CN116993245B - 区域水路运输量测算方法、装置、电子设备及存储介质 - Google Patents
区域水路运输量测算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116993245B CN116993245B CN202311245511.5A CN202311245511A CN116993245B CN 116993245 B CN116993245 B CN 116993245B CN 202311245511 A CN202311245511 A CN 202311245511A CN 116993245 B CN116993245 B CN 116993245B
- Authority
- CN
- China
- Prior art keywords
- regional
- ship
- turnover
- target area
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000007306 turnover Effects 0.000 claims abstract description 129
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000000691 measurement method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种区域水路运输量测算方法、装置、电子设备及存储介质,属于数据处理技术领域。其中方法包括:对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;获取货运量统计口径和周转量统计口径;基于区域进出港优化数据和货运量统计口径对目标区域的区域水路货运量进行测算,得到区域货运量测算结果;构建区域港口距离矩阵;根据区域货运量测算结果和区域港口距离矩阵对目标区域的区域水路周转量进行测算,得到区域周转量测算结果;将区域货运量测算结果和区域周转量测算结果确定为目标区域的区域水路运输量测算结果。本申请细化了运输量的统计口径,更客观地反映了区域水路运输活跃度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种区域水路运输量测算方法、装置、电子设备及存储介质。
背景技术
水路运输量数据是增加值核算和交通行业统计的重要指标,但目前现行的水路运输量统计方法主要是基于船籍港进行统计,具体表征为该省籍船舶产生的运输量,而非实际发生在该省内的运输量,对于区域内的水路运输量刻画缺乏针对性。
当前的区域水路运输量的统计方法主要基于载运船舶的工具口径,如内河运输量以船舶注册船籍港省份为统计口径。没有按照以船舶实际经营地和水运货物运输实际发生情况为口径开展区域水上运输量统计,未能有效地反映区域水路运输需求及活跃程度。
此外,主要测算方法是采用周期性专项调查确定月度货运量基数,结合月度波动系数推算报告期数据的方法。统计方法主观性强,效率低下。
发明内容
为了解决上述技术问题,本申请实施例提供了一种区域水路运输量测算方法、装置、电子设备及存储介质。
第一方面,本申请实施例提供了一种区域水路运输量测算方法,所述方法包括:
对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
构建区域港口距离矩阵;
根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果。
在一实施方式中,所述对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据,包括:
对所述进出港报告原始数据进行清洗,得到进出港报告修正数据;
对所述船舶AIS原始数据进行报文解析,得到船舶信息关系型数据;
将所述进出港报告修正数据和所述船舶信息关系型数据确定为所述区域进出港优化数据。
在一实施方式中,所述货运量统计口径包括区域总货运量统计口径和分地市货运量统计口径;
所述区域总货运量统计口径包括所述目标区域的进入货运量、离开货运量和区域内货运量;
所述分地市货运量统计口径包括所述目标区域中任一地市的非目标区域进入当地货运量、目标区域其他地市进入当地货运量、当地内货运量、当地前往目标区域其他地市货运量和当地前往非目标区域货运量;
所述周转量统计口径包括区域总周转量统计口径和分地市周转量统计口径;
所述区域总周转量统计口径包括所述目标区域的进入周转量、离开周转量和区域内周转量;
所述分地市周转量统计口径包括所述目标区域中任一地市的非目标区域进入当地周转量、目标区域其他地市进入当地周转量、当地内周转量、当地前往目标区域其他地市周转量和当地前往非目标区域周转量。
在一实施方式中,所述基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果,包括:
获取所述区域进出港优化数据中的各船舶的出港优化数据和进港优化数据;
将各所述船舶的出港优化数据和进港优化数据进行排序和关联,得到出港进港记录配对表;
基于所述出港进港记录配对表计算所述各所述船舶的出港装货量和进港卸货量,得到出港进港货运量汇总表;
基于所述出港进港货运量汇总表和所述货运量统计口径确定所述区域货运量测算结果。
在一实施方式中,所述构建区域港口距离矩阵,包括:
基于船舶MMSI号关联各船舶的进出港报告原始数据和船舶AIS原始数据,形成船舶轨迹航线数据;
基于DBSCAN聚类算法对所述船舶轨迹航线数据进行聚类,得到船舶停留区;
获取各所述船舶停留区之间的船舶轨迹点;
基于所述船舶轨迹点计算各所述船舶的航行里程;
将各所述船舶的航行里程,和各所述船舶的停留区、港区点位信息进行关联,得到所述区域港口距离矩阵。
在一实施方式中,所述获取各所述船舶停留区之间的船舶轨迹点,包括:
根据以下公式计算相邻两个船舶轨迹点之间的距离,
;
其中,lat1表示相邻两个船舶轨迹点的前一个轨迹点的纬度值,lat2表示相邻两个船舶轨迹点的后一个轨迹点的纬度值,a表示lat1与lat2两点纬度之差,lon1表示相邻两个船舶轨迹点的前一个轨迹点的经度值,lon2表示相邻两个船舶轨迹点的后一个轨迹点的经度值,b表示lon1与lon2两点经度之差,R为地球半径,单位为千米。
在一实施方式中,所述根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果,包括:
所述区域水路周转量包括区域总周转量和分地市周转量;
根据以下公式确定所述区域总周转量,
;
其中,Q sum表示所述区域总周转量,表示经过所述目标区域的第i艘船舶的进入时货运量,/>表示经过所述目标区域的第i艘船舶的进入航行里程,/>表示经过所述目标区域的第i艘船舶的离开货运量,/>表示经过所述目标区域的第i艘船舶的离开航行里程,表示经过所述目标区域的第i艘船舶的区域内货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示进入所述目标区域的船舶总数,/>表示离开所述目标区域的船舶总数,/>表示在所述目标区域内行驶的船舶总数;
根据以下公式确定所述分地市周转量,
;
其中,Q sub表示所述目标区域中任一地市的分地市周转量,表示经过所述目标区域的第i艘船舶从非目标区域进入当地的货运量,/>表示经过所述目标区域的第i艘船舶从当地前往目标区域其他地市的货运量,/>表示经过所述目标区域的第i艘船舶的当地内货运量,/>表示经过所述目标区域的第i艘船舶的目标区域其他地市进入当地的货运量,/>表示经过所述目标区域的第i艘船舶的当地前往非目标区域的货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示从非目标区域进入当地的船舶总数,表示当地前往目标区域其他地市的船舶总数,/>表示在当地内行驶的船舶总数,/>表示目标区域其他地市进入当地的船舶总数,/>表示当地前往非目标区域的船舶总数。
第二方面,本申请实施例提供了一种区域水路运输量测算装置,所述区域水路运输量测算装置包括:
预处理模块,用于对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
获取模块,用于获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
第一测算模块,用于基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
构建模块,用于构建区域港口距离矩阵;
第二测算模块,用于根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
确定模块,用于将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果。
第三方面,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的区域水路运输量测算方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的区域水路运输量测算方法。
上述本申请提供的区域水路运输量测算方法,突出运输发生地的概念,从船舶报港发生地的角度分析了区域水路货运量和周转量情况。为水路运输量的统计提供了一种新途径,有利于客观反映区域水路实际运输活跃度、拓展水运统计多维度分析方向。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的区域水路运输量测算方法的一流程示意图;
图2示出了本申请实施例提供的区域水路运输量测算方法的一子步骤的一流程示意图;
图3示出了本申请实施例提供的区域水路运输量测算方法的另一子步骤的一流程示意图;
图4示出了本申请实施例提供的区域水路运输量测算系统的一系统架构图;
图5示出了本申请实施例提供的区域水路运输量测算装置的一结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
为了改善当前技术和方法上的不足。本申请基于进出港报告数据和AIS数据,并对数据进行采集、审核及筛选等,使用新的统计口径,构建了区域水路货运量和周转量测算模型。多方面细化构建了区域水路运输量的统计口径,拓展了水运统计多维度分析方向,改善了当前水路运输量统计口径单一化的问题,更为客观地反映区域水路运输活跃度和经济发展水平。
本申请实施例提供了一种区域水路运输量测算方法。
具体的,参见图1,所述方法包括:
步骤S110,对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
在一实施方式中,所述对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据,包括:对所述进出港报告原始数据进行清洗,得到进出港报告修正数据;对所述船舶AIS原始数据进行报文解析,得到船舶信息关系型数据;将所述进出港报告修正数据和所述船舶信息关系型数据确定为所述区域进出港优化数据。
具体地,首先对进出港报告原始数据进行清洗,进出港报告原始数据记录了船舶进出港以及装卸货信息,数据量较大,由于系统、填报等因素的影响,数据可能存在部分冗余,需要进行预处理。删除时间异常、重复等错误的数据生成全国进出港报告数据库,最终得到的进出港报告修正数据可以为包含船名、船籍港代码、报港机构、装卸货量、进出港标识、货物种类、实载货量、报告时间等字段的进出港报告表,为后续货运量的测算奠定基础。
还需要对船舶AIS原始数据进行报文解析,变成相应的信息段。具体地,提取报文信息,从船舶AIS原始数据中提取出被封装的船舶AIS报文信息;转换报文信息,将报文信息从ASCII码串形式转换成二进制流形式;翻译报文信息,将二进制数据段对应到相应的信息上,进行船舶AIS信息解析,形成关系型数据,包含船名、MMSI号、航速、经度、维度等实时记录船舶信息的数据。可以参见图2,图2为本实施例提供的AIS数据报文解析的一流程示意图。
步骤S120,获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
货运量指一定时期内,运输部门实际运送的货物吨数;货物周转量指一定时期内,运输部门实际运送的货物吨数和它的运输距离的乘积,单位一般为吨公里或吨海里。
在一实施方式中,所述货运量统计口径包括区域总货运量统计口径和分地市货运量统计口径;所述区域总货运量统计口径包括所述目标区域的进入货运量、离开货运量和区域内货运量;所述分地市货运量统计口径包括所述目标区域中任一地市的非目标区域进入当地货运量、目标区域其他地市进入当地货运量、当地内货运量、当地前往目标区域其他地市货运量和当地前往非目标区域货运量;
所述周转量统计口径包括区域总周转量统计口径和分地市周转量统计口径;所述区域总周转量统计口径包括所述目标区域的进入周转量、离开周转量和区域内周转量;所述分地市周转量统计口径包括所述目标区域中任一地市的非目标区域进入当地周转量、目标区域其他地市进入当地周转量、当地内周转量、当地前往目标区域其他地市周转量和当地前往非目标区域周转量。
区域水路货运量的测算主体是实际发生在区域内的运输量,数据范围是发生在该区域的进出港报告数据,同时对统计口径更新细化,统计主要分为区域水路货运量及区域水路周转量两部分,选取的主要步骤如下:
选取区域水路货运量统计口径,通过分析船舶运输的主要通道和特点,将区域的运量拆分成几部分进行分析,拆分的详细口径包括:到该区域的货运量、离开该区域的货运量以及区域内货运量。其中到该区域的货运量为其他区域到达该区域的船舶卸货量、离开该区域的货运量为该区域到达其他区域的船舶卸货量、以及区域内货运量为从该区域出发到达该区域的船舶卸货量。
选取区域分地市货运量统计口径,主要包括其他区域到该地市货运量、区域其余地市到该地市货运量、该地市内货运量、该地市到其他区域货运量、该地市到区域内其余地市货运量。
以将省级单位视为一个区域为例,其中目标区域的进入货运量指的是外省出发到达该地市的船舶卸货量;目标区域其他地市进入当地货运量指的是本省其余地市出发到达该地市的船舶卸货量,且卸货量的值取一半;当地内货运量指的是从该地市到该地市的船舶卸货量;当地前往非目标区域货运量指的是从该地市出发到达外省的船舶装货量;当地前往目标区域其他地市货运量指的是该地市出发到达本省其余地市的船舶卸货量,且卸货量的值取一半。
选取区域总周转量统计口径,结合区域货运量选取的统计口径,将区域周转量分为几个部分,拆分的详细口径包括:到该区域的货物周转量、离开该区域的货物周转量以及区域内货物周转量。
选取分地市周转量统计口径,主要包括其他区域到该地市周转量、区域其余地市到该地市周转量、该地市内周转量、该地市到其他区域周转量、该地市到区域内其余地市周转量。
步骤S130,基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
在一实施方式中,所述基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果,包括:
获取所述区域进出港优化数据中的各船舶的出港优化数据和进港优化数据;将各所述船舶的出港优化数据和进港优化数据进行排序和关联,得到出港进港记录配对表;基于出港进港记录配对表计算所述各所述船舶的出港装货量和进港卸货量,得到出港进港货运量汇总表;基于所述出港进港货运量汇总表和所述货运量统计口径确定所述区域货运量测算结果。
预处理后的进出港报告数据船舶“出港”与“进港”数据分离,需对其进行排序、关联等处理获得出港-进港记录配对表,根据分析维度计算获得出港-进港货运量汇总表,关联船舶报港机构名称对应到省份,得到区域水路货运量测算模型,测算的主要步骤如下:
从预处理后的全国进出港报告数据中按照船舶行驶顺序特征筛选,得到船舶到达和离开港口的明细数据,并标识出“进港”和“出港”,串联“到港”和“出港”数据,形成完整的船舶运输数据,得到出港-进港记录配对表。
梳理字典,梳理出船舶报告机构和港口名称、海事机构名称的对应关系表。关联出港-进港记录配对表,计算出港港口到进港港口之间的出港装货量、进港卸货量,获得出港-进港货运量汇总表。
根据分析维度需要,测算区域及区域分地市的水路区域货运量,其中分析维度与前文的统计口径有关,测算公式如下:
区域船舶货运量=∑进入区域的货运量+∑离开区域的货运量+∑区域内的货运量;
区域分地市船舶货运量=∑其他区域到该地市货运量+∑该地市到区域其余地市货运量+∑该地市内货运量+(∑区域其余地市到该地市货运量+∑该地市到其他区域货运量)×0.5。
步骤S140,构建区域港口距离矩阵;
请参见图3,图3示出了构建区域港口距离矩阵的一流程图。在一实施方式中,所述构建区域港口距离矩阵,包括:
基于船舶MMSI号关联各船舶的进出港报告原始数据和船舶AIS原始数据,形成船舶轨迹航线数据;基于DBSCAN聚类算法对所述船舶轨迹航线数据进行聚类,得到船舶停留区;获取各所述船舶停留区之间的船舶轨迹点;基于所述船舶轨迹点计算各所述船舶的航行里程;将各所述船舶的航行里程,和各所述船舶的停留区、港区点位信息进行关联,得到所述区域港口距离矩阵。
区域周转量测算的依据是区域货运量乘以区域内航行距离,获得船舶在区域内的航行里程对区域水路周转量的计算尤其重要。利用AIS数据和进出港报告数据能够测算出该区域港口到其他区域港口的船舶航行距离,利用进出区域(省界)断面划分,截取区域内部的航行里程。因此,区域港口距离矩阵的构建主要分为区域内港口间距离与区域内港口到区域断面的距离计算两部分,构建的主要步骤如下:
构建区域内港口距离矩阵:利用全国进出港报告数据提取在该区域内部航行的船舶MMSI号,与AIS数据中的MMSI号进行关联,将船舶AIS数据按照时间戳顺序排列,则船舶的一系列轨迹表示为G={P1, P2, P3, …, Pi, …, Pn},Pi 为其中一条AIS 数据,包含的信息为该船舶在这一刻的瞬时运动特征。
拆分船舶轨迹为不同航段和停留区:输入一艘船舶的一段预设时间的轨迹点序列G={P1, P2, P3, …, Pn},参数邻域半径X和邻域内最少点个数 MinPts。利用DBSCAN算法选取未访问点Pi,判断点Pi在领域半径范围内所有点的个数是否大于或等于最少点个数MinPts,若大于或等于MinPts则将其标记为核心点Pi并将邻域范围所有点归入停泊点集合M;若不符合,则将该点Pi标记为噪音点并重新选择未访问点Pi进行判断直到所有点被遍历,得到船舶的停留区。DBSCAN算法的具体实现流程可以参见图3。
在一实施方式中,所述获取各所述船舶停留区之间的船舶轨迹距离,包括:
根据以下公式计算相邻两个船舶轨迹点之间的距离,
;
其中,lat1表示相邻两个船舶轨迹点的前一个轨迹点的纬度值,lat2表示相邻两个船舶轨迹点的后一个轨迹点的纬度值,a表示lat1与lat2两点纬度之差,lon1表示相邻两个船舶轨迹点的前一个轨迹点的经度值,lon2表示相邻两个船舶轨迹点的后一个轨迹点的经度值,b表示lon1与lon2两点经度之差,R为地球半径,单位为千米,示例性的,R可以取6378.137km。
将两个停留区起止点之间的轨迹集合N内所有相邻两个轨迹点的距离依次计算,累计相加,得到航行里程,计算公式为:
S=S1+S2+…+Si+…+Sn-1;
其中,S表示任意两个停留区之间的累计航行里程,n表示轨迹集合N中包含n个轨迹点,Si表示轨迹集合N中第i个轨迹点与第i+1个轨迹点之间的距离。
关联各停留区和港区点位信息,得到区域内部港口距离矩阵。
步骤S150,根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
在一实施方式中,所述根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果,包括:
所述区域水路周转量包括区域总周转量和分地市周转量;
根据以下公式确定所述区域总周转量,
;
其中,Q sum表示所述区域总周转量,表示经过所述目标区域的第i艘船舶的进入时货运量,/>表示经过所述目标区域的第i艘船舶的进入航行里程,/>表示经过所述目标区域的第i艘船舶的离开货运量,/>表示经过所述目标区域的第i艘船舶的离开航行里程,表示经过所述目标区域的第i艘船舶的区域内货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示进入所述目标区域的船舶总数,/>表示离开所述目标区域的船舶总数,/>表示在所述目标区域内行驶的船舶总数;
根据以下公式确定所述分地市周转量,
;
其中,Q sub表示所述目标区域中任一地市的分地市周转量,表示经过所述目标区域的第i艘船舶从非目标区域进入当地的货运量,/>表示经过所述目标区域的第i艘船舶从当地前往目标区域其他地市的货运量,/>表示经过所述目标区域的第i艘船舶的当地内货运量,/>表示经过所述目标区域的第i艘船舶的目标区域其他地市进入当地的货运量,/>表示经过所述目标区域的第i艘船舶的当地前往非目标区域的货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示从非目标区域进入当地的船舶总数,表示当地前往目标区域其他地市的船舶总数,/>表示在当地内行驶的船舶总数,/>表示目标区域其他地市进入当地的船舶总数,/>表示当地前往非目标区域的船舶总数。
仍以目标区域为省份为例,表示进入该省份的第i艘船舶的进入时货运量,/>表示进入该省份的第i艘船舶进入该省份后在该省份内的航行里程,/>表示离开该省份的第i艘船舶的离开时货运量,/>表示离开该省份的第i艘船舶的在该省份内的航行里程,表示经过该省份的第i艘船舶的区域内货运量,/>表示经过该省份的第i艘船舶的在该省份内的航行里程,/>表示进入所述目标区域的船舶总数,/>表示离开所述目标区域的船舶总数,/>表示在所述目标区域内行驶的船舶总数。
Q sub表示该省份中任一地市的分地市周转量,表示经过该省份的第i艘船舶从外省进入本省某一地市的货运量,/>表示经过该省份的第i艘船舶从本省某一地市前往本省其他地市的货运量,/>表示经过该省份的第i艘船舶的在某一地市内的货运量,/>表示经过该省份的第i艘船舶的从本省其他城市前往上文所述的某地市的货运量,/>表示经过所述目标区域的第i艘船舶的某地市前往外省的货运量,/>表示经过所述目标区域的第i艘船舶的省内航行里程,/>表示从外省进入本省某一地市的船舶总数,/>表示本省某一地市前往本省其他地市的船舶总数,/>表示在当地内行驶的船舶总数,/>表示本省其他地市进入当地的船舶总数,/>表示本省某一地市前往外省的船舶总数。
步骤S160,将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果。
本申请实施例提供的区域水路运输量测算方法应用于区域水路运输量测算系统。请参见图4,图4示出了本申请实施例提供的区域水路运输量测算系统的一系统架构示意图;本实施例提供的区域水路运输量测算系统包括大数据、数据治理等方法,对区域水路运输量测算主体进行明确,多维度细化统计口径,构建了区域水路运输量测算模型,在传统统计方法的基础上提出了创新。
本实施例提供的区域水路运输量测算方法存在以下有益效果:
第一,利用进出港报告数据和AIS数据测算实际发生在该区域的运输量。改善了原有方法中测算该区域船籍所产生的运输量的统计口径粗略的问题,真实地反映实际发生在该区域的水路货运活跃程度,充分利用了水运大数据的数据资源和价值,提升区域水路运输量测算的完整性。第二,利用大数据技术,基于机器学习算法实现区域水路运输量的动态测算,提高了数据的利用率,节省了人力物力。
实施例2
此外,请参见图5,本申请实施例提供了一种区域水路运输量测算装置500。
所述装置包括:
预处理模块510,用于对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
获取模块520,用于获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
第一测算模块530,用于基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
构建模块540,用于构建区域港口距离矩阵;
第二测算模块550,用于根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
确定模块560,用于将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果。
本实施例提供的区域水路运输量测算装置可以实现实施例1所提供的区域水路运输量测算方法,为避免重复,在此不再赘述。
实施例3
此外,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行实施例1所提供的区域水路运输量测算方法。
本发明实施例提供的电子设备可以实现实施例1所提供的区域水路运输量测算方法,为避免重复,在此不再赘述。
实施例4
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现实施例1所提供的区域水路运输量测算方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本实施例提供的计算机可读存储介质可以实现实施例1所提供的区域水路运输量测算方法,为避免重复,在此不再赘述。
需要说明的是,在本文中,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、物品或者终端不仅包括那些要素,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、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (4)
1.一种区域水路运输量测算方法,其特征在于,所述方法包括:
对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
构建区域港口距离矩阵;
根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果;
所述对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据,包括:
对所述进出港报告原始数据进行清洗,得到进出港报告修正数据;
对所述船舶AIS原始数据进行报文解析,得到船舶信息关系型数据;
将所述进出港报告修正数据和所述船舶信息关系型数据确定为所述区域进出港优化数据;
所述货运量统计口径包括区域总货运量统计口径和分地市货运量统计口径;
所述区域总货运量统计口径包括所述目标区域的进入货运量、离开货运量和区域内货运量;
所述分地市货运量统计口径包括所述目标区域中任一地市的非目标区域进入当地货运量、目标区域其他地市进入当地货运量、当地内货运量、当地前往目标区域其他地市货运量和当地前往非目标区域货运量;
所述周转量统计口径包括区域总周转量统计口径和分地市周转量统计口径;
所述区域总周转量统计口径包括所述目标区域的进入周转量、离开周转量和区域内周转量;
所述分地市周转量统计口径包括所述目标区域中任一地市的非目标区域进入当地周转量、目标区域其他地市进入当地周转量、当地内周转量、当地前往目标区域其他地市周转量和当地前往非目标区域周转量;
所述基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果,包括:
获取所述区域进出港优化数据中的各船舶的出港优化数据和进港优化数据;
将各所述船舶的出港优化数据和进港优化数据进行排序和关联,得到出港进港记录配对表;
基于所述出港进港记录配对表计算所述各所述船舶的出港装货量和进港卸货量,得到出港进港货运量汇总表;
基于所述出港进港货运量汇总表和所述货运量统计口径确定所述区域货运量测算结果;
所述构建区域港口距离矩阵,包括:
基于船舶MMSI号关联各船舶的进出港报告原始数据和船舶AIS原始数据,形成船舶轨迹航线数据;
基于DBSCAN聚类算法对所述船舶轨迹航线数据进行聚类,得到船舶停留区;
获取各所述船舶停留区之间的船舶轨迹点;
基于所述船舶轨迹点计算各所述船舶的航行里程;
将各所述船舶的航行里程,和各所述船舶的停留区、港区点位信息进行关联,得到所述区域港口距离矩阵;
所述获取各所述船舶停留区之间的船舶轨迹点,包括:
根据以下公式计算相邻两个船舶轨迹点之间的距离,
;
其中,lat1表示相邻两个船舶轨迹点的前一个轨迹点的纬度值,lat2表示相邻两个船舶轨迹点的后一个轨迹点的纬度值,a表示lat1与lat2两点纬度之差,lon1表示相邻两个船舶轨迹点的前一个轨迹点的经度值,lon2表示相邻两个船舶轨迹点的后一个轨迹点的经度值,b表示lon1与lon2两点经度之差,R为地球半径,单位为千米;
所述根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果,包括:
所述区域水路周转量包括区域总周转量和分地市周转量;
根据以下公式确定所述区域总周转量,
;
其中,Q sum表示所述区域总周转量,表示经过所述目标区域的第i艘船舶的进入时货运量,/>表示经过所述目标区域的第i艘船舶的进入航行里程,/>表示经过所述目标区域的第i艘船舶的离开货运量,/>表示经过所述目标区域的第i艘船舶的离开航行里程,/>表示经过所述目标区域的第i艘船舶的区域内货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示进入所述目标区域的船舶总数,/>表示离开所述目标区域的船舶总数,/>表示在所述目标区域内行驶的船舶总数;
根据以下公式确定所述分地市周转量,
;
其中,Q sub表示所述目标区域中任一地市的分地市周转量,表示经过所述目标区域的第i艘船舶从非目标区域进入当地的货运量,/>表示经过所述目标区域的第i艘船舶从当地前往目标区域其他地市的货运量,/>表示经过所述目标区域的第i艘船舶的当地内货运量,/>表示经过所述目标区域的第i艘船舶的目标区域其他地市进入当地的货运量,/>表示经过所述目标区域的第i艘船舶的当地前往非目标区域的货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示从非目标区域进入当地的船舶总数,/>表示当地前往目标区域其他地市的船舶总数,/>表示在当地内行驶的船舶总数,/>表示目标区域其他地市进入当地的船舶总数,/>表示当地前往非目标区域的船舶总数。
2.一种区域水路运输量测算装置,其特征在于,所述装置包括:
预处理模块,用于对目标区域的进出港报告原始数据和船舶AIS原始数据进行预处理,得到区域进出港优化数据;
获取模块,用于获取统计口径,其中,所述统计口径包括货运量统计口径和周转量统计口径;
所述货运量统计口径包括区域总货运量统计口径和分地市货运量统计口径;
所述区域总货运量统计口径包括所述目标区域的进入货运量、离开货运量和区域内货运量;
所述分地市货运量统计口径包括所述目标区域中任一地市的非目标区域进入当地货运量、目标区域其他地市进入当地货运量、当地内货运量、当地前往目标区域其他地市货运量和当地前往非目标区域货运量;
所述周转量统计口径包括区域总周转量统计口径和分地市周转量统计口径;
所述区域总周转量统计口径包括所述目标区域的进入周转量、离开周转量和区域内周转量;
所述分地市周转量统计口径包括所述目标区域中任一地市的非目标区域进入当地周转量、目标区域其他地市进入当地周转量、当地内周转量、当地前往目标区域其他地市周转量和当地前往非目标区域周转量;
第一测算模块,用于基于所述区域进出港优化数据和所述货运量统计口径对所述目标区域的区域水路货运量进行测算,得到区域货运量测算结果;
构建模块,用于构建区域港口距离矩阵;
第二测算模块,用于根据所述区域货运量测算结果和所述区域港口距离矩阵对所述目标区域的区域水路周转量进行测算,得到区域周转量测算结果;
确定模块,用于将所述区域货运量测算结果和所述区域周转量测算结果确定为所述目标区域的区域水路运输量测算结果;
所述预处理模块,还用于:
对所述进出港报告原始数据进行清洗,得到进出港报告修正数据;
对所述船舶AIS原始数据进行报文解析,得到船舶信息关系型数据;
将所述进出港报告修正数据和所述船舶信息关系型数据确定为所述区域进出港优化数据;
所述第一测算模块,还用于:
获取所述区域进出港优化数据中的各船舶的出港优化数据和进港优化数据;
将各所述船舶的出港优化数据和进港优化数据进行排序和关联,得到出港进港记录配对表;
基于所述出港进港记录配对表计算所述各所述船舶的出港装货量和进港卸货量,得到出港进港货运量汇总表;
基于所述出港进港货运量汇总表和所述货运量统计口径确定所述区域货运量测算结果;
所述构建模块,还用于:
基于船舶MMSI号关联各船舶的进出港报告原始数据和船舶AIS原始数据,形成船舶轨迹航线数据;
基于DBSCAN聚类算法对所述船舶轨迹航线数据进行聚类,得到船舶停留区;
获取各所述船舶停留区之间的船舶轨迹点;
基于所述船舶轨迹点计算各所述船舶的航行里程;
将各所述船舶的航行里程,和各所述船舶的停留区、港区点位信息进行关联,得到所述区域港口距离矩阵;
所述构建模块,还用于:
根据以下公式计算相邻两个船舶轨迹点之间的距离,
;
其中,lat1表示相邻两个船舶轨迹点的前一个轨迹点的纬度值,lat2表示相邻两个船舶轨迹点的后一个轨迹点的纬度值,a表示lat1与lat2两点纬度之差,lon1表示相邻两个船舶轨迹点的前一个轨迹点的经度值,lon2表示相邻两个船舶轨迹点的后一个轨迹点的经度值,b表示lon1与lon2两点经度之差,R为地球半径,单位为千米;
所述第二测算模块,还用于:
所述区域水路周转量包括区域总周转量和分地市周转量;
根据以下公式确定所述区域总周转量,
;
其中,Q sum表示所述区域总周转量,表示经过所述目标区域的第i艘船舶的进入时货运量,/>表示经过所述目标区域的第i艘船舶的进入航行里程,/>表示经过所述目标区域的第i艘船舶的离开货运量,/>表示经过所述目标区域的第i艘船舶的离开航行里程,/>表示经过所述目标区域的第i艘船舶的区域内货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示进入所述目标区域的船舶总数,/>表示离开所述目标区域的船舶总数,/>表示在所述目标区域内行驶的船舶总数;
根据以下公式确定所述分地市周转量,
;
其中,Q sub表示所述目标区域中任一地市的分地市周转量,表示经过所述目标区域的第i艘船舶从非目标区域进入当地的货运量,/>表示经过所述目标区域的第i艘船舶从当地前往目标区域其他地市的货运量,/>表示经过所述目标区域的第i艘船舶的当地内货运量,/>表示经过所述目标区域的第i艘船舶的目标区域其他地市进入当地的货运量,/>表示经过所述目标区域的第i艘船舶的当地前往非目标区域的货运量,/>表示经过所述目标区域的第i艘船舶的区域内航行里程,/>表示从非目标区域进入当地的船舶总数,/>表示当地前往目标区域其他地市的船舶总数,/>表示在当地内行驶的船舶总数,/>表示目标区域其他地市进入当地的船舶总数,/>表示当地前往非目标区域的船舶总数。
3.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1所述的区域水路运输量测算方法。
4.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1所述的区域水路运输量测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245511.5A CN116993245B (zh) | 2023-09-26 | 2023-09-26 | 区域水路运输量测算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245511.5A CN116993245B (zh) | 2023-09-26 | 2023-09-26 | 区域水路运输量测算方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993245A CN116993245A (zh) | 2023-11-03 |
CN116993245B true CN116993245B (zh) | 2023-12-15 |
Family
ID=88532488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311245511.5A Active CN116993245B (zh) | 2023-09-26 | 2023-09-26 | 区域水路运输量测算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993245B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921465A (zh) * | 2018-06-11 | 2018-11-30 | 华南理工大学 | 一种公路网货物运输指标自动化统计方法 |
CN109858858A (zh) * | 2019-01-21 | 2019-06-07 | 中国人民解放军陆军工程大学 | 一种地下物流网络节点分级与选址系统及方法 |
CN114781978A (zh) * | 2022-06-16 | 2022-07-22 | 交通运输部科学研究院 | 道路货物运输量测算方法、装置、终端设备及存储介质 |
CN115049334A (zh) * | 2022-06-16 | 2022-09-13 | 四川省交通勘察设计研究院有限公司 | 一种水路运输需求统计分析方法、设备及存储介质 |
CN115186234A (zh) * | 2022-09-13 | 2022-10-14 | 交通运输部科学研究院 | 港口距离矩阵的计算方法、装置、电子设备及存储介质 |
CN116187887A (zh) * | 2023-03-09 | 2023-05-30 | 交通运输部规划研究院 | 一种交通分部门货物交流数据构建和追踪的方法 |
CN116596435A (zh) * | 2023-04-24 | 2023-08-15 | 中远海运科技股份有限公司 | 一种全球船舶货量统计分析方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893491A (zh) * | 2016-03-29 | 2016-08-24 | 东南大学 | 一种基于区域城际流强度测算模型的划定大都市圈的方法 |
-
2023
- 2023-09-26 CN CN202311245511.5A patent/CN116993245B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921465A (zh) * | 2018-06-11 | 2018-11-30 | 华南理工大学 | 一种公路网货物运输指标自动化统计方法 |
CN109858858A (zh) * | 2019-01-21 | 2019-06-07 | 中国人民解放军陆军工程大学 | 一种地下物流网络节点分级与选址系统及方法 |
CN114781978A (zh) * | 2022-06-16 | 2022-07-22 | 交通运输部科学研究院 | 道路货物运输量测算方法、装置、终端设备及存储介质 |
CN115049334A (zh) * | 2022-06-16 | 2022-09-13 | 四川省交通勘察设计研究院有限公司 | 一种水路运输需求统计分析方法、设备及存储介质 |
CN115186234A (zh) * | 2022-09-13 | 2022-10-14 | 交通运输部科学研究院 | 港口距离矩阵的计算方法、装置、电子设备及存储介质 |
CN116187887A (zh) * | 2023-03-09 | 2023-05-30 | 交通运输部规划研究院 | 一种交通分部门货物交流数据构建和追踪的方法 |
CN116596435A (zh) * | 2023-04-24 | 2023-08-15 | 中远海运科技股份有限公司 | 一种全球船舶货量统计分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116993245A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cerdeiro et al. | World seaborne trade in real time: A proof of concept for building AIS-based nowcasts from scratch | |
CN111612670B (zh) | 一种构建机动车排放清单的方法、装置和计算机设备 | |
CN111091226B (zh) | 一种基于实际航运业务和数据挖掘的运力预测方法 | |
CN110633353B (zh) | 一种基于集成学习的船舶类型仿冒监测方法 | |
Duca et al. | A K-nearest neighbor classifier for ship route prediction | |
Yang et al. | Can we trust the AIS destination port information for bulk ships?–Implications for shipping policy and practice | |
Brooks et al. | The local impact of containerization | |
CN112562415A (zh) | 船舶航线推荐方法 | |
Onyshchenko et al. | Efficiency of ship operation in transportation of oversized and heavy cargo by optimizing the speed mode considering the impact of weather conditions | |
CN107220521A (zh) | 一种用于船舶污染物排放量计算的静态数据获取方法 | |
CN112016730A (zh) | 港口泊位装卸效率挖掘方法、装置、设备和储存介质 | |
Li et al. | Ship carbon dioxide emission estimation in coastal domestic emission control areas using high spatial-temporal resolution data: A China case | |
CN115577868B (zh) | 在途船舶的目的港预测方法、装置、可读存储介质和船舶 | |
Aalberg et al. | Risk factors and navigation accidents: A historical analysis comparing accident-free and accident-prone vessels using indicators from AIS data and vessel databases | |
Štepec et al. | Machine learning based system for vessel turnaround time prediction | |
Arifin et al. | Development of ship allocation models using marine logistics data and its application to bulk carrier demand forecasting and basic planning support | |
Tran et al. | Emissions from container vessels in the port of Singapore | |
Zhang et al. | How liner shipping heals schedule disruption: A data-driven framework to uncover the strategic behavior of port-skipping | |
CN116993245B (zh) | 区域水路运输量测算方法、装置、电子设备及存储介质 | |
Son et al. | Development of collision risk assessment model for bridge across waterways based on traffic probability distribution | |
Asborno et al. | Inland waterway network mapping of AIS data for freight transportation planning | |
Bonham et al. | Analysing port and shipping operations using big data | |
CN115186234A (zh) | 港口距离矩阵的计算方法、装置、电子设备及存储介质 | |
Iphar et al. | Port call extraction from vessel location data for characterising harbour traffic | |
CN114037257A (zh) | 一种特种船舶竞争力分析方法及系统 |
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 | ||
GR01 | Patent grant |