CN117437810A - 船舶靠离泊时间的确定方法、装置和可读储存介质 - Google Patents
船舶靠离泊时间的确定方法、装置和可读储存介质 Download PDFInfo
- Publication number
- CN117437810A CN117437810A CN202311386466.5A CN202311386466A CN117437810A CN 117437810 A CN117437810 A CN 117437810A CN 202311386466 A CN202311386466 A CN 202311386466A CN 117437810 A CN117437810 A CN 117437810A
- Authority
- CN
- China
- Prior art keywords
- berthing
- time
- ship
- determining
- available
- 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 58
- 239000013598 vector Substances 0.000 claims abstract description 103
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 30
- 238000005516 engineering process Methods 0.000 abstract description 23
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Ocean & Marine Engineering (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了船舶靠离泊时间的确定方法、装置和可读储存介质，涉及船舶靠离泊监测技术领域，旨在解决或改善现有技术中通过AIS技术或者AI人工智能技术来确认船舶靠离泊时间，测量精度低的技术问题。确定方法包括：通过船舶自动识别系统确认船舶的第一靠离泊数据，基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，确定出可用第一靠离泊时间和/或可用第二靠离泊时间，将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，并构成向量集合，从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；基于至少一条确定向量确定船舶靠离泊时间。
Description
技术领域
本发明涉及船舶靠离泊监测技术领域，具体而言，涉及一种船舶靠离泊时间的确定方法、装置和可读储存介质。
背景技术
通常来说，船舶的靠泊和离泊事件都是基于AIS（Automatic IdentificationSystem，船舶自动识别系统）船位数据的大数据分析和挖掘得来的。近几年，随着AI（Artificial Intelligence，人工智能）技术的蓬勃发展，移动网络、基础算力的建设，越来越多的江船和沿海的内贸船都在船上安装了智能摄像头，使用智能摄像头的视频数据采用AI人工智能、机器学习等技术也能识别出船舶是否停靠泊位和驶离泊位，船舶上摄像头可以安装在多个位置，例如：船头、船尾、左舷、右舷、驾驶台、集控室、机舱等等。采用AI人工智能技术需要大量的视频或图片数据进行训练模型和算法，在智能识别的过程中也要实时的获取每条船的不同摄像头的视频或图片来进行AI识别，每个摄像头都有可能产生靠离泊事件，那么我们就需要对不同摄像头来源的事件和AIS产生的事件数据进行融合，增强靠离泊事件数据的可信度，并提高精度。可以理解地，在进行船舶定位时，AIS技术和AI人工智能技术均有各自的缺点，在AIS信号接收基站覆盖不好的地方，AIS技术的定位精度低，而摄像头的分辨率会影响AI的准确度，外加天气、光照、黑夜等因素都会影响AI识别，故而怎么对两种技术进行适当的融合，互相完善各自的短板，来提高船舶靠离泊事件的精确度是我们要解决的问题。
因此，发明一种能够提高确认船舶靠离泊事件的精确度的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通过AIS技术或者AI人工智能技术来确认船舶靠离泊时间，测量精度低的技术问题。
本发明的第一方面在于提供一种船舶靠离泊时间的确定方法。
本发明的第二方面在于提供一种船舶靠离泊时间的确定装置。
本发明的第三方面在于提供一种电子设备。
本发明的第四方面在于提供一种可读储存介质。
本发明提供的船舶靠离泊时间的确定方法，船舶包括至少一个图像获取装置，图像获取装置用于获取船舶的图像信息，船舶靠离泊时间的确定方法包括：通过船舶自动识别系统确认船舶的第一靠离泊数据，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点；基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；基于至少一条确定向量确定船舶靠离泊时间。
本发明提供的船舶靠离泊时间的确定方法，先通过船舶自动识别系统确认船舶的第一靠离泊数据，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点，然后基于图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点，然后基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；其中，可用第一靠离泊时间和可用第二靠离泊时间也即在后期用于计算最终靠离泊时间所用到的数据，本发明之所以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间，可以理解的，对于同一个靠离泊事件而言，通常情况下，靠离泊地点均比较集中，不会出现偏差较大的靠离泊地点，然而由于图像获取装置位于船舶的各个位置，故而在实际监测过程中，可能存在某一图像获取装置确定的靠离泊地点与其他图像获取装置确定的靠离泊地点存在偏差较大的情况，该种情况可能是识别误差导致，也可能是测量的不同靠离泊事件导致的，故而本发明基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，这样就可以排除误差较大的点，故而减少后期计算的数据，提高计算速率。进一步的，在提取出可用第一靠离泊时间和/或可用第二靠离泊时间后，将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；然后对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；在从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；在从所有向量中排除异常向量的步骤中可以采用有序表结合小根堆的贪心算法来从所有向量中确定出确定向量，确定向量也即用于确定最终的船舶靠离泊时间的向量，或者说重合度较高的一些向量，最后基于至少一条确定向量确定船舶靠离泊时间。本发明的船舶靠离泊时间的确定方法将AIS技术确定出的船舶靠离泊时间和AI技术确定出的船舶靠离泊时间进行融合，确定出最优的船舶靠离泊时间作为最后的船舶靠离泊时间，这样就完善了AIS技术和AI技术各自的短板，提高了确认船舶靠离泊时间的精确度。
在一些技术方案中，可选地，从所有向量中排除异常向量步骤中也可以采取常规的离散点剔除的方案来排除异常向量，具体的，先将所有的向量通过坐标的形式插入直角坐标系中，基于离散点较独立的特征，基于常规的离散点剔除的方案剔除这些孤立的离散点，这样也可以得到一些相对比较集中的确定向量。
在一些技术方案中，可选地，基于至少一条确定向量确定船舶靠离泊时间的步骤包括：在所有确定向量中提取start的最小值和end的最大值，基于start的最小值确定船舶的靠泊时间，基于end的最大值确定船舶离泊时间。
在该技术方案中，当提取出确定向量后，在所有确定向量中提取start的最小值和end的最大值，由于start和end都是世界标准时间，最后将start的最小值转化为本地时间，该本地时间就是最后确定出的船舶的靠泊时间，将end的最大值转化为本地时间，该本地时间就是最后确定出的船舶离泊时间。当然，也可以采取平均值的方式确定最后的船舶的靠离泊时间，也即计算所有确定向量中start的平均值为船舶的靠泊时间，计算所有确定向量中end的平均值为船舶离泊时间。
在一些技术方案中，可选地，基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间的步骤包括：分别以每一第一靠离泊地点和每一第二靠离泊地点为中心，以预设距离为半径做圆，在所有画出的圆中确定出与其他任意圆有部分重合的重合圆；确定重合圆对应的第一靠离泊地点和/或第二靠离泊地点为可用第一靠离泊地点和/或可用第二靠离泊地点；基于可用第一靠离泊地点和/或可用第二靠离泊地点确定可用第一靠离泊时间和/或可用第二靠离泊时间。
在该技术方案中，当以第一靠离泊地点和第二靠离泊地点为中心，以预设距离为半径做圆之后，孤立的圆对应的靠离泊地点就可以定位为误差值，该靠离泊地点与其余的靠离泊地点均距离较远，需要舍去，通过该方法可以确定可用第一靠离泊时间和/或可用第二靠离泊时间。当然也可以不采取画圆的方法，也可以通过判断距离的方式，例如从所有的第一靠离泊地点和第二靠离泊地点中提取出与其他任何一点都大于预设值的点，并将该点作为误差值舍去，同样可以确定出可用第一靠离泊时间和/或可用第二靠离泊时间。
在一些技术方案中，可选地，预设距离大于等于10米，且小于等于30米。例如，预设距离等于20米，也即在做圆的过程中以20米为半径做圆。
在一些技术方案中，可选地，通过船舶自动识别系统确认船舶的第一靠离泊时间和第一靠离泊地点的步骤之前还包括：通过图像获取装置每间隔预设时间获取一次船舶的图像信息。
在该技术方案中，在确认船舶的第一靠离泊时间和第一靠离泊地点之前，先通过图像获取装置每间隔预设时间获取一次船舶的图像信息，这样就可以根据图像信息基于AI技术确定出第二靠离泊时间和第二靠离泊地点。
在一些技术方案中，可选地，预设时间大于等于30秒，且小于等于2分钟，例如为1分钟。
在该技术方案中，图像获取装置每1分钟获取一次船舶的图像信息，这样就可以提高AI识别精度，又可以避免图像太多导致消耗算力太大。
在一些技术方案中，可选地，第一靠离泊数据和第二靠离泊数据均还包括如下中的至少一种：船名、船籍、MMSI、码头泊位和停泊时长。
本发明第二方面提供了一种船舶靠离泊时间的确定装置，包括：确定单元，用于基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；确定单元还用于，基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；其中，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点，第一靠离泊数据通过船舶自动识别系统确认；时间转化单元，用于将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；排序单元，用于对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；确定单元还用于，从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；确定单元还用于，基于至少一条确定向量确定船舶靠离泊时间。
本发明第三方面提供了一种电子设备，包括储存器和处理器，储存器上存储有计算机程序或指令，处理器执行计算机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靠离泊时间的确定方法。
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靠离泊时间的确定方法。
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靠离泊时间的确定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靠离泊时间的确定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靠离泊时间的确定方法的扩展缓冲区的示意图；
图4示出了本发明的实施例提供的船舶靠离泊时间的确定方法的向量排序的原理图；
图5示出了本发明的实施例提供的船舶靠离泊时间的确定方法的有序表结合小根堆的贪心算法的计算原理图之一；
图6示出了本发明的实施例提供的船舶靠离泊时间的确定方法的有序表结合小根堆的贪心算法的计算原理图之二；
图7示出了本发明的实施例提供的船舶靠离泊时间的确定方法的有序表结合小根堆的贪心算法的计算原理图之三；
图8示出了本发明的实施例提供的船舶靠离泊时间的确定方法的流程示意图之三；
图9示出了本发明的实施例提供的船舶靠离泊时间的确定方法中小根堆的概念原理图；
图10示出了本发明的实施例提供的船舶靠离泊时间的确定装置的方框图；
图11示出了本发明的实施例提供的电子设备的方框图；
图12为实现本申请实施例的电子设备的硬件结构示意图。
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。
在下面的描述中阐述了很多具体细节以便于充分理解根据本发明的实施例，但是，根据本发明的实施例还可以采用其他不同于在此描述的其他方式来实施，因此，根据本发明的实施例的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明的一个实施例提供的船舶靠离泊时间的确定方法包括如下步骤：
S102：通过船舶自动识别系统确认船舶的第一靠离泊数据，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点；
S104：基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；
S106：基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；
S108：将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；
S110：对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；
S112：从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；
S114：基于至少一条确定向量确定船舶靠离泊时间。
本发明提供的船舶靠离泊时间的确定方法，先通过船舶自动识别系统确认船舶的第一靠离泊数据，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点，然后基于图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点，然后基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；其中，可用第一靠离泊时间和可用第二靠离泊时间也即在后期用于计算最终靠离泊时间所用到的数据，本发明之所以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间，可以理解的，对于同一个靠离泊事件而言，通常情况下，靠离泊地点均比较集中，不会出现偏差较大的靠离泊地点，然而由于图像获取装置位于船舶的各个位置，故而在实际监测过程中，可能存在某一图像获取装置确定的靠离泊地点与其他图像获取装置确定的靠离泊地点存在偏差较大的情况，该种情况可能是识别误差导致，也可能是测量的不同靠离泊事件导致的，故而本发明基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，这样就可以排除误差较大的点，故而减少后期计算的数据，提高计算速率。进一步的，在提取出可用第一靠离泊时间和/或可用第二靠离泊时间后，将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；然后对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；再从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；再从所有向量中排除异常向量的步骤中可以采用有序表结合小根堆的贪心算法来从所有向量中确定出确定向量，确定向量也即用于确定最终的船舶靠离泊时间的向量，或者说重合度较高的一些向量，由于重合度较高就说明更加精准，最后基于至少一条确定向量确定船舶靠离泊时间。本发明的船舶靠离泊时间的确定方法将AIS技术确定出的船舶靠离泊时间和AI技术确定出的船舶靠离泊时间进行融合，确定出最优的船舶靠离泊时间作为最后的船舶靠离泊时间，这样就完善了AIS技术和AI技术各自的短板，提高了确认船舶靠离泊时间的精确度。
在一些技术方案中，可选地，基于至少一条确定向量确定船舶靠离泊时间的步骤包括：在所有确定向量中提取start的最小值和end的最大值，基于start的最小值确定船舶的靠泊时间，基于end的最大值确定船舶离泊时间。
在该技术方案中，当提取出确定向量后，在所有确定向量中提取start的最小值和end的最大值，由于start和end都是世界标准时间，最后将start的最小值转化为本地时间，该本地时间就是最后确定出的船舶的靠泊时间，将end的最大值转化为本地时间，该本地时间就是最后确定出的船舶离泊时间。
在一些技术方案中，可选地，基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间的步骤包括：分别以每一第一靠离泊地点和每一第二靠离泊地点为中心，以预设距离为半径做圆，在所有画出的圆中确定出与其他任意圆有部分重合的重合圆；确定重合圆对应的第一靠离泊地点和/或第二靠离泊地点为可用第一靠离泊地点和/或可用第二靠离泊地点；基于可用第一靠离泊地点和/或可用第二靠离泊地点确定可用第一靠离泊时间和/或可用第二靠离泊时间。
在该技术方案中，当以第一靠离泊地点和第二靠离泊地点为中心，以预设距离为半径做圆之后，孤立的圆对应的靠离泊地点就可以定位为误差值，该靠离泊地点与其余的靠离泊地点均距离较远，需要舍去，通过该方法可以确定可用第一靠离泊时间和/或可用第二靠离泊时间。当然也可以不采取画圆的方法，也可以通过判断距离的方式，例如从所有的第一靠离泊地点和第二靠离泊地点中提取出与其他任何一点都大于预设值的点，并将该点作为误差值舍去，同样可以确定出可用第一靠离泊时间和/或可用第二靠离泊时间。
在一些技术方案中，可选地，预设距离大于等于10米，且小于等于30米。例如，预设距离等于20米，也即在做圆的过程中以20米为半径做圆。
在一些技术方案中，可选地，通过船舶自动识别系统确认船舶的第一靠离泊时间和第一靠离泊地点的步骤之前还包括：通过图像获取装置每间隔预设时间获取一次船舶的图像信息。
在该技术方案中，在确认船舶的第一靠离泊时间和第一靠离泊地点之前，先通过图像获取装置每间隔预设时间获取一次船舶的图像信息，这样就可以根据图像信息基于AI技术确定出第二靠离泊时间和第二靠离泊地点。
在一些技术方案中，可选地，预设时间大于等于30秒，且小于等于2分钟，例如为1分钟。
在该技术方案中，图像获取装置每1分钟获取一次船舶的图像信息，这样就可以提高AI识别精度，又可以避免图像太多导致消耗算力太大。
在一些技术方案中，可选地，第一靠离泊数据和第二靠离泊数据均还包括如下中的至少一种：船名、船籍、MMSI、码头泊位和停泊时长。
本发明的船舶靠离泊时间的确定方法运用AIS大数据分析和AI人工智能技术的数据融合技术在解决跟踪监控和事件识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。
如图2所示，本发明另一实施例提供了船舶靠离泊时间的确定方法，包括如下步骤：
S202：基于AIS大数据分析的靠离泊事件特征提取；
具体而言，持续获取船舶当前位置，提取AIS数据，提交给AIS大数据分析服务器，由服务器生成船舶的靠离泊数据，例如包括：船名、MMSI、靠泊时间、离泊时间、码头泊位、靠离泊地点(经纬度)和停泊时长等。
S204：基于AI智能识别模块的靠离泊事件特征提取；
具体而言：获取每条船舶的所有摄像头的设备信息，通过每个摄像头进行视频截图，每分钟抓取一张图片；把抓取到的图片持续提交到AI智能识别服务；每个摄像头上传的图片都有可能被识别出靠离泊事件以及靠离泊数据：例如，船名，MMSI，靠泊时间，离泊时间，停泊时长，靠离泊地点(经纬度)。
S206：靠离泊事件的特征提取的变换；
具体而言：
首先，把所有船舶的AIS靠离泊数据和AI靠离泊数据放在一个集合里，先以单个船舶进行分组，这样可以得到每一条船舶的AIS靠离泊数据和AI靠离泊数据集合，然后提取出所有的靠离泊地点数据，其中，靠离泊地点（也即事件的发生地点）是GIS里的几何对象Point[纬度，经度]，表示地图上某个位置的坐标；然后以每个事件的发生地点Point为中心向外扩展一个20米缓冲区，生成了一个新的多边形区域，可选地是圆形，构建缓冲区原理如图3所示，再提取出缓冲区互相有交集的靠离泊数据进行分组；最后每组数据里的事件包括AIS靠离泊数据、同一船舶上不同摄像头产生的若干AI靠离泊数据；每个靠离泊数据都有靠泊时间和离泊时间。
S208：利用贪心算法来融合靠泊时间和离泊时间的方法；
具体而言：用线段表示靠离泊事件，先将靠离泊时间都转换为世界标准时间，这样就可以用一条线段来表示每个靠离泊时间，线段的两端用start和end来表示，start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，把时间区间的融合变换成线段的融合，将线段整合为Line（线段）数据结构；将分组里的线段集合lines按照每条线段的start升序排序(方便从小到大验证每个线段的start，保证不重不漏)，排序原理如图4所示，然后构造一个小根堆，排序方式是线段的end升序排列；遍历lines的每一条线段，让小根堆中end≤lines[i].start的那些线段移出堆，然后把lines[i]加入小根堆，具体的小根堆筛选原理如图5至图7所示，小根堆内线段的数量就是重合数量，更新大值给max变量（最大重合线段数）；所有线段操作完，自然最后max变量已经得到了最大值；这个max值就是最多条线段重合的个数，获取max值对应的那个堆中剩余线段的start的最小值和end的最大值，就是融合后的靠泊时间和离泊时间；
更进一步的，为了更加清楚的了解本发明的利用贪心算法来融合靠泊时间和离泊时间的步骤，以下面一组数据进行筛选为例：
(2，3)、(1，7)、(4，6)、(4，5)、(3，5)、(5，7)；
1、先根据每条线段的start从小到大排序，然后准备一个小根堆（以end大小判断），用于存放每条线段。
排序后，如图4所示，这组数据变为：
(1，7)，(2，3)，(3，5)，(4，6)，(4，5)，(5，7)；其中，在排序过程中，如果start相同，则随机排序，不考虑end；
2、首先遍历到第一个线段lines(1)=(1，7)，如图5所示，先看小根堆中，移出堆中所有线段的end≤1的线段，因为是第一条线段，没有其他数，所以直接将end=7的(1，7)放入小根堆中；
现在小根堆中的end只有7这个数，所以(1，7)这条线段对应的max=1；
3、遍历到下一条线段lines(2)=(2，3)，start=2，将小根堆中的线段的end≤2的都移出，而当前小根堆中的end数是7，没有符合条件的数，所以将end=3的(2，3)放入小根堆中，结果如图6所示。
此时小根堆中的end数为【3、7】(小根堆中放进去都是自动排序的)，所以(2，3)这条线段对应的max=2；
4、遍历到下一条线段lines(3)=(3，5)，start=3，小根堆中线段的end有【3、7】，移出end≤3的线段(2，3)，然后将end=5的(3，5)放入小根堆中，移除原理如图7所示。
此时小根堆中的end为【5、7】，所以(3，5)这条线段对应的max=2；
5、遍历到下一条线段lines(4)=(4，6)，start=4，小根堆中线段的end有【5、7】，没有线段end≤4，所以直接将end=6的(4，6)放入小根堆中；
此时小根堆中的end为【5、6、7】，所以(4，6)这条线段对应的max=3；
6、遍历到下一条线段lines(5)=(4，5)，start=4，小根堆中线段的end有【5、6、7】，没有线段end≤4，所以直接将end=5的(4，5)放入小根堆中；
此时小根堆中的end为【5、5、6、7】，所以(4，5)这条线段对应的max=4；
7、遍历到下一条线段lines(6)=(5，7)，start=5，小根堆中线段的end有【5、5、6、7】，移出end≤5的线段(3，5)和(4，5)，然后将end=7的(5，7)放入小根堆中；
此时小根堆中的end为【6、7、7】，所以(5，7)这条线段对应的max=3；
8、综上，重合最多的线段条数是4条，也即，步骤6步骤中max=4，对应的小根堆中的end为【5、5、6、7】，对应的小根堆中线段是【(3，5)，(4，5)，(4，6)，(1，7)】。
9、最后，这4条线段【(3，5)，(4，5)，(4，6)，(1，7)】就是基于本申请的算法确定出的确定向量。
如图8所示，本发明的一个实施例提供的船舶靠离泊时间的确定方法包括如下步骤：
S502：提取船舶的AIS靠离泊事件数据；
S504：提取船舶的AI靠离泊事件数据；
S506：为事件发生地点生成缓冲区；
S508：按照船舶、有交集的缓冲区进行事件数据分组；
S510：事件的时间转成UTC时间，构造成line数据结构的集合lines；
S512：遍历事件集合lines；
S514：遍历是否完成；若是，则转S516，若否，则转S518；
S516：获取max值对应的那个堆中剩余线段的start的最小值和end的最大值，结束。
S518：通过贪心算法计算得到本次重合线段数，与上次比较，把大值赋予给max，转S512。
本发明中的术语解释如下：
船舶位置：由船舶所在的经纬度确定的船舶位置。
AIS：船舶自动识别系统（Automatic Identification System），由岸基基站、卫星设施和船载设备共同组成。
MMSI：水上移动业务标识码（Maritime Mobile Service Identity）是船舶无线电通信系统在其无线电信道上发送的，能独特识别各类台站和成组呼叫站台的九位数字码。
小根堆：是一种计算机数据结构，也可称为完全二叉堆。是指在逻辑上基于完全二叉树结构，物理上基于线性数据结构（如：数组、向量、链表等）的一种数据结构，也称完全二叉堆，需满足：根节点<子节点，根节点总是最小的，并且在堆的每一个局部都如此，在整个堆中是最小的元素。其中，小根堆的概念原理示意图如图9所示。
在本发明提出的技术方案中，提供了一种融合多源靠离泊事件的一种新方法，把事件的融合转换成了几何线段的融合，利用贪心算法的思想，舍弃那些没必要对比的线段，只看每条线段的start，先按照start对线段排序，同时面对每条start，不要对比所有线段去暴力搜索谁与我有重合，而是用小根堆排除那些不与我重合的线段就行。利用堆和有序表数据结构的结合，节约了大量的融合搜索的时间，能大大加速咱们的算法计算流程，准确性还高。
如图10所示，本发明第二方面提供了一种船舶靠离泊时间的确定装置1，包括：确定单元12，用于基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认船舶的至少一个第二靠离泊数据，第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；确定单元12还用于，基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；其中，第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点，第一靠离泊数据通过船舶自动识别系统确认；时间转化单元14，用于将可用第一靠离泊时间和/或可用第二靠离泊时间转化为世界标准时间，以对可用第一靠离泊时间和/或可用第二靠离泊时间向量化，并构成向量集合；排序单元15，用于对向量集合中的所有向量进行排序；其中，向量的表示形式为（start，end），start为船舶靠泊时的世界标准时间，end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；确定单元12还用于，从所有向量中排除异常向量，以得到用于确定船舶靠离泊时间的至少一条确定向量；确定单元12还用于，基于至少一条确定向量确定船舶靠离泊时间。
本申请实施例中的船舶靠离泊时间的确定装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。
本申请实施例中的船舶靠离泊时间的确定装置可以为具有操作系统的装置。该操作系统可以为安卓（Android）操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的船舶靠离泊时间的确定装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
如图11所示，本发明第三方面提供了一种电子设备700，包括处理器701，存储器702，存储在存储器702上并可在处理器701上运行的程序或指令，该程序或指令被处理器701执行时实现上述船舶靠离泊时间的确定方法，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括移动电子设备和非移动电子设备。
需要说明的是，本申请实施例中的电子设备包括移动电子设备，如手机，也可以包括非移动电子设备，如电脑等。
图12为实现本申请实施例的另一种电子设备2000的硬件结构示意图。
该电子设备2000包括但不限于：射频单元2001、网络模块2002、音频输出单元2003、输入单元2004、传感器2005、显示单元2006、用户输入单元2007、接口单元2008、存储器2009、以及处理器2010等部件。
本领域技术人员可以理解，电子设备2000还可以包括给各个部件供电的电源2011（比如电池），电源2011可以通过电源管理系统与处理器2010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图11中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，用户输入单元2007接收第一输入；
处理器2010根据第一输入，生成并存储对应的原始操作记录，其中，原始操作记录中包括至少一个原始操作节点；
用户输入单元2007接收对操作节点中的目标操作节点的第二输入；
处理器2010响应于第二输入，生成调整后的模拟操作记录；
根据模拟操作记录，控制电子设备运行对应的程序或功能。
可选地，第一输入包括至少一个输入步骤，每个原始操作节点均包括一个输入步骤和对应的操作结果；
其中，操作结果为：电子设备的程序或功能在接收到输入步骤后，根据输入步骤输出的反馈结果。
输入单元2004获取第一输入对应的程序或功能；
存储器2009按照输入步骤的输入顺序，分别记录每个输入步骤和对应的操作结果；
处理器2010按照输入顺序，对应保存第一输入对应的程序或功能、输入步骤和操作结果，并形成为原始操作记录。
可选地，显示单元2006显示与原始操作记录相关联的标识；
用户输入单元2007接收对标识的第三输入；
显示单元2006响应于第三输入，按照输入顺序显示原始操作记录中的原始操作节点。
可选地，处理器2010根据第二输入，对目标操作节点对应的目标输入步骤进行调整，得到调整后的模拟输入步骤；
处理器2010根据模拟输入步骤，控制电子设备运行目标输入步骤对应的程序或功能，以得到模拟输入步骤对应的模拟操作结果；
处理器2010根据模拟输入步骤和模拟操作结果生成对应的模拟操作节点，根据模拟操作节点生成模拟操作记录；
其中，模拟操作节点对应的输入顺序，与目标操作节点对应的输入顺序相同。
可选地，用户输入单元2007接收运行输入；
处理器2010响应于运行输入，控制电子设备根据模拟操作记录运行对应的程序或功能。
可选地，处理器2010分别确定多个模拟操作记录中，每一个模拟操作记录中的每一个模拟操作节点的模拟操作结果；
显示单元2006在存在任两个模拟操作记录，满足任两个模拟操作记录中相对应的模拟操作节点的模拟操作结果不同的情况下，显示对应的提示信息。
本申请实施例通过保存用户的第一输入，并根据各操作步骤形成为原始操作节点，使用户在出现操作错误后，能够追溯回出现错误的操作节点并进行有针对性的修正，在修正后，根据保存的正确节点和修正后的节点，形成为完整的操作记录并执行，避免用户从头进行手动操作，一方面实现了误操作的快捷修正，另一方面不需要用户重新操作，从根本上避免了再次误操作的可能，提高了用户的交互体验。
应理解的是，本申请实施例中，输入单元2004可以包括图形处理器（GraphicsProcessing Unit，GPU）5082和麦克风5084，图形处理器5082对在视频捕获模式或图像捕获模式中由图像捕获装置（如摄像头）获得的静态图片或视频的图像数据进行处理。
显示单元2006可包括显示面板5122，可以采用液晶显示器、有机发光二极管等形式来配置显示面板5122。用户输入单元2007包括触控面板5142以及其他输入设备5144。触控面板5142，也称为触摸屏。触控面板5142可包括触摸检测装置和触摸控制器两个部分。其他输入设备5144可以包括但不限于物理键盘、功能键（比如音量控制按键、开关按键等）、轨迹球、鼠标、操作杆，在此不再赘述。存储器2009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器2010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器2010中。
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靠离泊时间的确定方法。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器（Read-Only Memory，ROM）、随机存取存储器（RandomAccess Memory， RAM）、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述电子设备的控制方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
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)
1.一种船舶靠离泊时间的确定方法，其特征在于，船舶包括至少一个图像获取装置，所述图像获取装置用于获取所述船舶的图像信息，所述船舶靠离泊时间的确定方法包括：
通过船舶自动识别系统确认所述船舶的第一靠离泊数据，所述第一靠离泊数据包括第一靠离泊时间和第一靠离泊地点；
基于至少一个所述图像获取装置的拍摄时间以及获取到的所述图像信息，确认所述船舶的至少一个第二靠离泊数据，所述第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；
基于所述第一靠离泊地点和所述第二靠离泊地点，从所述第一靠离泊时间和所述第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；
将所述可用第一靠离泊时间和/或所述可用第二靠离泊时间转化为世界标准时间，以对所述可用第一靠离泊时间和/或所述可用第二靠离泊时间向量化，并构成向量集合；
对所述向量集合中的所有向量进行排序；其中，所述向量的表示形式为（start，end），所述start为船舶靠泊时的世界标准时间，所述end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；
从所有向量中排除异常向量，以得到用于确定所述船舶靠离泊时间的至少一条确定向量；
基于至少一条所述确定向量确定所述船舶靠离泊时间。
2.根据权利要求1所述的船舶靠离泊时间的确定方法，其特征在于，所述基于至少一条所述确定向量确定所述船舶靠离泊时间的步骤包括：
在所有所述确定向量中提取start的最小值和end的最大值，基于所述start的最小值确定所述船舶的靠泊时间，基于所述end的最大值确定所述船舶靠离泊时间。
3.根据权利要求1所述的船舶靠离泊时间的确定方法，其特征在于，所述基于所述第一靠离泊地点和所述第二靠离泊地点，从所述第一靠离泊时间和所述第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间的步骤包括：
分别以每一所述第一靠离泊地点和每一所述第二靠离泊地点为中心，以预设距离为半径做圆，在所有画出的圆中确定出与其他任意圆有部分重合的重合圆；
确定所述重合圆对应的第一靠离泊地点和/或第二靠离泊地点为可用第一靠离泊地点和/或可用第二靠离泊地点；
基于可用第一靠离泊地点和/或可用第二靠离泊地点确定可用第一靠离泊时间和/或可用第二靠离泊时间。
4.根据权利要求3所述的船舶靠离泊时间的确定方法，其特征在于，所述预设距离大于等于10米，且小于等于30米。
5.根据权利要求1所述的船舶靠离泊时间的确定方法，其特征在于，所述通过船舶自动识别系统确认所述船舶的第一靠离泊数据的步骤之前还包括：
通过所述图像获取装置每间隔预设时间获取一次所述船舶的图像信息。
6.根据权利要求5所述的船舶靠离泊时间的确定方法，其特征在于，所述预设时间大于等于30秒，且小于等于2分钟。
7.根据权利要求1至6中任一项所述的船舶靠离泊时间的确定方法，其特征在于，
所述第一靠离泊数据和所述第二靠离泊数据均还包括如下中的至少一种：船名、船籍、MMSI、码头泊位和停泊时长。
8.一种船舶靠离泊时间的确定装置，其特征在于，包括：
确定单元，用于基于至少一个图像获取装置的拍摄时间以及获取到的图像信息，确认所述船舶的至少一个第二靠离泊数据，所述第二靠离泊数据包括第二靠离泊时间和第二靠离泊地点；
所述确定单元还用于，基于第一靠离泊地点和第二靠离泊地点，从第一靠离泊时间和第二靠离泊时间中确定出可用第一靠离泊时间和/或可用第二靠离泊时间，以排除异常的第一靠离泊时间和/或异常的第二靠离泊时间；其中，第一靠离泊数据包括所述第一靠离泊时间和所述第一靠离泊地点，所述第一靠离泊数据通过船舶自动识别系统确认；
时间转化单元，用于将所述可用第一靠离泊时间和/或所述可用第二靠离泊时间转化为世界标准时间，以对所述可用第一靠离泊时间和/或所述可用第二靠离泊时间向量化，并构成向量集合；
排序单元，用于对所述向量集合中的所有向量进行排序；其中，所述向量的表示形式为（start，end），所述start为船舶靠泊时的世界标准时间，所述end为船舶离泊时的世界标准时间，排序方式为基于start由小到大排序；
所述确定单元还用于，从所有向量中排除异常向量，以得到用于确定所述船舶靠离泊时间的至少一条确定向量；
所述确定单元还用于，基于至少一条所述确定向量确定所述船舶靠离泊时间。
9.一种电子设备，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所述指令时实现如权利要求1至7中任一项所述的船舶靠离泊时间的确定方法。
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所述指令时实现如权利要求1至7中任一项所述的船舶靠离泊时间的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311386466.5A CN117437810B (zh) | 2023-10-25 | 2023-10-25 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311386466.5A CN117437810B (zh) | 2023-10-25 | 2023-10-25 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117437810A true CN117437810A (zh) | 2024-01-23 |
| CN117437810B CN117437810B (zh) | 2024-02-23 |
Family
ID=89552795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311386466.5A Active CN117437810B (zh) | 2023-10-25 | 2023-10-25 | 船舶靠离泊时间的确定方法、装置和可读储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117437810B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281894A (zh) * | 2014-10-30 | 2015-01-14 | 大连海事大学 | 基于航道与泊位资源的船舶调度优化方法 |
| CN106372753A (zh) * | 2016-08-31 | 2017-02-01 | 湖南大唐先科技有限公司 | 一种运煤船调度方法及其系统 |
| CN110782160A (zh) * | 2019-10-24 | 2020-02-11 | 中交水运规划设计院有限公司 | 船舶泊位分配方法、系统及装置 |
| CN111815795A (zh) * | 2020-07-10 | 2020-10-23 | 上海埃威航空电子有限公司 | 基于蓝牙的ais船舶停泊离泊自动定位计时方法 |
| CN112330297A (zh) * | 2020-11-18 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于区块链的驳船靠泊方法、装置及存储介质 |
| KR20210082786A (ko) * | 2019-12-26 | 2021-07-06 | 소프트온넷(주) | 항만 고박 영상정보를 이용한 선박 주선 인식 시스템 및 그 방법 |
| CN114154822A (zh) * | 2021-11-23 | 2022-03-08 | 江苏海洋大学 | 一种基于改进交叉熵算法的鲁棒泊位岸桥分配方法 |
| 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 |
| CN115542919A (zh) * | 2022-10-25 | 2022-12-30 | 南通中远海运川崎船舶工程有限公司 | 一种船舶智能停泊靠港方法 |
| CN115630580A (zh) * | 2022-11-02 | 2023-01-20 | 上海船舶研究设计院 | 基于多源数据的船舶进出港与靠离泊智能辅助决策方法 |
| CN115965146A (zh) * | 2022-12-30 | 2023-04-14 | 辽宁港口集团有限公司 | 一种多种类型泊位智能指泊方法 |
-
2023
- 2023-10-25 CN CN202311386466.5A patent/CN117437810B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281894A (zh) * | 2014-10-30 | 2015-01-14 | 大连海事大学 | 基于航道与泊位资源的船舶调度优化方法 |
| CN106372753A (zh) * | 2016-08-31 | 2017-02-01 | 湖南大唐先科技有限公司 | 一种运煤船调度方法及其系统 |
| CN110782160A (zh) * | 2019-10-24 | 2020-02-11 | 中交水运规划设计院有限公司 | 船舶泊位分配方法、系统及装置 |
| KR20210082786A (ko) * | 2019-12-26 | 2021-07-06 | 소프트온넷(주) | 항만 고박 영상정보를 이용한 선박 주선 인식 시스템 및 그 방법 |
| CN111815795A (zh) * | 2020-07-10 | 2020-10-23 | 上海埃威航空电子有限公司 | 基于蓝牙的ais船舶停泊离泊自动定位计时方法 |
| CN112330297A (zh) * | 2020-11-18 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于区块链的驳船靠泊方法、装置及存储介质 |
| CN114154822A (zh) * | 2021-11-23 | 2022-03-08 | 江苏海洋大学 | 一种基于改进交叉熵算法的鲁棒泊位岸桥分配方法 |
| 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 |
| CN115542919A (zh) * | 2022-10-25 | 2022-12-30 | 南通中远海运川崎船舶工程有限公司 | 一种船舶智能停泊靠港方法 |
| CN115630580A (zh) * | 2022-11-02 | 2023-01-20 | 上海船舶研究设计院 | 基于多源数据的船舶进出港与靠离泊智能辅助决策方法 |
| CN115965146A (zh) * | 2022-12-30 | 2023-04-14 | 辽宁港口集团有限公司 | 一种多种类型泊位智能指泊方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邰世文 等: "煤炭码头船货匹配下泊位动态分配多目标优化模型及算法", 运筹与管理, vol. 31, no. 1, 31 January 2022 (2022-01-31), pages 14 - 21 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117437810B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111951397B (zh) | 一种多机协同构建三维点云地图的方法、装置和存储介质 | |
| CN109934892B (zh) | 惯导运动轨迹绘制方法、装置和计算机设备 | |
| CN108229480A (zh) | 一种数字表读数的识别方法、装置及设备 | |
| CN110858414A (zh) | 图像处理方法、装置、可读存储介质与增强现实系统 | |
| CN110659581A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| CN111479321B (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
| CN110969719A (zh) | 一种自动巡检方法、系统、终端设备及存储介质 | |
| CN107240040A (zh) | 一种旅游地理数据采集管理系统 | |
| CN112418524A (zh) | 充电站可用状态的预测方法、装置、设备和存储介质 | |
| JP2017126150A (ja) | 船舶情報検索システム、船舶情報検索方法、および船舶情報検索サーバ | |
| CN109902923A (zh) | 一种资产管理的方法和设备 | |
| CN115471662A (zh) | 语义分割模型的训练方法、识别方法、装置和存储介质 | |
| CN113723371B (zh) | 无人船清洁路线规划方法、装置、计算机设备及存储介质 | |
| CN115953668A (zh) | 一种基于YOLOv5算法的迷彩伪装目标检测方法及系统 | |
| CN117437810B (zh) | 船舶靠离泊时间的确定方法、装置和可读储存介质 | |
| CN113114986B (zh) | 基于画面和声音同步的预警方法及相关设备 | |
| CN116226435B (zh) | 基于跨模态检索的遥感图像与ais信息的关联匹配方法 | |
| CN117011772B (zh) | 一种输电线路的风险提示方法、装置和存储介质 | |
| CN113297986A (zh) | 手写字符识别方法、装置、介质及电子设备 | |
| CN115620264B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
| CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 | |
| CN115062178A (zh) | 无人机设备巡检图像的整理方法、装置和计算机设备 | |
| CN113114929B (zh) | 引导拍照方法、终端设备、电子设备以及存储介质 | |
| CN115147248A (zh) | 一种基于大数据的旅游信息咨询系统和方法 | |
| CN115187673A (zh) | 一种扫描仪标定方法、装置、电子设备及存储介质 |
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 |