CN117037089A - 船舶擅自出境行为的检测方法、装置和可读储存介质 - Google Patents
船舶擅自出境行为的检测方法、装置和可读储存介质 Download PDFInfo
- Publication number
- CN117037089A CN117037089A CN202311299252.4A CN202311299252A CN117037089A CN 117037089 A CN117037089 A CN 117037089A CN 202311299252 A CN202311299252 A CN 202311299252A CN 117037089 A CN117037089 A CN 117037089A
- Authority
- CN
- China
- Prior art keywords
- risk
- ship
- behavior
- behaviors
- abnormal
- 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 description 43
- 230000006399 behavior Effects 0.000 claims abstract description 203
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 92
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 13
- 230000007123 defense Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000003066 decision tree Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000000556 factor analysis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了船舶擅自出境行为的检测方法、装置和可读储存介质，涉及海上边防预警技术领域，旨在解决边防检查系统并不能够及时的了解到船舶的动向，无法研判船舶是否发生擅自出境行为的技术问题。检测方法包括：构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；获取当前船舶信息，从当前船舶信息中提取出异常行为；基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为；在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。本发明可以实时对船舶进行监控，避免船舶擅自出境的情况。
Description
技术领域
本发明涉及海上边防预警技术领域，具体而言，涉及一种船舶擅自出境行为的检测方法、装置和可读储存介质。
背景技术
船舶擅自出境是指船舶在未经授权或未按照规定程序的情况下离开其所在国家或港口的行为。这可能违反了国家的法律、法规以及航运管理的规定，因此需要边检站等单位进行监控。正常情况下，在海防检查中，出境的船舶，船方或者其代理人应当在船舶离境前4小时内向海关和边检站申报，办理出境检验检疫等手续。但实际情况中，会出现船舶办妥出港手续后，在前往我国国内另一港口期间改变航向，未经边检机关许可擅自出境至其他国家地区。
目前，在出港/出境申报手续办理后，工作人员将申报信息录入到申报数据库，接着由相关工作人员对该类船舶，在AIS（AutomaticIdentificationSystem，船舶自动识别系统）网站上进行查询实时位置，判断其现在位置和航向是否与申报信息相符合，或者当该船舶在下一港口完成靠泊和申报后，由下一港口边检单位录入申报信息时，审查其上一港口信息和之前申报等信息，进而进行比对，通过各港口边检站衔接通报的方式判断船舶是否进行了擅自出境行为。然而，这种方式会遗漏很多异常行为，由于边防检查站对船舶驶离本辖区后的动态和去向掌握不多和不及时，船舶航行途中的监管会有盲区，尤其我国部分海域与日本、韩国等国家地区相连，不能及时检测到异常行为。此外，由于AIS信号可能会中断以及被伪造，在海域或者离岸区域，AIS信号也受到限制，导致工作人员无法及时获取监控船舶的准确位置和行为，无法研判是否发生异常行为。
因此，为了辨别船舶是否进行了擅自出境行为，发明一种能够检测船舶擅自出境行为的检测方法是目前亟待解决的技术问题。
发明内容
本发明旨在解决或改善现有技术中边防检查系统不能够及时的了解到船舶的动向，无法研判船舶是否发生擅自出境行为的技术问题。
本发明的第一方面在于提供一种船舶擅自出境行为的检测方法。
本发明的第二方面在于提供一种船舶擅自出境行为的检测装置。
本发明的第三方面在于提供另一种船舶擅自出境行为的检测装置。
本发明的第四方面在于提供一种可读储存介质。
本发明提供的船舶擅自出境行为的检测方法，包括：构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；获取当前船舶信息，从当前船舶信息中提取出异常行为；基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为；在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。
本发明提供的船舶擅自出境行为的检测方法，当获取到当前船舶信息后，可以从当前船舶信息中提取出异常行为，这样根据异常行为与风险数据库进行比对可以提取出风险行为，同时还可以输出风险行为对应的风险等级，这样就可以实时对船舶进行监控，当属于风险行为并确认风险等级之后，有关部门就可以及时的采取对应的解决措施以避免船舶发生擅自出境的风险。
在一些技术方案中，可选地，异常行为包括如下中的至少一种信息：船舶驶出领海基线大于等于第一预设时长；船舶驶出领海基线小于第一预设时长；船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长大于等于第二预设时长；船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长小于第二预设时长；船舶的目的地和申报下一港口不一致；船舶的AIS信号更新间隔大于等于第三预设时长；船舶的AIS信号更新间隔大于等于第四预设时长，且小于第三预设时长；其中，第四预设时长小于第三预设时长；船舶预抵申报的下一港口时的时间超时；船舶发生过擅自出境行为；船舶在第五预设时长内到过异常国家；船舶在第六预设时长内挂靠过异常国家；船舶在第七预设时长内发生过交易记录；船舶的国籍第八预设时长内发生过变更；船舶的船级社检验时间过期。
在该技术方案中，异常行为也即与船舶发生出境行为相关联的行为，例如，当船舶发生出境行为的时候，通常情况下，基本都会驶出我国领海基线一段时间，因此，本申请设置船舶驶出领海基线大于等于第一预设时长为异常行为，这样当船舶在行驶时，本发明可以获取到当前船舶信息，从当前船舶信息中提取出这些异常行为，然后根据这些异常行为来确定风险行为和风险等级，进而采取对应的解决措施。
在一些技术方案中，可选地，第一预设时长大于等于7小时，且小于等于9小时，例如为8小时。第一预设角度大于等于70°，例如第一预设角度为90°，第二预设时长大于等于3小时，且小于等于5小时，例如为4小时。第三预设时长大于等于3小时，且小于等于5小时，例如为4小时。第四预设时长等于1小时。
在一些技术方案中，可选地，异常行为包括申报的下一港口是国内港口，构建风险数据库的步骤包括：确认所有的异常行为；在所有异常行为中提取至少一个异常行为；判断至少一个异常行为是否包括申报的下一港口是国内港口；在至少一个异常行为中包括申报的下一港口是国内港口时，确认至少一个异常行为为风险行为，并基于所有的风险行为构建风险数据库。
在该技术方案中，本申请在构建风险数据库时，先确认所有的异常行为，然后在所有异常行为中提取至少一个异常行为，判断提取出的异常行为是否包括申报的下一港口是国内港口，如包括的话，则确认提取出的至少一个异常行为为风险行为。然后再次从所有异常行为中提取另外一个或多个异常行为，然后进行再次判断的步骤，这样针对不同的异常行为的组合就可以判定出是风险行为或者非风险行为，然后将所有的风险行为进行汇总即可得到风险数据库。本发明之所以以“申报的下一港口是国内港口”作为判断依据是因为，大部分擅自出境的船舶其申报的港口均为国内港口，如申报的为国外的港口那就是合法出境而并非擅自出境，所以本发明重点检测申报的下一港口是国内港口的船舶，以避免船舶擅自出境的风险。
在一些技术方案中，可选地，构建风险数据库的步骤还包括：在确认至少一个异常行为为风险行为时，计算风险行为的风险值；基于风险值和预设值确定风险行为的风险等级。
在该技术方案中，本发明当确认风险行为之后，计算风险行为的风险值，基于风险值和预设值确定对应风险行为的风险等级，这样就可以将不同的风险行为进行分级，从而针对不同风险等级采取不同的处理措施，以便完成分类处理。
在一些技术方案中，可选地，基于风险值和预设值确定风险行为的风险等级的步骤包括：在风险行为的风险值小于第一预设值时，确认风险行为的风险等级为低风险；在风险行为的风险值大于第二预设值时，确认风险行为的风险等级为高风险；在风险行为的风险值大于等于第一预设值，且小于等于第二预设值时，确认风险行为的风险等级为中风险；其中，第一预设值小于第二预设值。
在该技术方案中，风险行为的风险值越高说明风险等级越高。可选地，第一预设值大于等于0.3，且小于等于0.5，例如第一预设值等于0.4。第二预设值大于等于0.6，且小于等于0.9，例如第二预设值等于0.7。
在一些技术方案中，可选地，计算风险行为的风险值的步骤包括：基于历史船舶信息确定风险行为出现的次数；确认所有风险行为中船舶发生擅自出境行为的次数；基于船舶发生擅自出境行为的次数和风险行为出现的次数确认风险行为的风险值。
在该技术方案中，在计算风险值的过程中，先从历史船舶信息中确认出现该风险行为的次数，然后判断这些风险行为中船舶擅自出境的次数，通过船舶擅自出境的次数除以总次数就是该风险行为的风险值。
本发明第二方面提供了一种船舶擅自出境行为的检测装置，包括：构建单元，用于构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；获取单元，用于获取当前船舶信息，从当前船舶信息中提取出异常行为；确认单元，用于基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为；输出单元，用于在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。
本发明第三方面提供了一种船舶擅自出境行为的检测装置，包括储存器和处理器，储存器上存储有计算机程序或指令，处理器执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶擅自出境行为的检测方法。
本发明第四方面提供了一种可读储存介质，可读储存介质上存储有程序或指令，处理器执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶擅自出境行为的检测方法。
根据本发明的附加方面和优点将在下面的描述部分中变得明显，或通过根据本发明的实践了解到。
附图说明
根据本发明的实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了本发明的实施例提供的船舶擅自出境行为的检测方法的流程示意图之一；
图2示出了本发明的实施例提供的船舶擅自出境行为的检测方法的流程示意图之二；
图3示出了本发明的实施例提供的船舶擅自出境行为的检测方法的风险数据库的高风险决策树图；
图4示出了本发明的实施例提供的船舶擅自出境行为的检测方法的风险数据库的中风险决策树图；
图5示出了本发明的实施例提供的船舶擅自出境行为的检测方法的风险数据库的低风险决策树图；
图6示出了本发明的实施例提供的船舶擅自出境行为的检测装置的方框图之一；
图7示出了本发明的实施例提供的船舶擅自出境行为的检测装置的方框图之二。
其中，图6和图7中的附图标记与部件名称之间的对应关系为：
1船舶擅自出境行为的检测装置，12构建单元，13获取单元，14确认单元，15输出单元，16处理器，18储存器。
具体实施方式
为了能够更清楚地理解根据本发明的实施例的上述方面、特征和优点，下面结合附图和具体实施方式对根据本发明的实施例进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
如图1所示，本发明的一个实施例提供的船舶擅自出境行为的检测方法包括如下步骤：
S102：构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；
S104：获取当前船舶信息，从当前船舶信息中提取出异常行为；
S106：基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为；
S108：在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。
本发明提供的船舶擅自出境行为的检测方法包括构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；构建风险数据库之后，获取当前船舶信息，船舶信息包括当前船舶信息和历史船舶信息，当前船舶信息包括申报数据、静态信息、动态信息，历史船舶信息包括历史数据和历史擅自出境船舶数据。申报数据包括船舶申报的下一港口，申报的预抵下一港口时间等；静态信息包括船舶MMSI（Maritime Mobile Service Identify，水上移动通信业务标识码）、船舶类型、船舶交易记录、船舶国籍变更记录、船级社、船级社检验时间信息等；动态信息包括船舶AIS（Automatic Identification System，船舶自动识别系统）信息中的船舶航向、航速、实时经纬度、AIS目的地、AIS信号更新时间信息等；历史数据包括船舶历史轨迹、历史挂靠信息等；历史擅自出境船舶数据就是记录的历史发生过擅自出境船舶的数据；然后系统可以从当前船舶信息中提取出异常行为，由于每一个风险行为都包括一个或多个异常行为，这样系统就可以基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为，在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。本发明提供的船舶擅自出境行为的检测方法，当获取到当前船舶信息后，可以从当前船舶信息中提取出异常行为，这样根据异常行为与风险数据库进行比对，可以提取出风险行为，同时还可以输出风险行为对应的风险等级，这样就可以实时对船舶进行监控，当船舶属于风险行为后，有关部门就可以及时的采取对应的解决措施以避免船舶发生擅自出境的风险。
在一些实施方式中，可选地，异常行为包括如下中的至少一种信息：船舶驶出领海基线大于等于第一预设时长；船舶驶出领海基线小于第一预设时长；船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长大于等于第二预设时长；船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长小于第二预设时长；船舶的目的地和申报下一港口不一致；船舶的AIS信号更新间隔大于等于第三预设时长；船舶的AIS信号更新间隔大于等于第四预设时长，且小于第三预设时长；船舶预抵申报的下一港口时的时间超时；船舶发生过擅自出境行为；船舶在第五预设时长内到过异常国家；船舶在第六预设时长内挂靠过异常国家；船舶在第七预设时长内发生过交易记录；船舶的国籍第八预设时长内发生过变更；船舶的船级社检验时间过期。可选地，第五预设时长大于等于1年，且小于等于3年，例如为2年；第六预设时长大于等于1年，且小于等于3年，例如为2年；第七预设时长大于等于1年，且小于等于3年，例如为2年；第八预设时长大于等于1年，且小于等于3年，例如为2年。
在该实施例中，异常行为也即与船舶发生出境行为关系较为密切的项，例如，当船舶发生出境行为的时候，通常情况下，基本都会驶出我国领海基线一段时间，因此，本申请设置上述行为为异常行为，这样当船舶在行驶时，本发明可以获取到当前船舶信息，从这些当前船舶信息中提取出这些异常行为，然后根据这些异常行为来确定风险行为和风险等级，进而采取对应的解决措施。
在一些实施方式中，可选地，第一预设时长大于等于7小时，且小于等于9小时，例如为8小时。第一预设角度大于等于70°，例如第一预设角度为90°，第二预设时长大于等于3小时，且小于等于5小时，例如为4小时。第三预设时长大于等于3小时，且小于等于5小时，例如为4小时。第四预设时长等于1小时。
在一些实施方式中，可选地，异常行为包括申报的下一港口是国内港口，构建风险数据库的步骤包括：确认所有的异常行为；在所有异常行为中提取至少一个异常行为；判断至少一个异常行为是否包括申报的下一港口是国内港口；在至少一个异常行为中包括申报的下一港口是国内港口时，确认至少一个异常行为为风险行为，并基于所有的风险行为构建风险数据库。
在该实施例中，本申请在构建风险数据库时，先确认所有的异常行为，异常行为是由工作人员针对大量的历史数据筛选出的与船舶出境行为较为密切的项目，确认所有的异常行为后，系统在所有异常行为中提取至少一个异常行为，判断提取出的异常行为是否包括申报的下一港口是国内港口，如包括的话，则确认提取出的至少一个异常行为为风险行为。然后再次从所有异常行为中提取另外一个或多个异常行为，然后进行再次判断的步骤，这样针对不同的异常行为的组合就可以判定出是风险行为或者非风险行为，然后将所有的风险行为进行汇总即可得到风险数据库。本发明之所以以“申报的下一港口是国内港口”作为判断依据是因为，大部分擅自出境的船舶其申报的港口均为国内港口，如申报的为国外的港口那就是合法出境而并非擅自出境，所以本发明重点检测申报的下一港口是国内港口的船舶，以避免船舶申报国内港口却擅自出境的风险。
在一些实施方式中，可选地，构建风险数据库的步骤还包括：在确认至少一个异常行为为风险行为时，计算风险行为的风险值；基于风险值和预设值确定风险行为的风险等级。这样就可以将不同的风险行为进行分级，从而针对不同风险等级采取不同的处理措施，以便完成分类处理。
在一些实施方式中，可选地，基于风险值和预设值确定风险行为的风险等级的步骤包括：在风险行为的风险值小于第一预设值时，确认风险行为的风险等级为低风险；在风险行为的风险值大于第二预设值时，确认风险行为的风险等级为高风险；在风险行为的风险值大于等于第一预设值，且小于等于第二预设值时，确认风险行为的风险等级为中风险；其中，第一预设值小于第二预设值。
在该实施例中，风险行为的风险值越高说明风险等级越高。可选地，第一预设值大于等于0.3，且小于等于0.5，例如第一预设值等于0.4。第二预设值大于等于0.6，且小于等于0.9，例如第二预设值等于0.7。
在一些实施方式中，可选地，计算风险行为的风险值的步骤包括：基于历史船舶信息确定风险行为出现的次数；确认所有风险行为中船舶发生擅自出境行为的次数；基于船舶发生擅自出境行为的次数和风险行为出现的次数确认风险行为的风险值。
在该实施例中，在计算风险值的过程中，先从历史船舶信息中确认出现该风险行为的次数，然后判断这些风险行为中船舶擅自出境的次数，通过船舶擅自出境的次数除以总次数就是该风险行为的风险值。
本发明另一实施例提供了一种船舶擅自出境行为的检测方法，包括如下步骤：
1. 根据船舶的申报数据、静态信息、动态信息、历史数据和历史擅自出境船舶数据建立特征值库；其中申报数据包括船舶申报的下一港口，申报的预抵下一港口时间；静态信息包括船舶MMSI，船舶类型、船舶交易记录、船舶国籍变更记录、船级社、船级社检验时间信息；动态信息包括船舶AIS信息中的船舶航向、航速、实时经纬度、AIS目的地、AIS信号更新时间信息；历史数据包括船舶历史轨迹、历史挂靠信息；历史擅自出境船舶数据就是记录的历史发生过擅自出境船舶的数据；其中，特征值也就是船舶的信息。
2. 将以上这些特征值按照动态信息、申报数据、静态信息、历史数据的评判顺序，结合历史擅自出境船舶数据利用逻辑回归分析和单因素分析方法对特征值进行相关度排序，并剔除无关数据，如船舶MMSI、船舶类型、船级社、航速等对于结果没有影响，故将这些特征值不编入特征值库。
其中，逻辑回归分析是指拟合一个线性模型来预测不同的特征值与船舶擅自出境的关系，估计回归系数来确定特征值对于船舶擅自出境的影响程度。
单因素分析方法通过基于历史擅自出境记录，比较不同特征值之间的差异，计算组间方差和组内方差，并使用统计指标（F值）来判断哪些特征值对于出现船舶擅自出境行为影响显著的一种统计方法。
3. 接着将相关度分为强相关、中等相关、弱相关，强相关代表特征值和分析结果存在强烈的线性关系，会直接影响到分析结果；中等相关代表特征值一定程度上导致分析结果的出现，但是不够强烈；弱相关代表特征值不会直接影响分析结果，但是在其他特征值基础上，会间接影响。分析得出特征值排序表如下表一所示：
表一
4. 根据上述特征值排序表，通过多因素分析和信息增益方法，判定出影响各风险等级下的特征值或组合。
其中多因素分析方法是一种统计方法，通过使用多因素方差分析对上述按相关度分类的特征值进行分析，根据模型的要求和假设，计算主效应、交互效应以及各个因素水平之间的比较，从而得出因素对因变量的影响程度。
信息增益是一种在决策树算法中用于选择最佳划分属性的指标，通过计算上述各特征值的熵值，确定各特征值或特征值组合对于结果不确定性影响的大小。熵值代表在某一条件下，随机变量的不确定性。
举例而言：比较特征6“AIS目的地和申报下一港口不一致”和特征7“AIS信号超过4小时不更新”两个特征，哪个特征对于结果影响更大，即更适合作为优先一级的决策点，具体计算步骤如下：
先查找包括特征6和特征7的历史记录，申请人找到10条历史记录如下表二所示，其中，1代表“是”，0代表“否”：
表二
熵值计算公式如下：
；
其中，Pi是第i个事件发生的概率，E(P)为熵值，i为事件，n为事件的个数，log为对数函数，按照熵值公式：
特征6和特征7的整体熵E为：
；
特征6满足（即样本表二中为1）时的熵值为：
；
特征6不满足（即样本表二中为0）时的熵值为：
；
加权处理特征6熵值为：
；
特征6的信息增益为：
G(6)=E-E(6)=0.88-0.79=0.09；其中，G为信息增益；
同理，特征7满足（即样本表二中为1）时的熵值为：
；
特征7不满足（即样本表二中为0）时的熵值为：
；
加权处理特征7熵值为：
；
特征7的信息增益为：
G(7)=E-E(7)=0.88-0.87=0.01；
特征6的信息增益比特征7的信息增益大，所以，特征6对于判定船舶是否擅自出境行为影响程度更大一些，所以优先作为决策点。
按照上面的计算逻辑计算出每一特征的信息增益后，可以基于对擅自出境行为影响程度依次排列出每一特征，然后基于不同特征的组合确定风险行为和风险等级，其中，风险等级包括高风险、中风险、低风险、无风险四个输出风险等级。
高风险：代表判定船舶擅自出境的概率大于0.7，需要有关单位紧急采取相关处理措施；
中风险：代表判定船舶擅自出境的概率大于0.4且小于0.7，需要有关单位重视并及时处理；
低风险：代表判定船舶擅自出境的概率大于0且小于0.4，需要有关单位结合其他信息进行进一步判定；
无风险：即判定船舶肯定没有发生擅自出境。
具体的风险行为的风险值的步骤，以特征3、特征2、特征7组成的风险行为为例，在计算特征3、特征2、特征7组合成的风险行为时，从历史船舶信息中提取出包括特征3、特征2、特征7的所有历史记录，假如共搜出m个历史记录，然后从历史记录中确认船舶发生擅自出境行为的个数，假如有n个历史记录为船舶出境记录，那么n/m就是该风险行为的风险值，然后与0.4和0.7比较进行分级，大于0.7定义为高风险，小于0.4定义为中风险，大于等于0.4，且小于等于0.7定义为中风险，其结果如下表三所示：
表三
针对表三画出决策树图，如图3、图4和图5所示。
5. 上述得到的决策树图作为模型参考，当船舶申报出港时，获取船舶的多特征值，按照模型进行实时预测和判定，当发现有风险时，采取相应的处理措施。
应当注意的是，随着历史预测记录和历史异常行为的不断积累，此预测模型也在不断校正，达到越来越完善准确的程度。
相比现有传统的船舶擅自出境识别技术，本发明的方法和系统有如下几点优点：
1.通过对船舶多维度数据建立数据模型，分析出哪些数据可以预测出船舶可能存在异常行为。
2.通过统计学方法，找出对船舶擅自出境行为影响的数据。
3.通过机器学习算法，可以识别出可能出现船舶擅自出境异常行为的情况。
4.本发明记录船舶发生擅自出境异常行为时的静态动态信息等数据，便于进一步取证研判。
5.本发明很好的解决了不能或遗漏识别船舶擅自出境异常行为的情况。
6.本发明一定程度上规避了因为船舶AIS信号中断导致不能识别船舶异常行为的情况。
7.本发明相对于传统识别方法，具有数据更及时，预测和识别更精准，过滤掉大量无干扰数据等优点。
8.本发明可以减少边防检查站等海关单位的手工工作。
9.本发明中涉及的预测风险按等级划分，支持相关单位按等级进行相应处理。
本方案的发明点在于如下几点：
1.通过概率论和信息论，在长期积累的历史行为大数据中排列出船舶各维度数据对船舶擅自出境异常行为的影响程度，达到精确分析的目的。
2.基于决策树模型方法，可以实时并自动识别出哪些船舶可能存在异常擅自出境的情况，为早期发现船舶擅自出境提供一种预警手段。
3.基于一系列的模型和识别流程，提高对船舶擅自出境行为的发现概率。
本发明是针对边防检查业务管理的需求，发明一种判定船舶擅自出境异常行为的智能识别方法，在基于申报出境出港数据，融入船舶静态信息、动态信息、历史行为数据库等多维度特征值，对特征值进行分析排序，并利用实时AIS信息进行联动，实现对船舶擅自出境行为识别的目的。
本发明针对的是在本辖区的船舶申报出港后，对船舶进行监控直至进入下一港口或者产生异常行为提醒的过程。在这个生命周期内，船舶被划分为边检站本辖区的出港船舶，同时被监控是否正常航行到申报的国内其他港口。
本发明实质上是在船舶进行申报出港后，开始对船舶的实时位置进行自动监控，同时调取出历史库中港到港的航线，该船的历史行为，档案信息，进行对船舶监控定级，当实时AIS信息发生触发时，联合监控定级信息，对照特征库进行研判，并将提醒信息及时发布和推送，协助边防检查单位及时了解到异常船舶的信息，并将取证信息关联，确保第一时间对违法行为进行处置。
为方便理解，本发明将计算中使用的数据进行定义解释如下：
AIS:（Automatic-Identification-System），一种应用于船和岸、船和船之间的海事安全与通信的新型助航系统。AIS利用无线电技术，使装载AIS设备的船舶能够相互之间进行自动通信，并提供实时的当前船舶信息，AIS设备通过卫星定位系统（如全球定位系统，GPS）获取船舶的准确位置信息，并通过无线电信道将这些信息传输给其他船舶和岸基站。
如图2所示，本发明的另一个实施例提供的船舶擅自出境行为的检测方法包括如下步骤：
S202：船舶申报出港时开始监测；
S204：收集船舶数据并作为模型输入；
S206：输出结果判断是否有风险；若是，执行S208，若否，则结束；
S208：推送提醒，进行进一步研判和取证。
如图6所示，本发明第二方面提供了一种船舶擅自出境行为的检测装置1，包括：构建单元12，用于构建风险数据库；其中，风险数据库包括至少一个风险行为和风险行为对应的风险等级，每一风险行为包括至少一个异常行为；获取单元13，用于获取当前船舶信息，从当前船舶信息中提取出异常行为；确认单元14，用于基于提取出的异常行为和风险数据库确认当前船舶信息中是否存在风险行为；输出单元15，用于在当前船舶信息中存在风险行为时，输出风险行为和对应的风险等级。
如图7所示，本发明第三方面提供了一种船舶擅自出境行为的检测装置1，包括储存器18和处理器16，储存器18上存储有计算机程序或指令，处理器16执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶擅自出境行为的检测方法。
本发明第四方面提供了一种可读储存介质，可读储存介质上存储有程序或指令，处理器16执行程序或指令时实现如本申请第一方面任一项技术方案提供的船舶擅自出境行为的检测方法。
在根据本发明的实施例中，术语“第一”、“第二”、“第三”仅用于描述的方面，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在根据本发明的实施例中的具体含义。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上仅为根据本发明的实施例的优选实施例而已，并不用于限制根据本发明的实施例，对于本领域的技术人员来说，根据本发明的实施例可以有各种更改和变化。凡在根据本发明的实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在根据本发明的实施例的保护范围之内。
Claims (10)
1.一种船舶擅自出境行为的检测方法，其特征在于，包括：
构建风险数据库；其中，所述风险数据库包括至少一个风险行为和所述风险行为对应的风险等级，每一所述风险行为包括至少一个异常行为；
获取当前船舶信息，从所述当前船舶信息中提取出所述异常行为；
基于提取出的所述异常行为和所述风险数据库确认所述当前船舶信息中是否存在所述风险行为；
在所述当前船舶信息中存在所述风险行为时，输出所述风险行为和对应的风险等级。
2.根据权利要求1所述的船舶擅自出境行为的检测方法，其特征在于，所述异常行为包括申报的下一港口是国内港口，所述构建风险数据库的步骤包括：
确认所有的所述异常行为；
在所有异常行为中提取至少一个所述异常行为；
判断至少一个所述异常行为是否包括申报的下一港口是国内港口；
在至少一个所述异常行为中包括申报的下一港口是国内港口时，确认至少一个所述异常行为为所述风险行为，并基于所有的所述风险行为构建所述风险数据库。
3.根据权利要求2所述的船舶擅自出境行为的检测方法，其特征在于，所述构建风险数据库的步骤还包括：
在确认至少一个所述异常行为为所述风险行为时，计算所述风险行为的风险值；
基于所述风险值和预设值确定所述风险行为的风险等级。
4.根据权利要求3所述的船舶擅自出境行为的检测方法，其特征在于，所述基于所述风险值和预设值确定所述风险行为的风险等级的步骤包括：
在所述风险行为的风险值小于第一预设值时，确认所述风险行为的风险等级为低风险；
在所述风险行为的风险值大于第二预设值时，确认所述风险行为的风险等级为高风险；
在所述风险行为的风险值大于等于第一预设值，且小于等于第二预设值时，确认所述风险行为的风险等级为中风险；
其中，所述第一预设值小于所述第二预设值。
5.根据权利要求4所述的船舶擅自出境行为的检测方法，其特征在于，
所述第一预设值大于等于0.3，且小于等于0.5；
所述第二预设值大于等于0.6，且小于等于0.9。
6.根据权利要求3所述的船舶擅自出境行为的检测方法，其特征在于，所述计算所述风险行为的风险值的步骤包括：
基于历史船舶信息确定所述风险行为出现的次数；
确认所有所述风险行为中所述船舶发生擅自出境行为的次数；
基于所述船舶发生擅自出境行为的次数和所述风险行为出现的次数确认所述风险行为的风险值。
7.根据权利要求2所述的船舶擅自出境行为的检测方法，其特征在于，所述异常行为还包括如下中的至少一种信息：
所述船舶驶出领海基线大于等于第一预设时长；
所述船舶驶出领海基线小于第一预设时长；
所述船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长大于等于第二预设时长；
所述船舶航向偏离申报港口的偏离角度大于等于第一预设角度且持续偏移时长小于第二预设时长；
所述船舶的目的地和申报下一港口不一致；
所述船舶的AIS信号更新间隔大于等于第三预设时长；
所述船舶的AIS信号更新间隔大于等于第四预设时长，且小于第三预设时长；其中，所述第四预设时长小于所述第三预设时长；
所述船舶预抵申报的下一港口时的时间超时；
所述船舶发生过擅自出境行为；
所述船舶在第五预设时长内到过异常国家；
所述船舶在第六预设时长内挂靠过异常国家；
所述船舶在第七预设时长内发生过交易记录；
所述船舶的国籍在第八预设时长内发生过变更；
所述船舶的船级社检验时间过期。
8.一种船舶擅自出境行为的检测装置，其特征在于，包括：
构建单元，用于构建风险数据库；其中，所述风险数据库包括至少一个风险行为和所述风险行为对应的风险等级，每一所述风险行为包括至少一个异常行为；
获取单元，用于获取当前船舶信息，从所述当前船舶信息中提取出所述异常行为；
确认单元，用于基于提取出的所述异常行为和所述风险数据库确认所述当前船舶信息中是否存在所述风险行为；
输出单元，用于在所述当前船舶信息中存在所述风险行为时，输出所述风险行为和对应的风险等级。
9.一种船舶擅自出境行为的检测装置，其特征在于，包括：
储存器和处理器，所述储存器上存储有计算机程序或指令，所述处理器执行所述计算机程序或指令时实现如权利要求1至7中任一项所述的船舶擅自出境行为的检测方法。
10.一种可读储存介质，其特征在于，所述可读储存介质上存储有程序或指令，处理器执行所述程序或指令时实现如权利要求1至7中任一项所述的船舶擅自出境行为的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311299252.4A CN117037089A (zh) | 2023-10-09 | 2023-10-09 | 船舶擅自出境行为的检测方法、装置和可读储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311299252.4A CN117037089A (zh) | 2023-10-09 | 2023-10-09 | 船舶擅自出境行为的检测方法、装置和可读储存介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117037089A true CN117037089A (zh) | 2023-11-10 |
Family
ID=88641669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311299252.4A Pending CN117037089A (zh) | 2023-10-09 | 2023-10-09 | 船舶擅自出境行为的检测方法、装置和可读储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117037089A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095615A (zh) * | 2023-12-29 | 2024-05-28 | 亿海蓝（北京）数据技术股份公司 | 确定出入境的船舶是否异常的方法、装置和可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115410420A (zh) * | 2022-10-31 | 2022-11-29 | 河北东来工程技术服务有限公司 | 一种船舶安全航行管理方法和系统 |
| CN115511174A (zh) * | 2022-09-22 | 2022-12-23 | 中远海运科技股份有限公司 | 一种船舶风险预测方法和系统 |
| CN115659263A (zh) * | 2022-10-14 | 2023-01-31 | 长江三峡通航管理局 | 一种基于大数据的船舶操控行为风险评估系统及评估方法 |
| CN115774804A (zh) * | 2022-11-24 | 2023-03-10 | 亿海蓝（北京）数据技术股份公司 | 船舶的异常识别方法、系统和可读存储介质 |
| CN115879764A (zh) * | 2022-11-18 | 2023-03-31 | 江苏思极科技服务有限公司 | 一种变电站维修作业风险预警防范系统及方法 |
| CN116777218A (zh) * | 2023-06-28 | 2023-09-19 | 中远海运科技股份有限公司 | 一种基于船舶业务数据、ais数据对船舶风险进行智能评估的系统及方法 |
-
2023
- 2023-10-09 CN CN202311299252.4A patent/CN117037089A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220036738A1 (en) * | 2020-07-29 | 2022-02-03 | Wuhan University Of Technology | Method and system for assessing and early warning ship collision risk |
| 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 |
| CN115511174A (zh) * | 2022-09-22 | 2022-12-23 | 中远海运科技股份有限公司 | 一种船舶风险预测方法和系统 |
| CN115659263A (zh) * | 2022-10-14 | 2023-01-31 | 长江三峡通航管理局 | 一种基于大数据的船舶操控行为风险评估系统及评估方法 |
| CN115410420A (zh) * | 2022-10-31 | 2022-11-29 | 河北东来工程技术服务有限公司 | 一种船舶安全航行管理方法和系统 |
| CN115879764A (zh) * | 2022-11-18 | 2023-03-31 | 江苏思极科技服务有限公司 | 一种变电站维修作业风险预警防范系统及方法 |
| CN115774804A (zh) * | 2022-11-24 | 2023-03-10 | 亿海蓝（北京）数据技术股份公司 | 船舶的异常识别方法、系统和可读存储介质 |
| CN116777218A (zh) * | 2023-06-28 | 2023-09-19 | 中远海运科技股份有限公司 | 一种基于船舶业务数据、ais数据对船舶风险进行智能评估的系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095615A (zh) * | 2023-12-29 | 2024-05-28 | 亿海蓝（北京）数据技术股份公司 | 确定出入境的船舶是否异常的方法、装置和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| CN111798127B (zh) | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 | |
| CN117037089A (zh) | 船舶擅自出境行为的检测方法、装置和可读储存介质 | |
| CN109308411B (zh) | 基于人工智能决策树的分层检测软件行为缺陷的方法和系统 | |
| CN108763966B (zh) | 一种尾气检测作弊监管系统及方法 | |
| CN116934262B (zh) | 一种基于人工智能的施工安全监管系统及方法 | |
| CN116843071B (zh) | 一种用于智慧港口的运输网络运行指数预测方法及装置 | |
| CN118413265B (zh) | 一种卫星在线状态监测系统及方法 | |
| CN116163807A (zh) | 一种基于arima模型的隧道健康监测异常数据动态预警方法 | |
| CN110675013A (zh) | 建设工程项目施工安全性的评价方法 | |
| CN114997313A (zh) | 一种海洋在线监测数据的异常检测方法 | |
| CN117725792A (zh) | 基于时间序列和模型修正的建筑安全监测预警方法 | |
| CN115392089A (zh) | 一种智能预警方法 | |
| CN114139880B (zh) | 企业安全管理风险动态监测系统 | |
| CN117370818B (zh) | 基于人工智能的供排水管网智能诊断方法及智慧环保系统 | |
| CN118092326A (zh) | 一种基于数字孪生的厂区应急管理系统 | |
| CN117079460A (zh) | 一种面向时间序列的arima模型对城市短时交通流预测的方法 | |
| CN116882755A (zh) | 一种基于车载Tbox数据预测货车运输路线偷油风险的方法 | |
| Morales et al. | Historical maintenance relevant information road-map for a self-learning maintenance prediction procedural approach | |
| CN115964883A (zh) | 一种无人艇的状态监测与维修保障系统 | |
| Tchórzewska-Cieślak et al. | Bayesian inference in the analysis of the failure risk of the water supply network | |
| Valis et al. | System condition assessment based on mathematical analysis | |
| CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 | |
| CN112051394A (zh) | 一种木结构古建筑的缺损度检测算法及检测方法 | |
| CN117527528B (zh) | 基于北斗定位的通信状态检测报告分析方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231110 |