CN113780952B - 一种集装箱班轮航线运力分析方法及系统 - Google Patents
一种集装箱班轮航线运力分析方法及系统 Download PDFInfo
- Publication number
- CN113780952B CN113780952B CN202111086241.9A CN202111086241A CN113780952B CN 113780952 B CN113780952 B CN 113780952B CN 202111086241 A CN202111086241 A CN 202111086241A CN 113780952 B CN113780952 B CN 113780952B
- Authority
- CN
- China
- Prior art keywords
- route
- data
- ship
- port
- container
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000010845 search algorithm Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 3
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 1
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 1
- 101150061388 LON1 gene Proteins 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 101150004293 lon2 gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0831—Overseas transactions
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种集装箱班轮航线运力分析方法及系统，该方法先对集装箱船的AIS历史航行数据以及港口数据进行采集，并进行预处理：再利用深度优先搜索算法，结合AIS数据特点和集装箱班轮实际业务特征，完成全球集装箱班轮航线的识别；然后结合业务逻辑对识别出的航线进行去重和时间信息匹配，再提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，并对航线进行分类，最后根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，为基于大数据的运力规划提供了支持，为所有的集装箱班轮航线定义了一个统一的标准，为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。
Description
技术领域
本发明涉及集装箱航运技术领域，具体涉及一种集装箱班轮航线运力分析方法及系统。
背景技术
在当前国际贸易往来变得更加重要且密切的背景下，集装箱凭借其航行速度快、装卸效率高等优势成为了如今全球海上国际贸易的重要组成部分。根据联合国贸易与发展会议(UNCTAD)发布的《2019全球海运发展评述报告》可以看出集装箱运输的货物量呈逐年上涨趋势。
集装箱班轮航线是指至少在两个港口间通过集装箱船舶定期往返或环绕航行承运集装箱货物的航线，其特征是采用集装箱从事班轮运输。目前，绝大部分集装箱航线都以班轮形式经营。由于集装箱班轮航线是由各船公司自行定义的，没有一个统一的标准，不同的定义标准为全球集装箱班轮航线运力的监控设置了障碍。目前解决该问题的方法主要是收集各大船公司的船期表，以及集装箱船的相关船型信息来实现航线运力监控。但是这种方法耗费人力物力，并且船期表有可能存在不准确或者不全等问题，难以保证数据质量，影响对航线运力的分析。
发明内容
为解决现有对集装箱班轮航线的统一定义标准缺乏而收集船期表和船型信息进行航线运力监控耗费人力物力且难以保证数据质量等问题，本发明提供了一种集装箱班轮航线运力分析方法，基于图论相关算法，利用集装箱船的AIS动态数据，结合业务逻辑，识别出全球集装箱班轮航线，并根据航线经过的港口整理出航线的相关信息，进而进行全球集装箱航线运力的监控。本发明还涉及一种集装箱班轮航线运力分析系统。
本发明的技术方案如下：
一种集装箱班轮航线运力分析方法，其特征在于，包括以下步骤：
数据采集步骤：对集装箱班轮的AIS历史航行数据以及港口数据进行采集；
航线识别步骤：基于采集的数据，将港口作为节点、集装箱班轮在港口间的航段作为边，对单个集装箱班轮绘制出该班轮在港口间航行的有向图，并采用深度优先搜索算法搜索所述有向图中的所有环路，以识别出集装箱班轮航线；
航线处理步骤：将所述环路与所述历史航行数据相匹配，保留与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，再找出连续出现至少两次的相似航线，作为已经确定的航线保存；
航线信息提取及分类步骤：对找出的航线进行去重，并根据航线经过的港口信息，提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，并对航线进行分类；
航线运力分析步骤：根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，获取航线运力统计和运力变化分析结果从而为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。
优选地，所述数据采集步骤中，所述AIS历史航行数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向。
优选地，所述数据采集步骤中，所述港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度。
优选地，所述数据采集步骤中是先对AIS历史航行数据进行预处理，去除AIS中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据，并将起始港和终点港分别匹配到相应的国家和区域。
优选地，所述航线识别步骤中是采用深度优先搜索算法分别以每个港口为起点进行深度优先搜索，去除搜索结果中的重复路径，进而找到所述有向图中的所有环路。
优选地，所述航线处理步骤中通过采用Jaccard相似系数计算出两条航线的相似度，进而确定出相似航线。
优选地，所述航线处理步骤中还结合业务逻辑，根据集装箱船的历史航行数据找出未成环路的部分，与已匹配的环路一起按照每条航线的出发时间和结束时间进行排序，以保证历史航行动态的完整性。
优选地，所述航线信息提取及分类步骤中所述航线方向的判断是采用Haversine公式先计算出航线经过的港口两个相对方向的距离，进而判断出航线的方向。
一种集装箱班轮航线运力分析系统，其特征在于，包括数据采集模块、航线识别模块、航线处理模块、航线信息提取及分类模块和航线运力分析模块，
所述数据采集模块，对集装箱班轮的AIS历史航行数据以及港口数据进行采集；
所述航线识别模块，基于采集后的数据，将港口作为节点、集装箱班轮在港口间的航段作为边，对单个集装箱班轮绘制出该船在港口间航行的有向图，并采用深度优先搜索算法搜索所述有向图中的所有环路，以识别出循环的集装箱班轮航线；
航线处理模块，将所述环路与所述历史航行数据相匹配，保留能与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，再找出连续出现至少两次的相似航线，作为已经确定的航线保存；
航线信息提取及分类模块，对找出的航线进行去重，并根据航线经过的港口信息，提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，并对航线进行分类；
航线运力分析模块，根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，获取航线运力统计和运力变化分析结果从而为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。
优选地，所述AIS历史航行数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；所述港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度；
和/或，所述航线识别模块中是采用深度优先搜索算法分别以每个港口为起点进行深度优先搜索，去除搜索结果中的重复路径，进而找到所述有向图中的所有环路。
本发明的有益效果为：
本发明提供的一种集装箱班轮航线运力分析方法，依次设置数据采集步骤、航线识别步骤、航线处理步骤、航线信息提取及分类步骤和航线运力分析步骤，各步骤相互配合协同工作，首先对集装箱船的AIS历史航行数据以及港口数据进行采集，并进行预处理，其采集的数据均为集装箱班轮历史上真实的航行数据，由此确保了识别出的航线的真实性和准确性；在对数据进行采集及进一步的预处理后，以港口作为节点、集装箱船在港口间的航段作为边，对单个集装箱船绘制出该船在港口间航行的有向图，并采用深度优先搜索算法(Depth First Search，简称DFS)搜索找到有向图中的所有环路，以识别出集装箱船航线；然后将环路与历史航行数据相匹配，保留能与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，保证找到的环路在时间上不会有重复，再找出连续出现至少两次的相似航线，作为已经确定的航线保存；然后对找出的航线进行去重，将经过的港口相同但顺序不同的航线去除，避免DFS找环过程中出现由于港口顺序不同造成找到的航线重复的问题，并根据航线经过的港口信息，提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，并根据全球主要集装箱班轮航线对航线进行分类；最后，根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，保留了各航线运营船公司的信息，为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。本方法利用集装箱船的AIS历史航行动态数据，并结合业务逻辑，识别出全球集装箱班轮航线，并根据航线经过的港口整理出航线的相关信息，进而进行全球集装箱航线运力的监控，为所有的集装箱班轮航线定义了一个统一的标准，并为分航线的运力统计和监控提供了支持，同时还保留了各航线的船型信息，方便后续对任意两港之间航线、运力以及船型的动态查询。
本发明还涉及一种集装箱班轮航线运力分析系统，该系统与上述的集装箱班轮航线运力分析方法相对应，可理解为是一种实现上述集装箱班轮航线运力分析方法的系统，包括依次连接的数据采集模块、航线识别模块、航线处理模块、航线信息提取及分类模块和航线运力分析模块，各模块相互协同工作，利用深度优先搜索算法，结合集装箱船的AIS历史航行数据和集装箱班轮实际业务特征，完成全球集装箱班轮航线的识别和命名，进而对运力进行分析，为基于大数据的运力规划提供了支持。
附图说明
图1是本发明集装箱班轮航线运力分析方法的流程图。
图2是本发明集装箱班轮航线运力分析方法的优选流程图。
图3是对航线起终点定义的航运路线参考图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种集装箱班轮航线运力分析方法，该方法的流程图如图1所示，依次包括以下步骤：
数据采集步骤，或进一步称为数据采集和预处理步骤：对集装箱船的AIS历史航行数据以及港口数据进行采集，并进行预处理；具体地，如图2所示的优选流程图，先使用Python语言中的psycopg2(是Python语言的PostgreSQL数据库接口)连接MySQl数据库，从MySQl数据库中取出移动业务识别码MMSI为477776200的集装箱船的AIS历史航行数据，以及港口数据，在获得上述数据后，对数据进行清洗，去除无用的干扰数据，先对AIS的数据进行预处理，去掉AIS中有问题的数据(如缺失过多)，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据，并将起始港和终点港分别匹配到相应的国家和区域。优选地，AIS历史航行数据包括静态数据和动态数据，静态数据包括船舶移动业务识别码MMSI、船舶类型、呼号、船名、船高、船长和船宽等，动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向等。优选地，港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度等。
需要说明的是，上述的区域参考联合国对世界地理区域的划分，是由联合国统计司基于M49分类编码设计的一套世界区域划分方案，主要依照“联合国地理方案”(或译“联合国地图”)或“联合国地理区划”(UN geographical divisions)。
航线识别步骤：基于预处理后的数据，根据集装箱班轮在港口间定期往返或环绕航行的特点，参考图论中对节点和边的定义，将港口作为节点、集装箱船在港口间的航段作为边，对单个集装箱船绘制出该船在港口间航行的有向图，并采用深度优先搜索算法找到所述有向图中的所有环路，找环路的结果如表1所示MMSI为477776200的集装箱船DFS找环结果(此处只显示前10条结果)，以识别出集装箱船航线。
表1
需要说明的是，上述表1中的一行即为一条航线的找环结果，表1中显示了前10条结果。
深度优先搜索算法(Depth First Search，简称DFS)是一种用于遍历或搜索树或图的算法，沿着树的深度遍历树的节点v，尽可能深的搜索树的分支，当节点v的所在边都己被探寻过或者在搜寻时结点不满足条件，搜索将回溯到发现节点v的那条边的起始节点，整个进程反复进行直到所有节点都被访问为止。使用DFS可以判断一个有向图中是否存在环路，深度优先遍历有向图，如果在遍历的过程中，发现某个结点有一条边指向已访问过的节点，则表示存在环路，该算法的结果与深度优先搜索的起始点有关，不同起始点可能造成结果不同。
可以理解的是，由于DFS找环路的结果与搜索的起始点有关，为了能找到有向图中所有的环路，分别以每个港口为起点进行深度优先搜索，去除搜索结果中的重复路径，保证找环路的搜索结果不重复且不遗漏。
航线处理步骤：由于DFS只是从数学角度在有向图中找环路，可能存在有些环路在数学上成立但在实际中并不会按照这样的环路来航行的情况，所以需要结合实际的业务逻辑确认找到的环路真实准确，将通过DFS找到的环路与该船的历史航行数据相匹配，只保留能匹配上的环路，这样说明这些环路是在该船的航行过程中真实存在的，然后找出每条航线的出发时间和结束时间，去除时间上有重叠的数据，保证找到的环路在时间上不会有重复，再根据集装箱船的历史航行数据找出未成环路的部分，与上述已匹配的环路一起按照每条航线的出发时间和结束时间进行排序，以保证历史航行动态的完整性，并为后续的航线运力监控提供方便，然后再找出连续出现至少两次的相似航线，将其作为已经确定的航线保存，最后，将缺失的航段补齐，补齐之后的结果如表2所示MMSI为477776200的集装箱船航线处理结果。
(此处只显示前10条结果)
表2
可以看出，该集装箱船在2019-2020年间为中国华北和华东地区到北美西海岸美国及加拿大港口的航线。
需要说明的是，这里判断航线是否相似是通过采用Jaccard系数进行的判断，该系数用于比较有限样本集之间的相似性与差异性，Jaccard系数值越大，样本相似度越高。具体地，给定两个集合A,B，Jaccard系数定义为A与B交集的大小与A与B并集的大小的比值，定义如下：
在用于判断两条航线相似度时，按照上式计算两条航线经过港口的交集和并集的比例，进而计算出两条航线的相似度，将相似度大于0.7的航线认为是相似航线。
航线信息提取及分类步骤：为了避免DFS找环过程中出现由于港口顺序不同造成找到的航线重复的问题，需要对找出的航线结果进行去重，将经过的港口相同但顺序不同的航线去除，并根据航线经过的港口信息，提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，结果如表3所示MMSI为477776200的集装箱船航线相关信息(此处只显示前10条结果)，并对航线进行分类。
表3
具体地，提取航线信息包括：
(1)根据航线经过的港口信息，将航线匹配到相应的国家和区域；
(2)找出航线的起始时间和终止时间，确定该航线运营的相关年份时间信息；
(3)根据船舶MMSI找到该船和该航线的运营主体；
(4)根据航线经过的国家和区域用特定代码对航线进行命名，由表3可以看出，该航线主要经过的区域为东亚和北美东，据此将其命名为ANA_E，其中A代表亚洲，NA_E代表北美东，并将其存储到数据库中，经过相同区域和国家的认为是同一条航线，经过中国的航线再额外根据华北华东华南等国内的区域划分子航线。
(5)航线方向的判断是采用Haversine公式先计算出航线经过的港口两个相对方向的距离，进而判断出航线的方向。
(6)通过比较航线经过的港口两个相对方向(如东西向和南北向)的距离来判断航线的方向是东西向还是南北向。
具体地，从数据库中提取出港口的经纬度坐标，利用Haversine公式，可以通过经纬度求解两点球面距离，按照下式计算：
式中，lat1、lon1、lat2、lon2分别为两点的经纬度坐标，r为地球半径，计算中可取平均值6371km进行计算。
(7)如图3所示的亚洲-南美线(SCSA2)航运路线图，参考国际知名航运公司，如马士基、达飞等航运公司对航线起终点的定义来确定航线的起终点。根据航线经过的区域，东西向航线将最靠东和最靠西的区域中的第一个港分别作为起终点，南北向航线将最靠南和最靠北的两个区域的第一个港分别作为起终点。
对航线进行分类，则是根据全球主要集装箱班轮航线对航线进行的分类，包括跨太平洋航线(远东-北美航线)、跨大西洋航线(北美-欧洲、地中海航线)、欧洲航线、地中海-远东航线、远东区域航线、远东-澳新航线、地中海-西非航线以及南非航线。
航线运力分析步骤：根据分类后的航线，可以对经过任意两港的集装箱船航线进行运力统计、运力变化分析以及对运力监控，进而为各船公司运营效率对比提供数据基础，为新航线的开辟提供数据支持，并将航线结果保存在数据库中，以便后续调用。
本发明还涉及了一种集装箱班轮航线运力分析系统，该系统与上述集装箱班轮航线运力分析方法相对应，可理解为是实现上述方法的系统，该系统包括依次连接的数据采集模块、航线识别模块、航线处理模块、航线信息提取及分类模块和航线运力分析模块，具体地，
数据采集模块，对集装箱船的AIS历史航行数据以及港口数据进行采集，并可进一步进行预处理；优选地，历史航行数据包括静态数据和动态数据，静态数据包括船舶移动业务识别码MMSI、船舶类型、呼号、船名、船高、船长和船宽，动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；优选地，港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度。
航线识别模块，基于预处理后的数据，将港口作为节点、集装箱船在港口间的航段作为边，对单个集装箱船绘制出该船在港口间航行的有向图，并采用深度优先搜索算法找到所述有向图中的所有环路，以识别出循环的集装箱船航线；
航线处理模块，将所述环路与所述历史航行数据相匹配，保留能与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，再找出连续出现至少两次的相似航线，作为已经确定的航线保存；
航线信息提取及分类模块，对找出的航线进行去重，将经过的港口相同但顺序不同的航线去除，并根据航线经过的港口信息，提取航线经过的国家和区域、起始和终止时间、运营主体、航线方向以及起终点港口信息，并对航线进行分类；
航线运力分析模块，根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计、运力变化分析以及对运力监控，进而为各船公司运营效率对比提供数据基础，为新航线的开辟提供数据支持，并将航线结果保存在数据库中，以便后续调用。
本发明提供了客观、科学的集装箱班轮航线运力分析方法及系统，利用深度优先搜索算法，结合集装箱船的AIS历史航行数据和实际业务特征，完成全球集装箱班轮航线的识别和命名，并根据航线经过的港口整理出航线的相关信息，进而进行全球集装箱航线运力的分析及监控，为所有的集装箱班轮航线定义了一个统一的标准，为基于大数据的运力规划提供了支持，并为分航线的运力统计和监控提供了支持，同时还保留了各航线的船型信息，方便后续对任意两港之间航线、运力以及船型的动态查询。
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。
Claims (7)
1.一种集装箱班轮航线运力分析方法，其特征在于，包括以下步骤：
数据采集步骤：对集装箱班轮的AIS历史航行数据以及港口数据进行采集；
航线识别步骤：基于采集的数据，将港口作为节点、集装箱班轮在港口间的航段作为边，对单个集装箱班轮绘制出该班轮在港口间航行的有向图，并采用深度优先搜索算法深度优先遍历有向图，如果在遍历的过程中，发现某个结点有一条边指向已访问过的节点，则表示存在环路，深度优先搜索算法的结果与深度优先搜索的起始点有关，分别以每个港口为起点进行深度优先搜索，去除搜索结果中的重复路径，搜索并找到所述有向图中的所有环路，以识别出集装箱班轮航线；
航线处理步骤：结合实际的业务逻辑，将通过深度优先搜索算法找到的所述环路与所述历史航行数据相匹配，保留与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，再根据集装箱班轮的历史航行数据找出未成环路的部分，与已匹配的环路一起按照每条航线的出发时间和结束时间进行排序，保证历史航行动态的完整性，然后再找出连续出现至少两次的相似航线，作为已经确定的航线保存；
航线信息提取及分类步骤：对找出的航线进行去重，将经过的港口相同但顺序不同的航线去除，并根据航线经过的港口信息，提取航线经过的国家和区域；找出航线的起始和终止时间，确定该航线运营的相关年份时间信息；根据船舶MMSI找到该船和该航线的运营主体；根据航线经过的国家和区域用特定代码对航线进行命名；采用Haversine公式先计算出航线经过的港口两个相对方向的距离，进而判断出航线方向以及起终点港口信息，通过比较航线经过的港口东西向和南北向的距离来判断航线的方向是东西向还是南北向，根据航线经过的区域，东西向航线将最靠东和最靠西的区域中的第一个港分别作为起终点，南北向航线将最靠南和最靠北的两个区域的第一个港分别作为起终点；并根据全球主要集装箱班轮航线对航线进行分类；实现为所有的集装箱班轮航线定义统一的标准；
航线运力分析步骤：根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，获取航线运力统计和运力变化分析结果从而为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。
2.根据权利要求1所述的集装箱班轮航线运力分析方法，其特征在于，所述数据采集步骤中，所述AIS历史航行数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向。
3.根据权利要求2所述的集装箱班轮航线运力分析方法，其特征在于，所述数据采集步骤中，所述港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度。
4.根据权利要求1所述的集装箱班轮航线运力分析方法，其特征在于，所述数据采集步骤中是先对AIS历史航行数据进行预处理，去除AIS中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据，并将起始港和终点港分别匹配到相应的国家和区域。
5.根据权利要求1所述的集装箱班轮航线运力分析方法，其特征在于，所述航线处理步骤中通过采用Jaccard相似系数计算出两条航线的相似度，进而确定出相似航线。
6.一种集装箱班轮航线运力分析系统，其特征在于，包括数据采集模块、航线识别模块、航线处理模块、航线信息提取及分类模块和航线运力分析模块，
所述数据采集模块，对集装箱班轮的AIS历史航行数据以及港口数据进行采集；
所述航线识别模块，基于采集后的数据，将港口作为节点、集装箱班轮在港口间的航段作为边，对单个集装箱班轮绘制出该船在港口间航行的有向图，并采用深度优先搜索算法深度优先遍历有向图，如果在遍历的过程中，发现某个结点有一条边指向已访问过的节点，则表示存在环路，深度优先搜索算法的结果与深度优先搜索的起始点有关，分别以每个港口为起点进行深度优先搜索，去除搜索结果中的重复路径，搜索并找到所述有向图中的所有环路，以识别出循环的集装箱班轮航线；
航线处理模块，结合实际的业务逻辑，将通过深度优先搜索算法找到的所述环路与所述历史航行数据相匹配，保留与实际航行过程中相匹配的环路，并找出每条航线的出发时间和结束时间，去除环路在时间上有重叠的数据，再根据集装箱班轮的历史航行数据找出未成环路的部分，与已匹配的环路一起按照每条航线的出发时间和结束时间进行排序，保证历史航行动态的完整性，然后再找出连续出现至少两次的相似航线，作为已经确定的航线保存；
航线信息提取及分类模块，对找出的航线进行去重，将经过的港口相同但顺序不同的航线去除，并根据航线经过的港口信息，提取航线经过的国家和区域；找出航线的起始和终止时间，确定该航线运营的相关年份时间信息；根据船舶MMSI找到该船和该航线的运营主体；根据航线经过的国家和区域用特定代码对航线进行命名；采用Haversine公式先计算出航线经过的港口两个相对方向的距离，进而判断出航线方向以及起终点港口信息，通过比较航线经过的港口东西向和南北向的距离来判断航线的方向是东西向还是南北向，根据航线经过的区域，东西向航线将最靠东和最靠西的区域中的第一个港分别作为起终点，南北向航线将最靠南和最靠北的两个区域的第一个港分别作为起终点；并根据全球主要集装箱班轮航线对航线进行分类；实现为所有的集装箱班轮航线定义统一的标准；
航线运力分析模块，根据分类后的航线，对经过任意两港的集装箱船航线进行运力统计和运力变化分析，获取航线运力统计和运力变化分析结果从而为各船公司运营效率对比提供数据基础，并为新航线的开辟提供数据支持。
7.根据权利要求6所述的集装箱班轮航线运力分析系统，其特征在于，所述AIS历史航行数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；所述港口数据包括每个航段的起始和结束时间及起终点港口、港口所属的国家和区域以及港口经纬度。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111086241.9A CN113780952B (zh) | 2021-09-16 | 2021-09-16 | 一种集装箱班轮航线运力分析方法及系统 |
| PCT/CN2021/119416 WO2023039894A1 (zh) | 2021-09-16 | 2021-09-18 | 一种集装箱班轮航线运力分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111086241.9A CN113780952B (zh) | 2021-09-16 | 2021-09-16 | 一种集装箱班轮航线运力分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780952A CN113780952A (zh) | 2021-12-10 |
| CN113780952B true CN113780952B (zh) | 2024-03-15 |
Family
ID=78851467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111086241.9A Active CN113780952B (zh) | 2021-09-16 | 2021-09-16 | 一种集装箱班轮航线运力分析方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113780952B (zh) |
| WO (1) | WO2023039894A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294802B (zh) * | 2022-07-25 | 2024-06-21 | 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 |
| CN115239242B (zh) * | 2022-07-25 | 2023-07-28 | 广东马泰找船科技有限公司 | 一种基于数字孪生的国际贸易海运运单智能管理方法 |
| CN115730742B (zh) * | 2022-12-01 | 2024-01-16 | 中远海运科技股份有限公司 | 一种在航集装箱班轮航线预测方法及系统 |
| CN116775753B (zh) * | 2023-08-25 | 2023-11-17 | 北明成功软件(山东)有限公司 | 一种数据资产可视化方法及系统 |
| CN118094382B (zh) * | 2024-04-26 | 2024-07-30 | 青岛民航凯亚系统集成有限公司 | 一种民用机场进港航空器滑入机坪道口预测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292440A (zh) * | 2017-06-26 | 2017-10-24 | 河海大学 | 一种基于ba无标度网络理论的集装箱班轮航线优化方法 |
| CN110210352A (zh) * | 2019-05-23 | 2019-09-06 | 中国人民解放军海军工程大学 | 基于航道模型的船舶轨迹异常检测方法 |
| EP3739295A1 (en) * | 2019-05-13 | 2020-11-18 | S.A.T.E. - Systems and Advanced Technologies Engineering S.R.L. | Method for determining an optimal naval navigation routes from historical gnss data of naval trajectories |
| CN112562415A (zh) * | 2020-11-26 | 2021-03-26 | 中远海运科技股份有限公司 | 船舶航线推荐方法 |
| CN112836334A (zh) * | 2020-11-23 | 2021-05-25 | 武汉理工大学 | 海运网络可靠性评估和灾后恢复方法 |
| CN112906830A (zh) * | 2021-04-14 | 2021-06-04 | 武汉理工大学 | 一种基于ais大数据的船舶最优航线自动生成方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107316501B (zh) * | 2017-06-28 | 2020-04-14 | 北京航空航天大学 | 一种基于网格搜索的支持向量机行程时间预测方法 |
| KR101947675B1 (ko) * | 2017-08-11 | 2019-02-13 | 충북대학교 산학협력단 | 항만 입출항데이터를 이용한 통항로 선박교통특성 분석장치 및 방법 |
| CN108985499A (zh) * | 2018-06-27 | 2018-12-11 | 武汉理工大学 | 一种基于综合中心性的集装箱航运网络港口重要性评价方法 |
| CN109711790A (zh) * | 2018-12-07 | 2019-05-03 | 上海大学 | 集装箱航运规划方法及装置 |
| CN111091226B (zh) * | 2019-11-11 | 2022-06-14 | 武汉大学 | 一种基于实际航运业务和数据挖掘的运力预测方法 |
| CN113052357B (zh) * | 2019-12-28 | 2022-02-22 | 广东华风海洋信息系统服务有限公司 | 一种遍历与贪心法结合的优化航线计算方法 |
| 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 |
| CN112862321B (zh) * | 2021-02-08 | 2023-01-17 | 国家海洋信息中心 | 一种基于ais大数据的海运统计系统及其统计方法 |
-
2021
- 2021-09-16 CN CN202111086241.9A patent/CN113780952B/zh active Active
- 2021-09-18 WO PCT/CN2021/119416 patent/WO2023039894A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292440A (zh) * | 2017-06-26 | 2017-10-24 | 河海大学 | 一种基于ba无标度网络理论的集装箱班轮航线优化方法 |
| EP3739295A1 (en) * | 2019-05-13 | 2020-11-18 | S.A.T.E. - Systems and Advanced Technologies Engineering S.R.L. | Method for determining an optimal naval navigation routes from historical gnss data of naval trajectories |
| CN110210352A (zh) * | 2019-05-23 | 2019-09-06 | 中国人民解放军海军工程大学 | 基于航道模型的船舶轨迹异常检测方法 |
| CN112836334A (zh) * | 2020-11-23 | 2021-05-25 | 武汉理工大学 | 海运网络可靠性评估和灾后恢复方法 |
| CN112562415A (zh) * | 2020-11-26 | 2021-03-26 | 中远海运科技股份有限公司 | 船舶航线推荐方法 |
| CN112906830A (zh) * | 2021-04-14 | 2021-06-04 | 武汉理工大学 | 一种基于ais大数据的船舶最优航线自动生成方法 |
Non-Patent Citations (2)
| Title |
|---|
| 考虑船舶排放的班轮公司船队部署研究;杨斌等;《重庆交通大学学报(自然科学版)》;20151015(第05期);全文 * |
| 高晓兵（等）编著.《数据结构实验教程》.北京交通大学出版社,2006,110-118. * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023039894A1 (zh) | 2023-03-23 |
| CN113780952A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113780952B (zh) | 一种集装箱班轮航线运力分析方法及系统 | |
| CN104899263B (zh) | 一种基于特定区域的船舶轨迹挖掘分析与监控方法 | |
| CN107248009B (zh) | 一种基于轨迹语言识别的启发式航线生成方法及装置 | |
| CN110188093A (zh) | 一种基于大数据平台针对ais信息源的数据挖掘系统 | |
| CN111091226B (zh) | 一种基于实际航运业务和数据挖掘的运力预测方法 | |
| CN110490507B (zh) | 一种物流网络的新增线路检测方法、装置及设备 | |
| CN114066354A (zh) | 一种基于全球船舶历史航迹的智能航线推荐方法及系统 | |
| CN105606110B (zh) | 基于深度优先遍历的可达路径的查找方法与装置 | |
| CN112541591A (zh) | 一种泊位识别方法、平台 | |
| CN110852354A (zh) | 车辆轨迹点识别方法及设备 | |
| CN111931077A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113627288A (zh) | 一种面向海量影像的智能化信息标签获取方法 | |
| CN115423841B (zh) | 一种面向大宗物流的运输终点校准方法及系统 | |
| Asborno et al. | Inland waterway network mapping of AIS data for freight transportation planning | |
| Zhang et al. | Density-weighted ant colony algorithm for ship trajectory reconstruction | |
| CN111259076A (zh) | 一种机载导航数据的聚类存储方法 | |
| CN115511174A (zh) | 一种船舶风险预测方法和系统 | |
| CN115730742B (zh) | 一种在航集装箱班轮航线预测方法及系统 | |
| CN115510944A (zh) | 一种集装箱班轮历史航线识别分类方法及系统 | |
| Graser et al. | Exploratory trajectory analysis for massive historical ais datasets | |
| CN114170441A (zh) | 基于地理国情数据和影像分类的路旁树自动提取方法 | |
| CN114037257A (zh) | 一种特种船舶竞争力分析方法及系统 | |
| CN105260796A (zh) | 一种大规模工业用的超启发式多选址系统 | |
| CN116993245B (zh) | 区域水路运输量测算方法、装置、电子设备及存储介质 | |
| Albrecht | Assessing the spatial accuracy of object-based image classifications |
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 | ||
| CB02 | Change of applicant information |
Address after: 200135 No. 600 Minsheng Road, Shanghai, Pudong New Area Applicant after: Shanghai Shipping Research Institute Co.,Ltd. Applicant after: COSCO SHIPPING TECHNOLOGY CO.,LTD. Address before: 200135 No. 600 Minsheng Road, Shanghai, Pudong New Area Applicant before: SHANGHAI SHIP AND SHIPPING Research Institute Applicant before: COSCO SHIPPING TECHNOLOGY CO.,LTD. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |