CN115112129A - 一种基于ais数据的船舶航行航路推荐算法 - Google Patents
一种基于ais数据的船舶航行航路推荐算法 Download PDFInfo
- Publication number
- CN115112129A CN115112129A CN202210759899.XA CN202210759899A CN115112129A CN 115112129 A CN115112129 A CN 115112129A CN 202210759899 A CN202210759899 A CN 202210759899A CN 115112129 A CN115112129 A CN 115112129A
- Authority
- CN
- China
- Prior art keywords
- interval
- coordinate
- route
- intervals
- 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.)
- Granted
Links
- 238000012417 linear regression Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于AIS数据的船舶航行航路推荐算法,步骤为:利用spark大数据计算引擎读取历史船舶轨迹点AIS数据;从历史AIS数据点坐标中取四个最值;求航迹点在经度和纬度坐标上的最大跨度;以跨度最大的经度或纬度作为x轴建立xy坐标系;在x轴坐标上做一万等分,形成一万个x区间;以线性回归推荐航线的x坐标作为基准点,计算每个x区间内的AIS轨迹点的y坐标与基准点对应yi值的距离;求每个x区间的y坐标最值,在最值范围内以推荐航线在x区间对应的yi值作为分界线,沿y坐标做等分,分为50个上区间和50个下区间;由50个下区间得到下边界,由50个上区间得到上边界;在航路点去噪后根据以上的每个X区间上下边界值,在推荐航线的每个x区间扩充不同宽度,得到优化航路。
Description
技术领域
本发明属于航海科学技术领域,特别涉及一种基于AIS数据的船舶航行航路推荐算法。
背景技术
现代科学技术的发展成就,使航海技术取得了长足的进步,信息科学、计算机技术、电子技术、通讯技术及空间卫星技术在航海上得到了成功的应用。航海技术主要包括船舶航行与导航定位、船舶操纵与避让、船舶种类与性能结构、船舶设备与属具、助航仪器及设施、海洋水文地理与气象、港口与航道工程等内容。
现在船舶开航前,二副一般根据航海图,电子海图,航海经验等为船舶设计航路,只能导入和绘制航路,不能自动进行航路规划,增加了出航前的准备工作。
发明内容
本发明的目的是在于克服现有技术的不足之处,提供一种基于AIS数据的船舶航行航路推荐算法。
本发明的上述目的通过如下技术方案来实现:
1、一种基于AIS数据的船舶航行航路推荐算法,其特征在于,包括如步骤:
步骤1、在设定的航行起始地和终点地之间,利用spark大数据计算引擎从大数据实时存储框架HBASE中读取历史船舶轨迹点AIS数据;
步骤2、从历史AIS数据点坐标中取四个最值,具体的:取数据库中经度纬度最大值和最小值的四个点a(x1,y1)、b(x2,y2)、c(x3,y3)和d(x4,y4),其中,x1,x2分别为经度最大值和最小值,y3,y4分别为纬度最大值和最小值);
步骤3、求航迹点在经度和纬度坐标上的最大跨度;
步骤4、以跨度最大的经度或纬度作为x轴建立xy坐标系;
步骤5、在建立的xy坐标系下,在x轴坐标上做一万等分,每个等分作为一个取值区间,称为x区间;
步骤6、以线性回归推荐航线的x坐标作为基准点,计算每个x区间内的AIS轨迹点的y 坐标yim与推荐航线的基准点对应yi值的距离f(him),i∈[1,10000];
步骤7、求每个x区间的y坐标的最大值和最小值,在最大值和最小值的范围内,以推荐航线在x区间对应的yi值作为分界线,沿y坐标做100等分,形成100个y区间,形成101条线,每条线对应一个距离g(him),其中,100个y区间中以yi值作为分界线,分为50 个上区间和50个下区间。
步骤8、针对50个下区间,根据x区间内的历史轨迹点落在50等分的下区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的下边界hiM1;同时针对50个上区间,根据x区间内的历史轨迹点落在50等分的上区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的上边界hiM2;
步骤9、根据以上的每个X区间计算的上边界值和下边界值,在推荐航线的每个x区间向上扩充到上边界位置并向下扩充到下边界位置,所有X区间的上边界连成一条线,形成上边界线,所有X区间的下边界连成一条线,形成下边界线,上边界线和下边界线之间围成优化后的航路;
步骤10、将优化后的航路更新到推荐航路点数据库。之前计算的一万等分对应的上下边界y值,最终是以点坐标形式记录到数据库,这样可以调取数据库接口,获取那些航路的坐标点数据,对航路进行绘制。
进一步的:针对步骤6中的线性回归推荐航线,若在历史AIS数据中,只有两条航迹线构成的AIS航迹点组成,则直接将两条航迹线所围成的区域作为线性回归推荐航线。
进一步的:在设定的航行起始地和终点地之间的航路上,若存在单月牙型或多月牙型连接的航路段,在该航路段上,推荐航线的一个x轴坐标上会对应多个yi值,在进行沿y坐标等分前,需要做一个判断:取相邻的两个yi值y1、y2的平均值f(x)=(y1-y2)/2作为分界线,AIS坐标点的y值在f(x)以上的点集合作为y1值的区间点,AIS坐标点的y值在f(x) 以下的点集合作为y2值的区间点。
进一步的:在步骤9之后,并在步骤10之前,在航路中存在着岛屿的情况下,进行航路去噪,将包含在航路中的岛屿区域去除,保证航路的连通性。
本发明具有的优点和积极效果:
本发明利用Spark作为大数据计算引擎,不断地数据挖掘和经验积累作为推荐算法的数据基础,通过以积分原理为基础的航路推荐算法,对数据进行适应性拟合,计算出一条更加优化的船舶航行推荐航路。该算法可以为船舶安全航行,船运行业提供更好的航行决策支撑。
附图说明
图1是本发明实施例过往航线产生的AIS离散数据点分布图;
图2是本发明实施例目标生成的航路图;
图3是本发明的积分原理图;
图4是本发明实施例在拟合曲线上点xi对应yi数值示意图;
图5是本发明实施例进行y方向等分划分示意图。
具体实施方式
以下结合附图并通过实施例对本发明的结构作进一步说明。需要说明的是本实施例是叙述性的,而不是限定性的。
一种基于AIS数据的船舶航行航路推荐算法,其特征在于,包括如步骤:
步骤1、在设定的航行起始地和终点地之间,利用spark大数据计算引擎从大数据实时存储框架HBASE中读取历史船舶轨迹点AIS数据;
步骤2、从历史AIS数据点坐标中取四个最值:取数据库中经度纬度最大值和最小值的四个点,如:a(x1,y1)b(x2,y2)c(x3,y3)d(x4,y4),x1,x2分别为经度最大值和最小值,y3,y4 分别为纬度最大值和最小值;
步骤3、求航迹点在经度和纬度坐标上的最大跨度;
步骤4、以跨度最大的经度或纬度作为x轴建立xy坐标系;
步骤5、在建立的xy坐标系下,在x轴坐标上做一万等分,每个等分作为一个取值区间,称为x区间;
步骤6、以线性回归推荐航线的x坐标作为基准点,计算每个x区间内的AIS轨迹点的y 坐标yim与推荐航线的基准点对应yi值的距离f(him),i∈[1,10000];
步骤7、求每个x区间的y坐标的最大值和最小值,在最大值和最小值的范围内,以推荐航线在x区间对应的yi值作为分界线,沿y坐标做100等分,形成100个y区间,形成 101条线,每条线对应一个距离g(him),其中,100个y区间中以yi值作为分界线,分为50 个上区间和50个下区间。
步骤8、针对50个下区间,根据x区间内的历史轨迹点落在50等分的下区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的下边界hiM1;同时针对50个上区间,根据x区间内的历史轨迹点落在50等分的上区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的上边界hiM2。
步骤9、根据以上的每个X区间计算的上边界值和下边界值,在推荐航线的每个x区间向上扩充到上边界位置并向下扩充到下边界位置,所有X区间的上边界连成一条线,形成上边界线,所有X区间的下边界连成一条线,形成下边界线,上边界线和下边界线之间围成优化后的航路;
步骤10、将优化后的航路更新到推荐航路点数据库。之前计算的一万等分对应的上下边界y值,最终是以点坐标形式记录到数据库,这样可以调取数据库接口,获取那些航路的坐标点数据,对航路进行绘制。
上述基于AIS数据的船舶航行航路推荐算法中,对于线性回归推荐航线,若在历史AIS 数据中,只有两条航迹线构成的AIS航迹点组成,则直接将两条航迹线所围成的区域作为推荐航路。
由于AIS轨迹点的特殊性以及陆地、岛屿和海峡等空间复杂性,在单月牙型或多月牙型连接的航路段上,推荐航线的一个x轴坐标上可能会对应多个yi值,此时需要做一个判断,取相邻的两个yi值y1、y2的平均值f(x)=(y1-y2)/2作为分界线,AIS坐标点的y值在f(x) 以上的点集合作为y1值的区间点,AIS坐标点的y值在f(x)以下的点集合作为y2值的区间点,以避免后续进行100个y区间划分时发生错误。
在航路优化后,在航路中存在着岛屿的情况下,进行航路去噪,将包含在航路中的岛屿区域去除,保证航路的连通性。
以新加坡和中国香港特别行政区之间的某些船舶航线为研究背景,对本基于AIS数据的船舶航行航路推荐算法的原理进行说明:
地图上原本是每条船在行驶过程中产生的AIS离散数据点,对于多个船只的离散点想要合成一条能够表达两个港口间行驶的航路。这条航路应该最大限度的包含过往船只的航线,同时也能舍去一些偏离航线。在不同的航路点上,航路的宽度应该根据实际情况调节生成。图1是过往航线产生的AIS离散数据点,图2是目标生成的航路,其中f(x)为这些散点进行数据拟合出来的一条航线,即为推荐航线。
本基于AIS数据的船舶航行航路推荐算法采用的积分原理图:
图3为积分原理图,a为分为4个区间,b为分为8个区间,c为分为16个区间,d为分为32个区间,由图3可知,一个曲线,只要把小长方形分得足够的小,那么曲线与x轴围成的面积就可以用许多个小长方形的面积去代替,那么在小长方形对应的曲线内,曲线是近视等高的。同理在图2中,在区间(a,b)内,我们把a-b分为无数个小区间,每一个小区间内,航路的上下界都是等高的。从a到b也就形成了不同的宽度的航路。在(a,b)区间内,取小区间(c,d),由积分原理可知,(c,d)之间的目标的航路上下界是等高的,是近视相等的。在区间(c,d)有一个点xi,yi为xi对应在拟合曲线上的数值,见图4所示。
此时由函数定义可知,函数f(him)是一个距离集合,这个集合有这样的一个特点:f(him)= (...负数,负数,负数,0,正数,正数...)这样的特点,只要数据点足够多,其中集合里面的数据呈现出,一小部分连续,间隔后仍然是小不部分连续。如(...-9,-8.9,
-8.891,-8.890,.....-1,-0.9,-0.8...0,0.1,0.2,...3,3.1,3.2,4...8,9,10)。对于小区间 (c,d),进行按e长度去等份。则产生个更小的区间,产生个等分线,则产生个f(him)集合。集合有f(hcm),f(h(c+e)m),f(h(c+2e)m),f(h(c+3e)m)...f(hdm)。
设hiM1,hiM2,i∈[c,d],其中hiM1为在每一条(c,d)等分线上对应yi下方航路边界到yi的距离,hiM2为yi上方航路边界到yi的距离。则有hcM1,h(c+e)M1,h(c+2e)M1,h(c+3e)M1...hdM1,由上述积分原理可知,他们是近似相等的,可以用其平均值hq1定义在区间(c,d)航路的下方边界值。同理有hcM2,h(c+e)M2,h(c+2e)M2,h(c+3e)M2...hdM2,他们也是近似相等的,可以用其平均值hq2定义在区间(c,d)航路的上方边界值。
同理可以求出(a,b)之间其他小区间对应航路的上界和下界,此时上述唯一的问题就是如何在f(him)中取出我们想要的hiM1,hiM2。
由集合数据f(him)特点我们把集合分为2部分,上部分和下部分,图5为上下部分,以定上界为例我们把上部分最远点和模拟航线上的航线点的距离进行50等份,统计每一个区间的点占整个上半部分点的概率。得到如下区间点概率统计图,我们取最远的同时满足最高的区间概率的70%的区间作为上界取值区间,取区间的一半作为这个集合上界hiM2,同理我们可以取出这个集合的hiM1。
尽管为说明目的公开了本发明的实施例和附图,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神范围内,各种替换、变化和修改都是可以的,因此,本发明的范围不局限于实施例和附图所公开的内容。
Claims (4)
1.一种基于AIS数据的船舶航行航路推荐算法,其特征在于,包括如步骤:
步骤1、在设定的航行起始地和终点地之间,利用spark大数据计算引擎从大数据实时存储框架HBASE中读取历史船舶轨迹点AIS数据;
步骤2、从历史AIS数据点坐标中取四个最值,具体的:取数据库中经度纬度最大值和最小值的四个点a(x1,y1)、b(x2,y2)、c(x3,y3)和d(x4,y4),其中,x1,x2分别为经度最大值和最小值,y3,y4分别为纬度最大值和最小值);
步骤3、求航迹点在经度和纬度坐标上的最大跨度;
步骤4、以跨度最大的经度或纬度作为x轴建立xy坐标系;
步骤5、在建立的xy坐标系下,在x轴坐标上做一万等分,每个等分作为一个取值区间,称为x区间;
步骤6、以线性回归推荐航线的x坐标作为基准点,计算每个x区间内的AIS轨迹点的y坐标yim与推荐航线的基准点对应yi值的距离f(him),i∈[1,10000];
步骤7、求每个x区间的y坐标的最大值和最小值,在最大值和最小值的范围内,以推荐航线在x区间对应的yi值作为分界线,沿y坐标做100等分,形成100个y区间,形成101条线,每条线对应一个距离g(him),其中,100个y区间中以yi值作为分界线,分为50个上区间和50个下区间;
步骤8、针对50个下区间,根据x区间内的历史轨迹点落在50等分的下区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的下边界hiM1;同时针对50个上区间,根据x区间内的历史轨迹点落在50等分的上区间上的频率,得到一个距离概率分布图,求出点频率最高的区间所对应的距离,取该距离的70%作为x区间的上边界hiM2;
步骤9、根据以上的每个X区间计算的上边界值和下边界值,在推荐航线的每个x区间向上扩充到上边界位置并向下扩充到下边界位置,所有X区间的上边界连成一条线,形成上边界线,所有X区间的下边界连成一条线,形成下边界线,上边界线和下边界线之间围成优化后的航路;
步骤10、将优化后的航路更新到推荐航路点数据库。
2.根据权利要求1所述的基于AIS数据的船舶航行航路推荐算法,其特征在于:针对步骤6中的线性回归推荐航线,若在历史AIS数据中,只有两条航迹线构成的AIS航迹点组成,则直接将两条航迹线所围成的区域作为线性回归推荐航线。
3.根据权利要求1所述的基于AIS数据的船舶航行航路推荐算法,其特征在于:在设定的航行起始地和终点地之间的航路上,若存在单月牙型或多月牙型连接的航路段,在该航路段上,推荐航线的一个x轴坐标上会对应多个yi值,在进行沿y坐标等分前,需要做一个判断:取相邻的两个yi值y1、y2的平均值f(x)=(y1-y2)/2作为分界线,AIS坐标点的y值在f(x)以上的点集合作为y1值的区间点,AIS坐标点的y值在f(x)以下的点集合作为y2值的区间点。
4.根据权利要求1所述的基于AIS数据的船舶航行航路推荐算法,其特征在于:在步骤9之后,并在步骤10之前,在航路中存在着岛屿的情况下,进行航路去噪,将包含在航路中的岛屿区域去除,保证航路的连通性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210759899.XA CN115112129B (zh) | 2022-06-30 | 2022-06-30 | 一种基于ais数据的船舶航行航路推荐算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210759899.XA CN115112129B (zh) | 2022-06-30 | 2022-06-30 | 一种基于ais数据的船舶航行航路推荐算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115112129A true CN115112129A (zh) | 2022-09-27 |
CN115112129B CN115112129B (zh) | 2024-04-26 |
Family
ID=83331306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210759899.XA Active CN115112129B (zh) | 2022-06-30 | 2022-06-30 | 一种基于ais数据的船舶航行航路推荐算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115112129B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115790609A (zh) * | 2023-01-18 | 2023-03-14 | 亿海蓝(北京)数据技术股份公司 | 集装箱船舶海上航路关键点的确定方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101275277B1 (ko) * | 2011-12-21 | 2013-06-18 | 한국해양과학기술원 | 사각단위항로 생성기법을 이용한 가항항로내 선박 피항 항로 탐색 지원 시스템 |
US20210334650A1 (en) * | 2020-04-28 | 2021-10-28 | Trabus Technologies | Artificial-intelligence-based waterway information system |
CN113962473A (zh) * | 2021-11-01 | 2022-01-21 | 中国船舶重工集团公司第七一一研究所 | 船舶航线规划方法、装置、电子设备和存储介质 |
CN114019967A (zh) * | 2021-10-29 | 2022-02-08 | 中国船舶重工集团公司第七0七研究所 | 一种适用于狭长航道的无人艇航线规划方法 |
CN114066354A (zh) * | 2021-11-12 | 2022-02-18 | 中远海运科技股份有限公司 | 一种基于全球船舶历史航迹的智能航线推荐方法及系统 |
-
2022
- 2022-06-30 CN CN202210759899.XA patent/CN115112129B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101275277B1 (ko) * | 2011-12-21 | 2013-06-18 | 한국해양과학기술원 | 사각단위항로 생성기법을 이용한 가항항로내 선박 피항 항로 탐색 지원 시스템 |
US20210334650A1 (en) * | 2020-04-28 | 2021-10-28 | Trabus Technologies | Artificial-intelligence-based waterway information system |
CN114019967A (zh) * | 2021-10-29 | 2022-02-08 | 中国船舶重工集团公司第七0七研究所 | 一种适用于狭长航道的无人艇航线规划方法 |
CN113962473A (zh) * | 2021-11-01 | 2022-01-21 | 中国船舶重工集团公司第七一一研究所 | 船舶航线规划方法、装置、电子设备和存储介质 |
CN114066354A (zh) * | 2021-11-12 | 2022-02-18 | 中远海运科技股份有限公司 | 一种基于全球船舶历史航迹的智能航线推荐方法及系统 |
Non-Patent Citations (2)
Title |
---|
倪天权;王建东;刘以安;: "交叉粒群算法在无人机航路规划中的应用", 系统工程与电子技术, no. 04, 15 April 2011 (2011-04-15) * |
段俊利;韩懿;: "基于历史航迹的船舶任意点到港的航线规划算法", 上海船舶运输科学研究所学报, no. 02, 30 June 2020 (2020-06-30) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115790609A (zh) * | 2023-01-18 | 2023-03-14 | 亿海蓝(北京)数据技术股份公司 | 集装箱船舶海上航路关键点的确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115112129B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN110083983B (zh) | 一种船舶分段航速优化方法和智能管理系统 | |
CN108802776B (zh) | 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
CN113191550B (zh) | 地图匹配方法及装置 | |
CN115112129A (zh) | 一种基于ais数据的船舶航行航路推荐算法 | |
CN111665846B (zh) | 一种基于快速扫描法的水面无人艇路径规划方法 | |
CN113962473B (zh) | 船舶航线规划方法、装置、电子设备和存储介质 | |
CN108469263A (zh) | 一种基于曲率进行形点优化的方法及系统 | |
CN112288807B (zh) | 一种高精度地图中路口数据生成方法及装置 | |
CN113916234A (zh) | 一种复杂动态条件下的船舶避碰航线自动规划方法 | |
CN113190636A (zh) | 海上路网构建方法及系统 | |
CN114387822B (zh) | 船舶避碰方法 | |
CN113361174B (zh) | 基于stp模型的大型无人机碰撞概率计算方法 | |
CN103500278A (zh) | 基于最短路径算法的路径相似台风分析方法 | |
CN113052357B (zh) | 一种遍历与贪心法结合的优化航线计算方法 | |
CN112099506A (zh) | 一种欠驱动无人船时变编队的跟踪控制方法和系统 | |
CN113689738B (zh) | 一种长航道大型船舶精细化逐段乘潮进港方法 | |
CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
CN106781706B (zh) | 基于风场分布的空中交通航路设计方法 | |
CN112882058B (zh) | 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法 | |
CN115344650A (zh) | 基于区间浮动的移动对象轨迹简化方法、装置及存储介质 | |
CN113836661A (zh) | 时间预测方法、模型训练方法、相关装置及电子设备 | |
CN112417579A (zh) | 一种语义约束的平面基元拓扑关系规则检测与恢复方法 | |
CN115270920B (zh) | 一种基于密度空间聚类的舰船目标经典轨迹生成方法 |
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 |