CN114005302B - 沿海船舶空船指数生成方法及*** - Google Patents

沿海船舶空船指数生成方法及*** Download PDF

Info

Publication number
CN114005302B
CN114005302B CN202111204754.5A CN202111204754A CN114005302B CN 114005302 B CN114005302 B CN 114005302B CN 202111204754 A CN202111204754 A CN 202111204754A CN 114005302 B CN114005302 B CN 114005302B
Authority
CN
China
Prior art keywords
ship
data
empty
ships
port
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
CN202111204754.5A
Other languages
English (en)
Other versions
CN114005302A (zh
Inventor
王新波
陆旭昇
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.)
Cosco Shipping Technology Co Ltd
Original Assignee
Cosco Shipping Technology Co Ltd
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 Cosco Shipping Technology Co Ltd filed Critical Cosco Shipping Technology Co Ltd
Priority to CN202111204754.5A priority Critical patent/CN114005302B/zh
Publication of CN114005302A publication Critical patent/CN114005302A/zh
Application granted granted Critical
Publication of CN114005302B publication Critical patent/CN114005302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种沿海船舶空船指数生成方法及***，该沿海船舶空船指数生成方法及***能够计算得到出不同时间在监测区域内各监测分区的空载船舶数量和空载船舶载重吨位数据及空载船舶分布情况，并根据统计出的空载船舶数量和空载船舶载重吨位数据生成空载船舶指标数据，可便于用户根据各监测分区的空船情况，对监测分区内船舶供应情况、市场运价有一个科学的判断；此外，本申请还通过对空载船舶航行目的港以及预抵目的港时间进行预测，可以对未来一段时间内不同区域或不同港口的空载船舶情况进行预估，能够帮助沿海航运供应链各方及时发现供需不平衡的海域，及时调整船舶摆位，调整兼营船运营航线，改变造船投资策略。

Description

沿海船舶空船指数生成方法及***
技术领域
本发明涉及一种沿海船舶空船指数生成方法及***。
背景技术
近年来，航运市场呈现出低迷期长，复苏期短，复苏程度有限的特点，运力供应过剩局面长期存在，各航运公司经营压力上升，虽然2020年以来受疫情影响，航运市场呈现出较好局面，但是业内分析人士指出，此轮行情将在2021年年底至2022年年中结束，而接踵而至的是大量的运力过程和箱量过剩的局面，航运市场将再次快速回归低迷。这样跌宕起伏的市场环境对航运公司的精细化管理能力提出了更高的要求，谁能在低迷的市场环境中更好的控制运营成本将成为在竞争中致胜的关键。
船舶自动识别***AIS(Automatic identification System)是一种船舶导航设备，通过AIS使用能增强船舶间避免碰撞的措施，能加强ARPA雷达、船舶交通管理***、船舶报告的功能，能在电子海图上显示所有船舶可视化的航向、航线、航名等信息，达到改进海事通信的功能和提供一种船舶进行语音和文本通信的方法，增强了船舶的全局意识。AIS采用船舶全球唯一编码体制，即MMSI码来作为识别手段。每一船舶从开始建造到船舶使用解体，给予一个全球唯一的MMSI码。
地理信息***(Geographic Information System或Geo－Information system，GIS)。它是一种特定的十分重要的空间信息***。它是在计算机硬、软件***支持下，对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术***。
随着物联网技术的发展，动态获取船舶AIS，GIS，船舶档案数据已不是难题，然而如何利用获取船舶AIS，GIS，船舶档案数据来快速查找出目标区域的空载船舶是目前亟待解决的技术问题。
发明内容
本发明的目的是提供一种沿海船舶空船指数生成方法及***，能够快速查找出指定区域的空载船舶指标数据数量及空载船舶载重吨位数据，并生成空载船舶指标数据。
为解决上述技术问题，本发明提供一种沿海船舶空船指数生成方法及***，包括以下步骤：
S1：数据采集及数据预处理，实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
S2：筛选空载船舶，根据船舶的AIS数据筛选出监测区域内的空载船舶；
S3：预测目的港及预抵航行目的港的时间，根据船舶全生命周期动态信息预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
S4：生成空载船舶指标数据，将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据。
进一步地，所述空载船舶的筛选方法包括：
S21：从船舶的AIS数据中提取船舶的当前吃水数据、船舶设计吃水数据和船舶上一挂靠港口/泊位属性数据；
S22：根据船舶当前吃水数据和船舶设计吃水数据判断船舶是否为空载吃水、根据船舶上一挂靠港口/泊位属性数据判断船舶上一挂靠港口是否为卸货港口/泊位，当船舶的吃水数据为空载吃水或船舶上一挂靠港口/泊位为卸货港口/泊位时，则将该船舶判定为空载船舶。
进一步地，当根据船舶当前吃水数据、船舶设计吃水数据和和船舶上一挂靠港口/泊位属性数据不能判定船舶是否为空载船舶时，则获取船舶行为分析数据，然后根据船舶行为分析数据判断船舶航向，当船舶航行的航行方向为向北行或向东行时，则判定该船舶为空载船舶；否则该船舶为满载船舶。
进一步地，所述空载船舶的航行目的港预测方法包括：
S31：从所述船舶的AIS数据中获取人工填报航次目的港数据，然后利用大数据拟合算法对所述人工填报航次目的港数据进行拟合操作，将人工填报航次目的港数据和相应的港口进行对应，预测空载船舶的航行目的港；
S32：判断空载船舶的航行轨迹与当前位置到步骤S31预测出的航行目的港的航线是否一致，若空载船舶的航行轨迹与当前位置航行到目的港的航线的偏离范围超过预设范围时，则根据空载船舶的历史航行范围数据和拟合航线情况对空载船舶的航行目的港进行重新预测；
S33：定期对空载船舶航行动态进行分析，对空载船舶的航行目的港预测数据进行修正。
进一步地，所述历史航行范围数据获取方法具体包括：
S321：根据船舶的AIS数据中提取空载船舶的历史航行轨迹；
S322：根据空载船舶的历史航行轨迹得到空载船舶设计历史时间段内所有挂靠港口的经纬度数据；
S323：根据所述挂靠港口的经纬度数据确定历史航行范围数据。
进一步地，空载船舶预抵目的港的时间预测方法包括：
S34：根据预测出的目的港位置，拟合***内已有最优航线，然后根据船舶当前位置信息、剩余航行历程和船舶设计航速，计算船舶预抵目的港的时间。
进一步地，所述该方法还包括：根据GIS数据生成监测区域的电子地图，然后将所述空载船舶指标数据以及空载船舶数据嵌入所述电子地图中并予以显示。
此外，该发明还提供了一种根据上述沿海船舶空船指数生成方法生成空船指数的指数生成***，该包括数据库模块、空载船舶筛选模块、航行目的港及预抵目的港时间预测模块和指标数据生成模块：
数据库模块，用于实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
空载船舶筛选模块，用于根据船舶的AIS数据筛选出监测区域内的空载船舶；
航行目的港及预抵目的港时间预测模块，用于根据船舶全生命周期动态信息预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
指标数据生成模块，用于将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据。
进一步地，该***还包括用户筛选模块，用于根据用户输入需求筛选出指定监测分区的空载船舶指标数据或/和指定监测分区的空载船舶或/和不同船舶载重吨范围的空载船舶。
进一步地，该***还包括展示模块，用于显示监测区域内所有监测分区的空载船舶指标数据或/和用户筛选模块筛选出的数据。
本发明的有益效果为：能够计算得到出不同时间在监测区域内各监测分区的空载船舶数量和空载船舶载重吨位数据及空载船舶分布情况，并根据统计出的空载船舶数量和空载船舶载重吨位数据生成空载船舶指标数据，可便于用户根据各监测分区的空船情况，对监测分区内船舶供应情况、市场运价有一个科学的判断；此外，本申请还通过对空载船舶航行目的港以及预抵目的港时间进行预测，可以对未来一段时间内不同区域或不同港口的空载船舶情况进行预估，能够帮助沿海航运供应链各方及时发现供需不平衡的海域，及时调整船舶摆位，调整兼营船运营航线，改变造船投资策略。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明一个实施例的沿海船舶空船指数生成方法流程图；
图2为本发明一个实施例的沿海船舶空船指数生成***的原理图；
图3为本发明一个实施例的沿海船舶空船指数生成***的结构框图；
图4为本发明一个实施例的业务流程图。
具体实施方式
如图1所示的沿海船舶空船指数生成方法，该方法包括以下步骤：
S1：数据采集及数据预处理，实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
S2：筛选空载船舶，根据船舶的AIS数据筛选出监测区域内的空载船舶；
S3：预测目的港及预抵航行目的港的时间，根据船舶全生命周期动态信息预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
S4：生成空载船舶指标数据，将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据。
本申请通过计算统计得到出不同时间在监测区域内各监测分区的空载船舶数量和空载船舶载重吨位数据及空载船舶分布情况，并根据统计出的空载船舶数量和空载船舶载重吨位数据生成空载船舶指标数据，可便于用户根据各监测分区的空船情况，对监测分区内船舶供应情况、市场运价有一个科学的判断；此外，本申请还通过对空载船舶航行目的港以及预抵目的港时间进行预测，可以对未来一段时间内不同区域或不同港口的空载船舶情况进行预估，能够帮助沿海航运供应链各方及时发现供需不平衡的海域，及时调整船舶摆位，调整兼营船运营航线，改变造船投资策略。
船舶全生命周期动态信息包括但不限于：船舶英文名称，船舶名称，MMSI号，船舶类型，船旗，出发港，目的港，船舶航向，最南，最北，长江最西，IMO，呼号，船型，船舶动态，预抵/动态时间，载重吨，长，宽，设计吃水，设计航速，建造年月，管理主体，运营主体，所有权主体，经纬度，对地航速，当前吃水，AIS航行状态，AIS更新时间等。
根据航运业务习惯将沿海海区划分为九个海域(基本申请中的监测分区)，分别为：渤海湾、辽东东南沿海、山东半岛、江苏沿海、长江口、浙江沿海、福建沿海、广东沿海、北部湾及海南沿海，并根据船舶经纬度和这些区域的电子围栏数据(根据GIS数据获取)，判断船舶所处海域和历史航行范围数据。
在统计时，可根据监测区域内海域划分情况或港口群划分情况，对监测区域内的各海域和各港口群进行分别统计监测区域内的空载船舶数量、空载船舶载重吨位数据及空载船舶分布情况，以便用户能够掌握具体海域或港口群的空载船舶情况。
根据本申请的一个实施例，所述根据船舶动态数据判断监测区域内的船舶是否为空载船舶所采用的判断方法具体包括：
S21：从船舶的AIS数据中提取船舶的当前吃水数据、船舶设计吃水数据和船舶上一挂靠港口/泊位属性数据；
S22：根据船舶当前吃水数据和船舶设计吃水数据判断船舶是否为空载吃水、根据船舶上一挂靠港口/泊位属性数据判断船舶上一挂靠港口是否为卸货港口/泊位，当船舶的吃水数据为空载吃水或船舶上一挂靠港口/泊位为卸货港口/泊位时，则将该船舶判定为空载船舶。
根据本申请的一个实施例，当根据船舶当前吃水数据、船舶设计吃水数据和和船舶上一挂靠港口/泊位属性数据不能判定船舶是否为空载船舶时，则获取船舶行为分析数据，然后根据船舶行为分析数据判断船舶航向，当船舶航行的航行方向为向北行或向东行时，则判定该船舶为空载船舶；否则该船舶为满载船舶。
根据本申请的一个实施例，该方法通过航行状态目的地判断算法预测监测区域内的空载船舶的航行目的港，具体包括：
S31：从所述船舶的AIS数据中获取人工填报航次目的港数据，然后利用大数据拟合算法对所述人工填报航次目的港数据进行拟合操作，将人工填报航次目的港数据和相应的港口进行对应，预测空载船舶的航行目的港；
S32：判断空载船舶的航行轨迹与当前位置到步骤S31预测出的航行目的港的航线是否一致，若空载船舶的航行轨迹与当前位置航行到目的港的航线的偏离范围超过预设范围时，则根据空载船舶的历史航行范围数据和拟合航线情况对空载船舶的航行目的港进行重新预测；
S33：定期对空载船舶航行动态进行分析，对空载船舶的航行目的港预测数据进行修正。
通过对空载船舶的航行轨迹与当前位置到航行目的港的航线进行实时监控，并在空载船舶偏离航线时，对航行目的港进行及时修正，可提高预测结果的准确性。除上述航性目的港的预测方法外，还可以根据船舶AIS目的地数据，船舶行为分析数据，船舶位置与航线数据，综合利用大数据拟合算法，判断船舶航行目的地，并根据各目的地概率水平进行排序，显示概率第一的目的地并显示，并实时跟踪和计算各目的地概率水平。
根据本申请的一个实施例，所述历史航行范围数据获取方法具体包括：
S321：根据船舶的AIS数据中提取空载船舶的历史航行轨迹；
S322：根据空载船舶的历史航行轨迹得到空载船舶设计历史时间段内所有挂靠港口的经纬度数据；
S323：根据所述挂靠港口的经纬度数据确定历史航行范围数据。
下面结合中国沿海海域举例说明历史航行范围数据获取方法包括：
最北港口判断算法：根据船舶历史航行轨迹得到船舶历史挂靠港口清单，根据清单中港口的经纬度数据，判断船舶特定历史时期内所挂靠的最北港口。
最南港口判断算法：根据船舶历史航行轨迹得到船舶历史挂靠港口清单，根据清单中港口的经纬度数据，判断船舶特定历史时期内所挂靠的最南港口。
长江最西港口判断算法：根据船舶历史航行轨迹得到船舶历史挂靠的长江中港口的清单，根据清单中港口的经纬度数据，判断船舶特定历史时期内所挂靠的长江内最西的港口。
根据本申请的一个实施例，该方法通过预抵时间算法预测空载船舶预抵目的港的时间，具体包括：
S34：根据预测出的目的港位置，拟合***内已有最优航线，然后根据船舶当前位置信息、剩余航行历程s和船舶设计航速v，计算船舶预抵目的港的时间t＝s/v。
根据本申请的一个实施例，所述该方法还包括：根据GIS数据生成监测区域的电子地图，然后将所述空载船舶指标数据以及空载船舶数据嵌入所述电子地图中并予以显示。本申请通过将空船指标数据以及空船指标数据对应的空载船舶的船舶全生命周期动态信息嵌入电子地图中，可使用户在地图上直观地看出各区域空载船舶数量以及空载船舶吨位。
如图2所示，本申请还公开了一种根据上述沿海船舶空船指数生成方法生成空船指数的指数生成***，该包括数据库模块、空载船舶筛选模块、航行目的港及预抵目的港时间预测模块和指标数据生成模块：
数据库模块，用于实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
空载船舶筛选模块，用于根据船舶的AIS数据筛选出监测区域内的空载船舶；
航行目的港及预抵目的港时间预测模块，用于根据船舶全生命周期动态信息预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
指标数据生成模块，用于将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据，为了能够直观地展示指标函数，可将得到的指标数据绘制成K线图。
根据本申请的一个实施例，该***还包括用户筛选模块，用于根据用户输入需求筛选出指定监测分区的空载船舶指标数据或/和指定监测分区的空载船舶或/和不同船舶载重吨范围的空载船舶。用户可根据需求通过用户筛选模块筛选出所需的空载船舶数据。
根据本申请的一个实施例，该***还包括展示模块，用于显示监测区域内所有监测分区的空载船舶指标数据或/和用户筛选模块筛选出的数据。如图3所示，该展示模块包括地图展现，列表展现两种形式。
地图展现显示监测区域及监测区域内划分的各海域(如：渤海湾，辽宁东南沿海，山东半岛，江苏沿海，长江口，浙江沿海，福建沿海，广东沿海，北部湾及南海沿海)，显示沿海各区域干散货空船艘数统计柱状图，显示沿海各区域干散货空船吨位柱状图。
列表展示包括当前空船艘次，当前空船锚泊艘次，当前空船航行艘次，当前空船吨位，当前空船锚泊吨位，当前空船航行吨位等统计数据。同时，用户可根据区域，船型，出发港，目的港，最南港口，最北港口，长江最西港口，状态，航向等对空船清单进行筛选。
如图4所示，用户可根据以下方法从上述沿海船舶空船指数生成***获取数据：
登录***：用户通过绑定的微信账号扫码登录***。
列表显示：用户通过点击“列表”按钮，切换列表显示模式。
数据筛选：用户可通过海域，吨位，出发港，目的港，最南港口，最北港口，长江最西港口，船舶状态，船舶航向等进行列表数据筛选。
导出数据：用户点击“导出”按钮，可将筛选后的数据导出成为excel文件。
图表分析：用户点击“图表分析”按钮，可切换至K线图模式，包括空船总数据，辽宁东南沿海，山东半岛，江苏沿海，长江口，浙江沿海，福建沿海，广东沿海，北部湾及南海沿海各海域的K线图，用户拖动图表下方的操作手柄，可改变数据展示范围。
日、月、年线切换：用户点击K线图右上角“日月年”按钮，可在日线，月线和年线中进行切换显示。
艘次/吨位切换：用户点击页面上方统计选择框中的当前统计按钮，可在艘次和吨位间进行切换。
地图显示：用户通过点击“地图”按钮，切换地图显示模式。
切换海域列表显示：用户点击对应海域，可切换至对应海域的列表显示模式。
综上，本发明提出的基于AIS，GIS的沿海运输船舶空船指数及***，是利用船舶当前及历史的AIS，GIS，港口档案数据，结合空载船舶预测、定位与监控算法，实现实时、快速、准确的定位沿海船舶，并按照所在区域形成相应的指数数据，帮助船东，货主了解市场空载船舶分布情况，做出符合自己商业逻辑的判断，并据此安排生产活动，提升行业整体资源利用效率，降低资源浪费和碳排放水平。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种沿海船舶空船指数生成方法，其特征在于，包括以下步骤：
S1：数据采集及数据预处理，实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
S2：筛选空载船舶，根据船舶的AIS数据筛选出监测区域内的空载船舶；
S3：预测目的港及预抵航行目的港的时间，根据船舶全生命周期动态信息中的目的港数据、当前位置数据、航行轨迹数据和历史航行轨迹数据预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
S4：生成空载船舶指标数据，将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据。
2.根据权利要求1所述的沿海船舶空船指数生成方法，其特征在于，所述空载船舶的筛选方法包括：
S21：从船舶的AIS数据中提取船舶的当前吃水数据、船舶设计吃水数据和船舶上一挂靠港口/泊位属性数据；
S22：根据船舶当前吃水数据和船舶设计吃水数据判断船舶是否为空载吃水、根据船舶上一挂靠港口/泊位属性数据判断船舶上一挂靠港口是否为卸货港口/泊位，当船舶的吃水数据为空载吃水或船舶上一挂靠港口/泊位为卸货港口/泊位时，则将该船舶判定为空载船舶。
3.根据权利要求2所述的沿海船舶空船指数生成方法，其特征在于，当根据船舶当前吃水数据、船舶设计吃水数据和和船舶上一挂靠港口/泊位属性数据不能判定船舶是否为空载船舶时，则获取船舶行为分析数据，然后根据船舶行为分析数据判断船舶航向，当船舶航行的航行方向为向北行或向东行时，则判定该船舶为空载船舶；否则该船舶为满载船舶。
4.根据权利要求1所述的沿海船舶空船指数生成方法，其特征在于，所述空载船舶的航行目的港预测方法包括：
S31：从所述船舶的AIS数据中获取人工填报航次目的港数据，然后利用大数据拟合算法对所述人工填报航次目的港数据进行拟合操作，将人工填报航次目的港数据和相应的港口进行对应，预测空载船舶的航行目的港；
S32：判断空载船舶的航行轨迹与当前位置到步骤S31预测出的航行目的港的航线是否一致，若空载船舶的航行轨迹与当前位置航行到目的港的航线的偏离范围超过预设范围时，则根据空载船舶的历史航行范围数据和拟合航线情况对空载船舶的航行目的港进行重新预测；
S33：定期对空载船舶航行动态进行分析，对空载船舶的航行目的港预测数据进行修正。
5.根据权利要求4所述的沿海船舶空船指数生成方法，其特征在于，所述历史航行范围数据获取方法具体包括：
S321：根据船舶的AIS数据中提取空载船舶的历史航行轨迹；
S322：根据空载船舶的历史航行轨迹得到空载船舶设计历史时间段内所有挂靠港口的经纬度数据；
S323：根据所述挂靠港口的经纬度数据确定历史航行范围数据。
6.根据权利要求4或5所述的沿海船舶空船指数生成方法，其特征在于，空载船舶预抵目的港的时间预测方法包括：
S34：根据预测出的目的港位置，拟合***内已有最优航线，然后根据船舶当前位置信息、剩余航行历程和船舶设计航速，计算船舶预抵目的港的时间。
7.根据权利要求1所述的沿海船舶空船指数生成方法，其特征在于，所述该方法还包括：根据GIS数据生成监测区域的电子地图，然后将所述空载船舶指标数据以及空载船舶指标数据对应空置船舶的船舶全生命周期动态信息嵌入所述电子地图中并予以显示。
8.一种根据权利要求1-7任一所述的沿海船舶空船指数生成方法生成空船指数的指数生成***，其特征在于，包括
数据库模块，用于实时采集监测区域的GIS数据、船舶的AIS数据和港口档案数据，并根据所述GIS数据、AIS数据和港口档案数据进行大数据实时处理得到船舶全生命周期动态信息；
空载船舶筛选模块，用于根据船舶的AIS数据筛选出监测区域内的空载船舶；
航行目的港及预抵目的港时间预测模块，用于根据船舶全生命周期动态信息预测监测区域内的空载船舶的航行目的港及空载船舶预抵航行目的港的时间；
指标数据生成模块，用于将监测区域划分为若干监测分区，根据空载船舶的航行目的港及预抵航行目的港的时间统计各监测分区内在不同时间的空船数量，并根据空船数量及船舶的AIS数据计算各监测分区的空载船舶载重吨位数据；然后根据不同监测分区在不同时间的空载船舶数量及空载船舶载重吨位数据生成空载船舶指标数据。
9.根据权利要求8所述的生成空船指数的指数生成***，其特征在于，该***还包括用户筛选模块，用于根据用户输入需求筛选出指定监测分区的空载船舶指标数据或/和指定监测分区的空载船舶或/和不同船舶载重吨范围的空载船舶。
10.根据权利要求9所述的生成空船指数的指数生成***，其特征在于，该***还包括展示模块，用于显示监测区域内所有监测分区的空载船舶指标数据或/和用户筛选模块筛选出的数据。
CN202111204754.5A 2021-10-15 2021-10-15 沿海船舶空船指数生成方法及*** Active CN114005302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111204754.5A CN114005302B (zh) 2021-10-15 2021-10-15 沿海船舶空船指数生成方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111204754.5A CN114005302B (zh) 2021-10-15 2021-10-15 沿海船舶空船指数生成方法及***

Publications (2)

Publication Number Publication Date
CN114005302A CN114005302A (zh) 2022-02-01
CN114005302B true CN114005302B (zh) 2023-07-07

Family

ID=79923087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111204754.5A Active CN114005302B (zh) 2021-10-15 2021-10-15 沿海船舶空船指数生成方法及***

Country Status (1)

Country Link
CN (1) CN114005302B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3882025B1 (ja) * 2006-06-30 2007-02-14 国土交通省国土技術政策総合研究所長 広域用船舶動静監視方法及びシステム
AU2020102354A4 (en) * 2020-09-21 2020-10-29 Tianjin Research Institute For Water Transport Engineering.M.O.T. Morning and early warning method for coastal port ship operation conditions
CN112862321A (zh) * 2021-02-08 2021-05-28 国家海洋信息中心 一种基于ais大数据的海运统计***及其统计方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010093605A (ja) * 2008-10-09 2010-04-22 Sanyo Electric Co Ltd 操縦支援装置
JP5728881B2 (ja) * 2010-10-20 2015-06-03 Ｊｆｅスチール株式会社 輸送計画作成方法および輸送計画作成装置
CN102005135A (zh) * 2010-12-09 2011-04-06 上海海事大学 基于遗传算法优化的支持向量回归船舶交通流量预测方法
CN102306352A (zh) * 2011-08-31 2012-01-04 上海海事大学 一种船舶调配方案自动化生成方法
US10200113B2 (en) * 2017-01-17 2019-02-05 Harris Corporation System for monitoring marine vessels providing expected passenger determination features and related methods
CN109817023B (zh) * 2019-03-06 2021-05-07 国网福建省电力有限公司莆田供电公司 一种海缆水域ais目标检测方法
CN110503252B (zh) * 2019-08-11 2022-12-09 安徽港航大数据服务有限公司 基于运力需求分布的航运调度***和方法
CN110909927A (zh) * 2019-11-18 2020-03-24 江苏物润船联网络股份有限公司 一种目的港口的预测方法
CN112562415B (zh) * 2020-11-26 2022-05-20 中远海运科技股份有限公司 船舶航线推荐方法
CN112650237B (zh) * 2020-12-21 2021-12-28 武汉理工大学 基于聚类处理和人工势场的船舶路径规划方法和装置
CN112991819B (zh) * 2021-02-04 2022-04-12 上海海事大学 一种基于水上交通宏观基本图的航道服务水平评价方法
CN113298463A (zh) * 2021-05-08 2021-08-24 中国外运股份有限公司 船舶航行准点率的计算方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3882025B1 (ja) * 2006-06-30 2007-02-14 国土交通省国土技術政策総合研究所長 広域用船舶動静監視方法及びシステム
AU2020102354A4 (en) * 2020-09-21 2020-10-29 Tianjin Research Institute For Water Transport Engineering.M.O.T. Morning and early warning method for coastal port ship operation conditions
CN112862321A (zh) * 2021-02-08 2021-05-28 国家海洋信息中心 一种基于ais大数据的海运统计***及其统计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于AIS数据的预抵船舶联系信息查询***;申慧超;胡勤友;杨春;;上海海事大学学报(第04期);全文 *

Also Published As

Publication number Publication date
CN114005302A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
Chen et al. Container port performance measurement and comparison leveraging ship GPS traces and maritime open data
Huang et al. Dynamic calculation of ship exhaust emissions based on real-time AIS data
CN112862321B (zh) 一种基于ais大数据的海运统计***及其统计方法
CN108038672B (zh) 船港货一体化信息服务***
Xiao et al. Maritime traffic probabilistic forecasting based on vessels’ waterway patterns and motion behaviors
CN112562415B (zh) 船舶航线推荐方法
CN107358048A (zh) 一种基于ais数据的高精度船舶污染物排放量计算方法
CN111091226B (zh) 一种基于实际航运业务和数据挖掘的运力预测方法
CN112381406A (zh) 一种基于船岸协同的船舶能效管理大数据***及方法
CN114037230B (zh) 一种快速精准识别预计空载船舶信息的方法及***
CN105653826A (zh) 一种改进的海上搜救区域预测方法及***
KR101997030B1 (ko) 선박 최적 항로 추론 장치
CN115660137B (zh) 一种船舶风浪航行能耗精准估算方法
Štepec et al. Machine learning based system for vessel turnaround time prediction
CN116739502A (zh) 一种基于大数据与深度学习的海洋综合监测方法
CN111855942A (zh) 一种基于3s技术的船舶与海洋溢油污染的监测***
FI127931B (fi) Navigoinnin analyysilaite, navigoinnin analyysimenetelmä, ohjelma, ja tallennusväline
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
Cristea et al. Operational shipping intelligence through distributed cloud computing
CN106372750A (zh) 一种航行管理方法及***
CN116597693A (zh) 一种内河航运监控***及方法
CN111581927A (zh) 海洋经济运行监测与预警***及计算机设备
CN114005302B (zh) 沿海船舶空船指数生成方法及***
CN113837692A (zh) 一种港口作业场地车辆智能调度决策方法及其决策***
CN114462839A (zh) 港口运行效率实时分析方法及***

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