CN115018368A - 一种基于海量ais数据的港口泊位占用率计算方法 - Google Patents
一种基于海量ais数据的港口泊位占用率计算方法 Download PDFInfo
- Publication number
- CN115018368A CN115018368A CN202210749529.8A CN202210749529A CN115018368A CN 115018368 A CN115018368 A CN 115018368A CN 202210749529 A CN202210749529 A CN 202210749529A CN 115018368 A CN115018368 A CN 115018368A
- Authority
- CN
- China
- Prior art keywords
- data
- ship
- message
- berth
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 235000019580 granularity Nutrition 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- LIWAQLJGPBVORC-UHFFFAOYSA-N ethylmethylamine Chemical compound CCNC LIWAQLJGPBVORC-UHFFFAOYSA-N 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 7
- 238000005065 mining Methods 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种基于海量AIS数据的港口泊位占用率计算方法，本方法通过获取AIS船舶原始报文数据，结合已有的港口泊位电子围栏数据筛选出围栏内的船舶航行过程中的AIS轨迹数据：对筛选出的AIS轨迹数据进行键值对建模，形成连续轨迹序列；对获得的连续轨迹序列中的每个轨迹点进行解析，并标记轨迹序列中的停止点，基于停止点找到中心驻留点；对港口泊位信息以及泊位坐标构建R树模型，形成基础空间检索模型；基于中心驻留点和基础空间检索模型进行交叉分析，计算靠泊船舶的停泊时间及泊位占用率。本方法通过大数据处理及多维度计算挖掘，实现泊位真实占用率的相关计算，重点解决港口泊位的精准规划、泊位的精细化管理进一步提升泊位使用价值。
Description
技术领域
本发明涉及船舶航海技术领域，尤其涉及一种基于海量AIS数据的港口泊位占用率计算方法。
背景技术
随着经济的快速发展，海上贸易越来越重要，因此各个港口的泊位设置对于船舶航行的效率有着至关重要的作用。港口泊位占用率一直以来以一种经验模糊的方法进行估算，无法有效反映真实使用情况，对规划管理形成比较大的偏差，因此需要找到一种更准确的泊位占用率获取方式。
发明内容
本发明的目的在于提供一种基于海量AIS数据的港口泊位占用率计算方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种基于海量AIS数据的港口泊位占用率计算方法，包括以下步骤：
S1，获取AIS船舶原始报文数据并进行解码，获取得到可识别的船舶航行动态信息，包括船舶MMSI、船舶经度、纬度、船速、航向、航行状态及报告时间；
S2，对解码后的报文数据进行预处理，得到预处理后的报文数据；
S3，基于预处理后的报文数据，结合已有的港口泊位电子围栏数据筛选出围栏内的船舶航行过程中的AIS轨迹数据：
对筛选出的AIS轨迹数据进行键值对建模，根据船舶MMSI聚合船舶轨迹，形成多个独立船舶轨迹序列，针对每个独立的船舶轨迹序列按照GPS定位时间进行排序，形成连续轨迹序列；
S4，对获得的连续轨迹序列中的每个轨迹点进行解析，并标记轨迹序列中的停止点，即表示停泊状态的轨迹点；
S5，利用步骤S4中获得的连续停止点坐标计算其中心点，作为中心驻留点；
S6，对港口泊位信息以及泊位坐标构建R树模型，形成基础空间检索模型；
S7，基于步骤S5获得的中心驻留点和步骤S7中的基础空间检索模型进行交叉分析，分析中心驻留点和泊位坐标之间的距离并进行排序处理，当中心驻留点和泊位坐标之间的距离小于设定的距离阈值，确定该中心驻留点对应的船舶是靠泊船舶，计算该靠泊船舶的停泊时间；
S8，基于步骤S7中获得的靠泊船舶的停泊时间，计算各个泊位占用率，基于泊位占用率制定不同时间粒度的泊位占用率指标数据。
优选的，步骤S1中的获取AIS船舶原始报文数据包括对报文进行多时隙处理，所述多时隙处理是指一条报文在发出时被拆分成了多条，形成多个时隙，接收时，首先进行多时隙融合，形成最初的完整报文；步骤S2中的预处理包括：确定获取的原始报文数据是否是重复报文、数据缺失报文或错误数据报文，若是，则进行数据过滤。
优选的，获取的原始报文数据是否是重复报文具体包括：
对短时间内产生的报文中的MMSI、经度、纬度、定位时间进行对比，若MMSI、经度、纬度、定位时间均相同，则确定是重复报文，若是，则只保留一条报文；若不是，则保留所有的报文。
优选的，数据缺失报文或错误数据报文包括AIS船舶原始报文中经度、纬度、定位时间、航速、航向缺失的数据。
优选的，步骤S2中对融合处理后的多时隙报文进行解码，具体包括：按照NMEA编码格式将多时隙报文数据进行报文转换为6位二进制数据编码，然后基于6位ASCII码进行逐项解码。
优选的，步骤S4中标记轨迹序列中的停止点具体包括当航速低于0.5节或者航行状态为1或5的轨迹点被认为是停止点。
优选的，步骤S5中具体包括：
S51，以船舶为单位进行其驻留点的计算，获取船舶轨迹中所有停止点，过滤掉单个且不连续的停止点；
S52，对于获得的连续停止点，按照位置、时间进行密度最大值聚类算法进行密度聚类，获得船舶在不同泊位、不同时间的驻留标记；
S53，进行密度聚类后所获得的驻留标记数据簇，对其按照平均经纬度方法计算每一组驻留标记的中心点，既中心驻留点。
优选的，步骤S7中设定的距离阈值为50-70米。
本发明的有益效果是：
本发明提供了一种基于海量AIS数据的港口泊位占用率计算方法，该方法基于港口泊位信息及AIS报文中的船舶位置、船速、状态等信息，通过大数据处理及多维度计算挖掘，实现泊位真实占用率的相关计算，重点解决港口泊位的精准规划、泊位的精细化管理进一步提升泊位使用价值。
附图说明
图1是实施例1中提供的基于海量AIS数据的港口泊位占用率计算方法流程图；
图2是实施例1中提供的AIS原始报文清洗过滤处理过程示意图；
图3是实施例1中提供的船舶驻留点计算分析逻辑示意图。
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，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方式仅仅用以解释本发明，并不用于限定本发明。
实施例
本实施例提供了一种基于海量AIS数据的港口泊位占用率计算方法，如图1所示，包括以下步骤：
S1，获取AIS船舶原始报文数据并进行解码，获取得到可识别的船舶航行动态信息，包括船舶MMSI、船舶经度、纬度、船速、航向、航行状态及报告时间；
S2，对解码后的报文数据进行预处理，得到预处理后的报文数据；
S3，根据已有的港口泊位电子围栏数据筛选出围栏内的船舶航行过程中的AIS轨迹数据：
对筛选出的AIS轨迹数据进行键值对建模，根据船舶MMSI聚合船舶轨迹，形成多个独立船舶轨迹序列，针对每个独立的船舶轨迹序列按照时间进行排序，形成连续轨迹序列；
S4，对获得的连续轨迹序列中的每个轨迹点进行解析，并标记轨迹序列中的停止点，即表示停泊状态的轨迹点；
S5，利用步骤S4中获得的连续停止点坐标计算其中心点，作为中心驻留点；
S6，对港口泊位信息以及泊位坐标构建R树模型，形成基础空间检索模型，具体包括：对泊位信息进行R树索引的建模，R树把B树的思想扩展到了多维空间，采用了B树分割空间的思想进行了二维甚至多维度的空间扩展，因此，R树就是一棵用来存储高维数据的平衡树，R树能对高维空间进行快速搜索，通过对泊位名称、泊位坐标等信息R树模型的构建形成基础空间检索模型；
S7，基于步骤S5获得的中心驻留点和步骤S7中的基础空间检索模型进行交叉分析，分析中心驻留点和泊位坐标之间的距离并进行排序处理，当中心驻留点和泊位坐标之间的距离小于设定的距离阈值，确定该中心驻留点对应的船舶是靠泊船舶，计算该靠泊船舶的停泊时间；
S8，基于步骤S7中获得的靠泊船舶的停泊时间，计算各个泊位占用率，基于泊位占用率制定不同时间粒度的泊位占用率指标数据，具体包括：以港口为单位结合港口引航策略等因素对修正时间进行灵活配置，针对分析出来的泊位停泊船舶开始时间结束时间进行对应修正，最终形成最小单位为天的泊位占用率，进一步可基于这个结果得出不同时间粒度的泊位占用率指标数据。
本实施例中的步骤S1中的获取AIS船舶原始报文数据并清洗过滤的过程如图2所示，包括以下具体步骤：
加载AIS报文，判断是否是完整的标准报文，即是否缺失MMSI、经度、纬度、定位时间等信息，若是，则再次判断是否是多时隙报文；否则直接丢弃；
若判断是多时隙报文处理，则进行多时隙报文处理过程，否则直接进行数据清洗流程。
本实施例中采用的多时隙报文处理过程具体包括：确认是否是第一条报文，若是，则创建此报文等待队列，若不是，则直接将该条报文追加到此报文等待队列，直到获取完最后一条报文后，进入数据清洗流程。
进入数据清洗流程后，首先判断当前报文在重复报文缓存队列中是否有重复的报文，如果有，则丢弃重复报文数据；确认无重复报文后，当前报文进入数据处理队列，进行数据清洗处理；同时将当前报文加入重复报文缓存队列，用于检测后续报文是否与当前报文重复。
步骤S5中的中心驻留点计算原理如图3所示，通过对所有停止点进行筛选计算，发现是单个停止点则忽略，针对连续多个停止点进行算术平均计算，第一个停止点记录为开始时间，连续的最后一个停止点记录为结束时间，所有停止点的坐标做算术平均值，形成中心驻留点，具体包括以下步骤：
1、以船舶为维度启动驻留点计算引擎线程
2、构建此船舶驻留点动态队列；
3、按序列读取本船舶的所有轨迹点；
4、判断轨迹点是否读取完成，如果读取完成则结束本线程；
5、如果有轨迹点，则判断本次读取的轨迹点是否船舶停止点；
6、如果是船舶停止点，则把此停止点加入驻留点动态队列，返回到步骤3
7、如果不是船舶停止点，判断驻留点动态队列中是否已经有停止点；
8、如果驻留点动态队列中只有一个停止点，则清空动态队列，返回到步骤3
9、如果驻留点动态队列中存在多个停止点，则进行驻留点计算；
10、生成新的驻留信息，包括驻留点开始时间、结束时间及驻留坐标，插入到驻留点数据库；
11、清除驻留点动态队列，返回到步骤3，重复上述步骤。
本实施例中所记载的泊位占用率计算方法能够获得各个泊位的占用率，通过对该占用率的使用，对港口泊位的规划、管理及经济运行支撑带来较好的效果，主要体现在以下几个方面：
1、该方法通过对进出泊位的船舶类型、时长等进行了多维度计算，形成了精细化的船舶实际占用率指标，对泊位的规划建设形成了有利的数据支撑；
2、该方法通过对泊位占用率指标中的船舶类型、停靠泊位、停靠时间等多个维度指标进行综合分析，管理部门可参考指标数据提前对泊位进行合理的调整利用，提升泊位使用价值；
3、该方法通过对船舶占用泊位情况的历史指标计算形成的泊位占用率指标，可对未来一个阶段的泊位使用趋势进行预测，进一步提升港口泊位的精细化管理，提升靠泊效率及航运经济能力。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供了一种基于海量AIS数据的港口泊位占用率计算方法，该方法基于港口泊位信息及AIS报文中的船舶位置、船速、状态等信息，通过大数据处理及多维度计算挖掘，实现泊位真实占用率的相关计算，重点解决港口泊位的精准规划、泊位的精细化管理进一步提升泊位使用价值。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (8)
1.一种基于海量AIS数据的港口泊位占用率计算方法，其特征在于，包括以下步骤：
S1，获取AIS船舶原始报文数据并进行解码，获取得到可识别的船舶航行动态信息，包括船舶MMSI、船舶经度、纬度、船速、航向、航行状态及报告时间；
S2，对解码后的报文数据进行预处理，得到预处理后的报文数据；
S3，基于预处理后的报文数据，结合已有的港口泊位电子围栏数据筛选出围栏内的船舶航行过程中的AIS轨迹数据：
对筛选出的AIS轨迹数据进行键值对建模，根据船舶MMSI聚合船舶轨迹，形成多个独立船舶轨迹序列，针对每个独立的船舶轨迹序列按照GPS定位时间进行排序，形成连续轨迹序列；
S4，对获得的连续轨迹序列中的每个轨迹点进行解析，并标记轨迹序列中的停止点，即表示停泊状态的轨迹点；
S5，利用步骤S4中获得的连续停止点坐标计算其中心点，作为中心驻留点；
S6，对港口泊位信息以及泊位坐标构建R树模型，形成基础空间检索模型；
S7，基于步骤S5获得的中心驻留点和步骤S7中的基础空间检索模型进行交叉分析，分析中心驻留点和泊位坐标之间的距离并进行排序处理，当中心驻留点和泊位坐标之间的距离小于设定的距离阈值，确定该中心驻留点对应的船舶是靠泊船舶，计算该靠泊船舶的停泊时间；
S8，基于步骤S7中获得的靠泊船舶的停泊时间，计算各个泊位占用率，基于泊位占用率制定不同时间粒度的泊位占用率指标数据。
2.根据权利要求1所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，步骤S1中的获取AIS船舶原始报文数据包括对报文进行多时隙处理，所述多时隙处理是指一条报文在发出时被拆分成了多条，形成多个时隙，接收时，首先进行多时隙融合，形成最初的完整报文；步骤S2中的预处理包括：确定获取的原始报文数据是否是重复报文、数据缺失报文或错误数据报文，若是，则进行数据过滤。
3.根据权利要求2所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，获取的原始报文数据是否是重复报文具体包括：
对短时间内产生的报文中的MMSI、经度、纬度、定位时间进行对比，若MMSI、经度、纬度、定位时间均相同，则确定是重复报文，若是，则只保留一条报文；若不是，则保留所有的报文。
4.根据权利要求2所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，数据缺失报文或错误数据报文包括AIS船舶原始报文中经度、纬度、定位时间、航速、航向缺失的数据。
5.根据权利要求1所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，步骤S2中对融合处理后的多时隙报文进行解码，具体包括：按照NMEA编码格式将多时隙报文数据进行报文转换为6位二进制数据编码，然后基于6位ASCII码进行逐项解码。
6.根据权利要求1所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，步骤S4中标记轨迹序列中的停止点具体包括当航速低于0.5节或者航行状态为1或5的轨迹点被认为是停止点。
7.根据权利要求1所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，步骤S5中具体包括：
S51，以船舶为单位进行其驻留点的计算，获取船舶轨迹中所有停止点，过滤掉单个且不连续的停止点；
S52，对于获得的连续停止点，按照位置、时间进行密度最大值聚类算法进行密度聚类，获得船舶在不同泊位、不同时间的驻留标记；
S53，进行密度聚类后所获得的驻留标记数据簇，对其按照平均经纬度方法计算每一组驻留标记的中心点，即中心驻留点。
8.根据权利要求1所述的基于海量AIS数据的港口泊位占用率计算方法，其特征在于，步骤S7中设定的距离阈值为50-70米。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210749529.8A CN115018368A (zh) | 2022-06-28 | 2022-06-28 | 一种基于海量ais数据的港口泊位占用率计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210749529.8A CN115018368A (zh) | 2022-06-28 | 2022-06-28 | 一种基于海量ais数据的港口泊位占用率计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115018368A true CN115018368A (zh) | 2022-09-06 |
Family
ID=83079089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210749529.8A Pending CN115018368A (zh) | 2022-06-28 | 2022-06-28 | 一种基于海量ais数据的港口泊位占用率计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115018368A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115186234A (zh) * | 2022-09-13 | 2022-10-14 | 交通运输部科学研究院 | 港口距离矩阵的计算方法、装置、电子设备及存储介质 |
| CN116309708A (zh) * | 2023-02-28 | 2023-06-23 | 武汉理工大学 | 一种锚地时空利用效率评价方法和装置 |
| CN116797117A (zh) * | 2023-06-16 | 2023-09-22 | 深圳大学 | 港口拥堵状态监测与评估方法、系统、终端和存储介质 |
| CN116805172A (zh) * | 2023-05-06 | 2023-09-26 | 中国交通通信信息中心 | 一种ais数据驱动的原油船舶目的港预测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011008060A2 (en) * | 2009-07-17 | 2011-01-20 | Samsung Electronics Co., Ltd. | Method for user pairing test |
| US20150134559A1 (en) * | 2013-11-11 | 2015-05-14 | Tradenet Commercial Networking Ltd. | Method and system for tracking vessels |
| US20160217381A1 (en) * | 2013-09-27 | 2016-07-28 | Kirk Elliot Bloomquist | Computer-implemented systems and methods of analyzing spatial, temporal and contextual elements of data for predictive decision-making |
| JP2017102565A (ja) * | 2015-11-30 | 2017-06-08 | 株式会社Ihi | 停泊隻数予測システム、停泊隻数予測方法、及び、停泊隻数予測プログラム |
| CN113553682A (zh) * | 2021-07-12 | 2021-10-26 | 大连海事大学 | 一种数据驱动的多层次船舶航路网络构建方法 |
-
2022
- 2022-06-28 CN CN202210749529.8A patent/CN115018368A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011008060A2 (en) * | 2009-07-17 | 2011-01-20 | Samsung Electronics Co., Ltd. | Method for user pairing test |
| US20160217381A1 (en) * | 2013-09-27 | 2016-07-28 | Kirk Elliot Bloomquist | Computer-implemented systems and methods of analyzing spatial, temporal and contextual elements of data for predictive decision-making |
| US20150134559A1 (en) * | 2013-11-11 | 2015-05-14 | Tradenet Commercial Networking Ltd. | Method and system for tracking vessels |
| JP2017102565A (ja) * | 2015-11-30 | 2017-06-08 | 株式会社Ihi | 停泊隻数予測システム、停泊隻数予測方法、及び、停泊隻数予測プログラム |
| CN113553682A (zh) * | 2021-07-12 | 2021-10-26 | 大连海事大学 | 一种数据驱动的多层次船舶航路网络构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘洋等: "基于AIS的新一代船舶引航信息系统", 《世界海运》 * |
| 王永明等: "船舶进离港行为捕获算法设计与实现", 《上海海事大学学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115186234A (zh) * | 2022-09-13 | 2022-10-14 | 交通运输部科学研究院 | 港口距离矩阵的计算方法、装置、电子设备及存储介质 |
| CN115186234B (zh) * | 2022-09-13 | 2022-12-06 | 交通运输部科学研究院 | 港口距离矩阵的计算方法、装置、电子设备及存储介质 |
| CN116309708A (zh) * | 2023-02-28 | 2023-06-23 | 武汉理工大学 | 一种锚地时空利用效率评价方法和装置 |
| 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 |
| CN116805172A (zh) * | 2023-05-06 | 2023-09-26 | 中国交通通信信息中心 | 一种ais数据驱动的原油船舶目的港预测方法 |
| CN116805172B (zh) * | 2023-05-06 | 2023-12-12 | 中国交通通信信息中心 | 一种ais数据驱动的原油船舶目的港预测方法 |
| CN116797117A (zh) * | 2023-06-16 | 2023-09-22 | 深圳大学 | 港口拥堵状态监测与评估方法、系统、终端和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115018368A (zh) | 一种基于海量ais数据的港口泊位占用率计算方法 | |
| CN110309383B (zh) | 基于改进的dbscan算法的船舶轨迹聚类分析方法 | |
| CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
| CN113450596A (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
| CN110633353B (zh) | 一种基于集成学习的船舶类型仿冒监测方法 | |
| CN110609881A (zh) | 车辆轨迹偏离检测方法、系统和存储介质 | |
| CN111985529B (zh) | 一种船舶ais轨迹混合聚类方法及系统 | |
| CN114936332B (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 | |
| CN113537386A (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 | |
| Yang et al. | Maritime traffic flow clustering analysis by density based trajectory clustering with noise | |
| CN115577868B (zh) | 在途船舶的目的港预测方法、装置、可读存储介质和船舶 | |
| CN115640873A (zh) | 一种基于船舶ais大数据的港口拥堵程度量化方法 | |
| CN115577324A (zh) | 雷达和船舶自动识别系统数据融合方法及系统、存储介质 | |
| CN111813877A (zh) | 一种航迹提取方法及装置 | |
| CN110069582A (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
| CN110991437A (zh) | 字符识别方法及其装置、字符识别模型的训练方法及其装置 | |
| CN116226706A (zh) | 一种基于群运动特征的渔网示位标识别方法 | |
| 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 | |
| CN113223049B (zh) | 轨迹数据处理方法及装置 | |
| CN117611862A (zh) | Ais轨迹聚类方法、装置、电子设备和存储介质 | |
| CN107330587B (zh) | 一种基于ais的近岸航道水深利用率计算方法 | |
| CN113962321B (zh) | 一种船对船装卸货识别处理方法及系统 | |
| WO2005050593A1 (ja) | 位置特定方法とそれを実施する装置 | |
| CN115587308A (zh) | 航道的确定方法、装置、电子设备及存储介质 | |
| CN114139099A (zh) | 基于轨迹密度匀化和层次分割的道路交叉口信息提取方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220906 |