CN117786428A - 确定船舶轨迹相似度的方法、装置和可读存储介质 - Google Patents
确定船舶轨迹相似度的方法、装置和可读存储介质 Download PDFInfo
- Publication number
- CN117786428A CN117786428A CN202410214112.0A CN202410214112A CN117786428A CN 117786428 A CN117786428 A CN 117786428A CN 202410214112 A CN202410214112 A CN 202410214112A CN 117786428 A CN117786428 A CN 117786428A
- Authority
- CN
- China
- Prior art keywords
- track
- similarity
- ship
- determining
- navigation
- 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 abstract description 80
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 63
- 230000008901 benefit Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明提供了一种确定船舶轨迹相似度的方法、装置和可读存储介质，涉及计算机技术领域。方法包括：获取第一船舶和第二船舶在目标区域的第一航行轨迹和第二航行轨迹；将目标区域划分为多个网格；将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段；确定在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布；基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度；基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据特点。
Description
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种确定船舶轨迹相似度的方法、装置和可读存储介质。
背景技术
船舶的AIS（Automatic Identification System，船舶自动识别系统）位置信息反映了船舶在发送信号时刻的位置、航向等状态，包含了船舶的行为特征与航行规律，分析AIS数据是研究船舶行为特点的重要方法。在拥有单船的AIS轨迹信息后，能否判断两船轨迹的相似性，找出高相似度的船舶在运营效率分析、政府监管与交通管理等多个方面成为待解决的核心问题之一。目前，传统的船舶轨迹的相似度计算方式通常是基于更广义轨迹与轨迹数据的相似度来计算，这些方式基于轨迹上实际存上的取样的点，通过对轨迹点间距离的不同对应聚合的方式，包括动态时间规整（Dynamic Time Warping，DTW），最邻近点对问题（Closest-Pair Distance），最长公共子序列（Longest Common Subsequence，LCS）和豪斯多夫距离（Hausdorff Distance）等等。但AIS轨迹有不同于其他轨迹的特点，噪音、异步性与偏移性。由于设备与网络问题，AIS数据本身存在一定量噪音数据，无法真实反映船舶位置。AIS数据本身存在2秒到6分钟的频率间隔，且存在无法接收信号或关闭AIS的情况，难以提供完全准确的轨迹序列，轨迹数据采集存在异步性。这些都是传统方法所忽略的数据特点，在计算过程中可能会带来与事实相悖的结论。
因此，如何提出一种面向船舶轨迹数据，考虑到AIS轨迹数据与船舶运营的特性的确定船舶轨迹相似度的方法成为目前亟待解决的问题。
发明内容
本发明旨在至少解决相关技术中由于AIS异步性与信号缺失，导致船舶相似性的判断不准确的问题。
因此，本发明的第一个目的在于提供了一种确定船舶轨迹相似度的方法。
本发明的第二个目的在于提供了一种确定船舶轨迹相似度的装置。
本发明的第三个目的在于提供了一种确定船舶轨迹相似度的装置。
本发明的第四个目的在于提供了一种可读存储介质。
本发明第一方面的技术方案提供了一种确定船舶轨迹相似度的方法，包括：获取第一船舶在目标区域的第一航行轨迹；获取第二船舶在目标区域的第二航行轨迹；将目标区域划分为多个网格；将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段；确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布；基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度；基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
根据本发明提供的确定船舶轨迹相似度的方法，通过获取第一船舶和第二船舶在目标区域的第一航行轨迹和第二航行轨迹，将目标区域划分为多个网格，将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段，然后确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布，基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度，基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。这里的目标区域指的是船舶的航行区域，例如，在两港之间行驶的船舶，其目标区域即为两港之间的航行区域。本申请通过船舶的航行轨迹和目标区域的网格划分，并根据不同时间段内航行轨迹在网格中的概率分布来确定出两个船舶航行轨迹的相似度，能够解决AIS异步性与信号缺失的问题。可以理解的是，由于轨迹的序列性，在某一时间点或时间段的位置分布概率与前后两个时间点或时间段的位置分布概率相关，因此，当AIS信号缺失时，可以通过前后两个时间点或时间段的位置分布概率确定出在当前时间点或时间段的位置分布概率，从而实现了通过完整的轨迹序列来确定船舶轨迹相似度，相比于相关技术中判断船舶轨迹相似度的方法来说，本申请将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据的特点。同时，由于本申请将两个船舶的轨迹进行时间和空间的标准化对齐，以及先确定出每个网格中的单元相似度，然后再根据单元相似度确定出两个轨迹的整体相似度，也即，先分段比较再整体比较，因此能够更加准确地确定船舶的轨迹相似度。
另外，本申请提供的确定船舶轨迹相似度的方法还可以具有如下附加技术特征：
在一些技术方案中，可选地，基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度的步骤，包括：获取每个时间段内每个网格中第一航行轨迹的概率和第二航行轨迹的概率；将每个网格中的第一航行轨迹的概率和第二航行轨迹的概率相乘，以确定出第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。
在该技术方案中，可以通过获取每个时间段内每个网格中第一航行轨迹的概率和第二航行轨迹的概率，然后将每个网格中的第一航行轨迹的概率和第二航行轨迹的概率相乘，从而确定出第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。可以理解的是，本申请通过确定出单元相似度能够提高整个轨迹相似度判断的准确性。
在一些技术方案中，可选地，基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度的步骤，包括：确定每个时间段内的每个网格中的单元相似度的和；基于时间段的个数和单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在该技术方案中，确定出每个时间段内的每个网格中的单元相似度后，将每个时间段内的每个网格中的单元相似度相加，确定出每个时间段内所有网格的单元相似度的和，然后再根据时间段的个数和所有网格的单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在一些技术方案中，可选地，基于时间段的个数和单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度的步骤，包括：将多个时间段的单元相似度的和相加并除以时间段的个数，以确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在该技术方案中，可以将多个时间段的单元相似度的和相加并除以时间段的个数，从而确定出第一航行轨迹和第二航行轨迹的轨迹相似度。可以理解的是，通过将多个时间段的单元相似度的和相加并除以时间段的个数，能够得到一个标准化的轨迹相似度，从而有利于后续对轨迹相似度的比较或利用。
在一些技术方案中，可选地，获取第一船舶在目标区域的第一航行轨迹的步骤，包括：获取第一船舶在目标区域的第一航行数据；将第一航行数据进行去飞点、抽稀处理，以确定出第一航行轨迹。
在该技术方案中，在确定第一航行轨迹时，AIS数据中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，因此，在获取到第一船舶在目标区域的第一航行数据后，需要依据轨迹清洗规则进行去飞点的操作，将跨跃幅度较大的噪间飞点去除。同时对于位置距离较近，信息收益较低的点进行抽稀处理，保证轨迹信息不损失的前提下，尽可能降低轨迹量。
在一些技术方案中，可选地，获取第二船舶在目标区域的第二航行轨迹的步骤，包括：获取第二船舶在目标区域的第二航行数据；将第二航行数据进行去飞点、抽稀处理，以确定出第二航行轨迹。
在该技术方案中，在确定第二航行轨迹时，AIS数据中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，因此，在获取到第二船舶在目标区域的第二航行数据后，需要依据轨迹清洗规则进行去飞点的操作，将跨跃幅度较大的噪间飞点去除。同时对于位置距离较近，信息收益较低的点进行抽稀处理，保证轨迹信息不损失的前提下，尽可能降低轨迹量。
在一些技术方案中，可选地，将目标区域划分为多个网格的步骤，包括：获取第一船舶和第二船舶的偏移阈值；基于偏移阈值确定出网格的尺寸；根据网格的尺寸对目标区域进行网格划分。
在该技术方案中，由于航行轨迹具有一定的偏移区间，因此在划分网格时也需要考虑到偏移区间，具体地，可以在获取到第一船舶和第二船舶的偏移阈值后，根据偏移阈值确定出网格的尺寸，然后根据网格的尺寸对目标区域进行网格划分。
本发明第二方面的技术方案提供了一种确定船舶轨迹相似度的装置，包括：第一获取模块，用于获取第一船舶在目标区域的第一航行轨迹；第二获取模块，用于获取第二船舶在目标区域的第二航行轨迹；第一划分模块，用于将目标区域划分为多个网格；第二划分模块，用于将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段；第一确定模块，用于确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布；第二确定模块，用于基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度；相似度确定模块，用于基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
根据本发明提供的确定船舶轨迹相似度的装置，包括第一获取模块、第二获取模块、第一划分模块、第二划分模块、第一确定模块、第二确定模块和相似度确定模块。第一获取模块能够获取第一船舶在目标区域的第一航行轨迹。第二获取模块能够获取第二船舶在目标区域的第二航行轨迹。第一划分模块能够将目标区域划分为多个网格。第二划分模块能够将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段。第一确定模块能够确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布。第二确定模块能够基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。相似度确定模块能够基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。本申请通过船舶的航行轨迹和目标区域的网格划分，并根据不同时间段内航行轨迹在网格中的概率分布来确定出两个船舶航行轨迹的相似度，能够解决AIS异步性与信号缺失的问题。可以理解的是，由于轨迹的序列性，在某一时间点或时间段的位置分布概率与前后两个时间点或时间段的位置分布概率相关，因此，当AIS信号缺失时，可以通过前后两个时间点或时间段的位置分布概率确定出在当前时间点或时间段的位置分布概率，从而实现了通过完整的轨迹序列来确定船舶轨迹相似度，相比于相关技术中判断船舶轨迹相似度的方法来说，本申请将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据的特点。同时，由于本申请将两个船舶的轨迹进行时间和空间的标准化对齐，以及先确定出每个网格中的单元相似度，然后再根据单元相似度确定出两个轨迹的整体相似度，也即，先分段比较再整体比较，因此能够更加准确地确定船舶的轨迹相似度。
本发明第三方面的技术方案提供了一种确定船舶轨迹相似度的装置，包括：存储器和处理器，存储器储存有程序或指令，程序或指令被处理器执行时，实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。
根据本发明提供的确定船舶轨迹相似度的装置，包括存储器和处理器，存储器储存有程序或指令，程序或指令被处理器执行时，实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。由于该确定船舶轨迹相似度的装置能够实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。因此，本发明提供的确定船舶轨迹相似度的装置还具有第一方面任一项技术方案中的确定船舶轨迹相似度的方法的全部有益效果，在此不再赘述。
本发明第四方面的技术方案提供了一种可读存储介质，其上存储有程序或指令，程序或指令被执行时，实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。
根据本发明提供的可读存储介质，其上存储有程序或指令，程序或指令被执行时，实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。由于该可读存储介质能够实现如第一方面任一项技术方案中的确定船舶轨迹相似度的方法的步骤。因此，本发明提供的可读存储介质还具有第一方面任一项技术方案中的确定船舶轨迹相似度的方法的全部有益效果，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
图1是根据本发明的一个实施例的确定船舶轨迹相似度的方法的流程示意图之一；
图2是根据本发明的一个实施例的确定船舶轨迹相似度的方法的流程示意图之二；
图3是根据本发明的一个实施例的AIS数据特点的示意图之一；
图4是根据本发明的一个实施例的AIS数据特点的示意图之二；
图5是根据本发明的一个实施例的AIS数据特点的示意图之三；
图6是根据本发明的一个实施例的进行网格划分的示意图；
图7是根据本发明的一个实施例的确定船舶轨迹相似度的装置的方框图之一；
图8是根据本发明的一个实施例的确定船舶轨迹相似度的装置的方框图之二。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例方式对本发明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本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图8描述根据本发明一些实施例的确定船舶轨迹相似度的方法、装置和可读存储介质。
在根据本申请的一个实施例中，如图1所示，提供了一种确定船舶轨迹相似度的方法，包括：
S102，获取第一船舶在目标区域的第一航行轨迹。
S104，获取第二船舶在目标区域的第二航行轨迹。
S106，将目标区域划分为多个网格。
S108，将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段。
S110，确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布。
S112，基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。
S114，基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
根据本发明提供的确定船舶轨迹相似度的方法，通过获取第一船舶和第二船舶在目标区域的第一航行轨迹和第二航行轨迹，将目标区域划分为多个网格，将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段，然后确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布，基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度，基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。这里的目标区域指的是船舶的航行区域，例如，在两港之间行驶的船舶，其目标区域即为两港之间的航行区域。本申请通过船舶的航行轨迹和目标区域的网格划分，并根据不同时间段内航行轨迹在网格中的概率分布来确定出两个船舶航行轨迹的相似度，能够解决AIS异步性与信号缺失的问题。可以理解的是，由于轨迹的序列性，在某一时间点或时间段的位置分布概率与前后两个时间点或时间段的位置分布概率相关，因此，当AIS信号缺失时，可以通过前后两个时间点或时间段的位置分布概率确定出在当前时间点或时间段的位置分布概率，从而实现了通过完整的轨迹序列来确定船舶轨迹相似度，相比于相关技术中判断船舶轨迹相似度的方法来说，本申请将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据的特点。同时，由于本申请将两个船舶的轨迹进行时间和空间的标准化对齐，以及先确定出每个网格中的单元相似度，然后再根据单元相似度确定出两个轨迹的整体相似度，也即，先分段比较再整体比较，因此能够更加准确地确定船舶的轨迹相似度。
在一些实施例中，可选地，基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度的步骤，包括：获取每个时间段内每个网格中第一航行轨迹的概率和第二航行轨迹的概率；将每个网格中的第一航行轨迹的概率和第二航行轨迹的概率相乘，以确定出第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。
在该实施例中，可以通过获取每个时间段内每个网格中第一航行轨迹的概率和第二航行轨迹的概率，然后将每个网格中的第一航行轨迹的概率和第二航行轨迹的概率相乘，从而确定出第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。可以理解的是，本申请通过确定出单元相似度能够提高整个轨迹相似度判断的准确性。
在一些实施例中，可选地，基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度的步骤，包括：确定每个时间段内的每个网格中的单元相似度的和；基于时间段的个数和单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在该实施例中，确定出每个时间段内的每个网格中的单元相似度后，将每个时间段内的每个网格中的单元相似度相加，确定出每个时间段内所有网格的单元相似度的和，然后再根据时间段的个数和所有网格的单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在一些实施例中，可选地，基于时间段的个数和单元相似度的和确定出第一航行轨迹和第二航行轨迹的轨迹相似度的步骤，包括：将多个时间段的单元相似度的和相加并除以时间段的个数，以确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
在该实施例中，可以将多个时间段的单元相似度的和相加并除以时间段的个数，从而确定出第一航行轨迹和第二航行轨迹的轨迹相似度。可以理解的是，通过将多个时间段的单元相似度的和相加并除以时间段的个数，能够得到一个标准化的轨迹相似度，从而有利于后续对轨迹相似度的比较或利用。
在一些实施例中，可选地，获取第一船舶在目标区域的第一航行轨迹的步骤，包括：获取第一船舶在目标区域的第一航行数据；将第一航行数据进行去飞点、抽稀处理，以确定出第一航行轨迹。
在该实施例中，在确定第一航行轨迹时，AIS数据中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，因此，在获取到第一船舶在目标区域的第一航行数据后，需要依据轨迹清洗规则进行去飞点的操作，将跨跃幅度较大的噪间飞点去除。同时对于位置距离较近，信息收益较低的点进行抽稀处理，保证轨迹信息不损失的前提下，尽可能降低轨迹量。
其中，对第一航行数据进行抽稀处理，是为了将第一航行数据中的很多重复数据过滤掉，在保证轨迹形状不变的情况下，最大限度地减少数据点个数，保证轨迹信息不损失的前提下，尽可能降低轨迹量。去飞点处理是为了去除数据中的噪声，以减少或消除对数据分析结果的干扰。
在一些实施例中，可选地，可以通过步长法、线段过滤法或道格拉斯-普克算法对第一航行数据进行抽稀处理。其中，步长法是沿连续曲线每隔一定的步长抽取一点，其余点全部压缩掉，然后在相邻抽取点间用直线连续或曲线拟合逼近。线段过滤法是指当某一段的长度小于某一过滤值时，就以该段的中点代替该段，如同此段的两端退化到中点一样。道格拉斯-普克算法一般从整体角度来考虑一条完整的曲线或一段确定的线段，具体采用哪种方法进行抽稀处理可根据实际情况而定，在此不做限定，当然也并不限于这几种抽稀处理方法。
在一些实施例中，可选地，可以通过数据清洗、平滑技术、滤波方法以及统计方法等去除数据中的飞点。例如，可通过数据清洗的方法识别并修复第一航行数据中明显的错误或异常数据点，如果数据点的数值超出了合理的范围，则将它们视为错误并进行删除，从而实现去飞点操作。
在一些实施例中，可选地，获取第二船舶在目标区域的第二航行轨迹的步骤，包括：获取第二船舶在目标区域的第二航行数据；将第二航行数据进行去飞点、抽稀处理，以确定出第二航行轨迹。
在该实施例中，在确定第二航行轨迹时，AIS数据中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，因此，在获取到第二船舶在目标区域的第二航行数据后，需要依据轨迹清洗规则进行去飞点的操作，将跨跃幅度较大的噪间飞点去除。同时对于位置距离较近，信息收益较低的点进行抽稀处理，保证轨迹信息不损失的前提下，尽可能降低轨迹量。
在一些实施例中，可选地，将目标区域划分为多个网格的步骤，包括：获取第一船舶和第二船舶的偏移阈值；基于偏移阈值确定出网格的尺寸；根据网格的尺寸对目标区域进行网格划分。
在该实施例中，由于航行轨迹具有一定的偏移区间，因此在划分网格时也需要考虑到偏移区间，具体地，可以在获取到第一船舶和第二船舶的偏移阈值后，根据偏移阈值确定出网格的尺寸，然后根据网格的尺寸对目标区域进行网格划分。
在根据本申请的一个实施例中，如图2所示，提供了一种确定船舶轨迹相似度的方法，包括：
S202，数据准备。
获取进行相似度比较的船舶的轨迹数据。对于被比较的主体，按相应的时间段调取所有的全量轨迹数据，对于比较的对象，按船名、水上移动业务标识码（Maritime MobileService Identity，MMSI）、国际海事组织（International Maritime Organization，IMO）调取船舶的轨迹数据或者按被比较主体轨迹横向拓展海里的范围内出现的船舶列表所对应的轨迹。此时拓展的海里数与比较的尺度相对应。我们将一条船的轨迹用Traj={(t 1,l 1),(t 2,l 2),…,(t n,l n)}来表示每个时刻点与所对应的经纬度坐标信息，其中，t为轨迹时间，l为轨迹坐标。
S204，对数据进行处理。
AIS数据中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，依据轨迹清洗规则进行去飞点的操作，将跨跃幅度较大的噪间飞点去除。同时对于位置距离较近，信息收益较低的点进行抽稀处理。
S206，进行时空标准化。
对于某一条轨迹，Traj={(t 1,l 1),(t 2,l 2),…,(t n,l n)}，其取样的时间点与间隔存在随意性，我们旨在通过时间间隔与地理空间网格的方式将所得到的轨迹数据标准化。首先对于海图的地理空间进行切分，切分成n个正方形的方格，用G={g 1,g 2,…,g n}来表示，g为空间块。地理空间的切分尺度以相似性问题的轨迹尺度来决定，一般对应沿海运营特征的船舶，常选取5海里或0.01度作为边长进行切分。其次是设定标准时间间隔，也即，t'为标准网格下的时间，常取15分钟或半小时来进行切分。
S208，生成轨迹概率分布。
面向标准的时刻点与网格划分，我们计算时间间隔t与网格下单个轨迹的概率分布，解决了AIS异步性与信号缺失的问题。因为轨迹的序列性，在标准时间点的位置分布概率仅与用户的上下两个已知位置的时间点相关，假设时刻t'属于标准化的时间间隔，且在已经有轨迹的两点之间，其概率分布的公式可以推导为：
P（（g j ,t'）∣Traj）=P（（g j ,t'）∣（t i ,l i ）,（t i+1,l i+1）），t'∈T，t i ＜t'＜t i+1。
可以理解的是，若前后有轨迹中已获知具体位置的点，那么可以根据两点的时间和空间的信息推算出一个在标准时刻t'下可能出现的区域，不同网格与这个区域的重合部分占这个区域比例即为单一轨迹在这一时刻下不同网格的概率分布。若我们考虑AIS系统中传回的位置坐标与船舶的真实坐标存在随机振动，即右侧的条件概率也存在随机性。在本申请中，我们将这一过程处理成确定性过程，即AIS系统中的位置与真实位置差别不大。则可以依据时间间隔所在前后点的位置与船舶的位置推定船舶在时间t'的活动范围，以此活动范围在不同网格的面积占比作为时间间隔t'的概率分布。
S210，计算轨迹的时空相似度。
对于每一条轨迹，通过S208的计算，可以得到在标准时间间隔下的在划分网格中的概率分布，即，本步骤的主要目的即基于标准化的概率分布来计算两条船舶轨迹的时空相似度。给定轨迹1与轨迹2，它们在时间间隔t'与网格g j 下的概率为每个轨迹的概率的乘积，即/>。考虑到船舶的航行的偏移性，可以通过放大网格尺寸和加总周边网格的方式进行调整。最后通过两条轨迹在所有时间戳的时空相似度的和来表示他们的时空相似度，即：
。
其中，Similarity（TRAJ 1,TRAJ 2）表示的是轨迹1和轨迹2的时空相似度，TRAJ表示的是轨迹，表示的是在第i个时间间隔t'下的概率分布，/>表示的是在第i个时间间隔t'下的在第j个网格中的概率分布，i表示的是第几个时间间隔，j表示的是第几个网格。
本申请的方法要求标准时间间隔个数与距离同步，若遇到船的大小不同带来的速度调整，可以通过调整时间间隔的方式实现同步。
通过本申请的方法，可以更好的解决船舶本身数据特点所带来的问题，更好的适配船舶运营特性，从而提高船舶运营管理与政府监管等多个场景的效率与价值。
在根据本申请的一个具体实施例中，提供了一种确定船舶轨迹相似度的方法，该方法以从事煤炭沿海运输的某船作为被比较的主体，以M港到N港的运营航次作比较。通过过往一个月码头作业船舶动态的船所对应的港口航次作为被比较的对象，航程信息为6天。
步骤一，调取对应船舶的轨迹信息，发现其航行轨迹存在多段缺失数据的情况，同时将两条轨迹放在一起，无法做到同一时间点都有轨迹信息，存在较强的异步性。同一船舶大致估计差别在3海里。如图3、图4、图5所示，直观反映了AIS的数据特点，图3体现了AIS数据存在的噪音，图4体现了AIS数据存在异步性，图5体现了AIS数据存在偏移性。
步骤二，对调取的轨迹数据进行处理。对数据进行初步的飞点处理，并进行抽稀，保证轨迹信息不损失的前提下，尽可能降低轨迹量。
步骤三，时空标准化处理。如图6所示，我们对于运营航线海域进行了空间的标准化，进行的网格划分，网格大小为0.2度×0.2度，g11、g12、g13·····等表示的是网格的个数，例如，g11表示的是第11个网格、g12表示的是第12个网格、g13表示的是第13个网格，标准时间间隔为0.5小时。
步骤四，个体轨迹概率分布生成。以被比较主体为例，截取的轨迹下标准时间间隔下，提取间隔前后的位置点，依据位置点的位置、船舶的速度与时间间隔进行画图，两点相交的区域在不同网格的面积占整个相交区域的比例为概率分布值。依次计算标准时间间隔下的轨迹概率分布。
步骤五，轨迹-轨迹相似度计算。在步骤四计算出每条船的航次下的轨迹分布概率后，将比较双方的时间间隔与空间网格对齐，进行同一时间间隔下同一网格中的概率相乘，作为此单元的相似度，考虑到航线的偏移，我们将偏移区间设为周围10海里，将对应网格的相似度进行加总并标准化，最后将整个轨迹的相似度依次相加并除以总轨迹的值。即得到两条比较对象的轨迹相似度。
从结果来看，以M港到N港的运营航次相似度比较高，在0.9以上，说明比较对象运营航次的规范性，这也与我们的沿海煤炭运输的实务相符合。在相似度低于0.5的航次里，由于避台导致的运营航次大幅度变化与其他停航或偏航原因占主要地位。为验证方法的准确性，我们将同一船舶的轨迹以不同的频率分成两个轨迹，并加上5海里的总体偏移后计算两者的相似度，相似度达到0.97，以此实例说明，本方法能较好的捕捉到船舶轨迹的相似性。
通过本申请的确定船舶轨迹相似度的方法，将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据的特点。本申请提出了轨迹标准化及概率分布的计算流程与方法，解决了不同船舶轨迹比较的对齐问题，并可针对不同场景下进行调整。同时，还提出了轨迹相似度的计算方式，不同于传统方式，具备较强的航运特征下的鲁棒性。
本申请的确定船舶轨迹相似度的方法，能够适配航运船舶AIS轨迹数据的数据特点，面向噪音、异步性与偏移性有较好的解决方案。将确定点或线的相似度计算转化为概率分布，具有较强的鲁棒性。通过调整标准化的尺度适配不同的应用场景，从船舶短距离行为到长距离运营，提高了应用范围。同时可以更准确的计算船舶轨迹的相似性，可以提高运营分析与政府监管等场景下的精确度。
如图7所示，本发明第二方面的实施例提供了一种确定船舶轨迹相似度的装置1，包括：第一获取模块10，用于获取第一船舶在目标区域的第一航行轨迹；第二获取模块11，用于获取第二船舶在目标区域的第二航行轨迹；第一划分模块12，用于将目标区域划分为多个网格；第二划分模块13，用于将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段；第一确定模块14，用于确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布；第二确定模块15，用于基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度；相似度确定模块16，用于基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。
根据本发明提供的确定船舶轨迹相似度的装置1，包括第一获取模块10、第二获取模块11、第一划分模块12、第二划分模块13、第一确定模块14、第二确定模块15和相似度确定模块16。第一获取模块10能够获取第一船舶在目标区域的第一航行轨迹。第二获取模块11能够获取第二船舶在目标区域的第二航行轨迹。第一划分模块12能够将目标区域划分为多个网格。第二划分模块13能够将第一船舶或第二船舶在目标区域的航行时间按照预设时间长度划分为多个时间段。第一确定模块14能够确定第一船舶和第二船舶在每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的概率分布。第二确定模块15能够基于概率分布确定出每个时间段内，第一航行轨迹和第二航行轨迹在每个网格中的单元相似度。相似度确定模块16能够基于每个时间段内每个网格中的单元相似度、时间段的个数确定出第一航行轨迹和第二航行轨迹的轨迹相似度。本申请通过船舶的航行轨迹和目标区域的网格划分，并根据不同时间段内航行轨迹在网格中的概率分布来确定出两个船舶航行轨迹的相似度，能够解决AIS异步性与信号缺失的问题。可以理解的是，由于轨迹的序列性，在某一时间点或时间段的位置分布概率与前后两个时间点或时间段的位置分布概率相关，因此，当AIS信号缺失时，可以通过前后两个时间点或时间段的位置分布概率确定出在当前时间点或时间段的位置分布概率，从而实现了通过完整的轨迹序列来确定船舶轨迹相似度，相比于相关技术中判断船舶轨迹相似度的方法来说，本申请将确定的采集点变为轨迹概率分布，比传统模型更灵活，对原始数据的依赖更小，更适配船舶AIS数据的特点。同时，由于本申请将两个船舶的轨迹进行时间和空间的标准化对齐，以及先确定出每个网格中的单元相似度，然后再根据单元相似度确定出两个轨迹的整体相似度，也即，先分段比较再整体比较，因此能够更加准确地确定船舶的轨迹相似度。
如图8所示，本发明第三方面的实施例提供了一种确定船舶轨迹相似度的装置2，包括：存储器22和处理器24，存储器22储存有程序或指令，程序或指令被处理器24执行时，实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。
根据本发明提供的确定船舶轨迹相似度的装置2，包括存储器22和处理器24，存储器22储存有程序或指令，程序或指令被处理器24执行时，实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。由于该确定船舶轨迹相似度的装置能够实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。因此，本发明提供的确定船舶轨迹相似度的装置2还具有第一方面任一项实施例中的确定船舶轨迹相似度的方法的全部有益效果，在此不再赘述。
本发明第四方面的实施例提供了一种可读存储介质，其上存储有程序或指令，程序或指令被执行时，实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。
根据本发明提供的可读存储介质，其上存储有程序或指令，程序或指令被执行时，实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。由于该可读存储介质能够实现如第一方面任一项实施例中的确定船舶轨迹相似度的方法的步骤。因此，本发明提供的可读存储介质还具有第一方面任一项实施例中的确定船舶轨迹相似度的方法的全部有益效果，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
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计算机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，或者网络设备等）执行本申请各个实施例所述的方法。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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)
1.一种确定船舶轨迹相似度的方法，其特征在于，包括：
获取第一船舶在目标区域的第一航行轨迹；
获取第二船舶在所述目标区域的第二航行轨迹；
将所述目标区域划分为多个网格；
将所述第一船舶或所述第二船舶在所述目标区域的航行时间按照预设时间长度划分为多个时间段；
确定所述第一船舶和所述第二船舶在每个所述时间段内，所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的概率分布；
基于所述概率分布确定出每个所述时间段内，所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的单元相似度；
基于每个所述时间段内每个所述网格中的所述单元相似度、所述时间段的个数确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度。
2.根据权利要求1所述的确定船舶轨迹相似度的方法，其特征在于，所述基于所述概率分布确定出每个所述时间段内，所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的单元相似度的步骤，包括：
获取每个所述时间段内每个所述网格中所述第一航行轨迹的概率和所述第二航行轨迹的概率；
将每个所述网格中的所述第一航行轨迹的概率和所述第二航行轨迹的概率相乘，以确定出所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的单元相似度。
3.根据权利要求1所述的确定船舶轨迹相似度的方法，其特征在于，所述基于每个所述时间段内每个所述网格中的所述单元相似度、所述时间段的个数确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度的步骤，包括：
确定每个所述时间段内的每个所述网格中的所述单元相似度的和；
基于所述时间段的个数和所述单元相似度的和确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度。
4.根据权利要求3所述的确定船舶轨迹相似度的方法，其特征在于，所述基于所述时间段的个数和所述单元相似度的和确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度的步骤，包括：
将多个所述时间段的所述单元相似度的和相加并除以所述时间段的个数，以确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度。
5.根据权利要求1所述的确定船舶轨迹相似度的方法，其特征在于，所述获取第一船舶在目标区域的第一航行轨迹的步骤，包括：
获取所述第一船舶在所述目标区域的第一航行数据；
将所述第一航行数据进行去飞点、抽稀处理，以确定出所述第一航行轨迹。
6.根据权利要求1所述的确定船舶轨迹相似度的方法，其特征在于，所述获取第二船舶在所述目标区域的第二航行轨迹的步骤，包括：
获取所述第二船舶在所述目标区域的第二航行数据；
将所述第二航行数据进行去飞点、抽稀处理，以确定出所述第二航行轨迹。
7.根据权利要求1至6中任一项所述的确定船舶轨迹相似度的方法，其特征在于，所述将所述目标区域划分为多个网格的步骤，包括：
获取所述第一船舶和所述第二船舶的偏移阈值；
基于所述偏移阈值确定出所述网格的尺寸；
根据所述网格的尺寸对所述目标区域进行网格划分。
8.一种确定船舶轨迹相似度的装置，其特征在于，包括：
第一获取模块，用于获取第一船舶在目标区域的第一航行轨迹；
第二获取模块，用于获取第二船舶在所述目标区域的第二航行轨迹；
第一划分模块，用于将所述目标区域划分为多个网格；
第二划分模块，用于将所述第一船舶或所述第二船舶在所述目标区域的航行时间按照预设时间长度划分为多个时间段；
第一确定模块，用于确定所述第一船舶和所述第二船舶在每个所述时间段内，所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的概率分布；
第二确定模块，用于基于所述概率分布确定出每个所述时间段内，所述第一航行轨迹和所述第二航行轨迹在每个所述网格中的单元相似度；
相似度确定模块，用于基于每个所述时间段内每个所述网格中的所述单元相似度、所述时间段的个数确定出所述第一航行轨迹和所述第二航行轨迹的轨迹相似度。
9.一种确定船舶轨迹相似度的装置，其特征在于，包括：
存储器和处理器，所述存储器储存有程序或指令，所述程序或所述指令被所述处理器执行时，实现如权利要求1至7中任一项所述的确定船舶轨迹相似度的方法的步骤。
10.一种可读存储介质，其特征在于，其上存储有程序或指令，所述程序或所述指令被执行时，实现如权利要求1至7中任一项所述的确定船舶轨迹相似度的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410214112.0A CN117786428A (zh) | 2024-02-27 | 2024-02-27 | 确定船舶轨迹相似度的方法、装置和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410214112.0A CN117786428A (zh) | 2024-02-27 | 2024-02-27 | 确定船舶轨迹相似度的方法、装置和可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117786428A true CN117786428A (zh) | 2024-03-29 |
Family
ID=90387300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410214112.0A Pending CN117786428A (zh) | 2024-02-27 | 2024-02-27 | 确定船舶轨迹相似度的方法、装置和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117786428A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470146A (zh) * | 2018-02-11 | 2018-08-31 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 经典航迹的相似航迹识别方法 |
| CN110210537A (zh) * | 2019-05-22 | 2019-09-06 | 中国电子科技集团公司第二十八研究所 | 一种基于无监督聚类的船舶历史航迹规律提取方法 |
| CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
| CN112487116A (zh) * | 2020-11-19 | 2021-03-12 | 江苏锐天信息科技有限公司 | 一种基于ais大数据的船舶航迹分析方法 |
| CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
| CN113868362A (zh) * | 2021-11-30 | 2021-12-31 | 亿海蓝（北京）数据技术股份公司 | 航路轨迹构建方法、系统、船舶和船舶管理系统 |
| CN113934803A (zh) * | 2021-08-30 | 2022-01-14 | 中国人民解放军91977部队 | 一种基于时空剖分的船只伴随模式挖掘方法 |
| CN114580554A (zh) * | 2022-03-09 | 2022-06-03 | 武汉理工大学 | 基于轨迹特征挖掘的船舶伴随模式检测方法、系统和介质 |
| CN114707616A (zh) * | 2022-04-29 | 2022-07-05 | 阿里云计算有限公司 | 轨迹间伴随关系的识别方法、装置及设备 |
-
2024
- 2024-02-27 CN CN202410214112.0A patent/CN117786428A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470146A (zh) * | 2018-02-11 | 2018-08-31 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 经典航迹的相似航迹识别方法 |
| CN110210537A (zh) * | 2019-05-22 | 2019-09-06 | 中国电子科技集团公司第二十八研究所 | 一种基于无监督聚类的船舶历史航迹规律提取方法 |
| CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
| CN112487116A (zh) * | 2020-11-19 | 2021-03-12 | 江苏锐天信息科技有限公司 | 一种基于ais大数据的船舶航迹分析方法 |
| CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
| CN113934803A (zh) * | 2021-08-30 | 2022-01-14 | 中国人民解放军91977部队 | 一种基于时空剖分的船只伴随模式挖掘方法 |
| CN113868362A (zh) * | 2021-11-30 | 2021-12-31 | 亿海蓝（北京）数据技术股份公司 | 航路轨迹构建方法、系统、船舶和船舶管理系统 |
| CN114580554A (zh) * | 2022-03-09 | 2022-06-03 | 武汉理工大学 | 基于轨迹特征挖掘的船舶伴随模式检测方法、系统和介质 |
| CN114707616A (zh) * | 2022-04-29 | 2022-07-05 | 阿里云计算有限公司 | 轨迹间伴随关系的识别方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
| Liu et al. | Adaptive douglas-peucker algorithm with automatic thresholding for AIS-based vessel trajectory compression | |
| Zhao et al. | Ship trajectories pre-processing based on AIS data | |
| Zhao et al. | A method for simplifying ship trajectory based on improved Douglas–Peucker algorithm | |
| CN113553682B (zh) | 一种数据驱动的多层次船舶航路网络构建方法 | |
| CN112699315B (zh) | 基于ais数据的船舶异常行为探测方法 | |
| CN111126335B (zh) | 一种结合显著性和神经网络的sar船只识别方法及系统 | |
| WO2018000252A1 (zh) | 高分辨遥感海洋图像的海背景建模与抑制的方法及系统 | |
| 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 | |
| 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 | |
| Zhu et al. | Ship trajectory online compression algorithm considering handling patterns | |
| CN113536948B (zh) | 一种渔船捕捞行为识别方法及装置 | |
| CN109448442A (zh) | 一种海域内多船碰撞危险度的高效监测方法 | |
| 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 | |
| CN114972918A (zh) | 基于集成学习与ais数据的遥感图像舰船目标识别方法 | |
| CN110580388A (zh) | 一种基于众源轨迹数据的航道网络提取方法 | |
| Widyantara et al. | Automatic identification system-based trajectory clustering framework to identify vessel movement pattern | |
| Liu et al. | An online method for ship trajectory compression using AIS data | |
| CN114280572B (zh) | 去除信号干扰杂波的单雷达回波质控方法、系统及终端 | |
| CN115953431A (zh) | 面向无人机航拍视频的多目标跟踪方法与系统 | |
| CN117786428A (zh) | 确定船舶轨迹相似度的方法、装置和可读存储介质 | |
| CN113222040B (zh) | 海上固定目标识别方法、装置、计算机设备和存储介质 | |
| CN117611862B (zh) | Ais轨迹聚类方法、装置、电子设备和存储介质 | |
| CN111914045B (zh) | 一种数据压缩方法、装置、终端设备及存储介质 | |
| CN108052629A (zh) | 一种基于高精度dem数据的快速海陆判断方法 |
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 |