二关系指标；
当所述第一关系指标和第二关系指标至少有一个满足预设条件时，将当前位置点加入到第二轨迹数据特征点集合；
遍历所有位置点，直至此部分压缩结束。
进一步地，当所述第一关系指标和第二关系指标至少有一个满足预设条件时，将当前位置点加入到第二轨迹数据特征点集合，包括当下列条件至少满足一个时，将当前位置点加入到第二轨迹数据特征点集合：
航速差大于预设航速差阈值；
航向差大于预设航向差阈值。
进一步地，以航速变化以及航向变化作为指标对转换船舶轨迹数据进行压缩，还包括：如果当前点没有判断作为轨迹数据特征点，则判断下一点时，计算航速差与航向差的对象为下一点与前一保存的轨迹数据特征点。
较现有技术相比，本发明具有以下优点：
1、本发明在考虑了时间和空间约束的基础上加入了航向和航速的约束，引入了代表船舶行为变化较大的速度和航向特性，更加全面的对轨迹数据进行压缩。旨在更加全面准确的保留轨迹的特征点，方便数据的存储处理和使用，为水路信息挖掘提供更准确的航迹数据。
2、本发明实现了对船舶轨迹数据的压缩，提高了压缩结果的准确性，减小了压缩误差，保证了压缩前后轨迹的相似性，提高了了水路信息挖掘的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明船舶轨迹数据压缩方法流程图。
图2为本发明关键特征点提取流程图。
图3为本发明同步欧式距离指标与航速航向指标计算示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1-3所示，本发明提供了一种基于改进时间比例的船舶轨迹数据压缩方法，包括：
S1、由自动识别系统获取船舶轨迹数据，所述船舶轨迹数据包括船舶位置经纬度、时间、航速、对地航向以及船首向数据。
具体来说，自动识别系统(Automatic IdentificationSystem，AIS)报文中的船舶轨迹数据包括MMSI码，船舶位置经纬度，航速，对地航向，船首向。AIS的原始数据质量对后面的数据压缩至关重要，
S2、对船舶轨迹数据进行预处理。
具体来说，数据在接收或解码过程中可能会出现错误或者缺失，错误的点需要剔除，缺失的点需要补充。其中，错误的点为明显偏离航线的点或者位置数据中经度大于180度或者纬度大于90度的点。因为船舶会在一定时间内是匀速直线行驶，针对少数缺失的数据，采用线性插值的方法对数据进行补充，对于缺失数据很多的轨迹数据集的研究意义不大，需要舍弃缺失大量数据的船舶轨迹数据集。
S3、以基于时间比例的同步欧式距离作为指标对转换船舶轨迹数据进行压缩，获取第一轨迹数据特征点集合。主要包括：
S301、连接轨迹数据的首尾作为基线，计算每个点到基线的同步欧式距离；
S302、将计算后得到的最大欧式距离与设定的阈值相比较。阈值的选取可以通过进行实验仿真得到的数据来确定最佳选取的值，一般来说，阈值选取的越小，压缩掉的点就越少，保留的点就越多，阈值选取的越大，压缩掉的点越多，保留的点越少。
S303、如果最大的同步欧式距离小于阈值，只保留连接的首尾点到第一轨迹数据特征点集合；
S304、如果最大欧式距离大于阈值则保留最大欧氏距离对应的点，将保留下来的点加入到第一轨迹数据特征点集合；此时判断压缩是否结束，如果未结束，将以刚保留的点作为分界点将轨迹数据分为两部分再重复以上判断直至此部分压缩结束。
具体来说，点到直线的同步欧式距离(SED)作为轨迹数据特征点的一个判断指标，如图3所示，同步欧式距离与航速航向指标的计算方式如下：
P＝(lAB+lBC+lAC)/2
Δsog＝sogC-sogA
Δcog＝cogC-cogA
如图3所示，连接AB两点，计算C点到AB连线上的同步欧式距离，首先计算GPS两点之间的距离，单位为米，lAB公式求AB之间的距离，Lat1表示A点经纬度，Lat2表示B点经纬度，a为两点纬度之差，b为两点经度之差，6378137为地球半径，单位为米，同一公式求出lAC,lAB；采用三角形面积相等法，利用海伦公式求得三角形面积S，其中P为半周长，再通过经典三角形面积求法得到点C到线AB的垂直欧式距离
利用时间比例得到C点投射在AB上的距离
再由勾股定理得到
即
为点C到直线AB的同步欧式距离，i为AC点之间的时间差；e为AB之间的时间差；Δsog是C点距离A点的航速差，Δcog是C点距离A点的航向差。
经过预处理之后，开始准备特征点提取过程，首先设定压缩的阈值，压缩需要就是将数据之间变化较小的进行剔除，保留具有较大变化的轨迹数据点，因此就需要一个判断的阈值点，大于阈值点进行保留，小于阈值的点舍弃，所以阈值的选取也十分重要，影响着压缩的具体效果。将压缩流程分为两个部分，第一部分首先利用同步欧氏距离作为度量函数进行压缩，连接轨迹数据的首尾作为基线，计算每个点到基线的同步欧式距离，将计算后得到的最大欧式距离与设定的阈值相比较，如果大于阈值则保留最大欧氏距离对应的点，将保留下来的点加入到第一轨迹数据特征点集合，再判断压缩是否结束，如果未结束，将以刚保留的点作为分界点将轨迹数据分为两部分再重复以上判断直至此部分压缩结束；如果最大的同步欧式距离小于阈值，只保留连接的首尾点到第一轨迹数据特征点集合。判断压缩是否结束依据：若新保留的轨迹点分别与基线两端之间的轨迹点之间没有轨迹数据，则判断压缩结束，否则继续压缩。
S4、以航速变化以及航向变化作为指标对转换船舶轨迹数据进行压缩，获取第二轨迹数据特征点集合，主要包括：
S401、首先将第一个数据保存为特征点，便于后面指标变化的计算。计算各采样点与前一轨迹数据特征点之间的航速差与航向差。
S402、判断航速差与预设航速差阈值之间的关系，获取第一关系指标。
S403、判断航向差与预设航向差阈值之间的关系，获取第二关系指标。
S404、当所述第一关系指标与第二关系指标至少有一个满足预设条件时，即将当前位置点加入到第二轨迹数据特征点集合；
S405、遍历所有位置点，直至此部分压缩结束。
具体来说，本部分重新扫描所有的轨迹数据，计算每个点与前一轨迹特征点之间的航速差与航向差，利用航速差和航向差作为衡量压缩指标，判断航速差与航向差与给定阈值之间的关系两个指标之间的关系，两者之中但凡有一个满足大于给定阈值的条件即将当前点判断为轨迹数据特征点，保留到轨迹数据特征点库，接着判断下一点与当前特征点的之间的航速与航向差，如果当前点没有判断作为特征点，则计算下一点时，将计算下一点与前一保存的特征点之间的差值，依次扫描所有数据，直至当前压缩结束。
S5、将所述第一轨迹数据特征点与第二轨迹数据特征点集合合并后，将轨迹数据特征点按照时间前后顺序排列，得到一个具有时空性的压缩数据集。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (6)
1.一种基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，包括：
由自动识别系统获取船舶轨迹数据，所述船舶轨迹数据包括船舶位置经纬度、时间、航速、对地航向以及船首向数据；
对所述船舶轨迹数据进行预处理；
以基于时间比例的同步欧式距离作为指标对船舶轨迹数据进行压缩，获取第一轨迹数据特征点集合；
以航速变化以及航向变化作为指标对船舶轨迹数据进行压缩，获取第二轨迹数据特征点集合；
将所述第一轨迹数据特征点与所述第二轨迹数据特征点集合合并后，将轨迹数据特征点按照时间前后顺序排列，得到一个具有时空性的压缩数据集。
2.根据权利要求1所述的基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，对所述船舶轨迹数据进行预处理，包括：
检测船舶轨迹数据中的错误数据和缺失数据；
对错误数据进行剔除处理，同时对缺失数据采用线性插值方法进行补充处理，从而获得准确的船舶轨迹数据。
3.根据权利要求1所述的基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，以基于时间比例的同步欧式距离作为指标对转换船舶轨迹数据进行压缩，包括：
连接轨迹数据的首尾作为基线，计算每个点到基线的同步欧式距离；
将计算后得到的最大欧式距离与设定的阈值相比较；
如果最大的同步欧式距离小于阈值，只保留连接的首尾点到第一轨迹数据特征点集合；
如果最大欧式距离大于阈值则保留最大欧氏距离对应的点，将保留下来的点加入到第一轨迹数据特征点集合；此时判断压缩是否结束，如果未结束，将以刚保留的点作为分界点将轨迹数据分为两部分再重复以上判断直至此部分压缩结束，判断压缩是否结束包括：若新保留的轨迹点分别与基线两端之间的轨迹点之间没有轨迹数据，则判断压缩结束，否则继续压缩。
4.根据权利要求1所述的基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，以航速变化以及航向变化作为指标对转换船舶轨迹数据进行压缩，包括：
计算各采样点与前一轨迹数据特征点的航速差与航向差；
判断航速差与预设航速差阈值之间的关系，获取第一关系指标；
判断航向差与预设航向差阈值之间的关系，获取第二关系指标；
当所述第一关系指标和第二关系指标至少有一个满足预设条件时，将当前位置点加入到第二轨迹数据特征点集合；
遍历所有位置点，直至此部分压缩结束。
5.根据权利要求4所述的基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，当所述第一关系指标和第二关系指标至少有一个满足预设条件时，将当前位置点加入到第二轨迹数据特征点集合，包括当下列条件至少满足一个时，将当前位置点加入到第二轨迹数据特征点集合：
航速差大于预设航速差阈值；
航向差大于预设航向差阈值。
6.根据权利要求4所述的基于改进时间比例的船舶轨迹数据压缩方法，其特征在于，以航速变化以及航向变化作为指标对转换船舶轨迹数据进行压缩，还包括：如果当前点没有判断作为轨迹数据特征点，则判断下一点时，计算航速差与航向差的对象为下一点与前一保存的轨迹数据特征点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110897023.7A CN113515492A (zh) | 2021-08-05 | 2021-08-05 | 一种基于改进时间比例的船舶轨迹数据压缩方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110897023.7A CN113515492A (zh) | 2021-08-05 | 2021-08-05 | 一种基于改进时间比例的船舶轨迹数据压缩方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113515492A true CN113515492A (zh) | 2021-10-19 |
Family
ID=78068249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110897023.7A Pending CN113515492A (zh) | 2021-08-05 | 2021-08-05 | 一种基于改进时间比例的船舶轨迹数据压缩方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113515492A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019519A (zh) * | 2022-01-05 | 2022-02-08 | 视丰达科技（深圳）有限公司 | 一种水准测距探鱼器的轨迹记录方法及其设备 |
| CN114494327A (zh) * | 2022-01-19 | 2022-05-13 | 三亚海兰寰宇海洋信息科技有限公司 | 一种目标对象的航迹处理方法、装置及设备 |
| WO2024178636A1 (zh) * | 2023-02-28 | 2024-09-06 | 深圳市逸动蔚蓝科技有限公司 | 航行轨迹的记录方法、系统、推进器、服务器及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海（青岛）科技有限公司 | 船舶轨迹数据筛选方法和装置 |
| CN112817943A (zh) * | 2021-02-26 | 2021-05-18 | 上海海事大学 | 一种基于航位推测法的多阈值船舶轨迹简化方法 |
| CN112925782A (zh) * | 2021-03-12 | 2021-06-08 | 上海海事大学 | 一种基于lstm预测和平滑分析思想的轨迹数据压缩方法 |
-
2021
- 2021-08-05 CN CN202110897023.7A patent/CN113515492A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海（青岛）科技有限公司 | 船舶轨迹数据筛选方法和装置 |
| CN112817943A (zh) * | 2021-02-26 | 2021-05-18 | 上海海事大学 | 一种基于航位推测法的多阈值船舶轨迹简化方法 |
| CN112925782A (zh) * | 2021-03-12 | 2021-06-08 | 上海海事大学 | 一种基于lstm预测和平滑分析思想的轨迹数据压缩方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵涓涓: "《基于PET-CT的肺癌早期计算机辅助诊断技术》", 31 May 2015, 国防工业出版社, pages: 51 - 52 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019519A (zh) * | 2022-01-05 | 2022-02-08 | 视丰达科技（深圳）有限公司 | 一种水准测距探鱼器的轨迹记录方法及其设备 |
| CN114494327A (zh) * | 2022-01-19 | 2022-05-13 | 三亚海兰寰宇海洋信息科技有限公司 | 一种目标对象的航迹处理方法、装置及设备 |
| WO2024178636A1 (zh) * | 2023-02-28 | 2024-09-06 | 深圳市逸动蔚蓝科技有限公司 | 航行轨迹的记录方法、系统、推进器、服务器及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113515492A (zh) | 一种基于改进时间比例的船舶轨迹数据压缩方法 | |
| CN109766777B (zh) | 异常轨迹的检测方法、装置、存储介质及电子设备 | |
| CN113537386B (zh) | 一种基于改进K-Medoids聚类的船舶典型运动轨迹自适应挖掘方法 | |
| CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
| CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
| CN109447880B (zh) | 水上路网抽取方法和系统 | |
| CN111159321A (zh) | 船舶轨迹数据筛选方法和装置 | |
| CN110427360A (zh) | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 | |
| US20170206782A1 (en) | Traffic flow rate calculation method and device | |
| CN111813877B (zh) | 一种航迹提取方法及装置 | |
| CN112465041B (zh) | 一种基于层次分析法的ais数据质量评估方法 | |
| CN110992726B (zh) | 一种公交车辆到站识别以及车辆上下行班次划分的方法 | |
| CN112487116A (zh) | 一种基于ais大数据的船舶航迹分析方法 | |
| CN109031372A (zh) | 一种从卫星定位数据中自动提取行驶线路关键点的方法 | |
| CN115328903B (zh) | 船舶停留状态识别方法和装置、电子设备和存储介质 | |
| CN111723108A (zh) | 一种基于GeoHash编码的候选路段选取方法及系统 | |
| CN115618251A (zh) | 船舶轨迹预测方法、装置、电子设备及存储介质 | |
| CN109937342B (zh) | 用于定位移动物体的方法、装置和系统 | |
| CN113822630B (zh) | 一种基于ais的lng船运力跟踪方法及系统 | |
| US20220090929A1 (en) | Information processing device and information processing system | |
| CN117688498B (zh) | 基于船岸协同的船舶综合安全状态监控系统 | |
| CN114066303A (zh) | 一种基于ais的港口规划适应性分析方法及系统 | |
| US8521344B2 (en) | System and method for generating a route navigation database | |
| CN109754630B (zh) | 确定车辆运营线路的方法和装置 | |
| CN118243113A (zh) | 车辆轨迹的路网匹配方法、装置、终端设备及存储介质 |
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 |
Application publication date: 20211019 |