CN117615387B - 基站信号覆盖范围的确定方法、确定装置和电子设备 - Google Patents

基站信号覆盖范围的确定方法、确定装置和电子设备 Download PDF

Info

Publication number
CN117615387B
CN117615387B CN202311622472.6A CN202311622472A CN117615387B CN 117615387 B CN117615387 B CN 117615387B CN 202311622472 A CN202311622472 A CN 202311622472A CN 117615387 B CN117615387 B CN 117615387B
Authority
CN
China
Prior art keywords
base station
determining
cluster
span
time period
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
Application number
CN202311622472.6A
Other languages
English (en)
Other versions
CN117615387A (zh
Inventor
邢璐
董阳
韩斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Elane Inc
Original Assignee
Elane Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Elane Inc filed Critical Elane Inc
Priority to CN202311622472.6A priority Critical patent/CN117615387B/zh
Publication of CN117615387A publication Critical patent/CN117615387A/zh
Application granted granted Critical
Publication of CN117615387B publication Critical patent/CN117615387B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基站信号覆盖范围的确定方法、确定装置和电子设备，涉及计算机技术领域，基站信号覆盖范围的确定方法包括：获取基站在预设时间段内接收到的AIS轨迹数据，AIS轨迹数据包括UTC时间戳和轨迹经纬度；确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。本发明的方法利用船舶轨迹数据所包含的大量信息，计算AIS基站信号的覆盖范围，从而更准确地确定出基站的信号覆盖范围，进而提高对海上航行的监督和管理，提高海上航线的安全性。

Description

基站信号覆盖范围的确定方法、确定装置和电子设备
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种基站信号覆盖范围的确定方法、确定装置和电子设备。
背景技术
AIS（Automatic Identification System，船舶自动识别系统）广泛用于航海领域，用于实时监测船舶的位置、航向、航速和其他相关信息。AIS系统由船舶上的AIS发送器和基站组成，基站负责接收和处理来自船舶的AIS信号，以实现船舶的跟踪、安全管理和交通监督。
在实际应用中，AIS基站的覆盖范围是一个关键问题。在AIS基站的覆盖范围内，船舶的位置和状态能够被基站准确地接收和记录，而在覆盖范围外的船舶信息则无法被捕获。因此，准确计算AIS基站的覆盖范围对于海上安全、交通管理和应急响应至关重要。
传统的AIS基站覆盖范围计算方法通常基于固定的信号传播模型和信号损耗模型，这些方法依赖气象数据和海洋环境数据，由于气象和海洋环境复杂，往往难以提供准确地计算覆盖范围。此外，传统方法通常忽略了船舶轨迹数据所包含的大量信息，未能充分利用这些数据来提高覆盖范围计算的精度。
因此，如何提出一种能够提高AIS基站信号覆盖范围计算精度的确定方法就成为目前亟待解决的问题。
发明内容
为解决上述技术问题，本申请提出了一种基站信号覆盖范围的确定方法，通过对船舶的AIS轨迹数据进行轨迹聚类，从而提高AIS基站信号覆盖范围的计算精度。
为此，本发明的第一个目的在于提供一种基站信号覆盖范围的确定方法。
本发明的第二个目的在于提供一种基站信号覆盖范围的确定装置。
本发明的第三个目的在于提供一种存储介质。
本发明的第四个目的在于提供一种电子设备。
本发明的第五个目的在于提供一种电子设备。
有鉴于此，本发明第一方面的技术方案提供了一种基站信号覆盖范围的确定方法，包括：获取基站在预设时间段内接收到的AIS轨迹数据，AIS轨迹数据包括UTC（Universal TimeCoordinated，世界统一时间）时间戳和轨迹经纬度；确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；基于轨迹经纬度、UTC时间戳和DBSCAN（Density Based Spatial Clustering of Applications with Noise，基于密度的聚类算法）模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。
根据本发明提出的基站信号覆盖范围的确定方法，首先获取基站的数据信息，其中，基站的数据信息包括基站的名称和基站的坐标经纬度，也即确定需要计算信号覆盖范围的基站；然后获取该基站在预设时间段内接收到的AIS轨迹数据，其中，预设时间段是可设置的，可以是一个月、一个星期或一天，具体可按照实际情况设置，同时，AIS轨迹数据包括UTC时间戳和轨迹经纬度，UTC时间戳，也即获取的AIS轨迹数据既包括时间信息，也包括轨迹点的经纬度信息。之后确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段，也就是说，对预设时间段进行划分得到多个跨度时间段，需要说明的是，计算基站的信号覆盖范围受气象条件影响，不同时间段的气象条件不一致，通过对时间段的拆分来避免天气对计算精度的影响。再根据轨迹经纬度和UTC时间戳，以及DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到每一个跨度时间段内的轨迹聚类结果，也即聚类集。最后，根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。本发明的方法能够利用船舶轨迹数据所包含的大量信息，来计算AIS基站信号的覆盖范围，同时，DBSCAN模型可以有效地应对复杂的海洋环境和不规则轨迹数据分布，帮助基站识别并聚类接收到的轨迹数据，从而更准确地计算出基站的信号覆盖范围，进而提高对海上航行的监督和管理，提高海上航线的安全性。
可选地，一个聚类集包括多个聚类簇，根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径的步骤包括：确定每个聚类集中的每一个聚类簇到基站的最小距离和最大距离；根据每个聚类集确定出的多个最小距离和多个最大距离确定基站在对应的跨度时间段内的覆盖半径。
也就是说，本发明中涉及的一个聚类集一般包括多个聚类簇，可以理解的是，在预设时间段内分为多个跨度时间段，一个跨度时间段对应一个聚类集，也即一个跨度时间段内的数据点会形成多个聚类簇。以其中一个跨度时间段来说，将基站接收到的AIS轨迹数据分成若干个簇，其中每一个聚类簇中有若干个数据点，对于其中一个聚类簇来说，具有一个距离基站最远的数据点和一个距离基站最近的数据点，由此可以确定某个聚类簇与基站的最小距离和最大距离，并且进一步根据多个聚类簇中与基站对应的最小距离和最大距离确定在该跨度时间段内的基站信号覆盖半径。同理，所有跨度时间段内的基站信号覆盖范围都可以根据上述方法确定，各个跨度时间段内的基站信号覆盖范围相互独立，互不影响。
可选地，根据每个聚类集确定出的多个最小距离和多个最大距离确定基站在对应的跨度时间段内的覆盖半径的步骤包括：对跨度时间段内的多个聚类簇按照最小距离进行升序排列；按照从小到大的排列顺序对当前聚类簇与基站的最大距离与下一个聚类簇与基站的最小距离进行比较；在当前聚类簇与基站的最大距离大于或等于下一个聚类簇与基站的最小距离时，将下一个聚类簇作为当前聚类簇；在当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，确定基站在跨度时间段内的覆盖半径为当前聚类簇到基站的最大距离；或在当前聚类簇的排序为最后一个聚类簇时，确定基站的覆盖半径为当前聚类簇到基站的最大距离。
本发明中根据多个聚类簇的最小距离和最大距离确定在该跨度时间段内的基站信号覆盖半径，以其中一个跨度时间段来看，可以理解为，先对该跨度时间段内的多个聚类簇按照与基站的最小距离做升序排列，然后按照从小到大的排列顺序对当前聚类簇的最大距离与下一个聚类簇与基站的最小距离进行比较。
具体来说，在当前聚类簇与基站的最大距离大于或等于下一个聚类簇与基站的最小距离时，将下一个聚类簇作为当前聚类簇。也就是说，在当前聚类簇和下一个聚类簇与基站的距离是连续的情况下，此时说明当前聚类簇与基站的最大距离并不是基站的信号覆盖半径，下一个聚类簇内的数据点仍然在基站的信号覆盖范围内，此时将下一个聚类簇作为当前聚类簇重复进行数值的比较。直至在当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，确定基站在该跨度时间段内的覆盖半径为当前聚类簇到基站的最大距离。也就是说，在连续比较之后，直至出现当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，此时说明当前聚类簇与下一个聚类簇的数据点不连续，确定基站在该跨度时间段内的覆盖半径为当前聚类簇与基站的最大距离，可以理解的是，下一个聚类簇的数据点存在异常，在船舶与基站的通讯过程中，可能存在数据丢失的情况，因此，确定基站在该跨度时间段内的覆盖半径为当前聚类簇与基站的最大距离。本发明提出的基站信号覆盖范围的确定方法，能够排除异常轨迹点，避免异常轨迹点对计算结果的影响，保证了计算结果的鲁棒性。
可选地，基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集的步骤包括：确定每一个跨度时间段内的AIS轨迹数据中的多个核心点；根据多个核心点和邻域半径构建多个聚类簇；对聚类簇进行去噪声点处理。
在聚类过程中，先根据跨度时间段和UTC时间戳确定在该跨度时间段内的所有数据点，然后根据轨迹经纬度计算数据点之间的距离，并且确定在每一个跨度时间段内的AIS轨迹数据中的多个核心点，其中，一个跨度时间段对应有一个或多个核心点，具体要看在该跨度时间段内的数据点被划分为几个簇，然后根据核心点和邻域半径构建多个聚类簇，最后对数据点进行去噪声处理，DBSCAN模型还具有噪声容忍性，也即它能够有效地处理孤立的数据点或异常点，而不会将它们错误地分配给任意一个簇，这在AIS轨迹数据中尤为重要，因为某些轨迹点可能是由于信号干扰、数据错误或其他原因而产生的异常点，排除这些异常点能够进一步提高计算结果的准确性。
可选地，确定每一个跨度时间段内的AIS轨迹数据中的多个核心点的步骤包括：设置DBSCAN模型的参数，参数包括邻域半径和邻域内的最小数据点数；按照以下步骤遍历每一个AIS轨迹数据中的数据点：根据邻域半径确定数据点的邻域，并计算邻域内的数据点数；当邻域内的数据点数大于或等于最小数据点数时，确定数据点为核心点；或当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度相连时，确定数据点为边界点。
在确定核心点的过程中，首先设置DBSCAN模型的参数，也即设置邻域半径和邻域内的最小数据点数，然后需要遍历每一个AIS轨迹数据中的数据点，判断数据点是核心点还是边界点。具体来说，以数据点为中心的邻域半径的范围内，计算邻域内的所有数据点数，当邻域内的数据点数大于或等于设置的最小数据点数时，确定当前数据点为核心点；反之，当邻域内的数据点数小于设置的最小数据点数，且当前数据点到任意一个核心点的密度相邻时，确定当前数据点为边界点。由此可以确定出AIS轨迹数据中的核心点和边界点。采用DBSCAN模型无需设置核心点的个数，而是根据数据点和设置的参数自动确定出核心点的个数，简单快捷。
可选地，对聚类簇进行去噪声点处理的步骤包括：当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度不相连时，确定数据点为噪声点；对聚类簇进行去噪声点处理。
采用DBSCAN模型确定数据点的类型时，数据点还有可能是噪声点，当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度不相连时，确定当前数据点为噪声点。在该数据点不是核心点的基础上，且该数据点不会被划分到任意一个簇中时，确定当前数据点为噪声点，在确定噪声点之后，可以对这些噪声点进行去噪声处理，从而利用DBSCAN模型去除异常点，更准确地计算出信号覆盖范围。
本发明第二方面的技术方案提供了一种基站信号覆盖范围的确定装置，包括：获取模块，用于获取基站在预设时间段内接收到的AIS轨迹数据，AIS轨迹数据包括UTC时间戳和轨迹经纬度；划分模块，用于确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；聚类模块，用于基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；确定模块，用于根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。
根据本发明提出的基站信号覆盖范围的确定装置，首先通过获取模块获取基站的数据信息，其中，基站的数据信息包括基站的名称和基站的坐标经纬度，也即确定需要计算信号覆盖范围的基站；然后通过获取模块获取该基站在预设时间段内接收到的AIS轨迹数据，其中，预设时间段是可设置的，可以是一个月、一个星期或一天，具体可按照实际情况设置，同时，AIS轨迹数据包括UTC时间戳和轨迹经纬度，UTC时间戳，也即获取的AIS轨迹数据既包括时间信息，也包括轨迹点的经纬度信息。之后确定时间跨度，划分模块根据时间跨度对预设时间段进行划分得到多个跨度时间段，也就是说，划分模块对预设时间段进行划分得到多个跨度时间段，需要说明的是，计算基站的信号覆盖范围受气象条件影响，不同时间段的气象条件不一致，通过对时间段的拆分来避免天气对计算精度的影响。聚类模块通过DBSCAN模型对每一个跨度时间段内的带有轨迹经纬度和UTC时间戳的AIS轨迹数据分别进行密度聚类，得到每一个跨度时间段内的轨迹聚类结果，也即聚类集。最后，确定模块根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。本发明的方法能够利用船舶轨迹数据所包含的大量信息，来计算AIS基站信号的覆盖范围，同时，DBSCAN模型可以有效地应对复杂的海洋环境和不规则轨迹数据分布，帮助基站识别并聚类接收到的轨迹数据，从而更准确地计算出基站的信号覆盖范围，进而提高对海上航行的监督和管理，提高海上航线的安全性。
本发明的第三方面提出了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面提供的基站信号覆盖范围的确定方法的步骤。
本发明技术方案中的存储介质实现如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤，因此其具有如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤的全部有益效果，在此不再赘述。
本发明的第四方面提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面提供的基站信号覆盖范围的确定方法的步骤。
本发明技术方案中的电子设备实现如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤，因此其具有如本发明第一方面提出的基站信号覆盖范围的确定方法的全部有益效果，在此不再赘述。
本发明的第五方面提出了一种电子设备，包括如第二方面的基站信号覆盖范围的确定装置，和/或如第三方面提出的存储介质。
本发明技术方案中的电子设备包括第二方面的基站信号覆盖范围的确定装置，和/或第三方面提出的存储介质。因此其具有第二方面提出的基站信号覆盖范围的确定装置，和/或第三方面提出的存储介质的全部有益效果，在此不再赘述。
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，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1示出了根据本申请实施例提供的一种基站信号覆盖范围的确定方法的流程图之一；
图2示出了根据本申请实施例提供的一种基站信号覆盖范围的确定方法的流程图之二；
图3示出了根据本申请实施例提供的一种基站信号覆盖范围的确定方法的流程图之三；
图4示出了根据本申请实施例提供的一种基站信号覆盖范围的确定装置的结构框图；
图5示出了根据本申请实施例提供的基站信号覆盖范围的轨迹聚类示意图；
图6示出了根据本申请实施例提供的一种基站信号覆盖范围的计算方法的流程图；
图7示出了根据本申请实施例提供的电子设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明第一方面的实施例提供了一种基站信号覆盖范围的确定方法，如图1所示，基站信号覆盖范围的确定方法包括：
S101：获取基站在预设时间段内接收到的AIS轨迹数据；
S102：确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；
S103：基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；
S104：根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。
根据本发明提出的基站信号覆盖范围的确定方法，首先获取基站的数据信息，其中，基站的数据信息包括基站的名称和基站的坐标经纬度，也即确定需要计算信号覆盖范围的基站；然后获取该基站在预设时间段内接收到的AIS轨迹数据，其中，预设时间段是可设置的，可以是一个月、一个星期或一天，具体可按照实际情况设置，同时，AIS轨迹数据包括UTC时间戳和轨迹经纬度，UTC时间戳，也即获取的AIS轨迹数据既包括时间信息，也包括轨迹点的经纬度信息。之后确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段，也就是说，对预设时间段进行划分得到多个跨度时间段，需要说明的是，计算基站的信号覆盖范围受气象条件影响，不同时间段的气象条件不一致，通过对时间段的拆分来避免天气对计算精度的影响。再根据轨迹经纬度和UTC时间戳，以及DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到每一个跨度时间段内的轨迹聚类结果，也即聚类集。最后，根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。本发明的方法能够利用船舶轨迹数据所包含的大量信息，来计算AIS基站信号的覆盖范围，同时，DBSCAN模型可以有效地应对复杂的海洋环境和不规则轨迹数据分布，帮助基站识别并聚类接收到的轨迹数据，从而更准确地计算出基站的信号覆盖范围，进而提高对海上航行的监督和管理，提高海上航线的安全性。
可选地，一个聚类集包括多个聚类簇，根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径的步骤包括：确定每个聚类集中的每一个聚类簇到基站的最小距离和最大距离；根据每个聚类集确定出的多个最小距离和多个最大距离确定基站在对应的跨度时间段内的覆盖半径。
也就是说，本发明中涉及的一个聚类集一般包括多个聚类簇，可以理解的是，在预设时间段内分为多个跨度时间段，一个跨度时间段对应一个聚类集，也即一个跨度时间段内的数据点会形成多个聚类簇。以其中一个跨度时间段来说，将基站接收到的AIS轨迹数据分成若干个簇，其中每一个聚类簇中有若干个数据点，对于其中一个聚类簇来说，具有一个距离基站最远的数据点和一个距离基站最近的数据点，由此可以确定某个聚类簇与基站的最小距离和最大距离，并且进一步根据多个聚类簇中与基站对应的最小距离和最大距离确定在该跨度时间段内的基站信号覆盖半径。同理，所有跨度时间段内的基站信号覆盖范围都可以根据上述方法确定，各个跨度时间段内的基站信号覆盖范围相互独立，互不影响。
可选地，根据每个聚类集确定出的多个最小距离和多个最大距离确定基站在对应的跨度时间段内的覆盖半径的步骤包括：对跨度时间段内的多个聚类簇按照最小距离进行升序排列；按照从小到大的排列顺序对当前聚类簇与基站的最大距离与下一个聚类簇与基站的最小距离进行比较；在当前聚类簇与基站的最大距离大于或等于下一个聚类簇与基站的最小距离时，将下一个聚类簇作为当前聚类簇；在当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，确定基站在跨度时间段内的覆盖半径为当前聚类簇到基站的最大距离；或在当前聚类簇的排序为最后一个聚类簇时，确定基站的覆盖半径为当前聚类簇到基站的最大距离。
本发明中根据多个聚类簇的最小距离和最大距离确定在该跨度时间段内的基站信号覆盖半径，以其中一个跨度时间段来看，可以理解为，先对该跨度时间段内的多个聚类簇按照与基站的最小距离做升序排列，然后按照从小到大的排列顺序对当前聚类簇的最大距离与下一个聚类簇与基站的最小距离进行比较。
具体来说，在当前聚类簇与基站的最大距离大于或等于下一个聚类簇与基站的最小距离时，将下一个聚类簇作为当前聚类簇。也就是说，在当前聚类簇和下一个聚类簇与基站的距离是连续的情况下，此时说明当前聚类簇与基站的最大距离并不是基站的信号覆盖半径，下一个聚类簇内的数据点仍然在基站的信号覆盖范围内，此时将下一个聚类簇作为当前聚类簇重复进行数值的比较。直至在当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，确定基站在该跨度时间段内的覆盖半径为当前聚类簇到基站的最大距离。也就是说，在连续比较之后，直至出现当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，此时说明当前聚类簇与下一个聚类簇的数据点不连续，确定基站在该跨度时间段内的覆盖半径为当前聚类簇与基站的最大距离，可以理解的是，下一个聚类簇的数据点存在异常，在船舶与基站的通讯过程中，可能存在数据丢失的情况，因此，确定基站在该跨度时间段内的覆盖半径为当前聚类簇与基站的最大距离。本发明提出的基站信号覆盖范围的确定方法，能够排除异常轨迹点，避免异常轨迹点对计算结果的影响，保证了计算结果的鲁棒性。
如图2所示，根据本发明第一方面的实施例提供的一种基站信号覆盖范围的确定方法，包括：
S201：获取基站在预设时间段内接收到的AIS轨迹数据；
S202：确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；
S203：基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；
S204：确定每个聚类集中的每一个聚类簇到基站的最小距离和最大距离；
S205：对跨度时间段内的多个聚类簇按照最小距离进行升序排列；
S206：按照从小到大的排列顺序对当前聚类簇与基站的最大距离与下一个聚类簇与基站的最小距离进行比较；
S207：在当前聚类簇与基站的最大距离大于或等于下一个聚类簇与基站的最小距离时，将下一个聚类簇作为当前聚类簇；
S208：在当前聚类簇与基站的最大距离小于下一个聚类簇与基站的最小距离时，确定基站在跨度时间段内的覆盖半径为当前聚类簇到基站的最大距离；或在当前聚类簇的排序为最后一个聚类簇时，确定基站的覆盖半径为当前聚类簇到基站的最大距离。
可选地，基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集的步骤包括：确定每一个跨度时间段内的AIS轨迹数据中的多个核心点；根据多个核心点和邻域半径构建多个聚类簇；对聚类簇进行去噪声点处理。
在聚类过程中，先根据跨度时间段和UTC时间戳确定在该跨度时间段内的所有数据点，然后根据轨迹经纬度计算数据点之间的距离，并且确定在每一个跨度时间段内的AIS轨迹数据中的多个核心点，其中，一个跨度时间段对应有一个或多个核心点，具体要看在该跨度时间段内的数据点被划分为几个簇，然后根据核心点和邻域半径构建多个聚类簇，最后对数据点进行去噪声处理，DBSCAN模型还具有噪声容忍性，也即它能够有效地处理孤立的数据点或异常点，而不会将它们错误地分配给任意一个簇，这在AIS轨迹数据中尤为重要，因为某些轨迹点可能是由于信号干扰、数据错误或其他原因而产生的异常点，排除这些异常点能够进一步提高计算结果的准确性。
可选地，确定每一个跨度时间段内的AIS轨迹数据中的多个核心点的步骤包括：设置DBSCAN模型的参数，参数包括邻域半径和邻域内的最小数据点数；按照以下步骤遍历每一个AIS轨迹数据中的数据点：根据邻域半径确定数据点的邻域，并计算邻域内的数据点数；当邻域内的数据点数大于或等于最小数据点数时，确定数据点为核心点；或当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度相连时，确定数据点为边界点。
在确定核心点的过程中，首先设置DBSCAN模型的参数，也即设置邻域半径和邻域内的最小数据点数，然后需要遍历每一个AIS轨迹数据中的数据点，判断数据点是核心点还是边界点。具体来说，以数据点为中心的邻域半径的范围内，计算邻域内的所有数据点数，当邻域内的数据点数大于或等于设置的最小数据点数时，确定当前数据点为核心点；反之，当邻域内的数据点数小于设置的最小数据点数，且当前数据点到任意一个核心点的密度相邻时，确定当前数据点为边界点。由此可以确定出AIS轨迹数据中的核心点和边界点。采用DBSCAN模型无需设置核心点的个数，而是根据数据点和设置的参数自动确定出核心点的个数，简单快捷。
可选地，对聚类簇进行去噪声点处理的步骤包括：当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度不相连时，确定数据点为噪声点；对聚类簇进行去噪声点处理。
采用DBSCAN模型确定数据点的类型时，数据点还有可能是噪声点，当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度不相连时，确定当前数据点为噪声点。在该数据点不是核心点的基础上，且该数据点不会被划分到任意一个簇中时，确定当前数据点为噪声点，在确定噪声点之后，可以对这些噪声点进行去噪声处理，从而利用DBSCAN模型去除异常点，更准确地计算出信号覆盖范围。
如图3所示，根据本发明第一方面的实施例提供的基站信号覆盖范围的确定方法，包括：
S301：获取基站在预设时间段内接收到的AIS轨迹数据；
S302：确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；
S303：设置DBSCAN模型的参数，参数包括邻域半径和邻域内的最小数据点数；
S304：按照以下步骤遍历每一个AIS轨迹数据中的数据点：根据邻域半径确定数据点的邻域，并计算邻域内的数据点数；当邻域内的数据点数大于或等于最小数据点数时，确定数据点为核心点；或当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度相连时，确定数据点为边界点；
S305：根据多个核心点和邻域半径构建多个聚类簇；
S306：当邻域内的数据点数小于最小数据点数，且数据点到任意一个核心点的密度不相连时，确定数据点为噪声点；
S307：对聚类簇进行去噪声点处理；
S308：根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。
本发明第二方面的实施例提供了一种基站信号覆盖范围的确定装置10，如图4所示，包括：获取模块11，用于获取基站在预设时间段内接收到的AIS轨迹数据，AIS轨迹数据包括UTC时间戳和轨迹经纬度；划分模块12，用于确定时间跨度，并根据时间跨度对预设时间段进行划分得到多个跨度时间段；聚类模块13，用于基于轨迹经纬度、UTC时间戳和DBSCAN模型对每一个跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；确定模块14，用于根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。
根据本发明提出的基站信号覆盖范围的确定装置10，首先通过获取模块11获取基站的数据信息，其中，基站的数据信息包括基站的名称和基站的坐标经纬度，也即确定需要计算信号覆盖范围的基站；然后通过获取模块11获取该基站在预设时间段内接收到的AIS轨迹数据，其中，预设时间段是可设置的，可以是一个月、一个星期或一天，具体可按照实际情况设置，同时，AIS轨迹数据包括UTC时间戳和轨迹经纬度，UTC时间戳，也即获取的AIS轨迹数据既包括时间信息，也包括轨迹点的经纬度信息。之后确定时间跨度，划分模块12根据时间跨度对预设时间段进行划分得到多个跨度时间段，也就是说，划分模块12对预设时间段进行划分得到多个跨度时间段，需要说明的是，计算基站的信号覆盖范围受气象条件影响，不同时间段的气象条件不一致，通过对时间段的拆分来避免天气对计算精度的影响。聚类模块13通过DBSCAN模型对每一个跨度时间段内带有轨迹经纬度和UTC时间戳的AIS轨迹数据分别进行密度聚类，得到每一个跨度时间段内的轨迹聚类结果，也即聚类集。最后，确定模块14根据每一个跨度时间段对应的聚类集分别确定基站在预设时间段内的覆盖半径。本发明的方法能够利用船舶轨迹数据所包含的大量信息，来计算AIS基站信号的覆盖范围，同时，DBSCAN模型可以有效地应对复杂的海洋环境和不规则轨迹数据分布，帮助基站识别并聚类接收到的轨迹数据，从而更准确地计算出基站的信号覆盖范围，进而提高对海上航行的监督和管理，提高海上航线的安全性。
为了更清楚地了解本发明的实施例，以基站名称为17771为例，在2023年8月1日至2023年9月1日这段时间的覆盖半径，并且以8小时的时间跨度进行时间段切分。需要说明的是，考虑到数据安全因素，基站17771为模拟基站，该实施例中所用到的轨迹数据也都为模拟数据。
根据本发明第二方面提供的基站信号覆盖范围的确定装置10，包括：
（1）获取模块11，用于准备该方法所需要的基站信息数据和船舶轨迹数据。取基站17771的经纬度数据，进一步取其2023年8月1日至2023年8月31日这段时间内所接收的船舶AIS轨迹数据，包括UTC时间戳、轨迹经度以及轨迹纬度。
（2）划分模块12对于所准备的轨迹数据，以8小时的时间跨度进行时间段切分，轨迹数据即被切分为93段。对于每个时间段内的轨迹数据基于经纬度数据进行DBSCAN轨迹密度聚类。
（3）对获取的轨迹数据进行密度聚类，轨迹聚类的过程如下：
1）选择轨迹点之间距离的计算函数。
2）选择适当的DBSCAN参数，包括邻域半径和邻域内的最小数据点数。
3）对于每个数据点，计算邻域半径内的其他数据点。这些邻域内的点被认为是相邻的，可能属于同一簇。
4）对于每个数据点，检查邻域半径内是否包含至少邻域内的最小数据点数；如果是，则将该点标记为核心点；否则，将其标记为边界点。
5）从一个核心点出发，通过遍历其邻域半径内的相邻点，递归地构建簇。具体步骤是，随机选取一个核心点，基于该核心点生成一个簇，遍历其邻域半径内的相邻点，若相邻点为核心点，则将相邻点及其邻域内的所有点都分配给该簇；若相邻点为边界点，则相邻点被分配为该簇。进一步，选取还没有被分配到簇的下一个核心点，重复以上步骤，直到遍历完所有核心点。
6）不属于任何簇的数据点都被视为噪声点。
7）最终，每个时间段内的轨迹数据被聚类为多个簇，这些簇代表了在该时间段内具有相似轨迹密度的数据点群集。其中，2023年8月1日00：00：00至2023年8月1日08：00：00这个时间段的轨迹数据被聚为3类，并且去除了一些噪声点。
图5展示了基站信号覆盖范围的轨迹聚类示意图，具体的，三角形表示基站的位置，小圆圈表示该基站在某个跨度时间段内接收到的所有轨迹点位置，以椭圆或大圆圈表示密度聚类后形成的三个簇，所有轨迹数据被聚为3类，其中，椭圆或大圆圈内的小圆圈表示中心点和边界点，椭圆或大圆圈以外的小圆圈表示异常点，也即噪声点。
（4）确定模块14，用于基于轨迹聚类结果进行基站覆盖范围的计算。基于轨迹聚类结果，计算聚类后的每个类别中轨迹点与基站的最小距离和最大距离，对聚类类别按最小距离进行升序排列。进一步按顺序遍历类别，当当前类别与基站的最大距离小于下一个类别与基站的最小距离或者当前类别为排序在最后一个的类别时，该类别的最大距离即为该基站的覆盖范围半径。其中，2023年8月1日00：00：00至2023年8月1日08：00：00这个时间段的3个类别的最小距离和最大距离，分别为0海里，22海里；0海里，87海里；150海里，192海里。进一步，基站17771在2023年8月1日00：00：00至2023年8月1日08：00：00这个时间段的基站覆盖半径即为87海里。进一步分别计算基站17771在2023年8月1日至2023年8月31日这93段时间的基站覆盖半径。
由此可见，如图6所示，本发明中基站信号覆盖范围的计算方法的步骤包括：
S401：计算聚类后的每个类别中轨迹点与基站的最小距离和最大距离；
S402：聚类类别按最小距离进行升序排列；
S403：遍历类别；
S404：判断当前类别是否排序在最后一个的类别；判断结果为是时，执行S406，判断结果为否时，执行S405；
S405：判断类别与基站的最大距离小于下一个类别的最小距离；判断结果为是时，执行S406，判断结果为否时，执行S403；
S406：该类别的最大距离即为该基站的覆盖范围半径。
本发明的优点如下：
1、本发明能够提高AIS基站覆盖范围的计算准确性。
2、本发明中覆盖范围计算方法具有鲁棒性，不受异常轨迹点的影响。
3、本发明的计算方法能够自动适应不同区域的轨迹密度变化，可以处理复杂海洋环境的情况。
4、通过更准确地估算AIS基站的覆盖范围，可以提高对海上航行的监督和管理，从而增加海上安全。
5、本发明能够利用船舶AIS轨迹数据进行基站覆盖范围的计算，比传统模型更灵活和准确。
本发明的第三方面提出了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面提供的基站信号覆盖范围的确定方法的步骤。
本发明实施例中的存储介质实现如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤，因此其具有如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤的全部有益效果，在此不再赘述。
本发明的第四方面提出了一种电子设备20，如图7所示，包括存储器21、处理器22及存储在存储器21上并可在处理器22上运行的计算机程序，处理器22执行计算机程序时实现第一方面提供的基站信号覆盖范围的确定方法的步骤。
本发明实施例中的电子设备20实现如本发明第一方面提供的基站信号覆盖范围的确定方法的步骤，因此其具有如本发明第一方面提出的基站信号覆盖范围的确定方法的全部有益效果，在此不再赘述。
本发明的第五方面提出了一种电子设备，包括如第二方面的基站信号覆盖范围的确定装置，和/或如第三方面提出的存储介质。
本发明实施例中的电子设备包括第二方面的基站信号覆盖范围的确定装置，和/或第三方面提出的存储介质。因此其具有第二方面提出的基站信号覆盖范围的确定装置，和/或第三方面提出的存储介质的全部有益效果，在此不再赘述。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。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本发明中的具体含义。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基站信号覆盖范围的确定方法，其特征在于，包括：
获取基站在预设时间段内接收到的AIS轨迹数据，所述AIS轨迹数据包括UTC时间戳和轨迹经纬度；
确定时间跨度，并根据所述时间跨度对所述预设时间段进行划分得到多个跨度时间段；
基于所述轨迹经纬度、所述UTC时间戳和DBSCAN模型对每一个所述跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；
根据每一个所述跨度时间段对应的聚类集分别确定所述基站在所述预设时间段内的覆盖半径。
2.根据权利要求1所述的基站信号覆盖范围的确定方法，其特征在于，一个所述聚类集包括多个聚类簇，所述根据每一个所述跨度时间段对应的聚类集分别确定所述基站在所述预设时间段内的覆盖半径的步骤包括：
确定每个所述聚类集中的每一个聚类簇到所述基站的最小距离和最大距离；
根据每个所述聚类集确定出的多个所述最小距离和多个所述最大距离确定所述基站在对应的所述跨度时间段内的覆盖半径。
3.根据权利要求2所述的基站信号覆盖范围的确定方法，其特征在于，所述根据每个所述聚类集确定出的多个所述最小距离和多个所述最大距离确定所述基站在对应的所述跨度时间段内的覆盖半径的步骤包括：
对所述跨度时间段内的多个聚类簇按照所述最小距离进行升序排列；
按照从小到大的排列顺序对当前聚类簇与所述基站的最大距离与下一个聚类簇与所述基站的最小距离进行比较；
在当前聚类簇与所述基站的最大距离大于或等于下一个聚类簇与所述基站的最小距离时，将所述下一个聚类簇作为所述当前聚类簇；
在所述当前聚类簇与所述基站的最大距离小于下一个聚类簇与所述基站的最小距离时，确定所述基站在所述跨度时间段内的覆盖半径为所述当前聚类簇到所述基站的最大距离；或
在所述当前聚类簇的排序为最后一个聚类簇时，确定所述基站的覆盖半径为所述当前聚类簇到所述基站的最大距离。
4.根据权利要求2所述的基站信号覆盖范围的确定方法，其特征在于，所述基于所述轨迹经纬度、所述UTC时间戳和所述DBSCAN模型对每一个所述跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集的步骤包括：
确定每一个所述跨度时间段内的所述AIS轨迹数据中的多个核心点；
根据多个所述核心点和邻域半径构建多个所述聚类簇；
对所述聚类簇进行去噪声点处理。
5.根据权利要求4所述的基站信号覆盖范围的确定方法，其特征在于，所述确定每一个所述跨度时间段内的所述AIS轨迹数据中的多个核心点的步骤包括：
设置所述DBSCAN模型的参数，所述参数包括邻域半径和邻域内的最小数据点数；
按照以下步骤遍历每一个所述AIS轨迹数据中的数据点：
根据所述邻域半径确定所述数据点的邻域，并计算所述邻域内的数据点数；
当所述邻域内的数据点数大于或等于所述最小数据点数时，确定所述数据点为核心点；或当所述邻域内的数据点数小于所述最小数据点数，且所述数据点到任意一个所述核心点的密度相连时，确定所述数据点为边界点。
6.根据权利要求5所述的基站信号覆盖范围的确定方法，其特征在于，所述对所述聚类簇进行去噪声点处理的步骤包括：
当所述邻域内的数据点数小于所述最小数据点数，且所述数据点到任意一个所述核心点的密度不相连时，确定所述数据点为噪声点；
对所述聚类簇进行去噪声点处理。
7.一种基站信号覆盖范围的确定装置，其特征在于，包括：
获取模块，用于获取基站在预设时间段内接收到的AIS轨迹数据，所述AIS轨迹数据包括UTC时间戳和轨迹经纬度；
划分模块，用于确定时间跨度，并根据所述时间跨度对所述预设时间段进行划分得到多个跨度时间段；
聚类模块，用于基于所述轨迹经纬度、所述UTC时间戳和DBSCAN模型对每一个所述跨度时间段内的AIS轨迹数据分别进行密度聚类，得到对应的聚类集；
确定模块，用于根据每一个所述跨度时间段对应的聚类集分别确定所述基站在所述预设时间段内的覆盖半径。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
如权利要求7所述的基站信号覆盖范围的确定装置；和/或
如权利要求8所述的存储介质。
CN202311622472.6A 2023-11-30 2023-11-30 基站信号覆盖范围的确定方法、确定装置和电子设备 Active CN117615387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311622472.6A CN117615387B (zh) 2023-11-30 2023-11-30 基站信号覆盖范围的确定方法、确定装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311622472.6A CN117615387B (zh) 2023-11-30 2023-11-30 基站信号覆盖范围的确定方法、确定装置和电子设备

Publications (2)

Publication Number Publication Date
CN117615387A CN117615387A (zh) 2024-02-27
CN117615387B true CN117615387B (zh) 2024-05-03

Family

ID=89957701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311622472.6A Active CN117615387B (zh) 2023-11-30 2023-11-30 基站信号覆盖范围的确定方法、确定装置和电子设备

Country Status (1)

Country Link
CN (1) CN117615387B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109963285A (zh) * 2017-12-14 2019-07-02 中国移动通信集团广东有限公司 确定小区覆盖范围的方法、装置、电子设备和存储介质
CN112533218A (zh) * 2019-09-17 2021-03-19 中国移动通信集团广东有限公司 一种网络覆盖区域的识别方法及电子设备
WO2023026024A2 (en) * 2021-08-23 2023-03-02 Vodafone Group Services Limited Methods and apparatus for determining above ground coverage of a mobile telecommunications network
CN117131394A (zh) * 2023-08-03 2023-11-28 中国地质大学（武汉） 一种基于ais数据的船舶轨迹聚类方法、设备及存储设备
CN117135664A (zh) * 2023-08-21 2023-11-28 浪潮通信信息系统有限公司 一种测算指定目标区域5g覆盖小区的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109963285A (zh) * 2017-12-14 2019-07-02 中国移动通信集团广东有限公司 确定小区覆盖范围的方法、装置、电子设备和存储介质
CN112533218A (zh) * 2019-09-17 2021-03-19 中国移动通信集团广东有限公司 一种网络覆盖区域的识别方法及电子设备
WO2023026024A2 (en) * 2021-08-23 2023-03-02 Vodafone Group Services Limited Methods and apparatus for determining above ground coverage of a mobile telecommunications network
CN117131394A (zh) * 2023-08-03 2023-11-28 中国地质大学（武汉） 一种基于ais数据的船舶轨迹聚类方法、设备及存储设备
CN117135664A (zh) * 2023-08-21 2023-11-28 浪潮通信信息系统有限公司 一种测算指定目标区域5g覆盖小区的方法

Also Published As

Publication number Publication date
CN117615387A (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
Fang et al. Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports
Zissis et al. A distributed spatial method for modeling maritime routes
CN105390028B (zh) 船舶航行轨迹的纠正方法和系统
CN109188464B (zh) 一种基于北斗船位数据的渔船在港和出海时间的分析方法
CN112686944B (zh) 一种船舶锚泊面积计算方法及装置
CN112699315A (zh) 基于ais数据的船舶异常行为探测方法
CN109474910B (zh) 一种基于实体航标位置的注册虚拟航标方法
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
CN114564545A (zh) 一种基于ais历史数据的船舶经验航线提取系统及方法
CN113093791A (zh) 无人机身份鉴别的控制方法、控制器、设备及介质
CN110673087A (zh) 基于ads-b广播信号飞机航路监测方法、装置及计算机存储介质
CN115273557B (zh) 一种基于ais的在航船舶碰撞风险检测及预警方法和系统
CN111932945A (zh) 水上截面线的通过流量确认方法、装置和计算机设备
CN117615387B (zh) 基站信号覆盖范围的确定方法、确定装置和电子设备
CN113253201B (zh) 广域多点定位系统数据质量监控方法、装置及电子设备
CN113640760B (zh) 基于空情数据的雷达发现概率评估方法及设备
CN112612044A (zh) 一种用于漂移点过滤的方法及系统
CN116645832A (zh) 一种目标识别方法、装置、电子设备及存储介质
Nordkvist An advanced method for detecting exceptional vessel encounters in open waters from high resolution ais data
CN113850928A (zh) 一种倾废船海上作业违规判定方法及系统
CN115587308A (zh) 航道的确定方法、装置、电子设备及存储介质
CN114279432A (zh) 融合定位方法、计算设备及存储介质
CN112445879A (zh) 轨迹数据处理方法及装置、介质、终端、服务器
CN115662191A (zh) 一种船舶定位信号的检测方法及装置
CN116244557B (zh) 航道船舶流量监测方法、系统及计算机可读存储介质

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