CN116595472A - 一种基于ais的船舶靠离泊识别方法 - Google Patents
一种基于ais的船舶靠离泊识别方法 Download PDFInfo
- Publication number
- CN116595472A CN116595472A CN202310102811.1A CN202310102811A CN116595472A CN 116595472 A CN116595472 A CN 116595472A CN 202310102811 A CN202310102811 A CN 202310102811A CN 116595472 A CN116595472 A CN 116595472A
- Authority
- CN
- China
- Prior art keywords
- ship
- berthing
- data
- berth
- ais
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 6
- 238000010295 mobile communication Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于AIS的识别船舶靠离泊的方法,包括数据的采集、数据流的接入和预处理、数据的处理与判断、特殊情况过滤步骤。基于大数据流式计算分布引擎,使用AIS信号无限数据流、泊位电子围栏基础数据,根据对靠泊以及离泊条件进行分别判断,并修正低速经过泊位、港内移泊的特殊情形,在保证对船舶靠离泊识别准确性的同时,具有很好的现实可行性。
Description
技术领域
本发明涉及智能识别领域,具体涉及一种基于AIS的识别船舶靠离泊的方法。
背景技术
2021年8月5日,为了进一步规范船舶进出港报告行为,加强船舶进出港报告管理,交通运输部海事局公布《船舶进出港报告管理办法》。《船舶进出港报告管理办法》自2021年9月1日起施行,有效期5年。其中报告内容关于报告时间做了明确的规定,即船舶应于4小时前向预计驶离或抵达地的海事管理机构报告进出港信息,但提前时间不应超过24小时。
船舶进出港报告制度,不仅便利了船舶进出港口,提高了港口经济周转效率,而且有助于海事部门掌握船舶动态信息,更好地开展事中事后监管,保障水上通航安全。
为了规范船舶进出港报告行为,打击船舶进出港未报告违规行为,以船舶靠离泊时间为切入点,我们需要对船舶靠离泊行为进行识别,同时在海事系统中对进出港业务数据进行判断是否按照规定时间进行报告。
正常情况下,泊位位置是相互紧邻的,根据船舶AIS信号去判断靠离泊状态,需要相对精确的泊位的电子围栏位置信息。根据船舶AIS设备的硬件特点,每种不同的航速会对应不同的发射频率,在航速较低时,发射频率相对较低,靠泊和离泊时速度会发生较为明显的变化趋势,相对的AIS发射频率也会发生变化。在船舶抛锚或者停泊并且移动速度低于3海里/小时时,AIS设备报告间隔为3分钟;在船舶抛锚或者停泊并且速度高于3海里/小时或者船舶行进速度低于14海里/小时不改变航向时,AIS设备报告间隔为10s;在船舶行进速度低于14海里/小时且改变航向时,AIS设备报告间隔为3.33s;船舶行进速度在14海里/小时至23海里/小时之间不改变航向时,AIS设备报告间隔为6s;船舶行进速度满足于上述条件的,AIS设备报告间隔为2s。因此,鉴于报告间隔有多种,并不能直接体现相对泊位的变化,因此怎样识别AIS信号中的航速在一定时间内是一个减速的过程和加速的过程、在地理位置上相对泊位是一个由远及近和由近及远的过程就是一件困难的事。
发明内容
为解决目前为规范船舶进出港报告行为而需要对船舶靠离泊状态进行识别,而不同AIS频率只能反映航速不能反映航向而导致识别困难的问题,本发明提出了一种基于AIS的船舶靠离泊识别方法,是一种依赖于船舶AIS信号动态数据,以及港口泊位电子围栏数据,通过对船舶移泊、泊位前低速航行特殊情况进行校正,实现对船舶靠离泊状态识别的方法,能够排除干扰地准确对船舶靠泊状态以及离泊状态进行识别。
本发明的技术方案如下:
一种基于AIS的识别船舶靠离泊的方法,其特征在于,包括数据的采集、数据流的接入和预处理、数据的处理与判断、特殊情况过滤步骤。
S1、所述数据的采集步骤是指,对所需要的数据进行采集,数据包括AIS设备信号数据以及泊位数据,AIS设备信号数据是指接入AIS设备的船舶实时发送的位置数据,包括船舶经纬度位置、发送信号时间戳、船舶对地航速,泊位数据为人工维护的静态基础数据。
S2、所述数据流的接入与预处理步骤是指,通过分布式数据处理框架将AIS设备的实时无限的数据流转化成有限的数据流,所述分布式数据处理框架为Flink数据流,具体包括首先将所有的船舶AIS设备信号数据按照船舶海上移动通信业务标识码MMSI进行分组,然后按照AIS数据流和服务器性能压力的均衡取值来选择时间窗格长度以及时间窗格的滑动阈值,以选择的时间窗格长度对其进行划分,以选择的时间窗格滑动阈值进行滑动窗格,将AIS设备无限的数据流转化成有限的数据流。
S3、所述数据的处理与判断步骤是指,将所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据,根据AIS设备信号数据中的船舶对地航速进行判断,将船舶对地航速大于1海里每小时的定义为航行状态,小于1海里每小时的定义为停泊状态。
对于船舶靠泊状态的识别:对所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据进行处理,选中在所述时间窗格长度内的停泊状态信号点的比例大于百分之70的窗格,根据最后一个信号点和泊位的圆心位置判断距离,取离得最近的泊位进行记录,得到船舶靠泊时的泊位信息。
对于船舶离泊状态的识别:对所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据进行处理,首先选中所述时间窗格长度内的航行状态的信号点比例大于百分之70的窗格,然后在此基础之上再通过缓存服务器记录的该船舶的上一个靠泊泊位信息,来筛选出所述时间窗格长度内第一个信号点在此泊位中心点为圆心的特定范围内,且最后一个信号点离开此泊位的1海里以上的情形,满足所述情形的上一个靠泊泊位信息即为船舶离泊时的泊位信息。
S4、所述特殊情况过滤步骤是指,对于船舶低速经过泊位以及港内移泊特殊情况的识别,对于船舶低速经过泊位的情况,增加对所述时间窗格长度内第一个信号和最后一个信号点的相对泊位距离的判断,不满足单一距离变化过程的条件即判断为船舶低速经过泊位;对于船舶港内移泊时,增加如果在同一天内靠泊泊位是否同一所属机构的判定,满足在同一天内靠泊泊位是同一所属机构即为港内移泊的特殊情况。
优选地,S1所述数据的采集步骤中,人工维护的静态基础数据是指泊位的电子围栏位置信息。
优选地,S2所述数据流的接入与预处理步骤中,所述时间窗格长度为30分钟,所述时间窗格滑动阈值为10分钟。
优选地,S3所述数据的处理与判断步骤中,所述泊位中心点为圆心的特定范围为250-350米。
优选地,S3所述数据的处理与判断步骤中,对于船舶靠泊状态的识别,根据最后一个信号点和泊位的圆心位置判断距离是指,以最后一个信号点的为圆心300米为半径画圆,如果泊位圆圈与船位圆圈相交的话,则记录取得的泊位,如果满足条件的泊位存在多个,则再进一步根据泊位中心点与最后一个信号点的距离判定取最近的泊位,并同时满足第一个信号点离这个泊位的距离大于最后一个信号点离这个泊位的距离。
优选地,S3所述数据的处理与判断步骤中,对于船舶离泊状态的识别选取的阈值250-350米半径范围是在综合考量所有泊位的实际长度取的一个经验数值。
本发明的有益效果为:
本发明提出一种基于AIS的识别船舶靠离泊的算法,是一种基于大数据流式计算分布引擎,使用AIS信号无限数据流、泊位电子围栏基础数据,根据对靠泊以及离泊条件进行分别判断,并修正低速经过泊位、港内移泊的特殊情形,完成对船舶靠离泊的准确识别的方法。具体方案中,本发明在S2数据流的接入与预处理步骤中,通过Flink数据流这种分布式数据处理框架将AIS设备的实时无限的数据流转化成有限的数据流,将AIS设备无限的数据流转化成有限的数据流,在选择时间窗格长度以及时间窗格的滑动阈值的基础上,进一步以1海里每小时对航行状态和停泊状态进行了定义,从而能对船舶靠泊状态和靠泊状态依据进行分别的识别处理,然后再判断船舶在一定时间间隔内内的航行状态的信号点比例,从而解决了不同航速AIS发生频率变化导致识别困难的问题。
所述分布式数据处理框架为,具体包括首先将所有的船舶AIS设备信号数据按照船舶海上移动通信业务标识码MMSI进行分组,然后按照AIS数据流和服务器性能压力的均衡取值来,以选择的时间窗格长度对其进行划分,以选择的时间窗格的滑动阈值进行滑动窗格,本发明对于采集到的AIS信号无线数据流通过分布式数据处理框架进行处理,特别是我们选择Flink分布式处理引擎,将无限的数据流转化成有限的数据流,Flink具有高吞吐低延迟的特性,适合于我们对于AIS信号无线数据流的处理,进而为接下来的船舶靠离泊时提供数据基础;在Flink选择时间窗格与滑动阈值时,我们是基于对整个AIS数据流和服务器性能压力进行的的均衡取值,既可以尽可能的降低滑动阈值来提高船舶靠离泊时间判断的准确性,又不至于对我们的服务器产生过大的负荷,在可行的基础上尽可能的提高准确率。
本发明对于船舶靠泊的识别首先来判断船舶在一定时间间隔内的航行状态的信号点比例,我们优选为30分钟,在大于百分之70的情况下,再以最后一个信号点的为圆心一定长度为半径画圆,我们优选为300米,如果泊位圆圈与船位圆圈相交的话,则记录取得的泊位,如果满足条件的泊位存在多个,则再进一步根据泊位中心点与最后一个信号点的距离判定取最近的泊位,并同时满足第一个信号点离这个泊位的距离大于最后一个信号点离这个泊位的距离,即判断该船舶为靠泊状态。其中在实际运行过程中,我们发现AIS信号会不出现在泊位电子围栏中,所以放弃了用点和圆来判断相交,而是选择以圆与圆的相交来进行判断,即以AIS信号点来作为圆心进行300米半径画圆,用该圆与泊位圆圈相交来判断靠泊状态,解决了实际运行过程中AIS信号偏移而导致的识别偏差,300米半径阈值的选择是综合考量所有泊位的实际长度后所取的一个相对合理的数值,通过这种方法来有效减少了定位的误差对于船舶靠泊识别精确度的影响。对于船舶离泊的识别,按规律由于离泊与靠泊是一个完整周期动作,假定先有靠泊行为,必将会有对应的离泊行为,所以通过缓存服务器记录每条船上一个的靠泊泊位,在检测离泊信号点比例满足条件的同时,检测30分钟内第一个信号点在此泊位300米范围内,最后一个信号点离开此泊位的1海里以上来即可判定船舶离泊。同时在实际应用中发现,当船舶低速经过泊位以及在港内移泊时,也会满足上述判断条件,所以针对这种特殊情况进行了过滤,以满足判断船舶靠离泊准确率的要求。本发明通过上述方法实现了对船舶靠离泊的准确识别,将靠离泊行为的靠泊时间和离泊时间精确到10分钟之内且实际当中现实可行,进一步规范了船舶进出港报告行为。
附图说明
图1是本发明一种基于AIS的识别船舶靠离泊的算法流程图。
图2是本发明中数据的处理与判断步骤的流程图。
图3是国海15船舶靠泊状态AIS信号轨迹图。
图4是国海15船舶靠泊状态速度变化趋势图。
图5是金晨9船舶离泊状态AIS信号轨迹图。
图6是金晨9船舶离泊状态速度变化趋势图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种基于AIS的识别船舶靠离泊的算法,如图1所示包括数据的采集、数据流的接入和预处理、数据的处理与判断、特殊情况过滤步骤;
S1、所述数据的采集步骤是指,对算法所需要的数据进行采集,数据包括AIS设备信号数据以及泊位数据,AIS设备信号数据包括船舶实时航速、位置数据,泊位数据为人工维护的静态基础数据,泊位电子围栏形状为圆形,可理解为圆心为泊位所在位置的中心,圆的直径为泊位的长度。
S2、所述数据流的接入与预处理步骤是指,通过分布式数据处理框架Flink将AIS设备的实时无限的数据流转化成有限的数据流,具体包括首先将所有的船舶AIS设备信号数据按照船舶水上移动通信业务标识码进行分组,然后按照30分钟一个窗格进行进行划分,最后每10分钟滑动一个窗格,将AIS设备无限的数据流转化成有限的数据流。其中30分钟窗格的取值和10分钟滑动阈值的取值目前基于对整个AIS数据流和服务器性能压力的均衡取值,通过历史数据的经验判断,既满足对于识别船舶靠离泊状态的精确度的需要,也尽可能减少数据流过大对服务器性能产生过重的压力。
S3、所述数据的处理与判断步骤如图2所示,我们首先将所述分布式数据处理框架中生成的30分钟的时间窗格内的所有AIS设备信号数据,根据AIS设备信号数据中的船舶对地航速进行判断,将船舶对地航速大于1海里每小时的定义为航行状态,小于1海里每小时的定义为停泊状态,据此来计算在30分钟内停泊时间所占比例。
对于船舶靠泊状态的识别,对所述分布式数据处理框架中生成的30分钟的时间窗格内的所有AIS设备信号数据进行处理,选中在30分钟内的停泊状态信号点的比例大于百分之70的窗格,根据最后一个信号点和泊位的圆心位置判断距离,取离得最近的泊位进行记录,所述根据最后一个信号点和泊位的圆心位置判断距离是指,以最后一个信号点的为圆心300米为半径画圆,如果泊位圆圈与船位圆圈相交的话,则记录取得的泊位,如果满足条件的泊位存在多个,则再进一步根据泊位中心点与最后一个信号点的距离判定取最近的泊位,并同时满足第一个信号点离这个泊位的距离大于最后一个信号点离这个泊位的距离所记录的泊位信息即为船舶靠泊时的特定信息,我们判断其为靠泊。
对于船舶离泊状态的识别,对所述分布式数据处理框架中生成的30分钟的时间窗格内的所有AIS设备信号数据进行处理,首先选中在30分钟内的航行状态的信号点比例大于百分之70的窗格,然后在此基础之上再通过缓存服务器记录的该船舶的上一个靠泊泊位信息,来筛选出30分钟内第一个信号点在此泊位300米范围内,且最后一个信号点离开此泊位的1海里以上的情形,即为船舶离泊时的特定信息,我们判断其为离泊。
S4、所述特殊情况过滤步骤是指,对于船舶低速经过泊位以及港内移泊特殊情况的识别,船舶低速经过泊位时,船位相对泊位的距离是一个由远及近,再由近及远的变化过程,虽然信号点停泊速度比例满足条件,但是距离的变化过程不满足真正靠泊的变化,算法中增加了对30分钟内第一个信号和最后一个信号点的相对泊位距离的判断,可以排除低速经过泊位的判断。
船舶港内移泊判断则相对简单,由于记录有该船的所有靠离泊数据,只需要增加如果在同一天内靠泊泊位是同一所属机构的条件就可以判定为港内移泊的逻辑。
以AIS信号点来作为圆心进行300米半径画圆目的是为了解决AIS信号偏移的问题,在算法实际运行过程中,我们发现AIS信号会出现不在泊位电子围栏中,后来,算法摈弃点和圆的判断,用两个电子围栏相交来判断位置关系,则大大较低的这种信号位置偏差的问题。其中300米的阈值是在综合考量所有泊位的实际长度取的一个相对合理的数值。
优选地,所述数据的采集步骤中,人工维护的静态基础数据是指泊位的电子围栏位置信息。
下面将针对靠泊和离泊两种状态举出实例进行介绍和验证算法的正确性,靠泊实例船舶为国海15,离泊实例船舶为金晨9。其中图3与图5中深色圆圈为泊位所在位置。
对于靠泊实例,船舶国海15靠泊时,我们首先通过本发明方法来依次完成数据的采集、数据流的接入和预处理,然后通过本算法对所述分布式数据处理框架中生成的30分钟的时间窗格内的所有AIS设备信号数据进行处理,通过本发明所述的判断条件选出了首段在30分钟内的停泊状态信号点的比例大于百分之70的符合要求的窗格,摘取该船舶在这30分钟内的航行数据做出该船速度变化趋势图,如图4所示,从该船舶AIS轨迹速度的折线趋势图是可以看出速度呈下降趋势。然后根据最后一个信号点和泊位的圆心位置判断距离,取离得最近的泊位进行记录,所述根据最后一个信号点和泊位的圆心位置判断距离是指,以最后一个信号点的为圆心300米为半径画圆,如果泊位圆圈与船位圆圈相交的话,则记录取得的泊位,如图3所示AIS轨迹的信号位置来看最后一个信号点,即2022-04-17 09:20:15点,其圆心300米范围之内满足条件的泊位只有深色圆圈所示的这一个,同时它不满足本发明方法中所述的特殊情况过滤,所以识别其为靠泊状态。但如果满足条件的泊位存在多个,则再进一步根据泊位中心点与最后一个信号点的距离判定取最近的泊位,并同时满足第一个信号点离这个泊位的距离大于最后一个信号点离这个泊位的距离所记录的泊位信息即为船舶靠泊时的特定信息,我们判断其为靠泊。所以本次国海15船舶实际靠泊行为由本发明方法描述效果良好。
对于离泊实例,船舶金晨9离泊时,我们首先通过本发明方法来依次完成数据的采集、数据流的接入和预处理,然后通过本算法对所述分布式数据处理框架中生成的30分钟的时间窗格内的所有AIS设备信号数据进行处理,通过本发明所述的判断条件选出了首段在30分钟内的航行状态信号点的比例大于百分之70的符合要求的窗格,摘取该船舶在这30分钟内的航行数据做出该船速度变化趋势图,如图6所示,从该船舶AIS轨迹速度的折线趋势图是可以看出速度呈上升趋势。然后从图5可以看出,该船舶在这段时间窗格内的第一个点2022-04-0818:22:52位于深色圆圈泊位内,满足在此泊位300米范围内,且最后一个点2022-04-18 18:50:21已离开此泊位1海里以上,同时它不满足本发明方法中所述的特殊情况过滤,就可以识别该船为离泊状态,所以本次今晨9船舶实际离泊行为由本发明方法描述效果良好。
我们在识别船舶靠离泊时会注意到两种特殊情况,低速经过泊位以及船舶港内移泊,其可能会满足我们算法中的判断条件,所以我们要将这两种特殊情况予以识别,在判断船舶靠离泊时将特殊情况予以过滤。
低速经过泊位的情况一般发生在内河水域中,比如宽度较窄的江河,船舶航速本身处于较低的航速航线,当江河两边存在一系列并排的泊位时,为了航行安全,船舶可能会发生小幅度减速或加速过程,30分钟内船舶在低速经过泊位时,距离的变化趋势包括由远及近、再由近及远的两个过程,不满足真实靠泊和离泊单一距离变化过程的条件。
船舶港内移泊则发生在码头港区作业中真实业务场景的特殊情况,后靠泊的船舶由于时间紧急等情况,先靠泊的船舶需要移出已靠泊位,再靠泊的旁边或附近的空闲泊位,在这样的业务场景下会出现短时间内多次靠离泊行为,则必定为影响进出港报告的判断,故增加相应的逻辑进行特殊处理,即如果在同一天内靠泊泊位是同一所属机构判定为港内移泊。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (6)
1.一种基于AIS的识别船舶靠离泊的方法,其特征在于,包括数据的采集、数据流的接入和预处理、数据的处理与判断、特殊情况过滤步骤;
S1、所述数据的采集步骤是指,对所需要的数据进行采集,数据包括AIS设备信号数据以及泊位数据,AIS设备信号数据是指接入AIS设备的船舶实时发送的位置数据,包括船舶经纬度位置、发送信号时间戳、船舶对地航速,泊位数据为人工维护的静态基础数据;
S2、所述数据流的接入与预处理步骤是指,通过分布式数据处理框架将AIS设备的实时无限的数据流转化成有限的数据流,所述分布式数据处理框架为Flink数据流,具体包括首先将所有的船舶AIS设备信号数据按照船舶海上移动通信业务标识码MMSI进行分组,然后按照AIS数据流和服务器性能压力的均衡取值来选择时间窗格长度以及时间窗格的滑动阈值,以选择的时间窗格长度对其进行划分,以选择的时间窗格滑动阈值进行滑动窗格,将AIS设备无限的数据流转化成有限的数据流;
S3、所述数据的处理与判断步骤是指,将所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据,根据AIS设备信号数据中的船舶对地航速进行判断,将船舶对地航速大于1海里每小时的定义为航行状态,小于1海里每小时的定义为停泊状态;
对于船舶靠泊状态的识别:对所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据进行处理,选中在所述时间窗格长度内的停泊状态信号点的比例大于百分之70的窗格,根据最后一个信号点和泊位的圆心位置判断距离,取离得最近的泊位进行记录,得到船舶靠泊时的泊位信息;
对于船舶离泊状态的识别:对所述分布式数据处理框架中生成的所述时间窗格长度内的所有AIS设备信号数据进行处理,首先选中所述时间窗格长度内的航行状态的信号点比例大于百分之70的窗格,然后在此基础之上再通过缓存服务器记录的该船舶的上一个靠泊泊位信息,来筛选出所述时间窗格长度内第一个信号点在此泊位中心点为圆心的特定范围内,且最后一个信号点离开此泊位的1海里以上的情形,满足所述情形的上一个靠泊泊位信息即为船舶离泊时的泊位信息;
S4、所述特殊情况过滤步骤是指,对于船舶低速经过泊位以及港内移泊特殊情况的识别,对于船舶低速经过泊位的情况,增加对所述时间窗格长度内第一个信号和最后一个信号点的相对泊位距离的判断,不满足单一距离变化过程的条件即判断为船舶低速经过泊位;对于船舶港内移泊时,增加如果在同一天内靠泊泊位是否同一所属机构的判定,满足在同一天内靠泊泊位是同一所属机构即为港内移泊的特殊情况。
2.根据权利要求1所述的一种基于AIS的识别船舶靠离泊的方法,其特征在于,S1所述数据的采集步骤中,人工维护的静态基础数据是指泊位的电子围栏位置信息。
3.根据权利要求1所述的一种基于AIS的识别船舶靠离泊的方法,其特征在于,S2所述数据流的接入与预处理步骤中,所述时间窗格长度为30分钟,所述时间窗格滑动阈值为10分钟。
4.根据权利要求1所述的一种基于AIS的识别船舶靠离泊的方算法,其特征在于,S3所述数据的处理与判断步骤中,所述泊位中心点为圆心的特定范围为250-350米。
5.根据权利要求1或4所述的一种基于AIS的识别船舶靠离泊的方法,其特征在于,S3所述数据的处理与判断步骤中,对于船舶靠泊状态的识别,根据最后一个信号点和泊位的圆心位置判断距离是指,以最后一个信号点的为圆心300米为半径画圆,如果泊位圆圈与船位圆圈相交的话,则记录取得的泊位,如果满足条件的泊位存在多个,则再进一步根据泊位中心点与最后一个信号点的距离判定取最近的泊位,并同时满足第一个信号点离这个泊位的距离大于最后一个信号点离这个泊位的距离。
6.根据权利要求1或4所述的一种基于AIS的识别船舶靠离泊的方法,其特征在于,S3所述数据的处理与判断步骤中,对于船舶离泊状态的识别选取的阈值250-350米半径范围是在综合考量所有泊位的实际长度取的一个经验数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310102811.1A CN116595472B (zh) | 2023-02-09 | 一种基于ais的船舶靠离泊识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310102811.1A CN116595472B (zh) | 2023-02-09 | 一种基于ais的船舶靠离泊识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116595472A true CN116595472A (zh) | 2023-08-15 |
CN116595472B CN116595472B (zh) | 2024-06-04 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150134558A1 (en) * | 2013-11-11 | 2015-05-14 | Tradenet Commercial Networking Ltd. | Method and system for tracking shipping cargo |
CN111179638A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于时间序列的船舶ais目标航行监控方法 |
US20210326776A1 (en) * | 2020-04-16 | 2021-10-21 | Pick a Pier LTD. | Method of tracking and matching reservations, of marine docking berths at ports, for maximization of business goals |
CN113822630A (zh) * | 2021-09-14 | 2021-12-21 | 中远海运科技股份有限公司 | 一种基于ais的lng船运力跟踪方法及系统 |
CN115239181A (zh) * | 2022-07-31 | 2022-10-25 | 海博泰科技(青岛)有限公司 | 一种单向航道船舶靠离泊规划算法 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150134558A1 (en) * | 2013-11-11 | 2015-05-14 | Tradenet Commercial Networking Ltd. | Method and system for tracking shipping cargo |
CN111179638A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于时间序列的船舶ais目标航行监控方法 |
US20210326776A1 (en) * | 2020-04-16 | 2021-10-21 | Pick a Pier LTD. | Method of tracking and matching reservations, of marine docking berths at ports, for maximization of business goals |
CN113822630A (zh) * | 2021-09-14 | 2021-12-21 | 中远海运科技股份有限公司 | 一种基于ais的lng船运力跟踪方法及系统 |
CN115239181A (zh) * | 2022-07-31 | 2022-10-25 | 海博泰科技(青岛)有限公司 | 一种单向航道船舶靠离泊规划算法 |
Non-Patent Citations (4)
Title |
---|
史宏达;范天会;韩桂萍;: "东营港扩建工程码头船舶靠离泊数值模拟研究", 中国海洋大学学报(自然科学版), no. 05, 15 September 2007 (2007-09-15) * |
杨其雷;刘霜冬;刘慧君;: "中威3#泊位船舶靠离泊安全行为研究", 浙江交通职业技术学院学报, no. 01, 20 March 2019 (2019-03-20) * |
郑海林;胡勤友;杨春;陈金海;梅强;: "上海外高桥港区停泊船聚类分析与异常检测", 地球信息科学学报, no. 05, 24 May 2018 (2018-05-24) * |
陈向: "复式航道条件下的港口船舶调度优化", 《中国优秀硕士论文全文数据库 》, 15 July 2017 (2017-07-15), pages 4 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zissis et al. | A distributed spatial method for modeling maritime routes | |
CN112967527B (zh) | 一种渡船碰撞风险评估方法、系统、装置及介质 | |
CN110633353B (zh) | 一种基于集成学习的船舶类型仿冒监测方法 | |
CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
GB2572717A (en) | Method for detecting traffic anomaly of urban road | |
CN111581314B (zh) | 基于船舶轨迹的泊位识别方法及装置 | |
US7933693B2 (en) | System and method for harvesting business intelligence from maritime communications | |
CN114936332A (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 | |
CN115774804A (zh) | 船舶的异常识别方法、系统和可读存储介质 | |
CN115640873A (zh) | 一种基于船舶ais大数据的港口拥堵程度量化方法 | |
CN116843092A (zh) | 多源数据支持下的船舶航程od信息提取方法 | |
CN114330640A (zh) | 基于船舶ais大数据的船舶进出港靠离泊时间预测方法 | |
CN116595472B (zh) | 一种基于ais的船舶靠离泊识别方法 | |
CN113961552A (zh) | 船舶穿越特殊区域的监控方法 | |
CN116595472A (zh) | 一种基于ais的船舶靠离泊识别方法 | |
CN115017387A (zh) | 基于船舶ais大数据的港口及泊位电子围栏构建方法 | |
CN116797117A (zh) | 港口拥堵状态监测与评估方法、系统、终端和存储介质 | |
CN113870620B (zh) | 一种多ais设备同时开启的船舶识别方法 | |
Mannarini et al. | Preliminary inter-comparison of AIS data and optimal ship tracks | |
CN116993245B (zh) | 区域水路运输量测算方法、装置、电子设备及存储介质 | |
Wijaya et al. | Port Performance Indicators Construction based on the AIS-generated Trajectory Segmentation and Classification | |
Wijaya et al. | Ship Navigational Status Classification based on the Geometrical and Spatiotemporal Features of the AIS-generated Trajectory | |
Chang | Identify and visualize Dutch inland waterways vessel movement anomalies during low water levels | |
CN117037547B (zh) | 一种航道关键节点的拥堵程度评价方法、系统及存储介质 | |
CN111681429B (zh) | 基于gps数据的恶劣天气下脆弱路段识别方法及系统 |
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 |