CN110750571B - 港口泊位数据挖掘方法、装置、设备和储存介质 - Google Patents
港口泊位数据挖掘方法、装置、设备和储存介质 Download PDFInfo
- Publication number
- CN110750571B CN110750571B CN201810813130.5A CN201810813130A CN110750571B CN 110750571 B CN110750571 B CN 110750571B CN 201810813130 A CN201810813130 A CN 201810813130A CN 110750571 B CN110750571 B CN 110750571B
- Authority
- CN
- China
- Prior art keywords
- port
- berthing
- data
- berth
- ship
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000007418 data mining Methods 0.000 title claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种港口泊位数据挖掘方法、装置、设备和储存介质。其中方法包括根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为,根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围,并根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息。根据本发明实施例的技术方案,可以保证港口泊位数据的实时性和准确性。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种港口泊位数据挖掘方法、装置、设备和储存介质。
背景技术
随着全球经济一体化进程的加快,国际间贸易往来越来越密切,根据***统计司(UNSD)统计数据,国际贸易中约79%的货物是由海洋运输完成的。港口作为全球航运交通网络中重要枢纽节点,为国家经济建设和对外贸易的发展提供基础性支撑。
随着航运业的不断复苏,港口对国家经济的发展起到的作用越来越大,将成为融入全球经济一体化并在其中拥有竞争力的重要保证,泊位作为港口的基本功能的工作单位,其作用毋庸置疑。
港口泊位是指港口内停靠船舶的位置,港口内泊位的数量和大小是衡量一个港口或码头规模的重要指标。港口泊位除了自身包含的位置信息外,一般还具有相关的附加属性信息,比如该泊位可停靠的船舶类型、最大停靠载重、最大停靠吃水、最大停靠船长等信息。然而,这些泊位信息是港口的私有信息,一般不对外公开,仅能从港口的基础介绍中获取港口泊位数、可停靠船舶类型、可装卸货物类型等信息,无法获取港口泊位准确的地理位置和属性信息。
目前主要依靠人工收集港口泊位信息,但是人工收集港口泊位数据有以下缺点:
(1)信息来源有限且难以保证数据质量,影响结果准确性。人工收集的港口泊位信息由于数据来源不同,没有统一的标准;数据的精度不足,一般数据源提供的港口泊位地理位置仅仅是一个大概的位置(例如(33.8,130.99)一个地图上的经纬度点),而港口的泊位一般是具有一定长度,并和相邻泊位有一定安全间隔距离的地理范围。因此,在人工统计分析时,数据来源和数据质量都难以得到保证,并影响了后续分析结果的准确性。(2)数据源数据具有一定的局限性,人工收集的港口泊位数据来源于各个港口,各个港口仅包含自身港口泊位数据,而且泊位数据具有一定特性特点。(3)信息延时获取,影响结果实时性。人工统计所需信息受限于数据来源方是否及时提供相关信息或者及时更新信息。港口泊位的新建和废弃,通常被了解该港口的内部或经常往返该港口的船主等人士熟悉,而通常情况下,这些信息都不会在第一时间进行更新,甚至拖延较长时间后才进行更新,因此,信息的实时性难以得到保证,导致分析结果实时性差。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种港口泊位数据挖掘方法、装置、设备和储存介质,可以保证港口泊位数据的实时性和准确性。
第一方面,本发明实施例提供一种港口泊位数据挖掘方法,包括:
根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为;
根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围;
根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息。
第二方面,本发明实施例还提供一种港口泊位数据挖掘装置,包括:
在港靠泊行为确定模块,用于根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为;
港口泊位地理范围确定模块,用于根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围;
属性信息统计模块,用于根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息。
第三方面,本发明实施例还提供一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行本发明实施例第一方面所述的方法。
第四方面,本发明实施例还提供一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现本发明实施例第一方面所述的方法。
根据本发明实施例提供的技术方案,通过根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为,根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围,并根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息,可以保证港口泊位数据的实时性和准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例一提供的港口泊位数据挖掘方法的流程示意图;
图2为本发明实施例二提供的港口泊位数据挖掘方法的流程示意图;
图3为本发明实施例三提供的港口泊位数据挖掘装置的结构示意图;
图4为本发明实施例四提供的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例一
图1为本发明实施例一提供的港口泊位数据挖掘方法的流程示意图,本实施例的执行主体,可为本发明实施例提供的港口泊位数据挖掘装置,该装置可以集成于移动终端设备(例如,智能手机、平板电脑等),也可以集成于固定终端(台式电脑)或服务器中,该港口泊位数据挖掘装置可以采用硬件或软件实现。下面将结合实施例进行说明,如图1所示,具体包括:
S101、根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为。
具体的,可基于船舶自动识别***(Automatic Identification System,AIS)、雷达、北斗、全球定位***(Global Positioning System,GPS)等多种手段获取全球船舶轨迹数据、船舶属性数据和港口范围数据,既能为分析提供足够的数据,又能够全面的覆盖全球港口,使挖掘出的港口泊位数据更加全面。此外,这些数据来源广,且不受人为因素影响,准确性和可靠性较高,因此,数据源不再成为分析瓶颈。
可选的,根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为,包括:获取全球船舶轨迹数据,并对全球船舶轨迹数据进行预处理;根据预处理后的数据和港口范围数据进行在港或非在港识别;对在港的数据进行在港靠泊行为识别。
其中,预处理包括但不限于以下至少一种:数据融合、数据修正、数据过滤和数据排序。
具体的,对预处理后的数据进行在港/非在港识别,若数据在港口范围数据内,则进行后续处理,即执行步骤S102;若数据不在港口范围数据内,将该数据过滤。
S102、根据在港靠泊行为和船舶属性信息确定港口泊位地理范围。
可选的,本步骤包括:对在港靠泊行为形成的泊位数据进行聚类分析,得到至少一个在港靠泊行为点;对识别出的在港靠泊行为点进行凸包运算,并结合船舶属性信息确定港口泊位地理范围。
其中,可采用的聚类算法为基于密度的聚类算法(Density-Based SpatialClustering of Applications with Noise,DBSCAN)。具体的,泊为数据使用DBSCAN算法进行聚类,得到的核心点集即为在港靠泊行为点(可形成多个类),并记录靠泊时长,并对识别出的靠泊行为点进行凸包算法运算,结合船舶属性数据,形成港口泊位地理范围。
此外,为使数据更为准确,本实施例的方法还包括:根据港口对预设时间内的泊位数据进行分组;若港口泊位地理范围存在交叉面积,且交叉面积满足预设阈值,则合并泊位,并更新港口泊位地理范围。
并周期性统计泊位数据,更新港口泊位地理范围。
S103、根据船舶属性信息和港口泊位地理范围,统计分析各个泊位的附加属性信息。
可选的,附加属性信息包括以下至少一项:可停靠的船舶类型、最大停靠载重、最大停靠吃水、最大停靠船长。
此外,为使数据更为准确,本实施例的方法还包括:统计一段时间内停靠同一个泊位各类型船舶载重,靠泊时长等信息,形成泊位的附加属性信息。
并周期性的统计泊位数据,进行泊位数据更新。
本实施例通过根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为,根据在港靠泊行为和船舶属性信息确定港口泊位地理范围,并根据船舶属性信息和港口泊位地理范围,统计分析各个泊位的附加属性信息,可以保证港口泊位数据的实时性和准确性。
实施例二
图2为本发明实施例二提供的港口泊位数据挖掘方法的流程示意图,本实施例为一具体实施例,用来详细说明本发明的实现过程,如图2所示,包括:
S201、获取全球船舶轨迹数据,并对全球船舶轨迹数据进行预处理。
S202、根据预处理后的数据和港口范围数据进行在港或非在港识别。
S203、对在港的数据进行在港靠泊行为识别。
S204、对在港靠泊行为形成的泊位数据进行聚类分析,得到至少一个在港靠泊行为点。
S205、对识别出的在港靠泊行为点进行凸包运算,并结合船舶属性信息确定港口泊位地理范围。
S206、根据港口对预设时间内的泊位数据进行分组。
S207、若港口泊位地理范围存在交叉面积,且交叉面积满足预设阈值,则合并泊位,并更新港口泊位地理范围。
S208、统计一段时间内停靠同一个泊位各类型船舶载重,靠泊时长等信息,形成泊位的附加属性信息。
本实施例基于全球船舶轨迹数据、船舶属性信息和港口范围数据,对全球港口范围内的泊位地理位置范围及其附加属性信息进行挖掘。一方面,全球港口泊位数据的挖掘,打破港口泊位数据私有性和局限性的局面,为后续航运方面的研究提供全面、标准、准确数据;另一方面,通过挖掘出的全球港口泊位地理及相关属性信息,有助于对全球航运运输网络中各种货物种类确认和具体载重的估算,为全球经济领域的分析提供情报数据;通过挖掘出的全球港口泊位地理及相关属性信息,统计分析港口泊位停靠船舶载重、类型等信息,分析港口货物吞吐能力、港口承载能力、港口运行状况等信息,为港口提供准确的运营情况分析情报,有助于港口正确合理的调节港口资源和设施;通过挖掘出的全球港口泊位地理及相关属性信息,实时分析港口的在港船舶信息,及时将港口泊位信息反馈给船长,有助于及时的做好航线的调整,避免长期排队等待泊位带来的经济损失。
实施例三
图3为本发明实施例三提供的港口泊位数据挖掘装置的结构示意图,该装置可以集成于移动终端设备(例如,智能手机、平板电脑等),也可以集成于固定终端(台式电脑)或服务器中,该港口泊位数据挖掘装置可以采用硬件或软件实现。下面将结合实施例进行说明,如图3所示,具体包括:在港靠泊行为确定模块301、港口泊位地理范围确定模块302和属性信息统计模块303;
在港靠泊行为确定模块301用于根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为;
港口泊位地理范围确定模块302用于根据在港靠泊行为和船舶属性信息确定港口泊位地理范围;
属性信息统计模块303用于根据船舶属性信息和港口泊位地理范围,统计分析各个泊位的附加属性信息。
可选的,附加属性信息包括以下至少一项:可停靠的船舶类型、最大停靠载重、最大停靠吃水、最大停靠船长。
可选的,在港靠泊行为确定模块具体用于:获取全球船舶轨迹数据,并对全球船舶轨迹数据进行预处理;根据预处理后的数据和港口范围数据进行在港或非在港识别;对在港的数据进行在港靠泊行为识别。
可选的,港口泊位地理范围确定模块具体用于:对在港靠泊行为形成的泊位数据进行聚类分析,得到至少一个在港靠泊行为点;对识别出的在港靠泊行为点进行凸包运算,并结合船舶属性信息确定港口泊位地理范围。
可选的,装置还包括:泊位合并更新模块,用于根据港口对预设时间内的泊位数据进行分组;若港口泊位地理范围存在交叉面积,且交叉面积满足预设阈值,则合并泊位,并更新港口泊位地理范围。
应当理解,本发明实施例中记载的诸模块和单元与图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于该装置,在此不再赘述。该装置可以预先实现在电子设备的浏览器或其他安全应用中,也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。该装置中的相应模块可以与电子设备中的单元相互配合以实现本发明实施例的方案。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图,其示出了适于用来实现本发明实施例的设备的结构示意图。
如图4所示,该设备包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分308加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有***操作所需的各种程序和数据。CPU 401、ROM402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本发明公开的实施例,上文图1描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括在港靠泊行为确定模块、港口泊位地理范围确定模块和属性信息统计模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,在港靠泊行为确定模块还可以被描述为“用于确定在港靠泊行为的模块”。
作为另一方面,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本发明的港口泊位数据挖掘的方法。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种港口泊位数据挖掘方法,其特征在于,所述方法包括:
根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为;
根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围;
根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息;
其中,所述根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围,包括:
对所述在港靠泊行为形成的泊位数据进行聚类分析,得到至少一个在港靠泊行为点;
对识别出的在港靠泊行为点进行凸包运算,并结合船舶属性信息确定港口泊位地理范围。
2.根据权利要求1所述的方法,其特征在于,所述附加属性信息包括以下至少一项:
可停靠的船舶类型、最大停靠载重、最大停靠吃水、最大停靠船长。
3.根据权利要求1所述的方法,其特征在于,所述根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为,包括:
获取全球船舶轨迹数据,并对所述全球船舶轨迹数据进行预处理;
根据预处理后的数据和港口范围数据进行在港或非在港识别;
对在港的数据进行在港靠泊行为识别。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
根据港口对预设时间内的泊位数据进行分组;
若港口泊位地理范围存在交叉面积,且交叉面积满足预设阈值,则合并泊位,并更新港口泊位地理范围。
5.一种港口泊位数据挖掘装置,其特征在于,所述装置包括:
在港靠泊行为确定模块,用于根据获取的全球船舶轨迹数据和港口范围数据确定船舶在港靠泊行为;
港口泊位地理范围确定模块,用于根据所述在港靠泊行为和船舶属性信息确定港口泊位地理范围;
属性信息统计模块,用于根据所述船舶属性信息和所述港口泊位地理范围,统计分析各个泊位的附加属性信息;
所述港口泊位地理范围确定模块具体用于:
对所述在港靠泊行为形成的泊位数据进行聚类分析,得到至少一个在港靠泊行为点;对识别出的在港靠泊行为点进行凸包运算,并结合船舶属性信息确定港口泊位地理范围。
6.根据权利要求5所述的装置,其特征在于,所述附加属性信息包括以下至少一项:
可停靠的船舶类型、最大停靠载重、最大停靠吃水、最大停靠船长。
7.根据权利要求5所述的装置,其特征在于,所述在港靠泊行为确定模块具体用于:
获取全球船舶轨迹数据,并对所述全球船舶轨迹数据进行预处理;根据预处理后的数据和港口范围数据进行在港或非在港识别;对在港的数据进行在港靠泊行为识别。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述装置还包括:
泊位合并更新模块,用于根据港口对预设时间内的泊位数据进行分组;若港口泊位地理范围存在交叉面积,且交叉面积满足预设阈值,则合并泊位,并更新港口泊位地理范围。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-4中任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810813130.5A CN110750571B (zh) | 2018-07-23 | 2018-07-23 | 港口泊位数据挖掘方法、装置、设备和储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810813130.5A CN110750571B (zh) | 2018-07-23 | 2018-07-23 | 港口泊位数据挖掘方法、装置、设备和储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110750571A CN110750571A (zh) | 2020-02-04 |
CN110750571B true CN110750571B (zh) | 2023-12-29 |
Family
ID=69275134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810813130.5A Active CN110750571B (zh) | 2018-07-23 | 2018-07-23 | 港口泊位数据挖掘方法、装置、设备和储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110750571B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581314B (zh) * | 2020-04-26 | 2023-06-23 | 亿海蓝(北京)数据技术股份公司 | 基于船舶轨迹的泊位识别方法及装置 |
CN111402636A (zh) * | 2020-06-05 | 2020-07-10 | 江苏海事职业技术学院 | 一种基于大数据的船舶停靠指挥方法及*** |
CN112541591A (zh) * | 2020-11-26 | 2021-03-23 | 中远海运科技股份有限公司 | 一种泊位识别方法、平台 |
CN113822513B (zh) * | 2020-12-09 | 2022-06-24 | 清华大学 | 一种基于锚地与泊位自动识别算法的港口拥堵监测方法 |
AU2022200545A1 (en) * | 2021-01-29 | 2022-08-18 | WiseTech Global (Licensing) Pty Ltd | Vessel tracking |
CN113159429B (zh) * | 2021-04-26 | 2023-07-14 | 亿海蓝(北京)数据技术股份公司 | 泊位货种信息的获取方法和装置 |
CN113988213B (zh) * | 2021-11-12 | 2024-03-19 | 中远海运科技股份有限公司 | 一种船舶在坞修理识别方法及*** |
CN117831019A (zh) * | 2023-12-29 | 2024-04-05 | 亿海蓝(北京)数据技术股份公司 | 船舶业务数据的生成方法及***、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622913A (zh) * | 2012-04-11 | 2012-08-01 | 成都林海电子有限责任公司 | 一种船舶进港引导*** |
CN107256438A (zh) * | 2017-05-26 | 2017-10-17 | 亿海蓝(北京)数据技术股份公司 | 预测船舶港口停留时间的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110131050A1 (en) * | 2009-12-01 | 2011-06-02 | The Boeing Company | Harbor Berth Information System |
-
2018
- 2018-07-23 CN CN201810813130.5A patent/CN110750571B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622913A (zh) * | 2012-04-11 | 2012-08-01 | 成都林海电子有限责任公司 | 一种船舶进港引导*** |
CN107256438A (zh) * | 2017-05-26 | 2017-10-17 | 亿海蓝(北京)数据技术股份公司 | 预测船舶港口停留时间的方法及装置 |
Non-Patent Citations (1)
Title |
---|
利用AIS 数据连续观测港口泊位服务水平的方法;周晓怡 等;《中国水运》;第15卷(第3期);第61-64、66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110750571A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110750571B (zh) | 港口泊位数据挖掘方法、装置、设备和储存介质 | |
US11719831B2 (en) | System and method for tracking and forecasting the positions of marine vessels | |
CN112016730B (zh) | 港口泊位装卸效率挖掘方法、装置、设备和储存介质 | |
EP3349147A2 (en) | System for monitoring marine vessels using a satellite network with determination at a terrestrial station of a rendezvous between the vessels which pass within a threshold distance using the satellite data. | |
CN109658439B (zh) | 船舶压港状态识别方法、装置、设备以及存储介质 | |
EP3349202B1 (en) | System for monitoring marine vessels using a satellite network with determination at a terrestrial station of passenger lists for the vessels based on vessel identification data obtained from the satellites and passenger social media data. | |
US10178511B2 (en) | Vessel traffic management system | |
CN110069582B (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
US20220253763A1 (en) | System and method for vessel risk assessment | |
US20170276490A1 (en) | Gps-based area recognition in vehicles | |
WO2020142850A1 (en) | System and method for tracking vessels | |
Pani et al. | Prediction of late/early arrivals in container terminals-a qualitative approach | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及*** | |
Wang et al. | Impacts of COVID-19 on ship behaviours in port area: An AIS data-based pattern recognition approach | |
CN110186472B (zh) | 车辆偏航检测方法、计算机设备、存储介质及车辆*** | |
US10397747B2 (en) | Entity tracking | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
CN112991820B (zh) | 套牌船识别方法及*** | |
Millefiori et al. | Scalable and distributed sea port operational areas estimation from AIS data | |
Bonham et al. | Analysing port and shipping operations using big data | |
González-Laxe et al. | Port policy and port choice: The Spanish case | |
CN111008729A (zh) | 一种迁移预测的方法和装置 | |
Asborno et al. | Inland waterway network mapping of AIS data for freight transportation planning | |
Ifrim et al. | Data reduction techniques applied on automatic identification system data | |
CN112948423A (zh) | 船舶数据查询方法、装置及船舶公证*** |
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 |