CN115438247B - 一种基于轨迹的一船多斗的判别方法、装置及设备 - Google Patents
一种基于轨迹的一船多斗的判别方法、装置及设备 Download PDFInfo
- Publication number
- CN115438247B CN115438247B CN202210716398.3A CN202210716398A CN115438247B CN 115438247 B CN115438247 B CN 115438247B CN 202210716398 A CN202210716398 A CN 202210716398A CN 115438247 B CN115438247 B CN 115438247B
- Authority
- CN
- China
- Prior art keywords
- tracklisttable
- terminal
- target
- determining
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种基于轨迹的一船多斗的判别方法、装置及设备,方法包括:获取终端的LastLocationTable以及TrackListTable;根据报位时间间隔及对应的直线距离,对TrackListTable进行插值处理;接收来自于目标终端的定位数据,并根据定位数据以及LastLocationTable,确定NearTerminalTable;根据NearTerminalTable以及TrackListTable,获取邻近终端对应的近期轨迹集合,以及目标终端对应的目标终端近期轨迹集合;根据近期轨迹集合以及目标终端近期轨迹集合,判断目标终端所在船只是否存在一船多斗现象。
Description
技术领域
本申请涉及数据处理领域,具体涉及一种基于轨迹的一船多斗的判别方法、装置及设备。
背景技术
为了实现对海上捕鱼渔船的安全救援和行为监管,渔船上都会要求安装带有北斗定位和通信功能的定位终端(以下简称“终端”),该终端可以按照设定的报位频率向服务器上报自身的定位数据,并在服务器侧形成航行轨迹。
为了实现有效监管,主管部门禁止船载定位终端发生离线(长时间不报位)的情况,部分渔船为了规避监管,在保证终端在线的同时,将自己的终端放在其他船上携带,造成渔船的实际航行轨迹与终端报位的航行轨迹不一致,给执法检查工作造成干扰。
因此,亟需一种能够及时判别某船只是否存在一船多斗情况的方法。
发明内容
为了解决上述问题,本申请提出了一种基于轨迹的一船多斗的判别方法、装置及设备,其中方法包括:
获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象。
在一个示例中,所述根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象,具体包括:根据报位时间,在所述TrackListTable-n中确定与所述TrackListTable-ct中各个目标轨迹点时间一一对应的一系列轨迹点;获取TrackListTable-ct中与TrackListTable-n中每一组时间对应的经纬坐标,并根据所述经纬坐标计算所述各组对应目标轨迹点之间的距离差;所述距离差的计算方法是,以TrackListTable-ct中目标轨迹点的经纬坐标作为原点,以下一插值报位时间的目标轨迹点所在方向作为Y轴正方向,构建直角坐标系,测算TrackListTable-n中每一组对应目标轨迹点的的象限区间;若所述TrackListTable-n中的某个目标轨迹点对应的经纬坐标在所述对应直角坐标系中位于X轴正数区间,则所述该组目标轨迹点的距离差为正数,否则为负数,以此类推,确定TrackListTable-n中每个目标轨迹点与TrackListTable-ct中每个对应目标轨迹点的距离差,确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差;若所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象。
在一个示例中,所述确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差之后,所述方法还包括:确定所述TrackListTable-n中的各个目标轨迹点与所述TrackListTable-ct对应的目标轨迹点之间的绝对距离差;根据所述绝对距离差,确定所述TrackListTable-ct与所述TrackListTable-n的累计距离;若所述累计距离未超出第二预设阈值,且所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象,否则不属于一船多斗现象。
在一个示例中,所述根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,具体包括:根据所述报位时间间隔及所述直线距离,确定所述TrackListTable的插值数;采用直线插值法,根据所述终端的最新定位数据、所述插值数,确定所述终端的插值点对应的虚拟报位时间及经纬坐标;根据所述虚拟报位时间及经纬坐标将所述插值点加入至所述TrackListTable。
在一个示例中,所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable,具体包括:在所述LastLocationTable中确定所述目标终端最后位置对应的报位时间以及位置坐标;根据所述位置坐标,遍历所述LastLocationTable,确定其他终端的最后位置与所述目标终端的最后位置之间的坐标距离差;根据所述报位时间,遍历所述LastLocationTable,确定所述其他终端的最后报位时间与所述目标终端的最后报位时间的时间差;若目标终端与所述终端的所述坐标距离差小于第三预设阈值,且所述时间差小于第四预设阈值,则将所述终端作为邻近终端,并存入所述NearTerminalTable中。
在一个示例中,所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable之后,所述方法还包括:在所述TrackListTable中,确定预设时间段内,所述邻近终端对应的轨迹点数;在所述TrackListTable中,确定所述预设时间段内,所述邻近终端的平均速度;若所述邻近终端对应的所述轨迹点数低于第五预设阈值或所述平均速度低于第六预设阈值,则将所述邻近终端在所述NearTerminalTable中剔除。
在一个示例中,所述方法还包括:根据接收到的所述定位数据,更新所述LastLocationTable;确定所述TrackListTable对应的预设时间段,并确定所述定位数据的定位时间;计算所述终端在所述TrackListTable中各个轨迹点与所述定位时间的时间差值;若所述轨迹点对应的时间差值大于所述预设时间段长度,则删除所述轨迹点。
本申请还提供了一种基于轨迹的一船多斗的判别装置,所述装置包括:集合获取模块,获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;插值处理模块,测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;邻近终端确定模块,接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;轨迹筛选模块,根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;轨迹判断模块,根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象。
本申请还提供了一种基于轨迹的一船多斗的判别设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行:获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象。
通过本申请提出的方法是通过在终端位置采集的同时,完成对于船只是否存在一船多斗情况的分析判断,可以实时的分析出海上作业渔船目前存在一船多斗的情况,其算法简单、运行效率高,发现能力强,分析结果准确,易于发现船只一船多斗的违规行为。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种基于轨迹的一船多斗的判别方法的流程示意图;
图2为本申请实施例中一种船只曲线航行情况说明图;
图3为本申请实施例中目标终端两小时内的行驶轨迹效果图;
图4为本申请实施例中某一邻近终端两小时内的行驶轨迹效果图;
图5为本申请实施例中目标终端与该邻近终端两小时内的行驶轨迹效果图;
图6为本申请实施例中一种基于轨迹的一船多斗的判别装置的结构示意图;
图7为本申请实施例中一种基于轨迹的一船多斗的判别设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
我国北斗卫星网络已经完成全球部署,其具有卫星定位和短报文通信能力,基于北斗卫星网络研制的船载定位终端已经非常成熟,在沿海省份获得了大量的使用,已成为各地区渔业主管部门用于海洋渔船监控的主要手段。
通过建设服务器系统,然后通过北斗地面站或指挥机、接收机等可以接收船载北斗定位终端上报的短报文,其包含定位时间、位置、航速、航向等信息。通过大量收集这些信息,并按照时间顺序进行存储,即可形成每个终端(或每条船)的航行轨迹。
基于计算机的高速缓存数据库(如Redis)等已经非常成熟,可以用于存储大量终端的最后报位信息、近期航行轨迹等。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书一个或多个实施例提供的一种基于轨迹的一船多斗的判别方法的流程示意图。该方法的目的为实现一种通过检测在同一时间段、同一区域内渔船轨迹的相似度来判断一条渔船安装了多个北斗定位设备的分析方法,我们称这种一条渔船上安装多个北斗定位设备的违规行为为一船多斗。该方法可以为执法部门发现渔船一船多斗的违规行为提供参考依据。该流程可以由相应领域的计算设备执行,流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
本申请实施例涉及的分析方法的实现可以为终端设备,也可以为服务器,本申请对此不作特殊限制。为了方便理解和描述,以下实施例均以服务器为例进行详细描述。需要说明的是,该服务器可以是单独的一台设备,可以是有多台设备组成的系统,即,分布式服务器,本申请对此不做具体限定。
如图1所示,本申请实施例提供一种基于轨迹的一船多斗的判别方法,包括:
S101:获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合。
通过安装在渔船上的定位终端,船只在行驶的情况下每隔一段时间就会向服务器发送一次终端的定位数据,我们将接收到的每个终端(按编号区分)的最后位置缓存到一个Key-Value集合中,在该集合中,每终端仅保存一个位置,我们称之为终端最后位置集合LastLocationTable,同时,根据预设的时间段,将预设时间段内每个终端的定位数据(我们称之为终端的近期轨迹)按时间先后缓存到一个有序列表中,然后所有终端的有序列表缓存到一个大集合中,我们将这个“集合+列表”的二维组合称之为终端轨迹集合TrackListTable,在TrackListTable中,终端编号为Key,终端的近期轨迹列表为Value。
在一个实施例中,我们在缓存终端的轨迹的同时对数据进行下面的处理。包括:根据接收到的定位数据,更新LastLocationTable。确定TrackListTable对应的预设时间段,并确定定位数据的定位时间;计算终端在TrackListTable中各个轨迹点与定位时间的时间差值;若轨迹点对应的时间差值大于预设时间段长度,则删除所述轨迹点。通俗地讲,可以分为两步:第一步:在接收到终端新的报位以后,须使用新的位置数据替换LastLocationTable中同编号终端的上一个位置数据。第二步:然后按照新的位置数据对应的终端编号,取出TrackListTable中该编号终端的有序列表,我们称之为TrackListTable-ct,然后检测该有序列表,对该终端对应的轨迹中已经超过预设时间段的位置数据,进行删除,即始终保持TrackListTable中的每个终端的近期轨迹不超过预设时间段。例如,预设时间段可以设置为2小时,这样做的目的是在满足相似度分析的基础上,尽可能降低对比的运算量,但也可以设置3个小时等其他超过2个小时的轨迹数据周期,但不应少于2个小时,因为如果少于2个小时,分析可能不准确。分析数据的周期越长,则准确性越高,同时运算量越大。
S102:测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度。
由于每个终端的报位频率或报位的时间点不同,即使放置在同一条船上的多个终端也不会在同一时刻报位,如A终端可能在08:02:03、08:12:04、08:22:05几个时间点分别报位一次,而同船上的B终端却可能在08:06:07、08:16:08、08:26:09几个时间点报位,甚至同船上的C终端可能报位频率也不一致,分别在08:01:02、08:16:03、08:31:07几个时间点报位。如果仅采用简单的同一时间是否在同一位置的原则进行比较,则以上三个终端无法判定为在同一条船上。因此需要根据不同终端的不同报位时间间隔,对TrackListTable进行插值处理,以将每个终端的报位时间均统一为每过一固定时间间隔就报位一次,如一分钟一次。
在一个实施例中,在进行插值时,首先根据报位时间间隔,确定TrackListTable的插值数;再采用直线插值法,根据终端的最新定位数据、最终位置集合插值数,确定终端的插值点对应的虚拟报位时间和经纬坐标;最后根据虚拟报位时间和经纬坐标将插值点加入至TrackListTable。通俗地讲,首先我们获取到当前报位终端(此处以终端A为例)的最后一个轨迹点LastLocation,并获取该终端A的最新报位点为NewLocation,然后计算LastLocation与NewLocation之间的时间差(秒数)、经度差和纬度差,得出该终端平均每秒钟跨越的经度和纬度范围,根据每秒钟跨越的经度和纬度范围,根据终端报位的精确秒数向整分钟取整,得到靠近LastLocation和NewLocation的整分钟的位置,然后再将每秒钟可以跨越的经度和纬度范围乘以60,得到1分钟可以跨越的经度和纬度范围,然后采用直线插值法,获得最后轨迹点和最新报位点之间每个整分钟的近似位置,按时间先后放入TrackListTable中。根据此方法,可以进一步进行同时空比较。上文中,有以下要点需要说明:首先,对LastLocation和NewLocation向整分钟取整的时候,需要采用一致的算法,不能采用四舍五入,应该统一采用去尾法或收尾法,即08:02:03、08:02:57这样的时间点都应该取整为08:02:00。
S103:接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合。
在接收到终端新的报位以后,将该终端作为目标终端,根据定位数据以及LastLocationTable,确定与目标终端相距较近的邻近终端,从而确定邻近终端集合NearTerminalTable。需要说明的是,邻近终端指的是与目标终端相近的其他终端,数量可以是多个。从而过滤掉了海洋的大多数离得远,明显不在一起的终端。
在一个实施例中,在确定NearTerminalTable时,首先需要在LastLocationTable中确定目标终端最后位置对应的报位时间以及位置坐标;然后根据位置坐标,遍历最终位置集合,确定其他终端的最后位置与目标终端的最后位置之间的坐标距离差;再根据报位时间,遍历最终位置集合,确定其他终端的最后报位时间与目标终端的最后报位时间的时间差;若目标终端与终端的坐标距离差小于第三预设阈值,且时间差小于第四预设阈值,则将终端作为邻近终端。通俗地讲,就是先确定目标终端(以终端A为例)的最后位置,然后循环遍历终端的最终位置集合,取出其中一个终端(以终端B为例)的最后位置,计算终端A与终端B间的经度差、纬度差和时间差,若经度差、纬度差、时间差都很小,则说明两个终端在同一时间点相邻较近。同理依次取出最终位置集合中每一个终端的最后位置,与目标终端进行比较,从而确定NearTerminalTable。例如,我们将取目标终端的最后位置LastCt,然后循环遍历终端的最后位置集合LastLocationTable,我们先取出其中一个终端的最后位置Last1,计算Last1与LastCt之间的经度差、纬度差和时间差,如果它们的经度差和纬度差均小于0.1度,并且时间差小于30分钟,我们认为这两个终端的位置是相邻的,即使再航行1-2个小时,也不会离得太远,这就过滤掉了海洋中大多数离得远,明显不在一起的终端。
在一个实施例中,因为终端有可能因为故障等原因停止向服务器报位,导致并非每个终端都可以获得预设时间段内的轨迹,所以上面的判断目的在于只对正常报位的终端进行判断分析。因此,可以在确定邻近终端之后,确定TrackListTable中,预设时间段内,邻近终端对应的轨迹点数;并在TrackListTable中,确定预设时间段内,邻近终端的平均速度。若邻近终端对应的轨迹点数低于第五预设阈值或平均速度低于第六预设阈值,则将邻近终端在NearTerminalTable中剔除。通俗地讲,如果轨迹点少于第五预设阈值,则说明我们还没有完全获取到终端预设时间段内的报位,则会导致分析不准确。同时,若平均速度低于第六预设阈值,则可能出现两船只靠在一起锚泊,没有航行的情况,从而可能发生误判。例如,当预设时间段为2小时,第五预设阈值可以设置为120个,第六预设阈值可以设置为1.5海里/,从而降低服务器的计算量。
S104:根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct。
确定了NearTerminalTable之后,在判断目标终端是否存在一船多斗的情况时,只需判断NearTerminalTable中是否存在某一邻近终端与目标终端轨迹相似。因此,需要在TrackListTable中获取邻近终端对应的近期轨迹集合TrackListTable-n以及目标终端对应的目标终端近期轨迹集合TrackListTable-ct。
S105:根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象。
获取到邻近终端近期轨迹集合TrackListTable-n以及目标终端近期轨迹集合TrackListTable-ct,即可根据两集合中的数据判断目标终端所在船只是否存在一船多斗现象。
在一个实施例中,判断目标终端所在船只是否存在一船多斗现象时,首先需要根据插值时间,在TrackListTable-n中确定与TrackListTable-ct中各个目标轨迹点一一对应的一系列轨迹点,然后获取TrackListTable-ct中目标轨迹点以及TrackListTable-n中轨迹点的经纬坐标,并根据经纬坐标计算各组对应目标轨迹点之间的距离差;然后以TrackListTable-ct中的目标轨迹点的经纬坐标作为原点,以下一插值报位时间的目标轨迹点所在方向作为Y轴正方向,构建直角坐标系,测算TrackListTable-n中每一组对应目标轨迹点的的象限区间;若TrackListTable-n中的某个目标轨迹点对应的经纬坐标在直角坐标系中位于X轴正数区间,则该组目标轨迹点的距离差为正数,否则为负数;以此类推,确定预设时间段内TrackListTable-n中每个目标轨迹点与TrackListTable-ct中每个对应目标轨迹点所有距离差之和,以得到TrackListTable-ct与TrackListTable-n的累计偏差;若累计偏差未超出第一预设阈值,则目标终端所在船只存在一船多斗现象。通俗地讲,我们取出目标轨迹集合TrackListTable-ct中的第一个轨迹点,我们称之为T1,第二个点为T2,然后取出TrackListTable-n中的第一个轨迹点,我们称之为t1,第二个轨迹点为t2,我们分别计算T1和t1、T2和t2之间的距离,为d1、d2,然后将T1定义为一个直角坐标系的原点,T1到T2的连接线作为该直角坐标系的Y轴正方向,计算t1和t2的经纬度坐标分别位于该直角坐标系的X轴正数区间还是负数区间,如果位于正数区间,则对应的距离(d1和d2)为正数,否则为负数。同理取出两集合中的第3个轨迹点,分别为T3和t3,计算T3和t3之间的距离为d3,然后以T2为一个新直角坐标系的原点,T2到T3的连接线为新直角坐标系的Y轴正方向,计算t3的经度坐标位于该新直角坐标系的X轴正数区间还是负数区间。如果为正数区间则d3为正,否则为负,以此类推,计算两集合中其余轨迹点之间的距离,也分别赋予正负号,最后我们把得到的所有轨迹点之间的带有正负号的距离差求和,通过上述运算我们最终可以得到两个轨迹集合中相同定位时间的所有轨迹点之间的偏差总和,我们称之为累计偏差。若累计偏差较小,低于第一预设阈值,则认为目标终端所在船只存在一船多斗现象。经过大量的数据验证,我们认为如果两个终端的轨迹连续2小时累计偏差小于0.6海里这个参考值,则这两个终端轨迹是高度相似的,这两个终端所对应的渔船可能存在一船多斗的违规行为。若允许的累计偏差参考值越大,则发现能力越强,但误判越多,允许的累计偏差参考值越小,则发现能力变弱,但准确性变强。
进一步地,得到累计偏差之后,方法还包括:确定TrackListTable-ct各个目标轨迹点与TrackListTable-n对应的目标轨迹点之间的绝对距离差;然后根据绝对距离差,确定TrackListTable-ct与TrackListTable-n的累计距离;若累计距离未超出第二预设阈值,且累计偏差未超出第一预设阈值,则目标终端所在船只存在一船多斗现象,否则不属于一船多斗现象。通俗地讲,为了防止两条轨迹因呈X型交叉,导致正负号双双抵消,累计偏差虽然很小,但两点间实际距离并不小的情况,我们再计算一下绝对值的累计和,我们称之为累计距离DistSum1,然后判断累计距离是否在合理的范围内,若不合理,则说明可能是轨迹交叉。经过大量数据验证,在2个小时内,若DistSum1超过1.9海里,则可能是轨迹交叉,并非轨迹相似,则可以排除一船多斗的可能。
如图2所示,解释一下本申请中为距离差增加正负号,而不是直接使用距离的绝对值进行计算。在图2中,圆形弧线为一船只的行驶轨迹,假如该船只上存在A和B两个定位终端,且AB的报位时间间隔都为10分钟,A于8:00、8:10、8:20进行报位,B则于8:05、8:15、8:25进行报位。由于报位时间不同,而本申请方案采用了插值方法,因此所得插值点与报点位置相关,即分别在两种虚线上。此时,就算该船只同时存在两个定位终端,但如果使用绝对值进行计算,其绝对值之和同样会很高,因此,本申请在距离差之前增加了正负号,以使船只在进行弧形运动时,能够相互抵消部分差值,从而增加了判断精准度。
在实际操作过程中,通过安装在渔船上的北斗定位终端,渔船在行驶的情况下每隔一定时间收到一次终端的定位数据,其中我们把某一时刻上报位置的终端1485275作为当前报位终端CurTerminal,该终端两个小时内的轨迹的实际报位点,在地图中呈现如下图3的轨迹效果。
通过获取终端1485275的TrackListTable,并通过插值法补点,我们连续产生并缓存终端1485275最近的120组数据(即最近2小时的轨迹),存储在TrackListTable中。它的轨迹集合TrackListTable-ct如下表1所示:
/>
表1
在进行数据分析时,第一步:计算当前报位终端CurTerminal的轨迹点数和平均航速,来决定是否需要进行下一步的比对分析。
方法是我们在数据准备阶段获取到终端1485275的轨迹集合TrackListTable-ct,计算它的轨迹点数量是否大于等于120个,经统计,该时刻其等于120个。另外,我们把1485275的轨迹集合TrackListTable-ct中所有轨迹点的经纬度取出来,计算每两个相邻报位时间的轨迹点之间的距离,最后把所有轨迹点之间的距离进行求和,通过这个方法我们计算TrackListTable-ct集合中的所有轨迹点之间的距离和是7.9海里,然后计算TrackListTable-ct中的最后一个轨迹点和第一个轨迹点之间的时间差,时间差是2小时,由此计算终端1485275在近2个小时的航行速度是3.78海里每小时。通过上述两个判断我们得到终端1485275的轨迹点数大于等于120个,平均航速大于1.5海里/时,因此满足我们进行下一步的分析条件。
第二步:将目标终端,即终端1485275的最新报位NewLocation与LastLocationTable中其他终端的最后位置进行比较,找出与目标终端对应的邻近终端。
判断方法是将终端1485275的最后位置NewLocation与LastLocationTable中其他终端的最后位置进行比较,将LastLocationTable中与NewLocation相比,经度差和纬度差都小于0.1,并且定位时间差小于30分钟的其他终端存储到一个集合NearTerminalTable中。经过筛选相邻终端集合NearTerminalTable共得到26个终端,结果如下表2所示:
终端编号 | 定位时间 | 最后经度 | 最后纬度 |
1434441 | 20220429171828 | 123.6625 | 37.264455 |
1434502 | 20220429172148 | 123.6667 | 37.26807833 |
1434592 | 20220429171716 | 123.667 | 37.15556167 |
1434597 | 20220429171338 | 123.6678 | 37.157515 |
1434955 | 20220429171606 | 123.6622 | 37.26138667 |
1434988 | 20220429171533 | 123.6472 | 37.230015 |
1485099 | 20220429171455 | 123.6345 | 37.24695167 |
1485210 | 20220429171722 | 123.6383 | 37.24972167 |
1488860 | 20220429172311 | 123.6661 | 37.158615 |
1488945 | 20220429172327 | 123.6095 | 37.14473 |
285913 | 20220429171959 | 123.6056 | 37.13611 |
287533 | 20220429171633 | 123.7125 | 37.13556 |
358760 | 20220429172157 | 123.5817 | 37.21639667 |
359025 | 20220429170412 | 123.6642 | 37.24556 |
359092 | 20220429171832 | 123.665 | 37.17057667 |
359282 | 20220429172023 | 123.6625 | 37.17694333 |
359352 | 20220429172147 | 123.6659 | 37.15612167 |
359622 | 20220429172149 | 123.6097 | 37.14446 |
362721 | 20220429171728 | 123.6472 | 37.23223 |
363093 | 20220429172209 | 123.605 | 37.136135 |
363866 | 20220429172405 | 123.6522 | 37.22973667 |
364097 | 20220429171758 | 123.665 | 37.170565 |
383331 | 20220429171550 | 123.6633 | 37.17641 |
383349 | 20220429172155 | 123.5859 | 37.22000167 |
988040 | 20220429171830 | 123.5822 | 37.21584333 |
988070 | 20220429171431 | 123.5872 | 37.21862667 |
表2
第三步:计算相邻终端集合NearTerminalTable中每一个终端的轨迹点数量,我们来判断其中的终端是否需要参与下一步的分析。
方法是我们在相邻终端集合NearTerminalTable,取出NearTerminalTable中的一个终端,根据它的终端编号取出TrackListTable集合中该编号终端的近期轨迹有序列表TrackListTable-n,我们计算集合TrackListTable-n中轨迹点数量,如果轨迹点数量大于等于120个,则参与下一步的分析,否则将其从NearTerminalTable剔除,不参与分析。
第四步:通过计算相邻终端集合NearTerminalTable中每一个终端的近期平均航速,我们来判断其中的终端是否需要参与下一步的分析。
方法是我们用在第一步中同样的方法计算相邻终端的轨迹集合TrackListTable-n中轨迹的平均航速,只有终端轨迹的平均航速大于1.5海里/时,我们才进行下一步的分析,否则将其从NearTerminalTable剔除,不参与分析。
根据第二步和第三步的运算,我们依次计算集合NearTerminalTable中每一个终端的轨迹点数和平均航速,得到在集合NearTerminalTable中符合轨迹点数大于等于120个,平均航速大于1.5海里/时的终端共有18个,剔除8个,剩余终端如下表3所示:
表3
第五步:判断新报位终端的轨迹TrackListTable-ct与相邻终端集合NearTerminalTable中每一个终端的轨迹是否相似。
方法是我们取出新报位终端的轨迹集合TrackListTable-ct和符合条件的相邻终端集合NearTerminalTable中每一个终端的轨迹,通过上面技术方案中第五步的方法我们最终可以得到TrackListTable中每个终端轨迹与中TrackListTable-ct的累计偏差Offset1、累计距离DistSum1,最终计算的结果如下表4所示。
当前终端编号 | 相邻终端编号 | 累计偏差Offset1(米) | 累计距离DistSum1(米) |
1485275 | 1434597 | -378469 | 378469 |
1485275 | 1434955 | -311548 | 658366 |
1485275 | 1434988 | -261462 | 551712 |
1485275 | 1485099 | 23849 | 983183 |
1485275 | 1485210 | -147914 | 962764 |
1485275 | 1488860 | 292334 | 567780 |
1485275 | 1488945 | 171732 | 455806 |
1485275 | 287533 | 35964 | 42046 |
1485275 | 358760 | -486243 | 486243 |
1485275 | 359025 | 277725 | 581551 |
1485275 | 359092 | 234266 | 517596 |
1485275 | 359282 | 29065 | 31853 |
1485275 | 359352 | 960 | 3086 |
1485275 | 362721 | -326291 | 704397 |
1485275 | 363093 | -247949 | 702121 |
1485275 | 383331 | -474963 | 474963 |
1485275 | 383349 | -348808 | 348808 |
1485275 | 988070 | 9080 | 923866 |
表4
经过上述数据验证,可以发现终端1485275和359352的轨迹连续2小时累计偏差Offset1等于960米,小于0.6海里(1111.2米)这个参考值,同时它们的累计距离DistSum1等于3086米,小于1.9海里(3518.8米)这个参考值,因此我们认为终端1485275和359352的轨迹是相似的。
为验证以上方法的准确性,我们从数据库取出终端359352的轨迹进行人工验证,终端359352近2个小时的实际轨迹如图4所示。
经过插值后,终端359352连续缓存最近的120组定位数据如下表5所示:
/>
/>
/>
/>
表5
通过在地图中同时显示1485275、359352这两个终端近期一段时间内的轨迹可以看到,他们的轨迹基本重合,因此我们判定终端1485275和359352为一船多斗的方法是有效的,它们在地图中的轨迹如图5所示。
如图6所示,本申请实施例还提供了一种基于轨迹的一船多斗的判别装置,包括:
集合获取模块601,获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;
插值处理模块602,测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;
邻近终端确定模块603,接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合。
轨迹筛选模块604,根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;
轨迹判断模块605,根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象。
如图7所示,本申请实施例还提供了一种基于轨迹的一船多斗的判别设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任意一个实施例所述的方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的装置和设备与方法是一一对应的,因此,装置和设备也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述装置和设备的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种基于轨迹的一船多斗的判别方法,其特征在于,包括:
获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;
测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;
接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;
根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;
根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象;
根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象,具体包括:
根据报位时间,在所述TrackListTable-n中确定与所述TrackListTable-ct中各个目标轨迹点时间一一对应的一系列轨迹点;
获取TrackListTable-ct中与TrackListTable-n中每一组时间对应的经纬坐标,并根据所述经纬坐标计算所述各个目标轨迹点之间的距离差;
所述距离差的计算方法是,以TrackListTable-ct中目标轨迹点的经纬坐标作为原点,以下一插值报位时间的目标轨迹点所在方向作为Y轴正方向,构建直角坐标系,测算TrackListTable-n中每一组对应目标轨迹点的象限区间;
若所述TrackListTable-n中的某个目标轨迹点对应的经纬坐标在对应直角坐标系中位于X轴正数区间,则所述目标轨迹点的距离差为正数,否则为负数,以此类推,确定TrackListTable-n中每个目标轨迹点与TrackListTable-ct中每个对应目标轨迹点的距离差;
确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差;
若所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象;
所述确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差之后,所述方法还包括:
确定所述TrackListTable-n中的各个目标轨迹点与所述TrackListTable-ct对应的目标轨迹点之间的绝对距离差;
根据所述绝对距离差,确定所述TrackListTable-ct与所述TrackListTable-n的累计距离;
若所述累计距离未超出第二预设阈值,且所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象,否则不属于一船多斗现象;
所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable,具体包括:
在所述LastLocationTable中确定所述目标终端最后位置对应的报位时间以及位置坐标;
根据所述位置坐标,遍历所述LastLocationTable,确定其他终端的最后位置与所述目标终端的最后位置之间的坐标距离差;
根据所述报位时间,遍历所述LastLocationTable,确定所述其他终端的最后报位时间与所述目标终端的最后报位时间的时间差;
若目标终端与所述终端的所述坐标距离差小于第三预设阈值,且所述时间差小于第四预设阈值,则将所述终端作为邻近终端,并存入所述NearTerminalTable中。
2.根据权利要求1所述的方法,其特征在于,所述根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,具体包括:
根据所述报位时间间隔及所述直线距离,确定所述TrackListTable的插值数;
采用直线插值法,根据所述终端的最新定位数据、所述插值数,确定所述终端的插值点对应的虚拟报位时间及经纬坐标;
根据所述虚拟报位时间及经纬坐标将所述插值点加入至所述TrackListTable。
3.根据权利要求1所述的方法,其特征在于,所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable之后,所述方法还包括:
在所述TrackListTable中,确定预设时间段内,所述邻近终端对应的轨迹点数;
在所述TrackListTable中,确定所述预设时间段内,所述邻近终端的平均速度;
若所述邻近终端对应的所述轨迹点数低于第五预设阈值或所述平均速度低于第六预设阈值,则将所述邻近终端在所述NearTerminalTable中剔除。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据接收到的所述定位数据,更新所述LastLocationTable;
确定所述TrackListTable对应的预设时间段,并确定所述定位数据的定位时间;
计算所述终端在所述TrackListTable中各个轨迹点与所述定位时间的时间差值;
若所述轨迹点对应的时间差值大于所述预设时间段长度,则删除所述轨迹点。
5.一种基于轨迹的一船多斗的判别装置,其特征在于,所述装置包括:
集合获取模块,获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;
插值处理模块,测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;
邻近终端确定模块,接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;
轨迹筛选模块,根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;
轨迹判断模块,根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象;
根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象,具体包括:
根据报位时间,在所述TrackListTable-n中确定与所述TrackListTable-ct中各个目标轨迹点时间一一对应的一系列轨迹点;
获取TrackListTable-ct中与TrackListTable-n中每一组时间对应的经纬坐标,并根据所述经纬坐标计算所述各个目标轨迹点之间的距离差;
所述距离差的计算方法是,以TrackListTable-ct中目标轨迹点的经纬坐标作为原点,以下一插值报位时间的目标轨迹点所在方向作为Y轴正方向,构建直角坐标系,测算TrackListTable-n中每一组对应目标轨迹点的象限区间;
若所述TrackListTable-n中的某个目标轨迹点对应的经纬坐标在对应直角坐标系中位于X轴正数区间,则所述目标轨迹点的距离差为正数,否则为负数,以此类推,确定TrackListTable-n中每个目标轨迹点与TrackListTable-ct中每个对应目标轨迹点的距离差;
确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差;
若所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象;
所述确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差之后,还包括:
确定所述TrackListTable-n中的各个目标轨迹点与所述TrackListTable-ct对应的目标轨迹点之间的绝对距离差;
根据所述绝对距离差,确定所述TrackListTable-ct与所述TrackListTable-n的累计距离;
若所述累计距离未超出第二预设阈值,且所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象,否则不属于一船多斗现象;
所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable,具体包括:
在所述LastLocationTable中确定所述目标终端最后位置对应的报位时间以及位置坐标;
根据所述位置坐标,遍历所述LastLocationTable,确定其他终端的最后位置与所述目标终端的最后位置之间的坐标距离差;
根据所述报位时间,遍历所述LastLocationTable,确定所述其他终端的最后报位时间与所述目标终端的最后报位时间的时间差;
若目标终端与所述终端的所述坐标距离差小于第三预设阈值,且所述时间差小于第四预设阈值,则将所述终端作为邻近终端,并存入所述NearTerminalTable中。
6.一种基于轨迹的一船多斗的判别设备,其特征在于,包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行:
获取终端的LastLocationTable以及TrackListTable;所述LastLocationTable为存储有各个终端对应的最后位置的集合,所述TrackListTable为存储有所述各个终端对应的按照时间顺序排列的多个报位点组成的近期轨迹的集合;
测算所述终端的报位时间间隔及所述时间间隔内的直线距离,并根据所述报位时间间隔及所述时间间隔内的直线距离,对所述TrackListTable进行插值处理,插值包括虚拟出来的插值报位时间和报位经纬度;
接收来自于目标终端的定位数据,并根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable;所述NearTerminalTable为存储有同一时间与所述目标终端距离相近的邻近终端的集合;
根据所述NearTerminalTable以及所述TrackListTable,获取所述邻近终端对应的近期轨迹集合TrackListTable-n,以及所述目标终端对应的目标终端近期轨迹集合TrackListTable-ct;
根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象;
根据所述TrackListTable-n以及所述TrackListTable-ct,判断所述目标终端所在船只是否存在一船多斗现象,具体包括:
根据报位时间,在所述TrackListTable-n中确定与所述TrackListTable-ct中各个目标轨迹点时间一一对应的一系列轨迹点;
获取TrackListTable-ct中与TrackListTable-n中每一组时间对应的经纬坐标,并根据所述经纬坐标计算所述各个目标轨迹点之间的距离差;
所述距离差的计算方法是,以TrackListTable-ct中目标轨迹点的经纬坐标作为原点,以下一插值报位时间的目标轨迹点所在方向作为Y轴正方向,构建直角坐标系,测算TrackListTable-n中每一组对应目标轨迹点的象限区间;
若所述TrackListTable-n中的某个目标轨迹点对应的经纬坐标在对应直角坐标系中位于X轴正数区间,则所述目标轨迹点的距离差为正数,否则为负数,以此类推,确定TrackListTable-n中每个目标轨迹点与TrackListTable-ct中每个对应目标轨迹点的距离差;
确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差;
若所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象;
所述确定预设时间段内所有距离差之和,以得到所述TrackListTable-ct与所述TrackListTable-n的累计偏差之后,还包括:
确定所述TrackListTable-n中的各个目标轨迹点与所述TrackListTable-ct对应的目标轨迹点之间的绝对距离差;
根据所述绝对距离差,确定所述TrackListTable-ct与所述TrackListTable-n的累计距离;
若所述累计距离未超出第二预设阈值,且所述累计偏差未超出第一预设阈值,则所述目标终端所在船只存在一船多斗现象,否则不属于一船多斗现象;
所述根据所述定位数据以及所述LastLocationTable,确定NearTerminalTable,具体包括:
在所述LastLocationTable中确定所述目标终端最后位置对应的报位时间以及位置坐标;
根据所述位置坐标,遍历所述LastLocationTable,确定其他终端的最后位置与所述目标终端的最后位置之间的坐标距离差;
根据所述报位时间,遍历所述LastLocationTable,确定所述其他终端的最后报位时间与所述目标终端的最后报位时间的时间差;
若目标终端与所述终端的所述坐标距离差小于第三预设阈值,且所述时间差小于第四预设阈值,则将所述终端作为邻近终端,并存入所述NearTerminalTable中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716398.3A CN115438247B (zh) | 2022-06-23 | 2022-06-23 | 一种基于轨迹的一船多斗的判别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716398.3A CN115438247B (zh) | 2022-06-23 | 2022-06-23 | 一种基于轨迹的一船多斗的判别方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115438247A CN115438247A (zh) | 2022-12-06 |
CN115438247B true CN115438247B (zh) | 2023-10-10 |
Family
ID=84241132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210716398.3A Active CN115438247B (zh) | 2022-06-23 | 2022-06-23 | 一种基于轨迹的一船多斗的判别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115438247B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201307005D0 (en) * | 2012-04-25 | 2013-05-29 | Xerox Corp | Method and system for automatically detecting anomalies at a traffic intersection |
CN104780605A (zh) * | 2015-03-17 | 2015-07-15 | 北京搜狗科技发展有限公司 | 一种终端的定位方法和装置 |
CN111062655A (zh) * | 2019-11-29 | 2020-04-24 | 德银天下投资控股有限公司 | 一种异常物流运单的识别方法、装置及系统 |
CN111552754A (zh) * | 2020-04-24 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种舰船轨迹相似度度量方法及系统 |
CN111949750A (zh) * | 2020-07-30 | 2020-11-17 | 智慧航海(青岛)科技有限公司 | 一种船舶轨迹模型建立及异常轨迹检测方法 |
CN112561960A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种基于轨迹相似性度量学习的多目标跟踪重定位方法 |
WO2022033288A1 (zh) * | 2020-08-11 | 2022-02-17 | 华为技术有限公司 | 超载车辆识别方法、系统及设备 |
CN114580554A (zh) * | 2022-03-09 | 2022-06-03 | 武汉理工大学 | 基于轨迹特征挖掘的船舶伴随模式检测方法、系统和介质 |
CN114648872A (zh) * | 2020-12-21 | 2022-06-21 | 深圳市星砺达科技有限公司 | 基于车辆轨迹的车辆用途分析方法、装置、设备及介质 |
-
2022
- 2022-06-23 CN CN202210716398.3A patent/CN115438247B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201307005D0 (en) * | 2012-04-25 | 2013-05-29 | Xerox Corp | Method and system for automatically detecting anomalies at a traffic intersection |
CN104780605A (zh) * | 2015-03-17 | 2015-07-15 | 北京搜狗科技发展有限公司 | 一种终端的定位方法和装置 |
CN111062655A (zh) * | 2019-11-29 | 2020-04-24 | 德银天下投资控股有限公司 | 一种异常物流运单的识别方法、装置及系统 |
CN111552754A (zh) * | 2020-04-24 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种舰船轨迹相似度度量方法及系统 |
CN111949750A (zh) * | 2020-07-30 | 2020-11-17 | 智慧航海(青岛)科技有限公司 | 一种船舶轨迹模型建立及异常轨迹检测方法 |
WO2022033288A1 (zh) * | 2020-08-11 | 2022-02-17 | 华为技术有限公司 | 超载车辆识别方法、系统及设备 |
CN112561960A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种基于轨迹相似性度量学习的多目标跟踪重定位方法 |
CN114648872A (zh) * | 2020-12-21 | 2022-06-21 | 深圳市星砺达科技有限公司 | 基于车辆轨迹的车辆用途分析方法、装置、设备及介质 |
CN114580554A (zh) * | 2022-03-09 | 2022-06-03 | 武汉理工大学 | 基于轨迹特征挖掘的船舶伴随模式检测方法、系统和介质 |
Non-Patent Citations (1)
Title |
---|
面向交通数据的时空定位及轨迹查询优化分析研究;余琪琳;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;第2022卷(第03期);C034-1407 * |
Also Published As
Publication number | Publication date |
---|---|
CN115438247A (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021675B (zh) | 一种基于多源船舶自动识别系统数据的数据融合方法 | |
Wu et al. | Mapping global shipping density from AIS data | |
CN107403482B (zh) | 一种确定车辆行驶里程数的方法、装置及系统 | |
CN112712690B (zh) | 车辆电子围栏方法、装置、电子设备 | |
CN112562415B (zh) | 船舶航线推荐方法 | |
CN111581314B (zh) | 基于船舶轨迹的泊位识别方法及装置 | |
CN103529458B (zh) | 卫星捕获方法及装置 | |
CN107193060B (zh) | 一种多路径台风风暴潮快速预测方法及系统 | |
CN103809195A (zh) | 一种gps轨迹曲线的生成方法及装置 | |
CN112013286B (zh) | 管道泄漏点的定位方法及装置、存储介质、终端 | |
CN106324634A (zh) | Gps定位数据的处理方法和装置 | |
CN113220678B (zh) | 船靠船事件识别方法及系统 | |
CN107976702A (zh) | 一种基于cors的位置修正方法、定位终端及定位系统 | |
CN113537141B (zh) | 一种堤坝管涌和滑坡病害快速检测方法及系统 | |
CN115600733A (zh) | 一种船舶航迹预测方法及装置 | |
CN115438247B (zh) | 一种基于轨迹的一船多斗的判别方法、装置及设备 | |
CN104392113A (zh) | 一种近海海面冷空气大风风速的估算方法 | |
CN114239426A (zh) | 基于水流资料同化的长江干线船舶排放清单生成方法 | |
CN102087107B (zh) | 绳系多传感器协同优化近海测波浮标及其滤波融合方法 | |
CN117214935A (zh) | 基于卫星定位的位置监控方法及装置 | |
CN111814960B (zh) | 天气气候系统的识别方法、装置、存储介质及处理器 | |
CN115792137B (zh) | 大气污染溯源方法及装置、终端 | |
CN103501535A (zh) | 一种定位节点的方法及装置 | |
CN109991573A (zh) | 船只定位方法、计算机可读存储介质及终端设备 | |
CN104266646A (zh) | 一种确定终端运动方向的方法和装置 |
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 |