CN114218297B - 基于dtw的单船多ais设备识别方法 - Google Patents
基于dtw的单船多ais设备识别方法 Download PDFInfo
- Publication number
- CN114218297B CN114218297B CN202111538019.8A CN202111538019A CN114218297B CN 114218297 B CN114218297 B CN 114218297B CN 202111538019 A CN202111538019 A CN 202111538019A CN 114218297 B CN114218297 B CN 114218297B
- Authority
- CN
- China
- Prior art keywords
- ship
- ais
- data
- module
- mmsi
- 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 29
- 238000012795 verification Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000010295 mobile communication Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 8
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000003643 water by type 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于DTW的单船多AIS设备识别方法,包括:AIS识别终端接收解码后的VDL报文,通过数据预处理模块生成可用的船舶数据集;将可用的船舶数据集传入关联性分析模块,计算不同船舶轨迹之间的距离,根据船舶轨迹间的距离对船舶进行分类:将船舶分为距离小于等于异常阈值的一类船舶mmsi和大于异常阈值的二类船舶mmsi;通过历史信息辅助验证模块中的非关联子模块接收二类船舶mmsi,关联子模块接收一类船舶mmsi;累积一段时间内的船舶分类数据后,剔除关联子模块与非关联子模块的交集的船舶mmsi,将关联子模块存储的mmsi对应的船舶信息存入到黑名单中,非关联子模块存储的mmsi存入到白名单中,在下一处理时刻,不再对黑名单中的船舶数据进行分析。
Description
技术领域
本发明涉及设备识别技术领域,具体而言,尤其涉及一种基于DTW的单船多AIS设备识别方法及装置。
背景技术
2004年起,国际海事组织(International Marine Organization,IMO)强制要求航行于国际水域、总吨位超过300的船只以及所有的客船均配备AIS设备。如今,AIS广泛应用在海上航海安保等任务中。AIS设备自动向外广播的信息中包含船舶运动状态,如:船舶水上移动通信业务码(Maritime Mobile Service Identify,MMSI)、船舶类型、经纬度、航向和航速等,除了卫星和AIS 基站会接收这些消息外,船载AIS终端也会接收来自周围船舶的AIS消息。同时,由于AIS数据链(VDL)报文标准公开,带来了固有的脆弱性问题,导致AIS信道容易受到外界的干扰。且部分船员为逃避监管,利用AIS设备的安全性漏洞,有意输入错误数据和为船舶同时配备多台AIS设备,上述现象严重影响海上航运安全与海上监管部门的管理效率。
目前,国内外诸多学者主要通过图像或视频提取目标船舶的物理位置、尺寸、颜色等特征,结合AIS信息作为参考对船舶身份做出判断。或使每艘船舶配置一个电子标签,该标签相当于船舶内置芯片可存储船舶身份信息及其他扩展信息。或根据轨迹参数获取船舶的轨迹,通过划分轨迹所在海域对船舶行为模式进行分析,但上述方法无法针对单船安装多AIS设备的这一特定现象进行识别。
发明内容
根据上述提出现有方法无法对单船安装多AIS设备的情况进行识别的技术问题,而提供一种基于DTW的单船多AIS设备识别方法及装置。本发明可准确、高效的识别安装多台AIS设备并同时开启情况下的船舶,提高了海事监管的技术水平,为海上船舶航行安全提供保障。
本发明采用的技术手段如下:
一种基于DTW的单船多AIS设备识别方法,基于AIS船舶识别平台系统实现,所述AIS船舶识别平台系统包括AIS监测系统终端、大数据平台服务器和AIS识别终端,所述AIS监测系统终端接收来自全国的VDL报文后,发送至大数据平台服务器进行原始VDL报文解码,所述大数据平台服务器将解码后的AIS数据发送至AIS识别终端;
所述AIS识别终端包括数据预处理模块、船舶关联分析模块、黑白名单模块和历史信息辅助验证模块,其中所述历史信息辅助验证模块包括非关联子模块与关联子模块;
所述方法包括以下步骤:
AIS识别终端接收解码后的VDL报文,通过数据预处理模块生成可用的船舶数据集;
将可用的船舶数据集传入关联性分析模块,计算不同船舶轨迹之间的距离,根据船舶轨迹间的距离对船舶进行分类:将船舶分为距离小于等于异常阈值的一类船舶mmsi和大于异常阈值的二类船舶mmsi,所述异常阈值预先设置;
通过历史信息辅助验证模块中的非关联子模块接收二类船舶mmsi,关联子模块接收一类船舶mmsi;
累积一段时间内的船舶分类数据后,剔除该时间段内关联子模块与非关联子模块的交集的船舶mmsi,将关联子模块存储的mmsi对应的船舶动态和静态信息存入黑名单,非关联子模块存储的mmsi及其对应的船舶动态和静态信息存入白名单,在下一处理时刻,不再对黑名单中的船舶进行分析。
进一步地,所述关联性分析模块计算不同船舶轨迹之间的距离,包括利用DTW算法进行船舶轨迹关联性的计算,具体包括以下步骤:
获取预处理后的可用船舶数据集,所述可用船舶数据集结构参数为:
SData={lat,lon,sog,cog,mmsi}
其中,lat为船舶动态信息中的纬度,lon为船舶动态信息中的经度,sog为航速,cog为对地航向,mmsi为海上移动通信业务标识码,SData为船舶数据结构参数;
根据以下计算获取两条轨迹的累积距离:
γ(i,j)=d(S1i,S2j)+min{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)}
其中:γ(i,j)为累积距离,S1为船舶1的可用数据集,S2为船舶2的可用数据集,d(S1i,S2j)为S1和S2分别在i和j时刻轨迹的距离。
进一步地,所述S1和S2分别在i和j时刻轨迹的距离d(S1i,S2j)为欧式距离。
较现有技术相比,本发明具有以下优点:
本发明基于数据处理模块删除因AIS固有的脆弱性造成的数据重复发送及噪声数据,并得出以mmsi为索引根据时间序列排序的船舶数据。同时,基于关联性分析模块提取了轨迹相似或几乎重合的船舶的mmsi。最后,设计历史信息辅助验证模块,对实时处理结果与历史结果进行交集的判断,可准确、高效的识别安装多台AIS设备并同时开启情况下的单艘船舶,提高了海事监管的技术水平,为海上航行安全提供保障。
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为本发明基于DTW的单船多AIS设备识别方法流程图。
图2为本发明AIS识别终端结构图。
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“一类”、“二类”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。
本发明提供了一种基于DTW的单船多AIS设备识别方法,基于AIS船舶识别平台系统实现,AIS船舶识别平台系统包括AIS监测系统终端、大数据平台服务器和AIS识别终端,AIS监测系统终端接收来自全国的VDL报文后,发送至大数据平台服务器进行原始VDL报文解码,大数据平台服务器将解码后的AIS数据发送至AIS识别终端;如图2所示,AIS识别终端包括数据预处理模块、船舶关联分析模块、黑白名单模块和历史信息辅助验证模块,其中所述历史信息辅助验证模块包括非关联子模块与关联子模块。
如图1所示上述方法具体包括以下步骤:
S1、通过AIS识别终端接收大数据平台服务器解码后的VDL报文,通过数据预处理模块生成可用的船舶数据集。
具体来说,该步骤主要用于由原始VDL报文获取以mmsi为索引的船舶轨迹数据集。首先提取船舶动态信息中的纬度(lat)、经度(lon)、航速(sog)、对地航向(cog)、海上移动通信业务标识码(mmsi)作为特征向量,组成船舶结构参数。其次,以mmsi为索引,构建船舶数据集。进而,删除黑名单中已记录的异常船舶,同时保证每个数据集的船舶起始时间间隔超过30min;最后,剔除数据集中的野值点生成可用的船舶数据集,该数据集结构表示为:SData={lat,lon,sog,cog,MMSI}。
S2、将可用的船舶数据集传入关联性分析模块,计算不同船舶轨迹之间的距离,根据船舶轨迹间的距离对船舶进行分类:将船舶分为距离小于等于异常阈值的一类船舶mmsi和大于异常阈值的二类船舶mmsi,其中,异常阈值预先设置。
具体来说,本步骤根据DTW算法,首先计算两条轨迹的累积距离,进而判断轨迹之间的相似性:累积距离越小,说明两条轨迹距离越近,相似性越高,轨迹关联性越大。如式(1)所示。
γ(i,j)=d(S1i,S2j)+min{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)} (1)
其中:γ(i,j)为累积距离;S1 S2分别为船舶1和船舶2的数据集,且数据集长度不相同;d(S1i,S2j)表示S1和S2分别在i和j时刻轨迹的距离,一般采用欧式距离即d(S1i,S2j)=(S1i,S2j)2。
S3、通过历史信息辅助验证模块中的非关联子模块接收二类船舶mmsi,关联子模块接收一类船舶mmsi。
S4、累积一段时间内的船舶分类数据后,剔除该时间段内关联子模块与非关联子模块产生交集的船舶mmsi,将关联子模块的存储的mmsi对应的船舶信息存入到黑名单中,非关联子模块存储的mmsi存入到白名单中,在下一处理时刻,不再对黑白名单中的船舶数据进行分析。
在本发明实施例中,首先存储5天内的关联性分析后的输出数据,分别形成关联数据集合与非关联数据集合。其次,将验证模型开启至第6天时,判断历史信息辅助验证模块中的前五天生成的关联数据集合与非关联数据集合是否存在交集;若存在,则说明该船舶可能为误判船舶,继续对该船舶进行监测与分析;若不存在,将船舶mmsi存入到历史信息模块的关联子模块中。至此,历史信息模块中关联子模块均为一船多AIS设备的mmsi。且为保证运行效率,优选利用滑动窗口的思想存储最新5天的数据。进一步地,将关联子模块中的数据存储至黑名单,将非关联子模块的数据存储至白名单,若之后接收到黑名单中的船舶数据,则不再对该船舶进行一船多AIS设备的分析与判断。
下面通过具体的应用实例,对本发明方法的方案进行进一步说明。
图1所示为本发明实施例的单船多AIS设备识别流程图。因5天数据量较大,不利于展示,因此该实施例模拟历史信息模块存储1小时数据。方法包括:
步骤一,设备开启,首先接收一小时内解码后的VDL报文进行处理,输出结果如表1所示:
其中,mmsi为船舶海上移动通信业务标识码,Receivetime为该条报文接收时刻,Longtitude和Latituede分别为该接收时刻的船舶经度与纬度,Sog 为该时刻船舶航速,Cog为该时刻船舶航向,Rot为旋转速率,msgID为VDL 消息类型,double为数据类型。以mmsi为111381688为例,94x1double表示 1小时内接收该船舶数据94条。此模型一小时内共接收17895艘船舶的VDL 报文。
表1步骤一输出结果
步骤二,根据数据预处理模块算法,删除无效数据后,生成不包含黑名单中已分析的船舶数据;
输入:上述表1数据
输出:
表2步骤二输出结果
步骤三,提取步骤二中船舶数据中的报文接收时间Receivetime、经度Longititude、纬度Latitude、航速Sog、航向Cog、海上移动通信业务标识码 mmsi;
输入:步骤二输出表2数据
输出:
表3步骤三输出结果
步骤四,通过船舶关联性分析模块算法,生成关联轨迹数据集,该数据集仅保存mmsi;
输入:上述表3数据
输出:如表4所示。
表4步骤四输出结果
表4所示为部分关联数据集结果。以第一行为例,表示通过关联性分析模块输出结果,mmsi分别为357093000和413209660的船舶可能为一艘船舶安装了两个AIS设备。
步骤五,通过历史信息辅助验证模块,删除关联子模块中存在非关联可能性的数据。
输入:步骤四输出的关联数据与非关联数据,且保证历史信息辅助验证模块内包含5天上述数据,由于5天数据量过大,本实施例以1小时代替上述第一时间。1小时后为第二时间。
输出:如表5所示。
表5步骤五输出结果
与表4比对,因历史信息辅助验证模块的非关联集存在mmsi为 413468430的数据,因此,此模块输出结果删除mmsi为413468430及其关联数据。
步骤六,每十分钟接收一次VDL报文,累积一小时数据后进行上述操作,生成单船多AIS设备同时开启的船舶MMSI,存入黑名单模块中。
输入:一小时内的VDL报文
输出:一船安装多台AIS设备的mmsi
表6模型输出结果
如表6所示,为模型一小时内的分析结果。表中数据均为一船安装多台 AIS设备的mmsi及其关联mmsi。
本发明中识别方法基于船舶多AIS设备识别模型实现,船舶多AIS识别模型由数据预处理模块、船舶关联性分析模块以及历史信息辅助验证模块组成,黑白名单模块为船舶多AIS设备识别模型提供存储空间。其中,数据处理模块接收以MMSI为索引、按时间序列排序的船舶数据。船舶关联性分析模块是本发明的关键,执行本发明所设计的基于DTW的船舶多AIS设备识别模型和方法,并输出异常船舶。历史信息辅助验证模块负责校验船舶关联性分析模块的输出结果,保证本发明的准确性。黑白名单模块负责存储异常船舶数据,以随时查看异常船舶信息。
对于本发明实施例的而言,由于其与上面实施例中的相对应,所以描述的比较简单,相关相似之处请参见上面实施例中部分的说明即可,此处不再详述。
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 (3)
1.一种基于DTW的单船多AIS设备识别方法,其特征在于,基于AIS船舶识别平台系统实现,所述AIS船舶识别平台系统包括AIS监测系统终端、大数据平台服务器和AIS识别终端,所述AIS监测系统终端接收来自全国的VDL报文后,发送至大数据平台服务器进行原始VDL报文解码,所述大数据平台服务器将解码后的AIS数据发送至AIS识别终端;
所述AIS识别终端包括数据预处理模块、船舶关联分析模块、黑白名单模块和历史信息辅助验证模块,其中所述历史信息辅助验证模块包括非关联子模块与关联子模块;
所述方法包括以下步骤:
AIS识别终端接收解码后的VDL报文,通过数据预处理模块生成可用的船舶数据集;
将可用的船舶数据集传入关联性分析模块,计算不同船舶轨迹之间的距离,根据船舶轨迹间的距离对船舶进行分类:将船舶分为距离小于等于异常阈值的一类船舶mmsi和大于异常阈值的二类船舶mmsi,所述异常阈值预先设置;
通过历史信息辅助验证模块中的非关联子模块接收二类船舶mmsi,关联子模块接收一类船舶mmsi;
累积一段时间内的船舶分类数据后,剔除该时间段内关联子模块与非关联子模块产生交集部分的船舶mmsi,将关联子模块存储的mmsi对应的船舶动态和静态信息存入黑名单,非关联子模块存储的mmsi及其对应的船舶动态和静态信息存入白名单,在下一处理时刻,不再对黑名单中的船舶进行分析。
2.根据权利要求1所述的基于DTW的单船多AIS设备识别方法,其特征在于,所述关联性分析模块计算不同船舶轨迹之间的距离,包括利用DTW算法进行船舶轨迹关联性的计算,具体包括以下步骤:
获取预处理后的可用船舶数据集,所述可用船舶数据集结构参数为:
SData={lat,lon,sog,cog,mmsi}
其中,lat为船舶动态信息中的纬度,lon为船舶动态信息中的经度,sog为航速,cog为对地航向,mmsi为海上移动通信业务标识码,SData为船舶数据结构参数;
根据以下计算获取两条轨迹的累积距离:
γ(i,j)=d(S1i,S2j)+min{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)}
其中:γ(i,j)为累积距离,S1为船舶1的可用数据集,S2为船舶2的可用数据集,d(S1i,S2j)为S1和S2分别在i和j时刻轨迹的距离。
3.根据权利要求2所述的基于DTW的单船多AIS设备识别方法,其特征在于,所述S1和S2分别在i和j时刻轨迹的距离d(S1i,S2j)为欧式距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538019.8A CN114218297B (zh) | 2021-12-15 | 2021-12-15 | 基于dtw的单船多ais设备识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538019.8A CN114218297B (zh) | 2021-12-15 | 2021-12-15 | 基于dtw的单船多ais设备识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114218297A CN114218297A (zh) | 2022-03-22 |
CN114218297B true CN114218297B (zh) | 2023-03-10 |
Family
ID=80702624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111538019.8A Active CN114218297B (zh) | 2021-12-15 | 2021-12-15 | 基于dtw的单船多ais设备识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218297B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977523A (zh) * | 2019-03-20 | 2019-07-05 | 武汉理工大学 | 一种海量船舶ais轨迹数据在线压缩方法及装置 |
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 |
CN113240199A (zh) * | 2021-06-07 | 2021-08-10 | 广西民族大学 | 基于dilate_tlstm的港口船舶轨迹预测方法 |
-
2021
- 2021-12-15 CN CN202111538019.8A patent/CN114218297B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977523A (zh) * | 2019-03-20 | 2019-07-05 | 武汉理工大学 | 一种海量船舶ais轨迹数据在线压缩方法及装置 |
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 |
CN113240199A (zh) * | 2021-06-07 | 2021-08-10 | 广西民族大学 | 基于dilate_tlstm的港口船舶轨迹预测方法 |
Non-Patent Citations (3)
Title |
---|
李爽.基于AIS的渔船可疑行为检测.2022,全文. * |
程前 等.基于改进动态时间规整的相似性度量及轨迹聚类.2021,全文. * |
赵梁滨.基于AIS数据和循环神经网络的船舶轨迹异常检测.2019,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114218297A (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9953517B2 (en) | Risk early warning method and apparatus | |
CN111935446B (zh) | 基于区块链的船舶监测方法、装置、监测系统和设备 | |
CN110110964A (zh) | 一种基于深度学习的船舶及渡口监管系统 | |
CN109597920A (zh) | 一种基于实时ais的船舶目标黑白名单维护方法 | |
CN115995165A (zh) | 一种船舶航行风险管理方法和系统 | |
CN111985363B (zh) | 一种基于深度学习框架的船舶名称识别系统及方法 | |
CN114218297B (zh) | 基于dtw的单船多ais设备识别方法 | |
CN112464951A (zh) | 一种基于物联网的渔业安全应急处置系统及方法 | |
CN109697891B (zh) | 船舶自动识别系统的开启状态监控方法及系统 | |
CN116226435B (zh) | 基于跨模态检索的遥感图像与ais信息的关联匹配方法 | |
CN109637180B (zh) | 公交报站装置、系统及方法 | |
CN117172984A (zh) | 基于设备检修数字孪生场景的安全风险识别方法及系统 | |
CN116595049A (zh) | 船舶智能航行虚拟测试场景生成方法、系统及存储介质 | |
KR20170104209A (ko) | 선박의 항적 정보 처리 장치 및 방법 | |
CN113870620A (zh) | 一种多ais设备同时开启的船舶识别方法 | |
Iphar et al. | On the interest of data mining for an integrity assessment of AIS messages | |
CN115691224A (zh) | 基于智能通航安全管理的海上风电场船舶监控方法及系统 | |
CN112991129A (zh) | 基于人工智能的公共安全事件处理方法及装置 | |
CN113936156A (zh) | 针对水面船舶捕鱼行为的检测识别分类方法及系统 | |
CN113645439A (zh) | 事件检测方法及系统、存储介质及电子装置 | |
KR102003129B1 (ko) | 어구 자동식별장치를 이용한 어구 관리 시스템 및 방법 | |
CN112738471A (zh) | 基于物联网和人工智能的安防监控数据处理方法及云通信服务器 | |
CN116384597B (zh) | 基于地理信息系统的渔港船舶进出港动态预测方法及系统 | |
CN116778437B (zh) | 目标船只轨迹监测方法、装置、电子设备及可读存储介质 | |
CN109657106A (zh) | 一种基于历史ais的特定船舶目标甄选方法 |
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 |