CN115258078B - 一种船舶应急管理的方法、系统、装置和存储介质 - Google Patents

Abstract

本说明书实施例提供一种船舶应急管理的方法、系统、装置和存储介质。该方法包括：获取船舶状态信息；基于船舶状态信息，预测船舶风险；基于船舶风险，向乘客发送警报信息。该系统包括：获取模块，用于获取船舶状态信息；预测模块，用于基于船舶状态信息，预测船舶风险；确定模块，用于基于船舶风险，向乘客发送警报信息。该方法可以通过船舶应急管理的装置实现。该方法还可以通过计算机可读存储介质存储的计算机指令被读取后运行。

Description

一种船舶应急管理的方法、系统、装置和存储介质

技术领域

本说明书涉及船舶管理领域，特别涉及一种船舶应急管理的方法、系统、装置和存储介质。

背景技术

随着经济和科技的发展，集装箱、油船、邮轮等船舶不断增加，船舶的使用越来越多。目前船舶应急反应的救助过程中，主要是人工进行检查、交流及上报的，容易出现遗漏或者信息传达有误等问题。

因此，希望提供一种船舶应急管理的方法、系统、装置和存储介质，可以实现应急过程中的及时高效的沟通及组织管理，可以对船舶各种紧急情况能做出及时有效的反应，确保船舶及乘客的安全。

发明内容

本说明书实施例之一提供一种船舶应急管理的方法。所述船舶应急管理的方法包括：获取船舶状态信息；基于所述船舶状态信息，预测船舶风险；基于所述船舶风险，向乘客发送警报信息。

本说明书实施例之一提供一种船舶应急管理的系统。所述船舶应急管理的系统包括：获取模块，用于获取船舶状态信息；预测模块，用于基于船舶状态信息，预测船舶风险；确定模块，用于基于船舶风险，向乘客发送警报信息。

本说明书实施例之一提供一种船舶应急管理的装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器，执行所述计算机指令中的至少部分指令，以实现船舶应急管理的方法。

本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行船舶应急管理的方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的船舶应急管理的系统的应用场景示意图；

图2是根据本说明书一些实施例所示的船舶应急管理的系统的示例性模块图；

图3是根据本说明书一些实施例所示的船舶应急管理的方法的示例性流程图；

图4是根据本说明书一些实施例所示的船体颠簸程度预测模型和个人颠簸程度预测模型的示例性示意图；

图5是根据本说明书一些实施例所示的基于船舶的室外活动风险，发送室外活动警报信息的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的船舶应急管理的系统的应用场景示意图。

如图1所示，船舶应急管理的系统的应用场景100中可以包括处理器110、网络120、存储设备130、船舶140、用户终端150和乘客160。

处理器110可以用于执行本说明书中一个或多个实施例中揭示的一个或多个功能。例如，处理器110可以用于基于船舶状态信息，预测船舶风险。又例如，处理器110可以用于基于船舶风险，向乘客发送警报信息。

在一些实施例中，处理器110可以包括一个或以上处理引擎（例如，单芯片处理引擎或多芯片处理引擎）。仅作为示例，处理器110可以包括中央处理单元（CPU）、专用集成电路（ASIC）、专用指令处理器（ASIP）、图形处理器（GPU）、物理处理器（PPU）、数字信号处理器（DSP）、现场可编程门阵列（FPGA）、可编辑逻辑电路（PLD）、控制器、微控制器单元、精简指令集电脑（RISC）、微处理器等或以上任意组合。

网络120可以连接系统的各组成部分和/或连接系统与外部资源部分。网络120使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。例如，处理器110可以通过网络120从存储设备130中获取船舶状态信息。又例如，处理器110可以通过网络120从用户终端150中获取乘客定位信息。

在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。例如，网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络（LAN）、广域网络（WAN）、无线局域网（WLAN）、城域网（MAN）、公共交换电话网络（PSTN）、蓝牙网络、紫蜂网络（ZigBee）、近场通信（NFC）、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。

存储设备130可以用于存储与船舶应急管理的系统的应用场景100相关的数据和/或指令。在一些实施例中，存储设备130可以存储从处理器110、船舶140等获得的数据和/或信息。例如，存储设备130可以存储船舶状态信息、乘客舱室信息、乘客的历史室外活动记录等。

存储设备130可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备130可包括随机存取存储器（RAM）、只读存储器（ROM）、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，存储设备130可在云平台上实现。

船舶140可以包括多种类型的船舶。例如，船舶140可以是客货船、普通货船、游轮等。如图1所示，船舶可以为多层结构（如10层等）。层数可以以下往上进行命名。如，第1层、第2层、……、第10层等。不同的乘客可以位于船舶的不同层数以及不同位置。船舶140可以包括船舶自身各个功能系统配备的电控系统。船舶的电控系统可以是船舶应急管理的系统的一部分。处理器110可以通过船舶的电控系统获取船舶状态信息等。

用户终端150可以指乘客所使用的一个或多个终端设备或软件。在一些实施例中，用户终端150可以包括移动设备150-1、平板电脑150-2、笔记本电脑150-3等或其任意组合。在一些实施例中，处理器110可以通过用户终端150与乘客进行交互。上述示例仅用于说明用户终端范围的广泛性而非对其范围的限制。

在一些实施例中，使用用户终端150可以是一个或多个乘客160。乘客160可以是指船舶上的人。例如，乘客可以是船舶上的乘坐人员、船员、船长等。

应当注意船舶应急管理的系统的应用场景100仅仅是为了说明的目的而提供的，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。然而，这些变化和修改不会背离本说明书的范围。

图2是根据本说明书一些实施例所示的船舶应急管理的系统的示例性模块图。在一些实施例中，船舶应急管理的系统200可以包括获取模块210、预测模块220和确定模块230。

在一些实施例中，获取模块210可以用于获取船舶状态信息。

在一些实施例中，预测模块220可以用于基于船舶状态信息，预测船舶风险。

在一些实施例中，确定模块230可以用于基于船舶风险，向乘客发送警报信息。

在一些实施例中，警报信息可以包括颠簸警报信息，确定模块230还可以用于获取乘客舱室信息和乘客定位信息；基于乘客舱室信息和乘客定位信息，确定乘客的乘客位置；基于乘客位置和船舶风险，确定乘客位置对应的颠簸预测；基于颠簸预测，向乘客发送颠簸警报信息。

在一些实施例中，确定模块230还可以用于基于船舶风险，通过船体颠簸程度预测模型预测船舶颠簸信息，其中，船体颠簸程度预测模型为机器学习模型；基于船舶颠簸信息和乘客位置，通过个人颠簸程度预测模型预测颠簸预测，其中，个人颠簸程度预测模型为机器学习模型。

在一些实施例中，船体颠簸程度预测模型的输入包括船体信息，其中，船体信息包括排水量、船体尺寸、航速中的至少一种。

在一些实施例中，船体颠簸程度预测模型和个人颠簸程度预测模型的训练方式包括联合训练。

在一些实施例中，警报信息包括室外活动警报信息，确定模块230还可以用于基于天气预报信息，预测恶劣天气信息；基于恶劣天气信息，预测室外活动风险；基于室外活动风险，向室外活动乘客发送室外活动警报信息，其中，室外活动乘客通过乘客的当前定位信息和/或历史室外活动记录确定。

在一些实施例中，确定模块230还可以用于获取乘客的室外位置；基于恶劣天气信息和室外位置，确定室外位置对应的颠簸预测。

在一些实施例中，确定模块230还可以用于获取乘客的历史室外活动记录；基于历史室外活动记录，通过聚类算法确定室外位置。

应当理解，图2所示的船舶应急管理的系统及其模块可以利用各种方式来实现。例如，在一些实施例中系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。

需要注意的是，以上对于船舶应急管理的系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的获取模块210、预测模块220和确定模块230可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的船舶应急管理的方法的示例性流程图。在一些实施例中，流程300可由处理器110执行。如图3所示，流程300可以包括下述步骤：

步骤310，获取船舶状态信息。在一些实施例中，步骤310可以由获取模块210执行。

船舶状态信息可以指可能对船舶产生影响的相关信息。例如，船舶状态信息可以包括船舶自身的状态、船舶所处外界环境信息以及船舶航行计划等。船舶自身的状态可以包括船舶自身各个功能系统的运行状态。例如，运行状态可以包括舱底水系统、压载系统、消防系统、通风系统、货油系统、机电系统等的运行状态信息。船舶所处外界环境信息可以包括航速、天气预报信息、船首向、航迹向等信息。

在一些实施例中，获取模块210可以通过多种方式获取船舶状态信息。例如，获取模块210可以从船舶自身各个功能系统配备的电控系统的数据接口获取船舶状态信息。又例如，获取模块210可以通过安装在船舶上的传感器或GPS定位设备获取船舶所处外界环境信息（如，航速、船首向、航迹向等信息）。又例如，获取模块210可以通过网络120获取天气预报信息等。又例如，获取模块210可以通过网络120获取存储设备130中的船舶航行计划等。在一些实施例中，获取模块210可以实时获取船舶状态信息。

步骤320，基于船舶状态信息，预测船舶风险。在一些实施例中，步骤320可以由预测模块220执行。

船舶风险可以指与船舶可能发生的风险相关的信息。船舶风险可以包括船舶风险相关信息、船舶可能发生的风险等。船舶风险相关信息可以表征与船舶风险相关的信息。例如，船舶风险相关信息可以包括船舶不同时间点经过的海域、不同海域对应的浪高、风力、风向等信息。通过上述船舶风险相关信息，可以预测在未来时间点/段船舶可能发生的风险。未来时间点/段船舶可能发生的风险可以包括颠簸、室外活动风险、船舶自身风险等。关于颠簸、室外活动风险等可以参见图4和图5的相关描述。船舶自身风险为与船舶自身状态的异常（如船舶机电系统故障可能带来船舶运行失控、停电等）相关的风险。在一些实施例中，船舶风险可以包括当前时间点/段、未来某个时间点/段等与船舶可能发生的风险相关的信息。在一些实施例中，船舶风险可以通过向量进行表示。向量中的不同元素可以表示与船舶可能发生的风险相关的信息的特征。例如，不同元素分别表示浪高特征、风力特征、风向特征等信息。其中，风向特征可以通过风向与船体的航行方向的夹角进行表示。

在一些实施例中，预测模块220可以基于船舶状态信息，通过多种方式预测船舶风险。例如，预测模块220可以基于船舶状态信息中的船舶航行计划，确定船舶不同时间点经过的海域(经度、纬度等)。预测模块220可以基于天气预报信息等预测船舶风险相关信息（如，不同海域对应的浪高、风力、风向等信息）。预测模块220可以将船舶风险相关信息通过向量进行表示，进而确定可以表征与船舶风险相关的信息。又例如，预测模块220可以基于船舶自身的运行状态等预测船舶部分功能可能无法运行。船舶部分功能无法运行与船舶自身风险之间存在信息对照表。预测模块220可以基于信息对照表，确定船舶部分功能无法运行对应的船舶风险中的船舶自身风险。

步骤330，基于船舶风险，向乘客发送警报信息。在一些实施例中，步骤330可以由确定模块230执行。

警报信息指可以提醒乘客注意或关注的相关信息。例如，警报信息为关于船舶的颠簸，提醒乘客注意。又例如，基于室外活动风险评估，警报信息为禁止室外活动。又例如，警报信息为船舶某些区域可能会发生断电现象，请乘客尽快离开，以及不要恐慌的警告。在一些实施例中，警报信息可以包含风险类型和风险等级。风险类型可以包括颠簸风险、室外活动风险等。风险等级可以为一级、二级、三级等。等级越高，对应的风险越大。

在一些实施例中，确定模块230可以基于不同的船舶风险，确定不同的警报信息。例如，确定模块230基于船舶风险，确定船舶可能颠簸时。警报信息可以为关于颠簸风险，颠簸风险等级为4级等，提醒乘客注意船舶颠簸，保管好各自物品的信息。又例如，确定模块230基于船舶风险，确定乘客室外活动可能存在风险时，确定模块230可以确定警报信息为关于室外活动风险，室外活动风险等级为三级等，提醒乘客避免室外活动的信息。又例如，当船舶风险为突然断电时，确定模块230可以确定警报信息为关于提醒乘客尽量不要移动，大约多久恢复供电的信息。

在一些实施例中，确定模块230可以基于警报信息，通过多种方式向乘客发送警报信息。例如，确定模块230可以通过广播的方式向乘客发送警报信息。又例如，确定模块230可以通过船舶上的一个或多个显示屏（如大厅或各船舱内的电视屏幕等）将标红加粗的警报信息持续滚动显示给乘客。又例如，确定模块230可以通过网络120向乘客使用的用户终端150发送警报信息。

在一些实施例中，确定模块230可以获取乘客舱室信息和乘客定位信息，基于乘客舱室信息和乘客定位信息，确定乘客的乘客位置。确定模块230可以基于乘客位置和船舶风险，确定乘客位置对应的颠簸预测，基于颠簸预测，向乘客发送颠簸警报信息。

在一些实施例中，警报信息可以包括颠簸警报信息。颠簸警报信息是指可以提醒乘客注意或关注的船舶颠簸信息。船体不同的位置对应的颠簸报警信息可能不同。例如，船体为多层结构（如10层），船体中越往上的层对应的乘客位置的颠簸报警信息中的颠簸风险等级越高（示例性的，第10层的乘客位置对应的颠簸风险等级为5级）。船体中越往下的层对应的乘客位置的颠簸报警信息中的颠簸风险等级越低（示例性的，第3层的乘客位置对应的颠簸风险等级为2级）。

在一些实施例中，确定模块230可以获取乘客舱室信息和乘客定位信息。确定模块230可以基于乘客舱室信息和乘客定位信息，确定乘客的乘客位置。确定模块230可以基于乘客位置和船舶风险，确定乘客位置对应的颠簸预测，基于颠簸预测，向乘客发送颠簸警报信息。

乘客舱室信息可以指乘客位于船舶内舱室的位置信息。例如，乘客为船员，乘客舱室信息为船员生活或工作的舱室。例如，乘客为乘坐人员，乘客舱室信息为乘坐人员购买船票时对应的舱室。乘客定位信息可以是乘客一段时间内所处船舶上的位置。例如，定位信息显示乘客5分钟内所处位置为舱室。又例如，定位信息显示乘客30分钟内所处位置位于船舶甲板上的观景区域。

在一些实施例中，确定模块230可以通过多种方式获取乘客舱室信息和乘客定位信息。例如，确定模块230可以通过网络120获取乘坐人员的船票信息，进而确定乘坐人员的乘客舱室信息等。又例如，确定模块230可以通过网络120获取存储设备130中的船员信息，进而确定船员生活或工作的舱室等。又例如，确定模块230可以通过安装在船舶上的传感器或摄像头等检测到舱室内乘客的身份，从而确定乘客定位信息。又例如，确定模块230可以通过用户终端的定位信息，确定乘客定位信息。在一些实施例中，确定模块230可以实时获取乘客定位信息。

乘客位置可以是指当前时刻乘客可能会位于船舶上的一定范围内的区域位置。

在一些实施例中，确定模块230可以将乘客舱室信息对应的位置或乘客定位信息对应的位置确定为乘客的乘客位置。

颠簸预测可以指乘客位置对应的关于颠簸的相关信息。船体的不同位置对应的颠簸预测不同。当乘客位于船体的不同位置时，乘客位置对应的颠簸预测也不同。在一些实施例中，颠簸预测可以包括乘客位置对应的摇晃幅度和摇摆频率等。在一些实施例中，颠簸预测可以包括乘客所在位置的颠簸风险等级等。

在一些实施例中，确定模块230基于乘客位置和船舶风险，确定乘客位置对应的颠簸预测。例如，船舶风险中对应的浪高、风力等越大，确定模块230确定的颠簸预测中对应的颠簸风险等级越高。乘客位置在船体中越往上的层，确定模块230确定的乘客位置对应的颠簸风险等级越高。

在一些实施例中，确定模块230可以基于船舶风险，通过船体颠簸程度预测模型预测船舶颠簸信息。基于船舶颠簸信息和乘客位置，通过个人颠簸程度预测模型预测颠簸预测。关于基于船体颠簸程度预测模型和个人颠簸程度预测模型预测颠簸预测的具体说明请参见图4部分的相关描述。

在一些实施例中，确定模块230可以基于颠簸预测，确定颠簸警报信息，向对应的乘客发送颠簸警报信息。例如，确定模块230确定乘客位置（如，船体的第7层）对应的颠簸预测为颠簸风险等级为4级。确定模块230可以确定该乘客位置对应的颠簸警报信息为“颠簸风险等级为4级，请乘客注意船体颠簸，保管好各自物品，避免物品损坏”。又例如，确定模块230确定乘客位置（如，船体的第3层）对应的颠簸预测为颠簸风险等级为2级。确定模块230可以确定该乘客位置对应的颠簸警报信息为“颠簸风险等级为2级，请乘客注意船体颠簸”。

在本说明书一些实施例中，通过提前预测乘客位置的颠簸预测，并向乘客发出关于颠簸的提醒和建议，能够很好的规避由于颠簸引起的乘客的不必要的损失，进而可以实现应急过程中的及时高效的沟通及组织管理，确保乘客的安全。

在一些实施例中，警报信息可以包括室外活动警报信息。确定模块230可以基于天气预报信息，预测恶劣天气信息；基于恶劣天气信息，预测室外活动风险。确定模块230可以基于室外活动风险，向室外活动乘客发送室外活动警报信息。关于基于室外活动风险，向室外活动乘客发送室外活动警报信息的更多内容可以参见图5的相关描述。

在本说明书一些实施例中，通过船舶状态信息，预测船舶风险，向乘客发送警报信息，可以实现应急过程中的及时高效的沟通及组织管理，可以对船舶各种紧急情况能做出及时有效的反应，确保船舶及乘客的安全。

图4是根据本说明书一些实施例所示的船体颠簸程度预测模型和个人颠簸程度预测模型的示例性示意图。

在一些实施例中，确定模块230可以基于船舶风险411，通过船体颠簸程度预测模型420预测船舶颠簸信息431。

船舶颠簸信息431可以指反映船舶在未来多个时间点/段的船体颠簸程度的信息。在一些实施例中，船体颠簸程度可以通过颠簸风险等级进行表示。等级越高，表示船体颠簸程度越大。

在一些实施例中，船体颠簸程度可以通过预测船体在不同方向的摇晃幅度、摇摆频率等进行表征。船舶颠簸信息可以通过特征向量进行表示。例如，特征向量（a，b，c，……）可以表示船舶颠簸信息，特征向量中的不同元素可以表示在未来多个时间点/段的船体在不同方向的摇晃幅度、摇摆频率等。

在一些实施例中，船体颠簸程度预测模型420可以为机器学习模型。在一些实施例中，船体颠簸程度预测模型420的类型可以包括神经网络模型、深度神经网络模型等，模型类型的选择可视具体情况而定。

在一些实施例中，船体颠簸程度预测模型的输入410可以包括船舶风险411等。船舶风险的更多说明可参见图3及其相关描述。船体颠簸程度预测模型420的输出可以包括船舶颠簸信息431。

在一些实施例中，船体颠簸程度预测模型的输入410可以包括船体信息412。船体信息412可以指与船体相关的参数信息。例如，船体信息可以包括船舶的排水量、船体尺寸、船舶的航速等中的至少一种。例如，船体信息可以是“排水量10万吨、长150米、宽25米、高20米、航速12节等”。

在本说明书一些实施例中，基于船体信息中的排水量、船体尺寸、航速等，通过模型预测船舶颠簸信息，可以进一步提高船舶颠簸信息的预测效率和准确性，可以进一步对船舶颠簸的风险做出及时有效地反应，确保船舶及乘客的安全。

在一些实施例中，确定模块230可以通过将船舶在未来多个时间点的船舶风险和船体信息等输入船体颠簸程度预测模型420。船体颠簸程度预测模型420可以输出船舶颠簸信息431。

在一些实施例中，船体颠簸程度预测模型可以通过多个有标签的第一训练样本训练得到。例如，可以将多个带有标签的第一训练样本输入初始船体颠簸程度预测模型，通过标签和初始船体颠簸程度预测模型的结果构建损失函数，基于损失函数迭代更新初始船体颠簸程度预测模型的参数。当初始船体颠簸程度预测模型的损失函数满足预设条件时模型训练完成，得到训练好的船体颠簸程度预测模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第一训练样本可以包括样本船舶风险和样本船体信息等。标签可以是样本船舶风险和样本船体信息等对应的样本船舶颠簸信息。第一训练样本可以基于历史数据获取。例如，确定模块230可以将历史数据中船舶风险和船体信息等作为样本船舶风险和样本船体信息等。第一训练样本的标签可以基于人工标注或自动标注的方式获取。例如，确定模块230可以基于不同时间点的船舶风险和船体信息等，通过晃动传感设备获取不同时间点对应的船体在不同方向的摇晃幅度、摇摆频率等。确定模块230可以将船体在不同方向的摇晃幅度、摇摆频率等通过特征向量进行表示，生成不同时间点对应的船体的样本船舶颠簸信息。确定模块230可以将不同时间点的样本船舶风险和样本船体信息等对应的样本船舶颠簸信息作为第一训练样本的标签。

在一些实施例中，确定模块230可以基于船舶颠簸信息和乘客位置等，通过个人颠簸程度预测模型预测颠簸预测。关于乘客位置和颠簸预测的更多说明可以参见图3的相关描述。

在一些实施例中，个人颠簸程度预测模型440可以为机器学习模型。在一些实施例中，个人颠簸程度预测模型440的类型可以包括神经网络模型、深度神经网络模型等，模型类型的选择可视具体情况而定。

在一些实施例中，个人颠簸程度预测模型的输入430可以包括乘客位置432、船舶颠簸信息431等。在一些实施例中，乘客位置可以通过乘客所处位置相对于船体中心的三个方向的偏离量进行表示。三个方向可以包括船体的长度方向、宽度方向和高度方向。例如，船体中心设为三维坐标XYZ的中心点。船体的长度方向、宽度方向和高度方向分别为X轴、Y轴和Z轴方向。其中，X轴、Y轴和Z轴的正方向可以提前预设。例如，由船体中心指向船头的方向为X轴正方向；由船体中心指向船体宽度的一边为Y轴正方向，由船体中心指向船体宽度的另一边为Y轴负方向；由船体中心指向船顶的方向为Z轴正方向，由船体中心指向船底的方向为Z轴负方向。示例性的，某乘客位置为（5，2，-1），其中，5可以表示该乘客位置在长度方向上由船体中心向船头方向偏离5米；2可以表示该乘客位置在宽度方向上由船体中心向船体宽度的一边偏离2米；-1可以表示该乘客位置在高度方向上由船体中心向船底方向偏离1米。个人颠簸程度预测模型440的输出可以包括颠簸预测450。

在一些实施例中，确定模块230可以通过将船舶颠簸信息431和乘客位置432等输入训练好的个人颠簸程度预测模型440。个人颠簸程度预测模型440可以输出乘客位置对应的颠簸预测450。

在一些实施例中，个人颠簸程度预测模型可以通过多个有标签的第二训练样本训练得到。例如，可以将多个带有标签的第二训练样本输入初始个人颠簸程度预测模型，通过标签和初始个人颠簸程度预测模型的结果构建损失函数，基于损失函数迭代更新初始个人颠簸程度预测模型的参数。当初始个人颠簸程度预测模型的损失函数满足预设条件时模型训练完成，得到训练好的个人颠簸程度预测模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第二训练样本可以包括样本船舶颠簸信息和样本乘客位置等。标签可以是样本船舶颠簸信息和样本乘客位置对应的样本乘客颠簸信息。第二训练样本可以基于历史数据获取。例如，确定模块230可以将历史数据中船舶颠簸信息和乘客位置等作为样本船舶颠簸信息和样本乘客位置等。第二训练样本的标签可以基于人工标注或自动标注的方式获取。例如，确定模块230可以基于不同时间点的船舶颠簸信息和乘客位置等，通过晃动传感设备获取不同时间点对应的船体在乘客位置在不同方向的摇晃幅度、摇摆频率等。确定模块230可以将船体在乘客位置在不同方向的摇晃幅度、摇摆频率等通过特征向量进行表示，生成不同时间点对应的船体在乘客位置的样本乘客颠簸信息。确定模块230可以将不同时间点的样本船舶颠簸信息和样本乘客位置等对应的样本乘客颠簸信息作为第二训练样本的标签。

在一些实施例中，船体颠簸程度预测模型的输出可以为个人颠簸程度预测模型的输入，船体颠簸程度预测模型和个人颠簸程度预测模型的训练方式可以是联合训练。

在一些实施例中，联合训练的样本数据包括样本船舶风险、样本船体信息和样本乘客位置等，标签为样本数据对应的样本乘客颠簸信息。确定模块230可以将样本船舶风险、样本船体信息输入船体颠簸程度预测模型，得到船体颠簸程度预测模型输出的船舶颠簸信息。将船舶颠簸信息作为训练的样本数据，和样本乘客位置输入个人颠簸程度预测模型，得到个人颠簸程度预测模型输出的乘客颠簸信息。基于样本乘客颠簸信息和个人颠簸程度预测模型输出的乘客颠簸信息构建损失函数，基于该损失函数同步更新船体颠簸程度预测模型和个人颠簸程度预测模型的参数。通过参数更新，得到训练好的船体颠簸程度预测模型和个人颠簸程度预测模型。

本说明书一些实施例中，通过联合训练的方式确定船体颠簸程度预测模型和个人颠簸程度预测模型的参数。在一些情况下，有利于解决单独训练船体颠簸程度预测模型和个人颠簸程度预测模型时难以获得标签的问题，可以减少需要的样本数量，还可以提高训练效率。

本说明书一些实施例中，通过模型预测船舶颠簸信息和乘客位置对应的颠簸预测，有效提高了船舶颠簸信息和乘客位置对应的颠簸预测的预测效率和准确性，进而可以进一步实现应急过程中及时高效的沟通及组织管理，可以对船舶各种紧急情况做出及时有效的反应，确保船舶及乘客的安全。

图5是根据本说明书一些实施例所示的基于船舶的室外活动风险，发送室外活动警报信息的示例性流程图。在一些实施例中，流程500可以由确定模块230执行。

步骤510，基于天气预报信息，预测恶劣天气信息。

恶劣天气信息可以包括恶劣天气的开始时间、持续时间、恶劣程度等信息。恶劣天气可以指可能对室外活动的人员造成伤害的天气类型对应的天气，例如大风、暴雨、冰雹等天气。恶劣天气的恶劣程度可以通过天气的参数进行表征。例如，风力等级可以表征大风天气的恶劣程度。又例如，降雨等级可以表征暴雨天气的恶劣程度。

在一些实施例中，确定模块230可以基于船舶未来多个时间点所经过的海域的天气预报信息预测确定恶劣天气信息。船舶未来多个时间点可人工选取，每相邻时间点间的时间间隔可以相同。船舶未来多个时间点所经过的海域位置可基于船舶的航行计划进行确定。

步骤520，基于恶劣天气信息，预测室外活动风险。

室外活动风险可以指船舶上进行室外活动的乘客遭受意外危险伤害的可能的风险。室外活动风险可通过室外活动风险等级或室外活动风险评分等形式进行表征。意外危险的类型可以包括但不限于由于恶劣天气导致的摔伤、砸伤、划伤、落水等。不同时间段对应的室外活动风险可能不同。

在一些实施例中，确定模块230可以基于历史恶劣天气信息与历史室外活动风险的对应关系进行确定室外活动风险。

在一些实施例中，确定模块230可以获取乘客的室外位置，基于恶劣天气信息和乘客的室外位置，确定室外位置对应的颠簸预测。

室外位置可以指船舶上室外乘客可以活动的区域位置，例如，阳台、天台、甲板、泳池等区域。

在一些实施例中，确定模块230可以基于乘客的用户终端的定位信息确定乘客的室外位置。在一些实施例中，确定模块230可以基于室外区域的监控设备拍摄的乘客图像，确定乘客身份，并将对应的室外区域作为乘客的室外位置。

在一些实施例中，确定模块230可以获取乘客的历史室外活动记录，并基于历史室外活动记录，通过聚类算法确定室外位置。

历史室外活动记录可以指记录有乘客室外活动时间及位置的文本信息。示例性地，某乘客（如张三）的历史室外活动记录的内容可以包括历史室外活动信息1“5月6日10时至11时位于甲板”；历史室外活动信息2“5月7日16时至17时位于阳台”等。

在一些实施例中，确定模块230可以通过多种方式获取乘客的历史室外活动记录。例如，确定模块230可以基于室外区域的监控设备拍摄的乘客图像，确定乘客身份，并将不同时间段的室外活动的相关信息存储到存储设备130作为历史室外活动记录。当需要历史室外活动记录时，确定模块230可以通过存储设备130获取历史室外活动记录。

在一些实施例中，聚类算法可以包括如下步骤：将历史室外活动记录作为历史室外活动信息集合，其中的每一条历史室外活动信息作为该集合的一个元素。对历史室外活动信息集合进行聚类，确定聚类中心集合。基于历史室外活动信息集合可以构建历史室外活动信息向量的集合，历史室外活动信息向量的集合包括多个历史室外活动信息向量，其中，每个历史室外活动信息向量对应一条历史室外活动信息。

聚类中心集合可以包括一个或多个聚类中心。聚类中心可以代表乘客室外活动所处的区域。在一些实施例中，确定模块230可以通过聚类算法对历史室外活动信息向量的集合进行聚类，确定聚类中心集合。聚类算法可以包括但不限于K-Means（K均值）聚类和/或基于密度的聚类方法（DBSCAN）等。

在一些实施例中，确定模块230可以基于室外活动风险对应的信息构建室外活动风险向量。确定模块230可以确定聚类中心集合中与室外活动风险向量距离最近的聚类中心。计算距离的方法可以包括但不限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。在一些实施例中，确定模块230可以将与室外活动风险向量距离最近的聚类中心对应的位置确定为乘客的室外位置。

本说明书一些实施例中，通过聚类算法确定乘客的室外位置，可以提高确定乘客的室外位置的准确性。

在一些实施例中，室外活动风险的预测还可以包括室外位置对应的颠簸预测。不同的室外位置可能对应不同的颠簸预测。关于颠簸预测的更多内容可以参见图3。室外位置对应的颠簸预测可以通过颠簸风险进行表示。颠簸风险可以指乘客所在室外位置的颠簸程度。颠簸风险可通过颠簸风险等级或颠簸风险评分等形式进行表征。

在一些实施例中，确定模块230可以基于恶劣天气信息、乘客的室外位置等确定室外位置对应的颠簸预测。例如，确定模块230可以将恶劣天气信息等输入船体颠簸程度预测模型预测船舶颠簸信息。确定模块230可以将船舶颠簸信息和乘客的室外位置等输入个人颠簸程度预测模型预测室外位置对应的颠簸预测。关于船体颠簸程度预测模型和个人颠簸程度预测模型的更多说明可以参见图4。

在一些实施例中，确定模块230可以基于船舶颠簸信息、恶劣天气信息、乘客的室外位置等综合预测室外位置对应的颠簸风险。例如，通过对船舶颠簸信息、恶劣天气信息、乘客的室外位置等进行加权求和确定室外位置对应的颠簸风险。其中，船舶颠簸信息、恶劣天气信息、乘客的室外位置等与颠簸风险的大小的对应关系可以预设。船舶颠簸信息、恶劣天气信息、乘客的室外位置的权重值也可以预设。

本说明书一些实施例中，基于恶劣天气信息和乘客的室外位置，确定室外位置对应的颠簸预测可以有效提高对室外活动风险预测的准确度，从而更好地对乘客进行警报。

步骤530，基于室外活动风险，向室外活动乘客发送室外活动警报信息。

室外活动乘客可以指位置处于室外的乘客。不同时间段对应的室外活动乘客可能不同。在一些实施例中，确定模块230可以通过乘客的当前定位信息和/或历史室外活动记录确定室外活动乘客。乘客的当前定位信息可以通过用户终端进行确定。例如，当室外活动风险对应的时间段，乘客位于室外的频率大于预设阈值时，确定模块230可以将该乘客确定为室外活动乘客。乘客位于室外的频率可以通过频次进行表示。例如，乘客乘坐船舶过程中，乘客位于室外的次数。预设阈值可以指提前预设的乘客处于室外的最小频率（如，3次）。乘客位于室外的频率可以通过历史室外活动记录进行确定。例如，通过历史室外活动记录，确定模块230可以确定室外活动风险对应的时间段，乘客位于室外的历史室外活动记录的条数。确定模块230可以将该乘客对应的历史室外活动记录的条数确定为室外活动风险对应的时间段乘客位于室外的频率。关于历史室外活动记录的更多内容可参见步骤520的相关描述。

室外活动警报信息可以指对室外活动乘客发出的，对其进行危险提醒的警报信息。例如，室外活动警报信息的内容可以是“先生/女士，您好，由于恶劣天气影响，您所处的甲板区域接下来可能有较高的安全风险，请做好防护或返回室内区域”。

在一些实施例中，确定模块230可以基于室外活动风险，确定室外活动警报信息。室外活动风险可以与室外活动警报信息预设对应关系，并通过该对应关系确定室外活动警报信息。在室外活动警报信息确定后，可通过向对应乘客的用户终端发送、在室外区域进行广播等形式，向室外活动乘客发送室外活动警报信息。

本说明书一些实施例中，通过对室外活动乘客的风险进行预测并向其发送警报，可大大降低船上乘客遭遇意外危险的可能性。进而可以实现应急过程中的及时高效的沟通及组织管理，可以对船舶各种紧急情况做出及时有效的反应，确保船舶及乘客的安全。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种船舶应急管理的方法，其特征在于，所述方法包括：

获取船舶状态信息；

基于所述船舶状态信息，预测船舶风险，其中，所述船舶风险包括所述船舶在不同时间点经过的海域、不同海域对应的浪高、风力、风向；

基于所述船舶风险，向乘客发送警报信息，所述警报信息包括颠簸警报信息；其中，

所述基于所述船舶风险，向乘客发送警报信息包括：

获取乘客舱室信息和乘客定位信息；

基于所述乘客舱室信息和所述乘客定位信息，确定所述乘客的乘客位置；

基于所述乘客位置和所述船舶风险，确定所述乘客位置对应的颠簸预测；

基于所述颠簸预测，向所述乘客发送所述颠簸警报信息；其中，

所述基于所述乘客位置和所述船舶风险，确定所述乘客位置对应的颠簸预测包括：

基于所述船舶风险和船体信息，通过船体颠簸程度预测模型预测船舶颠簸信息，其中，所述船体信息包括船舶的排水量、船体尺寸、船舶的航速中的至少一种；

基于所述船舶颠簸信息和所述乘客位置，通过个人颠簸程度预测模型预测所述乘客位置对应的所述颠簸预测，其中，所述船体颠簸程度预测模型和所述个人颠簸程度预测模型为机器学习模型，所述船体颠簸程度预测模型和所述个人颠簸程度预测模型通过训练得到，所述训练包括：

基于第一训练样本及其标签，单独训练初始船体颠簸程度预测模型，其中，所述第一训练样本包括样本船舶风险和样本船体信息；所述第一训练样本的标签包括所述样本船舶风险和所述样本船体信息对应的样本船舶颠簸信息；

基于第二训练样本及其标签，单独训练初始个人颠簸程度预测模型，其中，所述第二训练样本包括样本船舶颠簸信息和样本乘客位置；所述第二训练样本的所述标签包括所述样本船舶颠簸信息和所述样本乘客位置对应的样本乘客颠簸信息；

基于联合训练样本及其标签，联合训练所述单独训练得到的所述船体颠簸程度预测模型和所述个人颠簸程度预测模型，所述联合训练样本包括：样本船舶风险、样本船体信息和样本乘客位置，所述联合训练样本的所述标签为样本乘客颠簸信息。

2.根据权利要求1所述的方法，其特征在于，所述警报信息包括室外活动警报信息，所述基于所述船舶风险，向乘客发送警报信息包括：

基于天气预报信息，预测恶劣天气信息；

基于所述恶劣天气信息，预测室外活动风险；

基于所述室外活动风险，向室外活动乘客发送所述室外活动警报信息，其中，所述室外活动乘客通过所述乘客的当前定位信息和/或历史室外活动记录确定。

3.一种船舶应急管理的系统，其特征在于，所述系统包括：

获取模块，用于获取船舶状态信息；

预测模块，用于基于所述船舶状态信息，预测船舶风险，其中，所述船舶风险包括所述船舶在不同时间点经过的海域、不同海域对应的浪高、风力、风向；

确定模块，用于基于所述船舶风险，向乘客发送警报信息，所述警报信息包括颠簸警报信息；其中，

所述确定模块还用于：

获取乘客舱室信息和乘客定位信息；

基于所述乘客舱室信息和所述乘客定位信息，确定所述乘客的乘客位置；

基于所述乘客位置和所述船舶风险，确定所述乘客位置对应的颠簸预测；

基于所述颠簸预测，向所述乘客发送所述颠簸警报信息；其中，

所述基于所述乘客位置和所述船舶风险，确定所述乘客位置对应的颠簸预测包括：

基于所述船舶风险和船体信息，通过船体颠簸程度预测模型预测船舶颠簸信息，其中，所述船体信息包括船舶的排水量、船体尺寸、船舶的航速中的至少一种；

基于所述船舶颠簸信息和所述乘客位置，通过个人颠簸程度预测模型预测所述乘客位置对应的所述颠簸预测，其中，所述船体颠簸程度预测模型和所述个人颠簸程度预测模型为机器学习模型，所述船体颠簸程度预测模型和所述个人颠簸程度预测模型通过训练得到，所述训练包括：

基于第一训练样本及其标签，单独训练初始船体颠簸程度预测模型，其中，所述第一训练样本包括样本船舶风险和样本船体信息；所述第一训练样本的标签包括所述样本船舶风险和所述样本船体信息对应的样本船舶颠簸信息；

基于第二训练样本及其标签，单独训练初始个人颠簸程度预测模型，其中，所述第二训练样本包括样本船舶颠簸信息和样本乘客位置；所述第二训练样本的所述标签包括所述样本船舶颠簸信息和所述样本乘客位置对应的样本乘客颠簸信息；

基于联合训练样本及其标签，联合训练所述单独训练得到的所述船体颠簸程度预测模型和所述个人颠簸程度预测模型，所述联合训练样本包括：样本船舶风险、样本船体信息和样本乘客位置，所述联合训练样本的所述标签为样本乘客颠簸信息。

4.根据权利要求3所述的系统，其特征在于，所述警报信息包括室外活动警报信息，所述确定模块还用于：

基于天气预报信息，预测恶劣天气信息；

基于所述恶劣天气信息，预测室外活动风险；

基于所述室外活动风险，向室外活动乘客发送所述室外活动警报信息，其中，所述室外活动乘客通过所述乘客的当前定位信息和/或历史室外活动记录确定。

5.一种船舶应急管理的装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至2中任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1至2中任一项所述的方法。

Images