CN115577868A - 在途船舶的目的港预测方法、装置、可读存储介质和船舶 - Google Patents

Abstract

本发明提供了一种在途船舶的目的港预测方法、装置、可读存储介质和船舶，涉及船舶技术领域。在途船舶的目的港预测方法包括：获取船舶的历史航次数据；基于历史航次数据构建地理网格模型；获取在途船舶处于地理网格模型中的具体网格位置；基于具体网格位置预测出在途船舶的目的港。根据本发明提供的在途船舶的目的港预测方法，通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

Description

在途船舶的目的港预测方法、装置、可读存储介质和船舶

技术领域

本发明涉及船舶技术领域，具体而言，涉及一种在途船舶的目的港预测方法、装置、可读存储介质和船舶。

背景技术

目前，由于人为等因素导致在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，这样就无法掌握海上每一票自始发地发运而来的货物的目的地是哪里，难以进行贸易数据核算。

因此，如何提出一种能够预测出在途船舶的目的港的在途船舶的目的港预测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现有技术或相关技术中在途船舶的目的港无法预测的问题。

因此，本发明的第一个目的在于提供了一种在途船舶的目的港预测方法。

本发明的第二个目的在于提供了一种在途船舶的目的港预测装置。

本发明的第三个目的在于提供了一种在途船舶的目的港预测装置。

本发明的第四个目的在于提供了一种可读存储介质。

本发明的第五个目的在于提供了一种船舶。

本发明第一方面的技术方案提供了一种在途船舶的目的港预测方法，包括：获取船舶的历史航次数据；基于历史航次数据构建地理网格模型；获取在途船舶处于地理网格模型中的具体网格位置；基于具体网格位置预测出在途船舶的目的港。

根据本发明提供的在途船舶的目的港预测方法，通过根据船舶的历史航次数据构建地理网格模型，通过网格和该网格的航线的目的港预先遍历完成整体的航路规划，将其存储到数据库中，从而可以根据在途船舶处于地理网格模型中的具***置预测出在途船舶的目的港。其中，之所以根据地理网格模型能够确定出在途船舶的目的港，是由于地理网格模型中包含有全球的历史航次等数据，如航线信息等，这样就可以通过判断出在途船舶所处的网格内有哪些航线，基于该网格内同类型船舶、同尺寸船舶的始发港相同的情况，以及在途船舶的航首向，来给定一个目的地，然后根据该航线的下一个目的港都有哪些，从而预测出在途船舶的目的港。每个网格内存储有的航线也是比较少的，并且通过位置提升短时可以实现上亿级别的数据压缩，这种压缩方法能够将海量的AIS数据用相对较少的位置来进行代替，也就是网格中的关键点信息，进而使得目的港判断的更加快捷准确。通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS（Automatic Identification System ，船舶自动识别***）中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生，提取船舶的目的地，对于掌握未来港口供应端数据是有极大帮助的。

进一步地，地理网格模型可以根据经纬度进行划分，例如，一个网格的经纬度分别为以0.2度为单位进行划分，也即，这里的网格被划分为0.2度×0.2度网格，相当于12海里×12海里的网格大小，一个网格的长宽为分别为0.2度（大约为12海里），这样能够更加准确的预测出目的港，其中，12海里约为船舶在大洋航行1小时的距离。

进一步地，基于具体网格位置预测出在途船舶的目的港，具体包括：基于具体网格位置判断在途船舶的AIS的目的港是否为可识别的港口名称；根据识别结果确定出在途船舶的目的港。

在该技术方案中，在船舶进入每一个网格时，会判断在途船舶的AIS的目的港是否为可识别的港口名称，从而根据识别结果确定出在途船舶的目的港。具体地，由于地理网格模型中包含有全球的历史航次等数据，每一个网格中包含有具体的历史航次等数据信息，如航线信息等，这样就可以通过判断出在途船舶的AIS的目的港是否可识别，从而根据识别的结果与始发港进行对比，或根据识别的结果从网格内获取到下一目的港的信息，以预测出在途船舶的目的港。

进一步地，根据识别结果确定出在途船舶的目的港，具体包括：在AIS的目的港为不可识别的港口名称的情况下，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港确定出在途船舶的目的港。

在该技术方案中，当船舶进入一个网格后，如果判断AIS的目的港为不可识别的港口名称的情况下，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港，进而实现船舶目的港的预测。其中，AIS的目的港为不可识别的港口名称和AIS的目的港与始发港相同的情况是一样的，都是需要基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港。

另外，本申请提供的在途船舶的目的港预测方法还可以具有如下附加技术特征：

在上述技术方案中，根据识别结果确定出在途船舶的目的港，具体包括：在AIS的目的港为可识别的港口名称的情况下，判断AIS的目的港是否与在途船舶的始发港相同；在AIS的目的港与始发港不相同的情况下，将AIS的目的港确定为在途船舶的目的港。

在该技术方案中，当船舶进入一个网格时，判断出AIS的目的港为可识别的港口名称的情况下，判断AIS的目的港是否与在途船舶的始发港相同，在AIS的目的港与始发港不相同的情况下，将AIS的目的港确定为在途船舶的目的港，这样可以避免在途船舶将始发港确定为目的港，造成船舶又航行回始发港的问题。

在上述技术方案中，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港确定出在途船舶的目的港，具体包括：将在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港与具体网格位置处存储的数据进行验证，以确定出至少一个目的港；判断确定出的目的港的数量，在目的港的数量为多个的情况下，判断在途船舶的船首向与多个目的港的连线夹角；基于夹角的大小确定出目的港。

在该技术方案中，当基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港时，会判断在途船舶类型、在途船型大小和始发港是否与所处网格内存储的数据相同，这样在每个网格内可能会得到多个目的港供选择，此时，会判断当前在途船舶的船首向与多个目的港的连线夹角，然后从中选取夹角最小的港口作为目的港来进行赋值。

在上述技术方案中，船舶的历史航次数据包括：始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。

在该技术方案中，船舶的历史航次数据包括：始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。其中，船舶的AIS轨迹数据包括实时船位数据和船首向等数据。通过上述数据来构建地理网格模型，可以更加准确地确定出在途船舶的目的港是哪里，从而更加精准的实现目的地的预测。其中，上述数据包括历史数据和当前的数据，这样构建出的地理网格模型也更加的准确完整。

在上述技术方案中，基于历史航次数据构建地理网格模型，具体包括：获取历史航次数据中船舶的AIS轨迹数据，使用道格拉斯-普克算法对AIS轨迹数据进行抽稀；基于抽稀后的AIS轨迹数据，对AIS静态信息的数据进行核验，以实现对无效数据的清洗，形成航线的AIS静态信息；基于航线的AIS静态信息构建地理网格模型。

在该技术方案中，具体可以通过获取历史航次数据中船舶的AIS轨迹数据，使用道格拉斯-普克算法对AIS轨迹数据进行抽稀，基于抽稀后的AIS轨迹数据，对AIS静态信息的数据进行核验，以实现对无效数据的清洗，形成航线的AIS静态信息，基于航线的AIS静态信息构建地理网格模型。可以理解的是，由于历史航次数据中船舶的AIS轨迹数据是比较杂乱的，有些数据是不需要的，因此需要过滤出我们需要的AIS静态信息以构建出较为准确的地理网格模型。

本发明第二方面的技术方案提供了一种在途船舶的目的港预测装置，包括：第一获取模块，用于获取船舶的历史航次数据；构建模块，用于基于历史航次数据构建地理网格模型；第二获取模块，用于获取在途船舶处于地理网格模型中的具体网格位置；预测模块，用于基于具体网格位置预测出在途船舶的目的港，其中，预测模块具体用于基于具体网格位置判断在途船舶的AIS的目的港是否为可识别的港口名称，根据识别结果确定出在途船舶的目的港，在AIS的目的港为不可识别的港口名称的情况下，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港确定出在途船舶的目的港；预测模块还具体用于将在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港与具体网格位置处存储的数据进行验证，以确定出至少一个目的港，判断确定出的目的港的数量，在目的港的数量为多个的情况下，判断在途船舶的船首向与多个目的港的连线夹角，基于夹角的大小确定出目的港。

根据本发明提供的在途船舶的目的港预测装置，包括第一获取模块、构建模块、第二获取模块和预测模块。第一获取模块能够获取船舶的历史航次数据。构建模块能够基于历史航次数据构建地理网格模型。第二获取模块能够获取在途船舶处于地理网格模型中的具体网格位置。预测模块能够基于具体网格位置预测出在途船舶的目的港。本申请的在途船舶的目的港预测装置通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

本发明第三方面的技术方案提供了一种在途船舶的目的港预测装置，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在途船舶的目的港预测方法的步骤。

根据本发明提供的在途船舶的目的港预测装置，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在途船舶的目的港预测方法的步骤。由于该在途船舶的目的港预测装置能够实现如第一方面任一项技术方案中的在途船舶的目的港预测方法的步骤。因此，本发明提供的在途船舶的目的港预测装置还具有第一方面任一项技术方案中的在途船舶的目的港预测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在途船舶的目的港预测方法的步骤。

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在途船舶的目的港预测方法的步骤。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在途船舶的目的港预测方法的步骤。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在途船舶的目的港预测方法的全部有益效果，在此不再赘述。

本发明第五方面的技术方案提供了一种船舶，用于实现如第一方面任一项技术方案中的在途船舶的目的港预测方法的步骤。

根据本发明提供的船舶，能够实现如第一方面任一项技术方案中的在途船舶的目的港预测方法的步骤。由于该船舶是用于实现如第一方面任一项技术方案中的在途船舶的目的港预测方法的步骤。因此，本发明提供的船舶还具有第一方面任一项技术方案中的在途船舶的目的港预测方法的步骤的全部有益效果，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是根据本发明的第一个实施例的在途船舶的目的港预测方法的流程示意图；

图2是根据本发明的第二个实施例的在途船舶的目的港预测方法的流程示意图；

图3是根据本发明的第三个实施例的在途船舶的目的港预测方法的流程示意图；

图4是根据本发明的第四个实施例的在途船舶的目的港预测方法的流程示意图；

图5是根据本发明的一个实施例的在途船舶的目的港预测装置的方框示意图；

图6是根据本发明的另一个实施例的在途船舶的目的港预测装置的方框示意图。

其中，图5和图6中的附图标记与部件名称之间的对应关系为：

1在途船舶的目的港预测装置，12第一获取模块，14构建模块，16第二获取模块，***模块，2在途船舶的目的港预测装置，22存储器，24处理器。

具体实施方式

在根据本申请的一个实施例中，如图1所示，提供了一种在途船舶的目的港预测方法，包括：

S102，获取船舶的历史航次数据。

S104，基于历史航次数据构建地理网格模型。

S106，获取在途船舶处于地理网格模型中的具体网格位置。

S108，基于具体网格位置预测出在途船舶的目的港。

根据本发明提供的在途船舶的目的港预测方法，通过根据船舶的历史航次数据构建地理网格模型，从而可以根据在途船舶处于地理网格模型中的具***置预测出在途船舶的目的港。其中，之所以根据地理网格模型能够确定出在途船舶的目的港，是由于地理网格模型中包含有全球的历史航次等数据，如航线信息等，这样就可以通过判断出在途船舶所处的网格内有哪些航线，在途船舶接近哪一个航线，然后根据该航线的下一个目的港都有哪些，从而预测出在途船舶的目的港。这里的网格被划分的都比较小，因此，每个网格内存储有的航线也是比较少的，这样能够使得目的港判断的更加快捷准确。通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS（Automatic Identification System ，船舶自动识别***）中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

进一步地，地理网格模型可以根据经纬度进行划分，例如，一个网格的经纬度分别为以0.2度为单位进行划分，也即，一个网格的长宽为分别为0.2度（大约为12海里），这样能够更加准确的预测出目的港。

在根据本申请的第二个实施例中，如图2所示，提供了一种在途船舶的目的港预测方法，包括：

S202，获取船舶的历史航次数据。

S204，基于历史航次数据构建地理网格模型。

S206，获取在途船舶处于地理网格模型中的具体网格位置。

S208，基于具体网格位置判断在途船舶的AIS的目的港是否为可识别的港口名称。

S210，根据识别结果确定出在途船舶的目的港。

根据本发明提供的在途船舶的目的港预测方法，通过根据船舶的历史航次数据构建地理网格模型，在船舶进入每一个地理网格模型的网格时，会判断在途船舶的AIS的目的港是否为可识别的港口名称，从而根据识别结果确定出在途船舶的目的港。其中，之所以根据地理网格模型能够确定出在途船舶的目的港，是由于地理网格模型中包含有全球的历史航次等数据，如航线信息等，这样就可以通过判断出在途船舶所处的网格内有哪些航线，在途船舶接近哪一个航线，然后根据该航线的下一个目的港都有哪些，从而预测出在途船舶的目的港。这里的网格被划分的都比较小，因此，每个网格内存储有的航线也是比较少的，这样能够使得目的港判断的更加快捷准确。通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

在根据本申请的第三个实施例中，如图3所示，提供了一种在途船舶的目的港预测方法，包括：

S302，获取船舶的历史航次数据。

S304，基于历史航次数据构建地理网格模型。

S306，获取在途船舶处于地理网格模型中的具体网格位置。

S308，基于具体网格位置判断在途船舶的AIS的目的港是否为可识别的港口名称。

S310，在AIS的目的港为不可识别的港口名称的情况下，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港确定出在途船舶的目的港。

根据本发明提供的在途船舶的目的港预测方法，通过根据船舶的历史航次数据构建地理网格模型，当船舶进入一个网格后，如果判断AIS的目的港为不可识别的港口名称的情况下，基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港，进而实现船舶目的港的预测。其中，之所以根据地理网格模型能够确定出在途船舶的目的港，是由于地理网格模型中包含有全球的历史航次等数据，如航线信息等，这样就可以通过判断出在途船舶所处的网格内有哪些航线，在途船舶接近哪一个航线，然后根据该航线的下一个目的港都有哪些，从而预测出在途船舶的目的港。这里的网格被划分的都比较小，因此，每个网格内存储有的航线也是比较少的，这样能够使得目的港判断的更加快捷准确。通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

其中，AIS的目的港为不可识别的港口名称和AIS的目的港与始发港相同的情况是一样的，都是需要基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港。

进一步地，当基于在途船舶的具体网格位置、在途船舶的船舶类型、在途船舶的船型大小以及在途船舶的始发港等信息确定出在途船舶的目的港时，会判断在途船舶类型、在途船型大小和始发港是否与所处网格内存储的数据相同，这样在每个网格内可能会得到多个目的港供选择，此时，会判断当前在途船舶的船首向与多个目的港的连线夹角，将会选取夹角最小的港口作为目的港来进行赋值。

在根据本申请的第四个实施例中，如图4所示，提供了一种在途船舶的目的港预测方法，包括：

S402，获取船舶的历史航次数据，并基于船舶的历史航次数据，拆分聚合成长和宽分别为12海里的网格数据，网格数据中心存储有始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。

S404，判断船舶的AIS中的目的港是否为可识别港口，若是，执行S406，若否，执行S408。

S406，判断AIS中的目的港是否与始发港相同，若是，执行S408，若否，执行S410。

S408，基于当前船舶的船舶类型数据、船舶离港时间数据、船舶到港时间数据、船型的大小和船舶的出发港情况，进行船舶目的地赋值。

S410，使用AIS中的目的港进行赋值。

根据本发明提供的在途船舶的目的港预测方法，通过获取船舶的历史航次数据，并基于船舶的历史航次数据，拆分聚合成长和宽分别为12海里的网格数据，判断船舶的AIS中的目的港是否为可识别港口，以及判断AIS中的目的港是否与始发港相同，然后基于当前船舶的船舶类型数据、船舶离港时间数据、船舶到港时间数据、船型的大小和船舶的出发港情况，进行船舶目的地赋值或使用AIS中的目的港进行赋值，进而确定出目的港。也即，当船舶进入一个网格后，如果判断AIS的目的港为不可识别的港口名称的情况下，基于当前船舶的船舶类型数据、船舶离港时间数据、船舶到港时间数据、船型的大小和船舶的出发港情况确定出在途船舶的目的港，进而实现船舶目的港的预测。当船舶进入一个网格时，判断出AIS的目的港为可识别的港口名称的情况下，判断AIS的目的港是否与在途船舶的始发港相同，在AIS的目的港与始发港不相同的情况下，将AIS的目的港确定为在途船舶的目的港，这样可以避免在途船舶将始发港确定为目的港，造成船舶又航行回始发港的问题。其中，网格数据中心存储有始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

在上述任一实施例中，根据识别结果确定出在途船舶的目的港，具体包括：在AIS的目的港为可识别的港口名称的情况下，判断AIS的目的港是否与在途船舶的始发港相同；在AIS的目的港与始发港不相同的情况下，将AIS的目的港确定为在途船舶的目的港。

在该些实施例中，当船舶进入一个网格时，判断出AIS的目的港为可识别的港口名称的情况下，判断AIS的目的港是否与在途船舶的始发港相同，在AIS的目的港与始发港不相同的情况下，将AIS的目的港确定为在途船舶的目的港，这样可以避免在途船舶将始发港确定为目的港，造成船舶又航行回始发港的问题。

在上述任一实施例中，船舶的历史航次数据包括：始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。

在该些实施例中，船舶的历史航次数据包括：始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、船舶的AIS轨迹数据、船舶类型数据和船型大小数据。通过上述数据来构建地理网格模型，可以更加准确地确定出在途船舶的目的港是哪里，从而更加精准的实现目的地的预测。其中，上述数据包括历史数据和当前的数据，这样构建出的地理网格模型也更加的准确完整。

在上述任一实施例中，基于历史航次数据构建地理网格模型，具体包括：获取历史航次数据中船舶的AIS轨迹数据，使用道格拉斯-普克算法对AIS轨迹数据进行抽稀；基于抽稀后的AIS轨迹数据，对AIS静态信息的数据进行核验，以实现对无效数据的清洗，形成航线的AIS静态信息；基于航线的AIS静态信息构建地理网格模型。

在该些实施例中，具体可以通过获取历史航次数据中船舶的AIS轨迹数据，使用道格拉斯-普克算法对AIS轨迹数据进行抽稀，基于抽稀后的AIS轨迹数据，对AIS静态信息的数据进行核验，以实现对无效数据的清洗，形成航线的AIS静态信息，基于航线的AIS静态信息构建地理网格模型。可以理解的是，由于历史航次数据中船舶的AIS轨迹数据是比较杂乱的，有些数据是不需要的，因此需要过滤出我们需要的AIS静态信息以构建出较为准确的地理网格模型。具体可以对在不同网格内的AIS航程信息、AIS静态信息和AIS动态信息进行聚类处理，最终得到船舶在每一个网格内的AIS静态信息，进而为船舶目的港后续的判断提供输入参数。

如图5所示，本发明第二方面的实施例提供了一种在途船舶的目的港预测装置1，包括：第一获取模块12，用于获取船舶的历史航次数据；构建模块14，用于基于历史航次数据构建地理网格模型；第二获取模块16，用于获取在途船舶处于地理网格模型中的具体网格位置；预测模块18，基于具体网格位置预测出在途船舶的目的港。

根据本发明提供的在途船舶的目的港预测装置1，包括第一获取模块12、构建模块14、第二获取模块16和预测模块18。第一获取模块12能够获取船舶的历史航次数据。构建模块14能够基于历史航次数据构建地理网格模型。第二获取模块16能够获取在途船舶处于地理网格模型中的具体网格位置。预测模块18能够基于具体网格位置预测出在途船舶的目的港。本申请的在途船舶的目的港预测装置1通过建立地理网格模型来确定出在途船舶的目的港，能够避免人为等因素导致的在海上行驶的船舶AIS中的目的港信息不正确，无法获知在途船舶的具体目的港是哪里，无法掌握海上每一票自始发地发运而来的货物的目的港是哪里，难以进行贸易数据核算等问题发生。

如图6所示，本发明第三方面的实施例提供了一种在途船舶的目的港预测装置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在途船舶的目的港预测方法的步骤。

根据本发明提供的在途船舶的目的港预测装置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在途船舶的目的港预测方法的步骤。由于该在途船舶的目的港预测装置2能够实现如第一方面任一项实施例中的在途船舶的目的港预测方法的步骤。因此，本发明提供的在途船舶的目的港预测装置2还具有第一方面任一项实施例中的在途船舶的目的港预测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在途船舶的目的港预测方法的步骤。

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在途船舶的目的港预测方法的步骤。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在途船舶的目的港预测方法的步骤。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在途船舶的目的港预测方法的全部有益效果，在此不再赘述。

本发明第五方面的实施例提供了一种船舶，用于实现如第一方面任一项实施例中的在途船舶的目的港预测方法的步骤。

根据本发明提供的船舶，能够实现如第一方面任一项实施例中的在途船舶的目的港预测方法的步骤。由于该船舶是用于实现如第一方面任一项实施例中的在途船舶的目的港预测方法的步骤。因此，本发明提供的船舶还具有第一方面任一项实施例中的在途船舶的目的港预测方法的步骤的全部有益效果，在此不再赘述。

以上仅为本申请的优选实施例而已，对于本领域的技术人员来说，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，均应包含在本申请的保护范围之内。

Claims (10)

1.一种在途船舶的目的港预测方法，其特征在于，包括：

获取船舶的历史航次数据；

基于所述历史航次数据构建地理网格模型；

获取所述在途船舶处于所述地理网格模型中的具体网格位置；

基于所述具体网格位置预测出所述在途船舶的目的港，具体包括：

基于所述具体网格位置判断所述在途船舶的AIS的目的港是否为可识别的港口名称，根据识别结果确定出所述在途船舶的目的港，具体包括：

在所述AIS的目的港为不可识别的港口名称的情况下，基于所述在途船舶的具体网格位置、所述在途船舶的船舶类型、所述在途船舶的船型大小以及所述在途船舶的始发港确定出所述在途船舶的目的港，具体包括：

将所述在途船舶的船舶类型、所述在途船舶的船型大小以及所述在途船舶的始发港与所述具体网格位置处存储的数据进行验证，以确定出至少一个所述目的港，判断确定出的所述目的港的数量，在所述目的港的数量为多个的情况下，判断所述在途船舶的船首向与多个所述目的港的连线夹角，基于所述夹角的大小确定出所述目的港。

2.根据权利要求1所述的在途船舶的目的港预测方法，其特征在于，所述根据识别结果确定出所述在途船舶的目的港，具体还包括：

在所述AIS的目的港为可识别的港口名称的情况下，判断所述AIS的目的港是否与所述在途船舶的始发港相同；

在所述AIS的目的港与所述始发港不相同的情况下，将所述AIS的目的港确定为所述在途船舶的目的港。

3.根据权利要求1所述的在途船舶的目的港预测方法，其特征在于，所述船舶的历史航次数据包括：

始发港数据、目的港数据、船舶载重吨数据、船舶离港时间数据、船舶到港时间数据、所述船舶的AIS轨迹数据、船舶类型数据和船型大小数据。

4.根据权利要求1所述的在途船舶的目的港预测方法，其特征在于，所述基于所述历史航次数据构建地理网格模型，具体包括：

获取所述历史航次数据中所述船舶的AIS轨迹数据，使用道格拉斯-普克算法对AIS轨迹数据进行抽稀；

基于抽稀后的所述AIS轨迹数据，对AIS静态信息的数据进行核验，以实现对无效数据的清洗，形成航线的AIS静态信息；

基于所述航线的AIS静态信息构建所述地理网格模型。

5.根据权利要求1所述的在途船舶的目的港预测方法，其特征在于，所述基于所述历史航次数据构建地理网格模型的步骤之后包括：

基于所述地理网格模型的网格和所述网格中航线的目的港预先遍历完成整体的航路规划，将所述航路规划进行存储。

6.根据权利要求1所述的在途船舶的目的港预测方法，其特征在于，所述地理网格模型的网格根据经纬度进行划分。

7.一种在途船舶的目的港预测装置，其特征在于，包括：

第一获取模块，用于获取船舶的历史航次数据；

构建模块，用于基于所述历史航次数据构建地理网格模型；

第二获取模块，用于获取所述在途船舶处于所述地理网格模型中的具体网格位置；

预测模块，用于基于所述具体网格位置预测出所述在途船舶的目的港，其中，所述预测模块具体用于基于所述具体网格位置判断所述在途船舶的AIS的目的港是否为可识别的港口名称，根据识别结果确定出所述在途船舶的目的港，在所述AIS的目的港为不可识别的港口名称的情况下，基于所述在途船舶的具体网格位置、所述在途船舶的船舶类型、所述在途船舶的船型大小以及所述在途船舶的始发港确定出所述在途船舶的目的港；所述预测模块还具体用于将所述在途船舶的船舶类型、所述在途船舶的船型大小以及所述在途船舶的始发港与所述具体网格位置处存储的数据进行验证，以确定出至少一个所述目的港，判断确定出的所述目的港的数量，在所述目的港的数量为多个的情况下，判断所述在途船舶的船首向与多个所述目的港的连线夹角，基于所述夹角的大小确定出所述目的港。

8.一种在途船舶的目的港预测装置，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6中任一项所述的在途船舶的目的港预测方法的步骤。

9.一种可读存储介质，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6中任一项所述的在途船舶的目的港预测方法的步骤。

10.一种船舶，其特征在于，用于实现如权利要求1至6中任一项所述的在途船舶的目的港预测方法的步骤。

Images