CN115511174A - 一种船舶风险预测方法和系统 - Google Patents
一种船舶风险预测方法和系统 Download PDFInfo
- Publication number
- CN115511174A CN115511174A CN202211169616.2A CN202211169616A CN115511174A CN 115511174 A CN115511174 A CN 115511174A CN 202211169616 A CN202211169616 A CN 202211169616A CN 115511174 A CN115511174 A CN 115511174A
- Authority
- CN
- China
- Prior art keywords
- ship
- risk
- time
- data
- prediction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 24
- 230000002123 temporal effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000036962 time dependent Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于船位的预测来实现船舶风险的预测,再从风险的角度评估风险和实现避险或预警,从船舶的角度出发,全面全方位的实现对风险的预测,从而更加提高船舶避免能力的船舶预测方法和系统。本发明的技术方案是:其特征是包括下列步骤:S1:船舶船位的预测:预测船舶在将来某一时刻到达的位置;S2:基于船舶预测船位的风险识别:根据步骤S1预测的船舶位置,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;S3:根据步骤S1和S2的分析结果,在预警情况出现时,发出预警信号。
Description
技术领域
本发明涉及船舶风险预测方法,特别是公开了一种基于船位的预测来实现船舶风险的预测,再从风险的角度评估风险和实现避险或预警,从而构建支持船舶风险预测的船舶风险预测方法和系统。船舶风险预测,主要应用于航运信息化、数字化、可视化过程中,预测船舶在未来一段时间内潜在的风险。
背景技术
船舶自动识别系统(Automatic Identification System,简称AIS系统),由岸基(基站)设施和船载设备共同组成,是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。AIS数据就是船舶上的AIS设备发出来的包含船舶状态、经纬度的数据。
PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理系统(ORDBMS),是以加州大学计算机系开发的POSTGRES4.2版本为基础的对象关系型数据库管理系统。PostGIS[3]是对象关系型数据库系统PostgreSQL的一个扩展,PostGIS提供如下空间信息服务功能:空间对象、空间索引、空间操作函数和空间操作符。同时,PostGIS遵循OpenGIS的规范。
目前航运业一个重要的研究方向就是航运信息化和数字化,在这个过程中最重要的步骤包括将船舶的碎片化的AIS数据整理并加以处理后得到合理、科学的船舶航行航段动态(航行航段动态指船舶从上一港离开后驶向目的港整个航段中的动态过程,以下简称动态)。根据船舶的目的港和船舶航线推荐方法,可以得到航行中的船舶的剩余预抵航线,参照CN112562415A。
基于船舶动态和船舶最新上传的AIS数据中的当前船位进行风险识别,可以建立船舶航向状态下的风险识别和预警系统,其以CN113870619A为代表,但只有当前船位的预警处理机制不足以应对船舶潜在面临的风险,而且基于AIS的数据有一个天然的缺陷就是时间滞后性,理想的最新数据可能实际上延后了数日之久。
另外基于船舶动态预测未来船舶位置,在此基础上可以与船位所处的区域、自然气象实现动态交互,其以CN114444315A为代表,该方法系统地分析了船舶模拟避台,但船舶的风险来源不局限于台风这一类自然气象风险,特战区域、海盗区域和低硫区也同样是船舶风险来源,单一的风险源不足以支撑船舶运营决策,无法结合实际情况做出较为全面的风险判断,一个极端的例子就是为规避台风而进入另外一个风险区域。
发明内容
本发明解决目前船舶风险预测中存在的只有当前船位的预警处理机制不足以应对船舶潜在面临的风险、基于AIS的数据存在的时间滞后性的天然的缺陷以及单一的风险源不足以支撑船舶运营决策,无法结合实际情况做出较为全面的风险判断的问题,提供一种基于船位的预测来实现船舶风险的预测,再从风险的角度评估风险和实现避险或预警,从船舶的角度出发,全面全方位的实现对风险的预测,从而更加提高船舶避免能力的船舶预测方法和系统。
本发明的技术方案是:
船舶风险预测方法,其特征是包括下列步骤:
S1:船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;
S2:基于船舶预测船位的风险识别:根据步骤S1预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
S3:根据步骤S1和S2的分析结果,在预警情况出现时,发出预警信号。
所述步骤S1包括下列步骤:
S11:计算预抵航线,包括如下步骤:
(1)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS;
(2)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线;
S12:船舶船位预测,包括如下步骤:
(1)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(2)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
S13:船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT。
所述步骤S12中计算船舶坐标点时采用累积的方式在预抵航线上的前后两两点之前向前移动。
所述步骤S12中在处理预抵航线时选取的间隔时间需要采用合理的时间粒度,预测时间粒度是在船位的准确性和计算量两个方面平衡时间粒度。
在处理时间时,为方便计算存储的时间格式是对齐后的整点数据。
所述步骤S2包括下列步骤:
S21:分析基于预测船位的风险源:根据步骤S13中存储的预测船位数据基础上,分析船舶在预测时刻潜在的风险源;
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系;
对于第一类风险源,将风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL;
对于第二类风险源,只处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL;
S22:预测船位风险:根据步骤S13中存储的船舶船位预测数据和步骤S21中存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险。
所述步骤S22包括下列步骤:
根据风险源的分类,判断船舶是否有风险,包括以下步骤:
(1)判断船舶是否在预测时间与时间无关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA;
(2)判断船舶是否在预测时间与时间相关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA以及船位预测时间PREDICT_TIME和风险源预测时间PREDICT_TIME;
(3)循环处理每条船舶的预测船位直到结束。
所述步骤S21中,第一类风险源包括特殊区域中的特战区和海盗区;第二类风险源,包括台风和恶劣气象中的大风大浪。
所述步骤S3包括下列步骤:
S31:特殊区域穿越风险预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号;
S32:恶劣气象穿行预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号。
一种船舶风险预测系统,其特征是由下列单元组成:船舶船位的预测单元(11)、基于船舶预测船位的风险识别单元(12)和预警单元(13),所述船舶船位的预测单元(11)和基于船舶预测船位的风险识别单元(12)分别与预警单元(13)连接;其中:船舶船位预测单元(11)用于船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;基于船舶预测船位的风险识别单元(12)用于船舶预测船位的风险识别:根据预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;预警单元(13)用于根据船舶船位的预测单元和基于船舶预测船位的风险识别单元的结果,在预警情况出现时,发出预警信号。
所述船舶船位的预测单元(11)用于执行下列任务:
(1)计算预抵航线,包括如下过程:
(A)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS;
(B)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线;
(2):船舶船位预测,包括如下过程:
(A)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(B)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
(3):船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT。
所述基于船舶预测船位的风险识别单元(12)用于执行下列任务:
(1)分析基于预测船位的风险源:将风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系,并将相关的风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL;
对于第二类风险源,处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL;
(2)预测船位风险:根据存储的船舶船位预测数据和存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险。
所述预警单元(13)包括第一类风险源预警单元和第二类风险源预警单元,其中,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源。
本发明的效果是:
船舶风险预测方法,包括下列步骤:S1:船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;S2:基于船舶预测船位的风险识别,根据步骤S1预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;S3:根据步骤S1和S2的分析结果,在预警情况出现时,发出预警信号。
对比船舶当前航行状态下的风险的识别技术,本发明将船舶风险预测分成两个部分,一是船舶船位的预测,二是基于船舶预测船位的风险识别,其中基于船舶预测船位的风险识别实际上和船舶当前航行状态下的风险的识别技术都是对船舶和风险来源的一种地理位置上的结合。
一方面,本方法采用的船舶船位不同于船舶当前航行状态下的风险的识别技术,是对船舶未来位置的预测,因此能够提前更长时间给运行的船舶发出预警信号,从而能够大幅提高船舶运行的安全性。另一方面,本方法将风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源。通过扩大风险源的范围,可以扩大预警范围,也能够提高船舶运行的安全性。
以特殊区域穿越为例,当船舶预测船位与某个特殊区域相交时,可能会有潜在风险,利用本预测系统中的第一类风险源预警单元,进行特殊区域穿行预警,能够及时有效的发出预警。
以恶劣气象为例,船舶在海上航行时,恶劣天气条件是影响船舶安全航行的一大危险因素,利用本预测系统中的第二类风险源预警单元,进行中恶劣气象穿行预警,能够及时有效的规避此风险。
步骤S1船舶船位的预测,包括步骤S11:计算预抵航线、步骤S12:船舶船位预测和步骤S13:船舶船位的储存。
船舶船位预测是本方法实现的基础,船舶船位预测又依赖于预抵航线(船舶当前位置到目的港的预测航线,由一系列坐标点构成)。本方法参照船舶航线推荐方法先基于历史AIS整理船舶历史航段,从船舶航行时的目的港和历史航段得到船舶预抵航线。
基于预抵航线,本方法简单实现一种轨迹和时间的算法来预测船舶船位,并将船位数据存储到POSTGRESQL数据库中,以此来分析各类风险源在预测船位对应的时间点上船舶潜在的风险。
本发明的船舶风险预测方法,能够从当前的角度看向未来,基于船位的预测来实现船舶风险的预测,再从风险的角度评估风险和实现避险或预警,从而构建支持船舶风险预测的船舶预测方法和系统,大幅增强船舶的避险能力,提高船舶运行的安全性。
下面结合附图和实施例对本发明做进一步的说明。
附图说明
图1是本发明预测方法流程框图;
图2是本发明船舶船位的预测流程图;
图3是船舶历史航段数据格式图;
图4是船舶舶预抵航线示意图;
图5是为船舶预测船位数据格式图;
图6是图1中基于船舶预测船位的风险识别流程图;
图7是时间无关风险源数据格式图;
图8是时间相关风险源数据格式图;
图9是预测船位关联时间无关风险源示意图;
图10是预测船位关联时间无关风险源示意图;
图11是船舶风险预测流程框图;
图12是本发明预测系统结构框图。
具体实施方式
图1中,船舶风险预测方法,包括下列步骤:
S1:船舶船位的预测,预测船舶在航线上未来某一时到达的位置;
S2:基于船舶预测船位的风险识别,根据步骤S1预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
S3:根据步骤S1和S2的分析结果,在预警情况出现时,发出预警信号。
图2中,所述步骤S1:船舶船位的预测,包括下列步骤:
S11:计算预抵航线,包括如下步骤:
(1)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS,(船舶历史航段数据参见图3)。
(2)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线。
船舶历史AIS数据是分析船舶全生命周期的最重要的一个基础,本方法按照船舶AIS中船舶状态(简化的状态包括航行、靠泊、锚泊)从上一港靠泊到下一港靠泊作为一个完整航段,特别地,如果当前航次尚未结束,那么此航段只有出发港,本方法将对这些船舶计算预抵航线,并预测船舶风险。
S12:船舶船位预测,包括如下步骤:
(1)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(2)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
S13:船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT(船舶船位预测数据格式见图5)。
述步骤S12中计算船舶坐标点时采用累积的方式在预抵航线上的前后两两点之前向前移动。
所述步骤S12中在处理预抵航线时选取的间隔时间需要采用合理的时间粒度,预测时间粒度是在船位的准确性和计算量两个方面平衡时间粒度。在处理时间时,为方便计算存储的时间格式是对齐后的整点数据。
图6中,所述步骤S2:基于船舶预测船位的风险识别,包括下列步骤:
S21:分析基于预测船位的风险源:根据步骤S13中存储的预测船位数据基础上,分析船舶在预测时刻潜在的风险源,将风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;图7为与时间无关风险源数据格式,图8为与时间相关风险源数据格式。
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系,图9为预测船位关联时间无关风险源示意图,对于第一类风险源,将风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL。
对于第二类风险源,处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL,图10为预测船位关联时间有关风险源示意图。
S22:预测船位风险:根据步骤S13中存储的船舶船位预测数据和步骤S21中存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险;
根据风险源的分类,判断船舶是否有风险,包括以下步骤:
(1)判断船舶是否在预测时间与时间无关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA;
(2)判断船舶是否在预测时间与时间相关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA以及船位预测时间PREDICT_TIME和风险源预测时间PREDICT_TIME;
(3)循环处理每条船舶的预测船位直到结束(参见图11)。
所述步骤S21中,第一类风险源包括特殊区域中的特战区和海盗区;第二类风险源,包括台风和恶劣气象中的大风大浪。
述步骤S21中还包括下列步骤,对于时间无关类风险源将风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL。
所述步骤S3包括下列步骤:
S31:特殊区域穿越风险预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号;
S32:恶劣气象穿行预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号。
图12中,一种船舶风险预测系统,由下列单元组成:船舶船位的预测单元(11);基于船舶预测船位的风险识别单元(12)和预警单元(13),所述船舶船位的预测单元(11)和基于船舶预测船位的风险识别单元(12)分别与预警单元(13)连接;其中:船舶船位预测单元(11)用于船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;基于船舶预测船位的风险识别单元(12)用于船舶预测船位的风险识别:根据预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;预警单元(13)用于根据船舶船位的预测单元和基于船舶预测船位的风险识别单元的结果,在预警情况出现时,发出预警信号。
所述船舶船位的预测单元(11)用于执行下列任务:
(1)计算预抵航线,包括如下过程:
(A)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS;
(B)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线;
(2):船舶船位预测,包括如下过程:
(A)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(B)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
(3):船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT。
所述基于船舶预测船位的风险识别单元(12)用于执行下列任务:(1)分析基于预测船位的风险源:将风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系,并将相关的风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL。
对于第二类风险源,只处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL。
(2)预测船位风险:根据存储的船舶船位预测数据和存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险。
所述预警单元(13)包括第一类风险源预警单元和第二类风险源预警单元,其中,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源。
下面为本发明的应用实例介绍:
首先处理船舶AIS历史数据,基于船舶历史AIS将船舶每个航次的数据存储到历史航段表中。
以船舶MMSI=477269400为例,船舶实时AIS数据主要包括_MMSI、目的港_END_PORT、经度_LON、纬度_LAT、时间_TIME和航行速度_SPEED,参照历史航段表船舶的当前航段预测船舶24小时以内潜在风险。
一、船舶预抵航线
根据历史航段表船舶的当前航段查询船舶预抵港口_END_PORT,参照以下SQL:
SELECT END_PORT INTO_END_PORT FROM TABLE_HIS_LEG
WHERE MMSI=${_MMSI}AND IS_NEW=1
通过本航次出发港和目的港查询本船历史上相同出发目的港中距离当前位置最近的历史航段以及航行轨迹_TRACK_POINTS,函数ST_DISTANCE可以求得两个地理对象之间的距离,参照以下SQL:
SELECT TRACK_POINTS INTO_TRACK_POINTS FROM
TABLE_HIS_LEG WHERE START_PORT=${_START_PORT}AND
END_PORT=${_END_PORT}AND MMSI=${_MMSI}AND IS_NEW=0
ORDER BY ST_DISTANCE(ST_POINT(${_LON},${_LAT}),TRACK_POINTS)
LIMIT 1
_TRACK_POINTS即为当前航次推荐的预抵航线点序列,定位_TRACK_POINTS上离船舶当前位置最近的点_CLOSEST_POINT,该预抵航线点序列中_CLOSEST_POINT以后的点即为预抵航线_RET_LINE,函数ST_CloestPoint可以定位线性地理对象上距离目标点的最近的点,函数ST_LineLocatePoint可以定位线性地理对象上某个点在线上所在位置占整条线段长度的百分比,函数ST_LineSubstring可以按长度百分比截取线性地理对象,参照以下SQL:
SELECT ST_CloestPoint(${_TRACK_POINTS},ST_POINT(${_LON},${_LAT}))INTO_CLOSEST_POINT
SELECT ST_LineSubstring(${_TRACK_POINTS},ST_LineLocatePoint(${_TRACK_POINTS},_CLOSEST_POINT),1)INTO_RET_LINE
_RET_LINE就是最优的预抵航线。
二、船舶预测船位
处理预测时间24小时内的每个整点时刻t,假设船舶按照当前速度匀速向前行驶,则在t时刻在预抵航线上行驶Sv=t×_SPEED的长度,依次遍历预抵航线_RET_LINE上的轨迹点并累加每个轨迹点Pi与前一个点Pi-1之间的距离Si=ST_LENGTH(Pi-1,Pi),找到第一个前缀和不小于Sv的点,则t时刻船舶的位置在点Pi-1到点Pi中间。
通过点Pi-1的坐标LONi,LATi到点Pi的坐标LONi-1,LATi-1平移得到t时刻船舶坐标经度_LONt为
SELECT LONi-1+(LONi LONi-1)×((En Sv)÷Si)INTO_LONt
t时刻船舶坐标纬度_LATt为:
SELECT LATi-1+(LATi LATi-1)×((En Sv)÷Si)INTO_LATt
将船舶以上所有预测时间t、t时刻经度_LONt、t时刻经度_LATt存储到数据库TABLE_VESSEL_PREDICT表中对应的PREDICT_TIME、PREDICT_LON、PREDICT_LAT字段中。
三、船舶风险预测
时间无关风险源和时间相关风险源的数据提前存储到数据库中,时间无关风险源数据主要包括字段风险名称RISK_NAME、地理对象RISK_AREA和风险等级RISK_LEVEL;时间相关风险源数据主要包括字段预测时间PREDICT_TIME、风险名称RISK_NAME、地理对象RISK_AREA和风险等级RISK_LEVEL。
根据船舶预测船位,先判断是否和数据库中的时间无关风险源是否存在地理位置上的相交关系,判断sql如下:
SELECT*FROM TABLE_VESSEL_PREDICT vessel INNER JOIN TABLE_RISK_1 riskON ST_INTERSECTS(ST_POINT(vessel.PREDICT_LON,vessel.PREDICT_LAT),risk.RISK_AREA)
再判断是否和数据库中的时间相关风险源是否存在地理位置上的相交关系,判断sql如下:
SELECT*FROM TABLE_VESSEL_PREDICT vessel INNER JOIN TABLE_RISK_2 riskON ST_INTERSECTS(ST_POINT(vessel.PREDICT_LON,vessel.PREDICT_LAT),risk.RISK_AREA)AND vessel.PREDICT-TIME=risk.PREDICT_TIME
上述sql的查询结果即为船舶在对应时间的潜在风险。
Claims (13)
1.船舶风险预测方法,其特征是包括下列步骤:
S1:船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;
S2:基于船舶预测船位的风险识别:根据步骤S1预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
S3:根据步骤S1和S2的分析结果,在预警情况出现时,发出预警信号。
2.根据权利要求1所述的船舶风险预测方法,其特征是所述步骤S1包括下列步骤:
S11:计算预抵航线,包括如下步骤:
(1)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS;
(2)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线;
S12:船舶船位预测,包括如下步骤:
(1)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(2)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
S13:船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT。
3.根据权利要求2所述的船舶风险预测方法,其特征是所述步骤S12中计算船舶坐标点时采用累积的方式在预抵航线上的前后两两点之前向前移动。
4.根据权利要求2所述的船舶风险预测方法,其特征是所述步骤S12中在处理预抵航线时选取的间隔时间需要采用合理的时间粒度,预测时间粒度是在船位的准确性和计算量两个方面平衡时间粒度。
5.根据权利要求2所述的船舶风险预测方法,其特征是在处理时间时,为方便计算存储的时间格式是对齐后的整点数据。
6.根据权利要求1或2所述的船舶风险预测方法,其特征是所述步骤S2包括下列步骤:
S21:分析基于预测船位的风险源:根据步骤S13中存储的预测船位数据基础上,分析船舶在预测时刻潜在的风险源;
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系;
对于第一类风险源,将风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL;
对于第二类风险源,只处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL;
S22:预测船位风险:根据步骤S13中存储的船舶船位预测数据和步骤S21中存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险。
7.根据权利要求6所述的船舶风险预测方法,其特征是所述步骤S22包括下列步骤:
根据风险源的分类,判断船舶是否有风险,包括以下步骤:
(1)判断船舶是否在预测时间与时间无关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA;
(2)判断船舶是否在预测时间与时间相关风险源存在地理位置上的相交;船舶船位预测数据和时间无关风险源数据做笛卡尔积,关联条件是船位预测数据的经度PREDICT_LON、纬度PREDICT_LAT和时间无关风险源地理对象RISK_AREA以及船位预测时间PREDICT_TIME和风险源预测时间PREDICT_TIME;
(3)循环处理每条船舶的预测船位直到结束。
8.根据权利要求6所述的船舶风险预测方法,其特征是所述步骤S21中,第一类风险源包括特殊区域中的特战区和海盗区;第二类风险源,包括台风和恶劣气象中的大风大浪。
9.根据权利要求1或2所述的船舶风险预测方法,其特征是所述步骤S3包括下列步骤:
S31:特殊区域穿越风险预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号;
S32:恶劣气象穿行预警:根据船舶预测船位和特殊区域风险源数据,如果存在船舶的预测船位和特殊区域存在地理位置上的相交关系,则预警,并发出预警信号。
10.一种船舶风险预测系统,其特征是由下列单元组成:船舶船位的预测单元(11)、基于船舶预测船位的风险识别单元(12)和预警单元(13),所述船舶船位的预测单元(11)和基于船舶预测船位的风险识别单元(12)分别与预警单元(13)连接;其中:船舶船位预测单元(11)用于船舶船位的预测:预测船舶在航线上未来某一时刻到达的位置;基于船舶预测船位的风险识别单元(12)用于船舶预测船位的风险识别:根据预测的船舶船位,分析船舶在预测时刻潜在的风险源,所述风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;预警单元(13)用于根据船舶船位的预测单元和基于船舶预测船位的风险识别单元的结果,在预警情况出现时,发出预警信号。
11.根据权利要求10所述的船舶风险预测系统,其特征是所述船舶船位的预测单元(11)用于执行下列任务:
(1)计算预抵航线,包括如下过程:
(A)航船历史AIS数据整理:将航段数据存入历史航段表TABLE_HIS_LEG中,所述历史航段表主要包括船舶MMSI、出发港口START_PORT、出发时间START_TIME、目的港口END_PORT、到港时间END_TIME、是否当前航段IS_NEW和当前航段航行轨迹TRACK_POINTS;
(B)根据船舶当前AIS中的信息和船舶历史航段以及船舶当前航段,再根据出发和目的港参照船舶历史航段记录,找到相应出发目的港的历史航段中一个距离当前船舶位置最近的航段作为预抵航线;
(2):船舶船位预测,包括如下过程:
(A)根据上述船舶预抵航线,将船舶按照船舶当前速度在线上前进计算一定时间后将到达的坐标点;
(B)根据每一段时间后到达预抵航线上的点,预测船舶在某时刻到达的坐标点作为预抵船位;
(3):船舶船位的储存:将船舶船位的预测数据存储到POSTGRESQL数据库表TABLE_VESSEL_PREDICT中,预测数据包括:船舶MMSI、预测时间PREDICT_TIME、预测船位坐标经度PREDICT_LON、预测船位坐标纬度PREDICT_LAT。
12.根据权利要求10所述的船舶风险预测系统,其特征是所述基于船舶预测船位的风险识别单元(12)用于执行下列任务:
(1)分析基于预测船位的风险源:将风险源分为两类,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源;
对于第一类风险源,只判断预测船位和该风险源之间是否有地理上位置上的相交关系,并将相关的风险源地理对象数据存储到数据库表TABLE_RISK_1中,主要字段包括风险源名称RISK_NAME、风险地理对象RISK_AREA(POSTGIS中的地理对象)和风险等级RISK_LEVEL;
对于第二类风险源,处理气象预测机构发布的数据,并将该数据整理并处理成每个时刻对应的气象数据并存储到数据库表TABLE_RISK_2中,气象数据主要包括气象风险名称RISK_NAME、气象风险地理对象RISK_AREA(POSTGIS中的地理对象)、气象预测时间PREDICT_TIMME和气象风险等级RISK_LEVEL;
(2)预测船位风险:根据存储的船舶船位预测数据和存储的风险源数据,循环处理每个船舶的预测船位数据,如果它和其中任何一个风险源的地理位置有相交关系,则说明该船舶存在对应风险源的风险。
13.根据权利要求10所述的船舶风险预测系统,其特征是所述预警单元(13)包括第一类风险源预警单元和第二类风险源预警单元,其中,第一类风险源是位置固定的、与时间无关的风险源;第二类风险源是带有时间属性的风险源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169616.2A CN115511174A (zh) | 2022-09-22 | 2022-09-22 | 一种船舶风险预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169616.2A CN115511174A (zh) | 2022-09-22 | 2022-09-22 | 一种船舶风险预测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115511174A true CN115511174A (zh) | 2022-12-23 |
Family
ID=84505662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211169616.2A Pending CN115511174A (zh) | 2022-09-22 | 2022-09-22 | 一种船舶风险预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511174A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037089A (zh) * | 2023-10-09 | 2023-11-10 | 亿海蓝(北京)数据技术股份公司 | 船舶擅自出境行为的检测方法、装置和可读储存介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109243205A (zh) * | 2018-08-29 | 2019-01-18 | 上海海事大学 | 一种沿海水上交通安全风险监测与预警系统及方法 |
CN112085286A (zh) * | 2020-09-15 | 2020-12-15 | 周远鹏 | 一种船舶行为预测模型建立方法及船舶行为预测模型 |
CN112133131A (zh) * | 2020-09-15 | 2020-12-25 | 广州海事科技有限公司 | 船舶偏航预警方法、系统、计算机设备及存储介质 |
CN113870619A (zh) * | 2021-10-13 | 2021-12-31 | 中远海运科技股份有限公司 | 一种船舶航行风险识别及预警方法和系统 |
US20220036738A1 (en) * | 2020-07-29 | 2022-02-03 | Wuhan University Of Technology | Method and system for assessing and early warning ship collision risk |
CN114077926A (zh) * | 2021-11-18 | 2022-02-22 | 阿里云计算有限公司 | 航行轨迹预测方法、计算机存储介质及程序产品 |
CN114444315A (zh) * | 2022-01-30 | 2022-05-06 | 中远海运科技股份有限公司 | 一种船舶避台航线模拟方法及系统 |
CN114550501A (zh) * | 2022-04-20 | 2022-05-27 | 迪泰(浙江)通信技术有限公司 | 一种基于ais的船舶危险预警系统及方法 |
-
2022
- 2022-09-22 CN CN202211169616.2A patent/CN115511174A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109243205A (zh) * | 2018-08-29 | 2019-01-18 | 上海海事大学 | 一种沿海水上交通安全风险监测与预警系统及方法 |
US20220036738A1 (en) * | 2020-07-29 | 2022-02-03 | Wuhan University Of Technology | Method and system for assessing and early warning ship collision risk |
CN112085286A (zh) * | 2020-09-15 | 2020-12-15 | 周远鹏 | 一种船舶行为预测模型建立方法及船舶行为预测模型 |
CN112133131A (zh) * | 2020-09-15 | 2020-12-25 | 广州海事科技有限公司 | 船舶偏航预警方法、系统、计算机设备及存储介质 |
CN113870619A (zh) * | 2021-10-13 | 2021-12-31 | 中远海运科技股份有限公司 | 一种船舶航行风险识别及预警方法和系统 |
CN114077926A (zh) * | 2021-11-18 | 2022-02-22 | 阿里云计算有限公司 | 航行轨迹预测方法、计算机存储介质及程序产品 |
CN114444315A (zh) * | 2022-01-30 | 2022-05-06 | 中远海运科技股份有限公司 | 一种船舶避台航线模拟方法及系统 |
CN114550501A (zh) * | 2022-04-20 | 2022-05-27 | 迪泰(浙江)通信技术有限公司 | 一种基于ais的船舶危险预警系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037089A (zh) * | 2023-10-09 | 2023-11-10 | 亿海蓝(北京)数据技术股份公司 | 船舶擅自出境行为的检测方法、装置和可读储存介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110148634A1 (en) | Predictive geofence crossing | |
US20140229501A1 (en) | Comparing positional information | |
WO2015127540A1 (en) | System and method for tracking and forecasting the positions of marine vessels | |
CN104951865B (zh) | 一种基于电网gis的物资调拨追踪方法及系统 | |
CN110044373B (zh) | 一种精细化交通气象服务信息生成方法 | |
CN110880238B (zh) | 一种基于手机通信大数据的道路拥堵监测方法 | |
CN110889444B (zh) | 一种基于卷积神经网络的驾驶轨迹特征分类方法 | |
WO2020142850A1 (en) | System and method for tracking vessels | |
CN115511174A (zh) | 一种船舶风险预测方法和系统 | |
CN109598373A (zh) | 一种基于ads-b数据的用于预测航班到达时间的预处理方法 | |
CN112785030A (zh) | 船舶行为识别系统、方法和平台 | |
CN109726910B (zh) | 一种海运航线选择方法 | |
CN110264719A (zh) | 一种基于多源数据的机动车动态od矩阵估计方法 | |
Bonham et al. | Analysing port and shipping operations using big data | |
WO2023215980A1 (en) | System and method for enhanced estimated time of arrival for vessels | |
CN116562741A (zh) | 一种lng仓储运输方法、物联网系统、装置及存储介质 | |
KR102293723B1 (ko) | 해상교통 통합 관제 시스템 및 방법 | |
CN113660462A (zh) | 基于融合多源数据分析的包围圈式移动车辆视频追踪方法 | |
CN114387141A (zh) | 一种多目标可视化应急搜救系统及方法 | |
CN110619346B (zh) | 一种基于数据融合的海面移动目标模型的建模方法 | |
CN114037257A (zh) | 一种特种船舶竞争力分析方法及系统 | |
Pan et al. | Online stochastic prediction of mid-flight aircraft trajectories | |
Wijaya et al. | Loitering behavior detection by spatiotemporal characteristics quantification based on the dynamic features of Automatic Identification System (AIS) messages | |
CN112650794A (zh) | 位置数据处理方法、装置、电子设备和存储介质 | |
US10801841B1 (en) | Trajectory prediction via a feature vector approach |
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 |