CN113870620A - 一种多ais设备同时开启的船舶识别方法 - Google Patents
一种多ais设备同时开启的船舶识别方法 Download PDFInfo
- Publication number
- CN113870620A CN113870620A CN202111215872.6A CN202111215872A CN113870620A CN 113870620 A CN113870620 A CN 113870620A CN 202111215872 A CN202111215872 A CN 202111215872A CN 113870620 A CN113870620 A CN 113870620A
- Authority
- CN
- China
- Prior art keywords
- mmsi
- association
- track
- ais
- time
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
Landscapes
- Engineering & Computer Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多AIS设备同时开启的船舶识别方法,具体涉及交通安全领域。本发明基于被监管区域所有船舶的AIS动态数据,对不同MMSI对应的船舶轨迹进行关联处理,确定轨迹关联的MMSI集合和轨迹非关联的MMSI集合,进一步通过历史信息辅助识别,实现对违法安装多台AIS设备并同时开启导致具有多个MMSI的违法船舶的有效识别;本专利的方法不仅能及时有效识别多AIS设备同时开启的违法船舶,提高船舶密集场景的违法船舶识别准确率,为水上执法提供依据,还能对船舶实现远程自动监控,不需要在海上建立其他的监控设施,可节省执法成本。
Description
技术领域
本发明涉及交通安全技术领域,更具体地说,本发明涉及一种多AIS设备同时开启的船舶识别方法。
背景技术
水上移动通信业务标识码(Maritime Mobile Service Identify,简称MMSI)是船舶无线电通信系统在其无线电信道上发送的、用于标识船舶的全球唯一九位码,相当于船舶的“身份证号”,在海事监管、安全航行、遇险搜救等方面具有重大意义。然而,部分船舶为了逃避监管或不按规定操作,违法安装多台具有不同MMSI的AIS设备并同时开启,导致一条船舶具有多个MMIS的违法问题,严重干扰了船舶身份的准确识别,扰乱了海上无线电通信秩序,造成船舶安全航行隐患,给船舶监管带来困难。
此类违法船舶的识别存在如下难点:(1)海上环境复杂,物理空间辽阔,无法像陆地采用光学识别等监控系统,缺乏有效的主动识别手段;(2)可利用的信息有限,目前仅能获得AIS各类报文信息包括船舶的动静态信息;(3)AIS发送的船舶静态信息如MMSI、船名、呼号等可能被人为篡改;(4)违法时间不确定,具有一定的捕捉难度;(5)船舶密集场景如闸口等,船与船距离较近,识别难度大。如何识别多AIS设备同时开启的违法船舶,成为本领域亟需解决的问题。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种多AIS设备同时开启的船舶识别方法,本发明所要解决的技术问题是:解决上述现有技术存在的问题,实现对具有多个MMSI的违法船舶的识别。
为实现上述目的,本发明提供如下技术方案:一种多AIS设备同时开启的船舶识别方法,具体识别步骤如下:
步骤1:获取被监管区域所有船舶的AIS动态报文,完成AIS报文解析,形成包含船舶动态信息的AIS数据集A1;动态信息包括MMSI、对应轨迹点的时间戳、经度、纬度、对地航向和对地航速;
步骤2:对步骤1中AIS原始数据集A1按接收时间先后顺序进行时间滑动窗口处理,每次滑动的时间间隔为T1,滑动窗口所代表的时间间隔为T2,形成每次待处理的T2时间间隔AIS数据集A2;其中,T1>T2;
步骤3:对步骤2中滑窗数据集A2先以MMSI进行分类,再对同一个MMSI下的数据按时间先后顺序进行升序排列,形成以MMSI为标识的n个AIS数据集M1,M2,…Mn;
步骤4:对每个以MMSI为标识的AIS数据集M1,M2,…Mn进行如下数据处理:野值点检测、相邻轨迹点最大时间间隔检测、轨迹点总时长检测,形成用于步骤5的m(m≤n)个以MMSI为标识的AIS新数据集N1,N2,…Nm;
野值点检测:野值点为因测量误差原因造成的非正常偏离正常轨迹的数据点;利用动态信息包括位置、航速和航向对野值点进行检测,删除检测出的野值点;
相邻轨迹点最大时间间隔检测:利用AIS数据自带时间戳检测相邻轨迹点的最大时间间隔,如果最大时间间隔大于最大时间间隔阈值T3,则删除该MMSI对应的数据集;
轨迹点总时长检测:利用AIS数据自带时间戳检测当前时间窗口下该MMSI的船舶轨迹总时长,如果轨迹总时长小于轨迹总时长阈值T4,则删除该MMSI对应的数据集;
步骤5:轨迹粗关联处理前的时间同步处理:选定一个同步时刻,利用步骤4中的数据集N1,N2,…Nm,将每个MMSI标识的船舶的动态信息向该时间进行同步,获得每个MMSI标识的船舶在该时刻的动态信息,将MMSI与对应的同步时刻动态信息组合,所有船舶的同步时刻信息组成一个新的数据集E,用于步骤6;
步骤6:对步骤5输出的数据集E进行轨迹粗关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的粗关联阈值d,对步骤5输出的数据集进行轨迹粗关联,对于小于或等于粗关联阈值的数据,将其对应MMSI组成一个MMSI粗关联集合;对于大于粗关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成i个MMSI粗关联集合F1,F2,…Fi和1个MMSI非关联集合;
步骤7:轨迹细关联处理前的时间同步处理:对于步骤6中的某个MMSI粗关联集合,从步骤4输出的数据集N1,N2,…Nm中提取出每个MMSI对应的数据集,选定多个同步时刻,将每个MMSI标识的船舶动态信息同步至同步时刻,每个MMSI对应一条同步轨迹,将该MMSI粗关联集合中所有MMSI对应的同步轨迹组成一个新的数据集,用于步骤8轨迹细关联;对于步骤6中的每个MMSI粗关联集合,都进行类似处理,形成i个新数据集合G1,G2,…Gi;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;
步骤8:对步骤7输出的数据集G1,G2,…Gi中的每个数据集进行轨迹细关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的细关联阈值h,对步骤7输出的每个数据集进行轨迹细关联,对于小于或等于细关联阈值的数据,将其对应MMSI组成一个MMSI细关联集合;对于大于细关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成j(j≤i)个MMSI细关联数据集合H1,H2,…Hj和1个MMSI非关联集合;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;
步骤9:利用历史信息对步骤8输出的各个MMSI细关联集合H1,H2,…Hj进行辅助识别:
开始时,先进行历史信息积累,不进行历史信息辅助识别,此时的历史信息为每个时间窗口的步骤6和步骤8产生的MMSI非关联集合;
历史信息积累到一定时长T5时,进行如下历史信息辅助识别:对于步骤8中输出的某个MMSI细关联集合,判断集合中所有MMSI是否同时出现在历史信息某个时间窗口中的MMSI非关联集合,如果判断为是,则将该MMSI细关联集合变成MMSI非关联集合,并合并至历史信息中,用于下一个时间窗口的历史信息辅助识别;如果判断为否,则该MMSI细关联集合为识别出的多AIS设备同时开启的违法船舶所使用的MMSI;
辅助识别的结果形成r(r≤j)个MMSI集合,每个集合中的MMSI为对应多AIS设备同时开启的违法船舶所使用的MMSI;
步骤10:随时间窗口滑动,完成每个时间窗口的违法船舶识别,并输出每起多AIS设备同时开启的违法船舶所使用的MMSI集合及对应轨迹。
在一个优选地实施方式中,所述步骤4中T1>T4> ½T1,T3>6min。
在一个优选地实施方式中,所述步骤5中同步时刻选用时间窗口的中间时刻。
在一个优选地实施方式中,所述步骤6中的特征参数选用不同MMSI对应船舶轨迹点在同步时刻的两两间距离。
在一个优选地实施方式中,所述步骤8中的特征参数选用一个MMSI对应的轨迹点与另一个MMSI对应的轨迹点在同步时刻的平均距离。
在一个优选地实施方式中,所述步骤9中的T5大于3天。
本发明的技术效果和优点:
本发明基于被监管区域所有船舶的AIS动态数据,对不同MMSI对应的船舶轨迹进行关联处理,确定轨迹关联的MMSI集合和轨迹非关联的MMSI集合,进一步通过历史信息辅助识别,实现对违法安装多台AIS设备并同时开启导致具有多个MMSI的违法船舶的有效识别;本专利的方法不仅能及时有效识别多AIS设备同时开启的违法船舶,提高船舶密集场景的违法船舶识别准确率,为水上执法提供依据,还能对船舶实现远程自动监控,不需要在海上建立其他的监控设施,可节省执法成本。
附图说明
图1为本发明的多AIS设备同时开启的船舶识别方法流程图。
图2为本发明的多AIS设备同时开启的船舶识别方法的轨迹粗关联具体流程图。
图3为本发明的多AIS设备同时开启的船舶识别方法中对单个MMSI粗关联集合进行细关联的具体流程图。
具体实施方式
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,都属于本发明保护的范围。
本发明提供了一种多AIS设备同时开启的船舶识别方法,具体流程如图1所示,包括如下步骤:
步骤1:获取被监管区域所有船舶的AIS动态报文,完成AIS报文解析,形成包含船舶动态信息的AIS数据集A1;动态信息包括MMSI、对应轨迹点的时间戳、经度、纬度、对地航向、对地航速;
具体的,AIS船载设备分A类和B类,对于A类AIS设备,AIS动态报文指国际标准规定的用于周期报告船舶位置信息的1号、2号和3号报文(AIS标准(ITU-R M.1371-5)规定名称);对于B类AIS设备,AIS动态报文指国际标准规定的用于周期报告船舶位置信息的18号和19号报文(AIS标准(ITU-R M.1371-5)规定名称);AIS动态报文包括AIS报告的船舶MMSI、经度、纬度及对应的对地航向、对地航速信息;根据国际标准中AIS报文格式定义,对AIS报文进行解析;形成的AIS原始数据集应包括通过基站或其他设施所能接收到的被监管区域内各个船舶各个时刻的AIS动态报文信息,对于单条船舶应包括MMSI、对应轨迹点的时间戳、经度、纬度、对地航向、对地航速;
步骤2:对步骤1中AIS原始数据集A1按接收时间先后顺序进行时间滑动窗口处理,每次滑动的时间间隔为T1,滑动窗口所代表的时间间隔为T2,形成每次待处理的T2时间间隔AIS数据集A2;其中,T1>T2;
具体的,综合权衡处理效率、识别准确度和实时性,可选择30min≤T1≤120min,5min≤T2≤20min;每个时间滑动窗口仅对时间间隔为T1所获取的AIS原始数据集进行处理;
步骤3:对步骤2中滑窗数据集A2先以MMSI进行分类,再对同一个MMSI下的数据按时间先后顺序进行升序排列,形成以MMSI为标识的n个AIS数据集M1,M2,…Mn;
具体的,以MMSI进行遍历或其他更快速的分类方法,将同一个MMSI下的轨迹点组成一个集合,进一步按时间戳升序排列,形成以MMSI为标识的各个AIS数据集合;
步骤4:对每个以MMSI为标识的AIS数据集M1,M2,…Mn进行如下数据处理:野值点检测、相邻轨迹点最大时间间隔检测、轨迹点总时长检测,形成可用于步骤5的m(m≤n)个以MMSI为标识的AIS新数据集N1,N2,…Nm;
野值点检测:野值点为因测量误差原因造成的非正常偏离正常轨迹的数据点;利用动态信息包括位置、航速和航向对野值点进行检测,删除检测出的野值点;具体的,可计算同MMSI下前一时刻数据点经纬度(lont,latt)和下一时刻数据点经纬度(lont+1,latt+1)的大圆距离D1、以前一时刻数据点的对地航速与两时刻时间间隔之乘积预测出的距离D2,比较D1和D2大小,若D1远大于D2,如D1>5D2,则该两时刻数据中存在野值点;
相邻轨迹点最大时间间隔检测:利用AIS数据自带时间戳检测相邻轨迹点的最大时间间隔,如果最大时间间隔大于最大时间间隔阈值T3,则删除该MMSI对应的数据集;其中,T3>6min;
轨迹点总时长检测:利用AIS数据自带时间戳检测当前时间窗口下该MMSI的船舶轨迹总时长,如果轨迹总时长小于轨迹总时长阈值T4,则删除该MMSI对应的数据集;其中,T1>T4>½T1;
步骤5:轨迹粗关联处理前的时间同步处理:选定一个同步时刻,利用步骤4中的数据集N1,N2,…Nm,将每个MMSI标识的船舶的动态信息向该时间进行同步,获得每个MMSI标识的船舶在该时刻的动态信息,将MMSI与对应的同步时刻动态信息组合,所有船舶的同步时刻信息组成一个新的数据集E,用于步骤6;
具体的,同步时刻可在滑动时间窗口内任意选择,优先的当T4>½T1时,同步时刻可选在滑动时间窗口的中间时刻;对于单个MMSI,在步骤4形成的数据集中,查找与同步时刻相近的时刻,以该时刻的经纬度、航速和航向通过线性外推或内推方式,确定该MMSI对应的船舶在同步时刻的动态信息包括经纬度、航速和航向;每个MMSI形成一组同步时刻动态信息,所有MMSI形成的各组同步时刻动态信息组成一个以MMSI标识的新的数据集;
步骤6:对步骤5输出的数据集E进行轨迹粗关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的粗关联阈值d,对步骤5输出的数据集进行轨迹粗关联,对于小于或等于粗关联阈值的数据,将其对应MMSI组成一个MMSI粗关联集合;对于大于粗关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成i个MMSI粗关联集合F1,F2,…Fi和1个MMSI非关联集合;其中,特征参数可选不同MMSI对应船舶轨迹点在同步时刻的两两间距离;
具体的,特征参数可选不同MMSI对应船舶轨迹点在同步时刻的两两间大圆距离,粗关联阈值d不建议选择过大值或过小值,建议在(最大船长,1000米]中取值;对各MMSI同步时刻轨迹点间大圆距离与粗关联阈值d进行比较,若大圆距离大于粗关联阈值d,则相应的MMSI为轨迹非关联,否则相应的MMSI为轨迹粗关联;可通过遍历查询判断或其他快速分类方法实现上述MMSI轨迹粗关联和轨迹非关联集合的分类判断;若生成多个MMSI轨迹粗关联集合,则表示在该时间窗口可能存在多起多AIS设备同时开启的违法船舶事件;若生成0个MMSI轨迹粗关联集合;则表示在该时间窗口未发现多AIS设备同时开启的违法船舶事件;
步骤7:轨迹细关联处理前的时间同步处理:对于步骤6中的某个MMSI粗关联集合,从步骤4输出的数据集N1,N2,…Nm中提取出每个MMSI对应的数据集,选定多个同步时刻,将每个MMSI标识的船舶动态信息同步至同步时刻,每个MMSI对应一条同步轨迹,将该MMSI粗关联集合中所有MMSI对应的同步轨迹组成一个新的数据集,用于步骤8轨迹细关联;对于步骤6中的每个MMSI粗关联集合,都进行类似处理,形成i个新数据集合G1,G2,…Gi;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;
具体的,对于步骤6中的某个MMSI粗关联集合,先根据MMSI从步骤4输出的数据集中提取出每个MMSI对应的轨迹点数据集包括经度、纬度、时间戳、对地航向和对地航速信息;同步时刻可在时间窗口内任意选择,优先在各MMIS轨迹点时间戳重叠的时间区域选择,在此实施例中选择以时间窗口中间时刻为中心两侧每隔5秒取一个时刻,每侧各取50个时刻;对于单个MMSI,在步骤4形成的数据集中,查找与同步时刻相近的时刻,以该时刻的经纬度、航速和航向通过线性外推或内推方式,确定该MMSI对应的船舶在同步时刻的动态信息包括经纬度、航速和航向;每个MMSI形成一组同步时刻动态信息,该MMSI粗关联集合中所有MMSI形成的各组同步时刻动态信息组成一个以MMSI标识的新的数据集;
步骤8:对步骤7输出的数据集G1,G2,…Gi中的每个数据集进行轨迹细关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的细关联阈值h,对步骤7输出的每个数据集进行轨迹细关联,对于小于或等于细关联阈值的数据,将其对应MMSI组成一个MMSI细关联集合;对于大于细关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成j(j≤i)个MMSI细关联数据集合H1,H2,…Hj和1个MMSI非关联集合;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;其中,特征参数可选一个MMSI对应的轨迹点与另一个MMSI对应的轨迹点在同步时刻的平均距离;
具体的,特征参数可选一个MMSI与另一个MMSI对应船舶轨迹点在同步时刻的大圆距离和的平均值,细关联阈值h要小于粗关联阈值d,建议小于100米;对各MMSI同步时刻轨迹点间平均距离与细关联阈值h进行比较,若平均距离大于细关联阈值h,则相应的MMSI为轨迹非关联,否则相应的MMSI为轨迹细关联;可通过遍历查询判断或其他快速分类方法实现上述MMSI轨迹细关联和轨迹非关联集合的分类判断;若生成多个MMSI轨迹细关联集合,则表示在该时间窗口可能存在多起多AIS设备同时开启的违法船舶事件;若生成0个MMSI轨迹细关联集合;则表示在该时间窗口未发现多AIS设备同时开启的违法船舶事件;
步骤9:利用历史信息对步骤8输出的各个MMSI细关联集合H1,H2,…Hj进行辅助识别:
开始时,先进行历史信息积累,不进行历史信息辅助识别,此时的历史信息为每个时间窗口的步骤6和步骤8产生的MMSI非关联集合;
历史信息积累到一定时长T5时,进行如下历史信息辅助识别:对于步骤8中输出的某个MMSI细关联集合,判断集合中所有MMSI是否同时出现在历史信息某个时间窗口中的MMSI非关联集合,如果判断为是,则将该MMSI细关联集合变成MMSI非关联集合,并合并至历史信息中,用于下一个时间窗口的历史信息辅助识别;如果判断为否,则该MMSI细关联集合为识别出的多AIS设备同时开启的违法船舶所使用的MMSI;
辅助识别的结果形成r(r≤j)个MMSI集合,每个集合中的MMSI为对应多AIS设备同时开启的违法船舶所使用的MMSI;
其中,T5大于3天;
步骤10:随时间窗口滑动,完成每个时间窗口的违法船舶识别,并输出每起多AIS设备同时开启的违法船舶所使用的MMSI集合及对应轨迹。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种多AIS设备同时开启的船舶识别方法,其特征在于:具体识别步骤如下:
步骤1:获取被监管区域所有船舶的AIS动态报文,完成AIS报文解析,形成包含船舶动态信息的AIS数据集A1;
步骤2:对步骤1中AIS原始数据集A1按接收时间先后顺序进行时间滑动窗口处理,每次滑动的时间间隔为T1,滑动窗口所代表的时间间隔为T2,形成每次待处理的T2时间间隔AIS数据集A2;其中,T1>T2;
步骤3:对步骤2中滑窗数据集A2先以MMSI进行分类,再对同一个MMSI下的数据按时间先后顺序进行升序排列,形成以MMSI为标识的n个AIS数据集M1,M2,…Mn;
步骤4:对每个以MMSI为标识的AIS数据集M1,M2,…Mn进行数据处理,形成用于步骤5的m(m≤n)个以MMSI为标识的AIS新数据集N1,N2,…Nm;
步骤5:轨迹粗关联处理前的时间同步处理:选定一个同步时刻,利用步骤4中的数据集N1,N2,…Nm,将每个MMSI标识的船舶的动态信息向该时间进行同步,获得每个MMSI标识的船舶在该时刻的动态信息,将MMSI与对应的同步时刻动态信息组合,所有船舶的同步时刻信息组成一个新的数据集E;
步骤6:对步骤5输出的数据集E进行轨迹粗关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的粗关联阈值d,对步骤5输出的数据集进行轨迹粗关联,对于小于或等于粗关联阈值的数据,将其对应MMSI组成一个MMSI粗关联集合;对于大于粗关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成i个MMSI粗关联集合F1,F2,…Fi和1个MMSI非关联集合;
步骤7:轨迹细关联处理前的时间同步处理:对于步骤6中的某个MMSI粗关联集合,从步骤4输出的数据集N1,N2,…Nm中提取出每个MMSI对应的数据集,选定多个同步时刻,将每个MMSI标识的船舶动态信息同步至同步时刻,每个MMSI对应一条同步轨迹,将该MMSI粗关联集合中所有MMSI对应的同步轨迹组成一个新的数据集;对于步骤6中的每个MMSI粗关联集合,都进行类似处理,形成i个新数据集合G1,G2,…Gi;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;
步骤8:对步骤7输出的数据集G1,G2,…Gi中的每个数据集进行轨迹细关联处理:选定用于表征轨迹相似性的特征参数如不同MMSI相同时刻轨迹点间距离、轨迹点航速差,确定相应的细关联阈值h,对步骤7输出的每个数据集进行轨迹细关联,对于小于或等于细关联阈值的数据,将其对应MMSI组成一个MMSI细关联集合;对于大于细关联阈值的数据,将其对应MMSI组成MMSI非关联集合;形成j(j≤i)个MMSI细关联数据集合H1,H2,…Hj和1个MMSI非关联集合;若步骤6未输出任何MMSI粗关联集合,则直接进入步骤9;
步骤9:利用历史信息对步骤8输出的各个MMSI细关联集合H1,H2,…Hj进行辅助识别;
步骤10:随时间窗口滑动,完成每个时间窗口的违法船舶识别,并输出每起多AIS设备同时开启的违法船舶所使用的MMSI集合及对应轨迹。
2.根据权利要求1所述的一种多AIS设备同时开启的船舶识别方法,其特征在于:所述步骤1中动态信息包括MMSI、对应轨迹点的时间戳、经度、纬度、对地航向和对地航速。
3.根据权利要求1所述的一种多AIS设备同时开启的船舶识别方法,其特征在于:所述步骤4中的数据处理包括野值点检测、相邻轨迹点最大时间间隔检测、轨迹点总时长检测;其中:
野值点检测:野值点为因测量误差原因造成的非正常偏离正常轨迹的数据点;利用动态信息包括位置、航速和航向对野值点进行检测,删除检测出的野值点;
相邻轨迹点最大时间间隔检测:利用AIS数据自带时间戳检测相邻轨迹点的最大时间间隔,如果最大时间间隔大于最大时间间隔阈值T3,则删除该MMSI对应的数据集;
轨迹点总时长检测:利用AIS数据自带时间戳检测当前时间窗口下该MMSI的船舶轨迹总时长,如果轨迹总时长小于轨迹总时长阈值T4,则删除该MMSI对应的数据集。
4.根据权利要求1所述的一种多AIS设备同时开启的船舶识别方法,其特征在于:所述步骤9中的辅助识别步骤为:
开始时,先进行历史信息积累,不进行历史信息辅助识别,此时的历史信息为每个时间窗口的步骤6和步骤8产生的MMSI非关联集合;
历史信息积累到一定时长T5时,进行如下历史信息辅助识别:对于步骤8中输出的某个MMSI细关联集合,判断集合中所有MMSI是否同时出现在历史信息某个时间窗口中的MMSI非关联集合,如果判断为是,则将该MMSI细关联集合变成MMSI非关联集合,并合并至历史信息中,用于下一个时间窗口的历史信息辅助识别;如果判断为否,则该MMSI细关联集合为识别出的多AIS设备同时开启的违法船舶所使用的MMSI;
辅助识别的结果形成r(r≤j)个MMSI集合,每个集合中的MMSI为对应多AIS设备同时开启的违法船舶所使用的MMSI。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111215872.6A CN113870620B (zh) | 2021-10-19 | 2021-10-19 | 一种多ais设备同时开启的船舶识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111215872.6A CN113870620B (zh) | 2021-10-19 | 2021-10-19 | 一种多ais设备同时开启的船舶识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870620A true CN113870620A (zh) | 2021-12-31 |
CN113870620B CN113870620B (zh) | 2023-07-21 |
Family
ID=79000308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111215872.6A Active CN113870620B (zh) | 2021-10-19 | 2021-10-19 | 一种多ais设备同时开启的船舶识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870620B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828391A (zh) * | 2023-08-29 | 2023-09-29 | 中船(浙江)海洋科技有限公司 | 一种检测ais异常开关的方法 |
CN118301230A (zh) * | 2024-05-30 | 2024-07-05 | 交通运输部北海航海保障中心天津航标处 | 一种基于信息回溯算法的ais船舶报文发射时间获取方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3763004B1 (ja) * | 2005-08-03 | 2006-04-05 | 国土交通省国土技術政策総合研究所長 | 航空機進出入路付近の船舶監視システム、及び航空機進出入路付近の船舶監視方法 |
CN101702265A (zh) * | 2009-10-22 | 2010-05-05 | 上海埃威航空电子有限公司 | 一种船载自动识别系统船名快速识别的方法 |
US20140180566A1 (en) * | 2012-12-26 | 2014-06-26 | Sap Ag | Complex event processing for moving objects |
KR20160112188A (ko) * | 2015-03-18 | 2016-09-28 | 한국전자통신연구원 | 선박별 항적 추출 및 전시 시스템 |
US20170001699A1 (en) * | 2015-06-30 | 2017-01-05 | Exactearth Ltd. | Systems and methods for vessel position reporting and monitoring |
CN108806335A (zh) * | 2018-05-29 | 2018-11-13 | 大连海事大学 | 一种基于ais轨迹大数据的船舶交通环境重构方法 |
CN110706827A (zh) * | 2019-09-26 | 2020-01-17 | 武汉理工大学 | 基于船舶ais大数据的通航水域水流信息的提取方法及系统 |
US20200079486A1 (en) * | 2018-09-06 | 2020-03-12 | Maritech Development Limited | Method for vessel tracking |
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 |
WO2020084979A1 (ja) * | 2018-10-25 | 2020-04-30 | 古野電気株式会社 | Ais情報処理装置 |
CN111179638A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于时间序列的船舶ais目标航行监控方法 |
WO2021017577A1 (zh) * | 2019-07-29 | 2021-02-04 | 南京莱斯网信技术研究院有限公司 | 一种基于集成学习的船舶类型仿冒监测方法 |
CN112766308A (zh) * | 2020-12-29 | 2021-05-07 | 中国水产科学研究院东海水产研究所 | 一种远洋船舶分类方法 |
CN112967527A (zh) * | 2021-02-05 | 2021-06-15 | 武汉理工大学 | 一种渡船碰撞风险评估方法、系统、装置及介质 |
CN112991820A (zh) * | 2021-04-26 | 2021-06-18 | 亿海蓝(北京)数据技术股份公司 | 套牌船识别方法及系统 |
CN113032502A (zh) * | 2021-02-09 | 2021-06-25 | 北京工业大学 | 一种基于改进轨迹段dbscan聚类的船舶异常检测方法 |
CN113450596A (zh) * | 2021-05-31 | 2021-09-28 | 武汉理工大学 | 基于船舶轨迹特征点提取的时空dp方法 |
-
2021
- 2021-10-19 CN CN202111215872.6A patent/CN113870620B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3763004B1 (ja) * | 2005-08-03 | 2006-04-05 | 国土交通省国土技術政策総合研究所長 | 航空機進出入路付近の船舶監視システム、及び航空機進出入路付近の船舶監視方法 |
CN101702265A (zh) * | 2009-10-22 | 2010-05-05 | 上海埃威航空电子有限公司 | 一种船载自动识别系统船名快速识别的方法 |
US20140180566A1 (en) * | 2012-12-26 | 2014-06-26 | Sap Ag | Complex event processing for moving objects |
KR20160112188A (ko) * | 2015-03-18 | 2016-09-28 | 한국전자통신연구원 | 선박별 항적 추출 및 전시 시스템 |
US20170001699A1 (en) * | 2015-06-30 | 2017-01-05 | Exactearth Ltd. | Systems and methods for vessel position reporting and monitoring |
CN108806335A (zh) * | 2018-05-29 | 2018-11-13 | 大连海事大学 | 一种基于ais轨迹大数据的船舶交通环境重构方法 |
US20200079486A1 (en) * | 2018-09-06 | 2020-03-12 | Maritech Development Limited | Method for vessel tracking |
WO2020084979A1 (ja) * | 2018-10-25 | 2020-04-30 | 古野電気株式会社 | Ais情報処理装置 |
WO2021017577A1 (zh) * | 2019-07-29 | 2021-02-04 | 南京莱斯网信技术研究院有限公司 | 一种基于集成学习的船舶类型仿冒监测方法 |
CN110706827A (zh) * | 2019-09-26 | 2020-01-17 | 武汉理工大学 | 基于船舶ais大数据的通航水域水流信息的提取方法及系统 |
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 |
CN111179638A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于时间序列的船舶ais目标航行监控方法 |
CN112766308A (zh) * | 2020-12-29 | 2021-05-07 | 中国水产科学研究院东海水产研究所 | 一种远洋船舶分类方法 |
CN112967527A (zh) * | 2021-02-05 | 2021-06-15 | 武汉理工大学 | 一种渡船碰撞风险评估方法、系统、装置及介质 |
CN113032502A (zh) * | 2021-02-09 | 2021-06-25 | 北京工业大学 | 一种基于改进轨迹段dbscan聚类的船舶异常检测方法 |
CN112991820A (zh) * | 2021-04-26 | 2021-06-18 | 亿海蓝(北京)数据技术股份公司 | 套牌船识别方法及系统 |
CN113450596A (zh) * | 2021-05-31 | 2021-09-28 | 武汉理工大学 | 基于船舶轨迹特征点提取的时空dp方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828391A (zh) * | 2023-08-29 | 2023-09-29 | 中船(浙江)海洋科技有限公司 | 一种检测ais异常开关的方法 |
CN116828391B (zh) * | 2023-08-29 | 2023-12-05 | 中船(浙江)海洋科技有限公司 | 一种检测ais异常开关的方法 |
CN118301230A (zh) * | 2024-05-30 | 2024-07-05 | 交通运输部北海航海保障中心天津航标处 | 一种基于信息回溯算法的ais船舶报文发射时间获取方法 |
CN118301230B (zh) * | 2024-05-30 | 2024-08-13 | 交通运输部北海航海保障中心天津航标处 | 一种基于信息回溯算法的ais船舶报文发射时间获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113870620B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zissis et al. | A distributed spatial method for modeling maritime routes | |
CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
US20230118438A1 (en) | Spatio-temporal dp method based on ship trajectory characteristic point extraction | |
Ristic et al. | Statistical analysis of motion patterns in AIS data: Anomaly detection and motion prediction | |
Mazzarella et al. | SAR ship detection and self-reporting data fusion based on traffic knowledge | |
CN111179638B (zh) | 一种基于时间序列的船舶ais目标航行监控方法 | |
Yoon et al. | Surface street traffic estimation | |
CN113870620B (zh) | 一种多ais设备同时开启的船舶识别方法 | |
US20220171796A1 (en) | Ship wandering detection method based on ais data | |
CN112699315B (zh) | 基于ais数据的船舶异常行为探测方法 | |
Kontopoulos et al. | Countering real-time stream poisoning: An architecture for detecting vessel spoofing in streams of AIS data | |
CN111507235B (zh) | 基于视频的铁路周界异物入侵检测方法 | |
Ristic | Detecting anomalies from a multitarget tracking output | |
CN115273557A (zh) | 一种基于ais的在航船舶碰撞风险检测及预警方法和系统 | |
CN110110964A (zh) | 一种基于深度学习的船舶及渡口监管系统 | |
WO2023221425A1 (zh) | 一种用于船舶过闸安全检测方法 | |
CN115774804A (zh) | 船舶的异常识别方法、系统和可读存储介质 | |
CN116226706A (zh) | 一种基于群运动特征的渔网示位标识别方法 | |
CN110503032B (zh) | 基于监控摄像头轨迹数据的个体重要场所探测方法 | |
Pinelli et al. | Robust bus-stop identification and denoising methodology | |
Sfyridis et al. | Detecting vessels carrying migrants using machine learning | |
Wang et al. | Extracting the main routes and speed profiles between two locations from massive uncertain historical trajectories | |
CN112183406A (zh) | 一种视频卡顿检测方法及检测系统 | |
CN115841765A (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
Yoshida et al. | Incident alert by an anomaly indicator of probe trajectories |
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 |