CN115758242A - 船靠船事件识别方法、可读存储介质及计算机设备 - Google Patents
船靠船事件识别方法、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN115758242A CN115758242A CN202211431964.2A CN202211431964A CN115758242A CN 115758242 A CN115758242 A CN 115758242A CN 202211431964 A CN202211431964 A CN 202211431964A CN 115758242 A CN115758242 A CN 115758242A
- Authority
- CN
- China
- Prior art keywords
- ship
- ships
- list
- detected
- berthing
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种船靠船事件识别方法、可读存储介质及计算机设备,识别方法包括步骤:S1、将位于待检测海域范围内的船只列入待检测船只列表中;S2、对船只的位置进行校正;S3、遍历待检测船只列表中的所有船只,将符合检索条件的船只列入待确认船靠船列表中,并记录船靠船事件;S4、对船靠船事件进行预警并保存。本发明通过船只的位置进行船靠船识别,较于现有技术而言,无论是监管范围和时间区间,都没有限制,能有效地对船靠船事件进行监控,通过算法的方式实现,极大地提高了监控速度。
Description
技术领域
本发明属于分析工具技术领域,具体涉及一种船靠船事件识别方法、可读存储介质及计算机设备。
背景技术
船靠船事件能够反映出船舶加油、船舶过驳和研判贸易趋势等经济活动,能够对偷采、碰撞、走私等事件进行监控,因此在航海领域,对船靠船事件的检测成为业内关注的技术难题。
目前对船靠船事件的检测,往往采用对特定区域内的部分船舶进行光电监视或者人工光判断方案,这种监管范围和时间区间都受到限制,监管效率也非常慢,运算速度比较慢,效率低。
发明内容
为了解决上述问题,本发明第一个方面提供了一种船靠船事件识别方法,包括步骤:
一种船靠船事件识别方法,包括步骤:
S1、将位于待检测海域范围内的船只列入待检测船只列表中;
S2、对船只的位置进行校正;
S3、遍历待检测船只列表中的所有船只,将符合检索条件的船只列入待确认船靠船列表中,并记录船靠船事件;
S4、对船靠船事件进行预警并保存。
作为本发明的进一步改进,所述步骤S1包括:
S11、设定待检测海域范围;
S12、将位于待测海域范围内的船只列入待检测船只列表中;
S13、对待检测船只列表中船只的位置进行进行归一化处理。
作为本发明的进一步改进,所述步骤S2包括:
S21、根据时间校正船只位置,将船只定位校正到统一时间戳上;
S22、根据船只的船长和船宽,同时对由天线带来的位置偏差进行校正后,将船只的位置调整为船只的中心位置。
作为本发明的进一步改进,所述步骤S3包括:
S311、遍历待检测船只列表中的所有船只;
S312、以第一阈值加上船只长度一半的值作为半径,划分缓冲区;
S313、如船只符合检索条件,则船只列入第一待确认船靠船列表中;
S314、记录时间戳、待检测船只列表中的所有船只、待检测船只列表中的所有船只的位置、第一待确认船靠船列表、符合检索条件船只的位置。
作为本发明的进一步改进,所述步骤S3还包括:
S321、遍历待检测船只列表中的所有船只;
S322、以第二阈值加上船只宽度一半的值作为半径,划分缓冲区;
S323、如船只符合检索条件,则船只列入第二待确认船靠船列表中;
S324、记录时间戳、待检测船只列表中的所有船只、待检测船只列表中的所有船只的位置、第二待确认船靠船列表、符合检索条件船只的位置。
作为本发明的进一步改进,本发明还包括步骤:
S5、若船靠船事件的检测结果误差较大时,进行优化处理,直至检测结果满足预期。
作为本发明的进一步改进,所述步骤S5包括:
S331、对第一阈值、第二阈值进行调整和优化,重复步骤S311~步骤S314、步骤S321~步骤S324,直至检测结果满足预期;
S332、计算完成一次步骤S1~步骤S4所需要的计算周期时间,对时间间隔进行优化。
作为本发明的进一步改进,在所述步骤S1之前,还包括如下步骤:
S0、设定检测时间,以检测时间为周期,对待检测海域范围进行搜索。
本发明的第二个方面,提供了一种计算机可读存储介质,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的船靠船识别方法。
本发明的第三个方面,提供了一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的船靠船识别方法。
与现有技术相比,本发明具有以下有益效果:通过船只的位置进行船靠船识别,较于现有技术而言,无论是监管范围和时间区间,都没有限制,能有效地对船靠船事件进行监控,通过算法的方式实现,极大地提高了监控速度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1为本发明所述船靠船事件识别方法的流程图。
图2为本发明所述船靠船事件识别方法的使用状态图;
图3为本发明所述计算机设备的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本实施例提供了一种船靠船事件识别方法,如图1和图2所示,包括步骤:
S0、设定检测时间T,以检测时间为周期T,对待检测海域范围进行搜索。
S1、将位于待检测海域范围内的船只列入待检测船只列表中:
S11、设定待检测海域范围,待检测海域范围可以根据检测需求进行划分。
S12、将位于待测海域范围内的船只列入待检测船只列表A中。
S13、鉴于船舶定位信息来源不同,格式不同,参考坐标系均可能有差异,需要均转换为统一的空间参考。故需要对待检测船只列表A中船只的位置进行进行归一化处理,如将AIS、北斗、雷达信号中所有船舶定位信息转为为WGS84下,大地坐标(经纬度格式统一为度,如"latitude":19.911694,""longitude":109.992666,")。
S2、对船只的位置进行校正,包括以下两方面的校正:
S21、由于网络传输和检索效率问题,不同船只动态的接收时间将有几秒到几分钟,甚至一个小时或更长的延迟,因此需要根据时间校正船只位置,将船只定位校正到统一时间戳上,统一计算到同一时刻上。待检测船只列表A,中所有动态的时间戳构成一个时间区间,时间区间为T[e,l],Te为最早时间;Tl为最晚时间;统一时间戳的选取方法包括但不限于,Te为最早时间;Tl为最晚时间;中间时间戳。船只位置信息包括:由AIS***、GPS***、北斗***得到的定位信息。
S22、船舶动态中位置,需要根据船只的船长和船宽,同时对由天线带来的位置偏差进行校正后,将船只的位置调整为船只的中心位置。不同的船的天线位于不同的位置,如有些船的天线位于船头,有些船的天线位于船尾,也有些船的天线位于船正中央,为了避免不同位置的天线对船只中心位置对船只位置的影响,所有需要对天线带来的偏差进行调整。
S3、遍历待检测船只列表中的所有船只,将符合检索条件的船只列入待确认船靠船列表中,并记录船只信息:
S311、遍历待检测船只列表A中的所有船只Ax。
S312、以第一阈值Rhx加上船只长度一半的值作为半径,划分缓冲区,第一阈值Rhx为可设参数,可以进行动态调整。
S313、如船只Bhx符合检索条件,则船只列入第一待确认船靠船列表Bh中。
S314、记录时间戳、待检测船只列表中的所有船只Ax、待检测船只列表中的所有船只Ax的位置、第一待确认船靠船列表Bh、符合检索条件船只Bhx的位置,第一待确认船靠船列表Bh为在航向方向船靠船事件列表。
S321、遍历待检测船只列表中的所有船只Ax。
S322、以第二阈值Rkx加上船只宽度一半的值作为半径,划分缓冲区,第二阈值Rkx为可设参数,可以进行动态调整。
S323、如船只Bkx符合检索条件,则船只Bkx列入第二待确认船靠船列表Bk中。
S324、记录时间戳、待检测船只列表中的所有船只Ax、待检测船只列表中的所有船只Ax的位置、第二待确认船靠船列表Bk、符合检索条件船只Bkx的位置,第二待确认船靠船列表Bk为在航向方向船靠船事件列表。
S4、对船靠船事件进行预警,保存。船靠船事件中的船舶编号、位置、时间、距离等主要参数:
S5、在输出的检测结果误差较大时,进行优化处理,直至检测结果满足预期;检测结果包括:船靠船事件、事件的判定参数等。
S51、对第一阈值、第二阈值进行调整和优化,重复步骤S311~步骤S314、步骤S321~步骤S324,直至检测结果满足预期。
S52、计算完成一次步骤S1~步骤S4所需要的计算周期时间,对时间间隔进行优化。
接下来结合某一应用场景对本实施例做进一步解释,如下:
为了对反走私业务需要,某行政执法部门,将管辖范围内船舶进行监控,利用技术手段对走私、偷渡等违法行为进行识别,并在第一时间推送给执法部门,由执法部门对违法船只进行取证执法,具体实施过程如下:
1、将走私案件高发或雷达死角、光电监控死角等高危行为高发海域设置重点监控海域,如距岸线20-50海里范围,执法区域交界区域等。
2、经测试,计算一次历时大约10分钟,故将检测周期定为十分钟,即每十分钟对监控海域计算一次,多次检测周期将进行统计汇总,提供给情报分析研判,如两个船只触发预警6次,可以推断两个船只接驳时间大约为60分钟。
3、将多种数据源数据融合,包含AIS数据、北斗数据、岸基雷达数据、船基雷达数据等纳入计算范围。
AIS主要是国际货轮或是300t以上船只都必须安装部署,小型船只大部分也都已经安装部署了北斗定位***,鉴于部分海域是岸基雷达的扫描死角,结合船基雷达进行扫描。
4、对接收到的船舶实时定位数据进行时间和位置的归一化处理。因为定位信号传输时间和存储时间,尤其部分AIS信号是通过AIS卫星接收,时间延迟可以达到30分钟甚至60分钟,将船只定位校正到统一时间戳上,该时间戳一般为计算周期内。计算方式一般利用每个时刻的位置、即时速度进行拟合。
5、将所有船舶定位数据的位置信息格式化,统一到一个坐标系和投影。一般都选用wgs84大地坐标上。并利用船舶船长和船宽校正船舶定位位置。
6、遍历船只,并利用缓冲区分析,筛选缓冲区范围内的船只。缓冲区根据预警级别设置为1000m、500m、100m,预警级别和缓冲区范围根据实际需要和监控船只特点进行调整。根据实际需要,可以针对性选择配置触发预警的船只与船只距离。
7、将船舶接驳预警事件进行记录,包含船舶编号、位置、时间、距离等主要参数一同保存数据库。
8、对24小时或48小时内(可以自由配置)船舶接驳事件进行预警统计并输出。
AIS动态报文:
"userid":"477686600","receive_time":"2022-04-02
21:45:38","messageid":"UwfMe7IYBNGkI31MIIV2","nav_status":"15","rot":"","sog":"1","longit ude":"47824214","latitude":"4153255","cog":"2540","true_heading":"215","dsource":"CJ"
北斗动态报文:
"locationTime":"2022-04-05
04:09:23","trackId":208400895,"texture":255,"latitude":19.730861,"shipWidth":32,"deviceId":15011521,"speed":0,"sendTime":"2022-04-05
04:09:24","shipLength":130,"shipType":255,"workType":255,"workWay":0,"online":1,"kwh":3,"longitude":109.185944,"direction":0
雷达报文:
"targettype":"01","utc":1649109402,"mmsi":0,"heading":5.6236234,"latitude":18384707,"len gth":20,"speed":1.4634093,"quality":0.5,"extInfo":"","name":"","course":322.20987,"id":13928,"predicted":false,"longitude":109907233}
通过本实施例,可以实现船靠船事件的预警,为非常的船只活动提供自动检测。
实施例2
本实施例提供了一种计算机可读存储介质,可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现实施例1的船靠船事件识别方法。
存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
实施例3
本实施例提供了一种计算机设备,如图3所示,计算机设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现实施例1的船靠船事件识别方法。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器可用于存储所述计算机程序或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序或模块,以及调用存储在存储器内的数据,实现所述基于镜像神经元疗法的辅助终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,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)
1.一种船靠船事件识别方法,其特征在于,包括步骤:
S1、将位于待检测海域范围内的船只列入待检测船只列表中;
S2、对船只的位置进行校正;
S3、遍历待检测船只列表中的所有船只,将符合检索条件的船只列入待确认船靠船列表中,并记录船靠船事件;
S4、对船靠船事件进行预警并保存。
2.根据权利要求1所述的船靠船识别方法,其特征在于,所述步骤S1包括:
S11、设定待检测海域范围;
S12、将位于待测海域范围内的船只列入待检测船只列表中;
S13、对待检测船只列表中船只的位置进行进行归一化处理。
3.根据权利要求1所述的船靠船识别方法,其特征在于,所述步骤S2包括:
S21、根据时间校正船只位置,将船只定位校正到统一时间戳上;
S22、根据船只的船长和船宽,同时对由天线带来的位置偏差进行校正后,将船只的位置调整为船只的中心位置。
4.根据权利要求1所述的船靠船识别方法,其特征在于,所述步骤S3包括:
S311、遍历待检测船只列表中的所有船只;
S312、以第一阈值加上船只长度一半的值作为半径,划分缓冲区;
S313、如船只符合检索条件,则船只列入第一待确认船靠船列表中;
S314、记录时间戳、待检测船只列表中的所有船只、待检测船只列表中的所有船只的位置、第一待确认船靠船列表、符合检索条件船只的位置。
5.根据权利要求4所述的船靠船识别方法,其特征在于,所述步骤S3还包括:
S321、遍历待检测船只列表中的所有船只;
S322、以第二阈值加上船只宽度一半的值作为半径,划分缓冲区;
S323、如船只符合检索条件,则船只列入第二待确认船靠船列表中;
S324、记录时间戳、待检测船只列表中的所有船只、待检测船只列表中的所有船只的位置、第二待确认船靠船列表、符合检索条件船只的位置。
6.根据权利要求1所述的船靠船识别方法,其特征在于,还包括步骤:
S5、若船靠船事件的检测结果误差较大时,进行优化处理,直至检测结果满足预期。
7.根据权利要求6所述的船靠船识别方法,其特征在于,所述步骤S5包括:
S331、对第一阈值、第二阈值进行调整和优化,重复步骤S311~步骤S314、步骤S321~步骤S324,直至检测结果满足预期;
S332、计算完成一次步骤S1~步骤S4所需要的计算周期时间,对时间间隔进行优化。
8.根据权利要求1所述的船靠船识别方法,其特征在于,在所述步骤S1之前,还包括如下步骤:
S0、设定检测时间,以检测时间为周期,对待检测海域范围进行搜索。
9.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的船靠船识别方法。
10.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一所述的船靠船识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211431964.2A CN115758242A (zh) | 2022-11-15 | 2022-11-15 | 船靠船事件识别方法、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211431964.2A CN115758242A (zh) | 2022-11-15 | 2022-11-15 | 船靠船事件识别方法、可读存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115758242A true CN115758242A (zh) | 2023-03-07 |
Family
ID=85371709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211431964.2A Pending CN115758242A (zh) | 2022-11-15 | 2022-11-15 | 船靠船事件识别方法、可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115758242A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116863756A (zh) * | 2023-09-05 | 2023-10-10 | 太极计算机股份有限公司 | 一种海上接驳实时预警方法、装置及存储介质 |
CN117218898A (zh) * | 2023-11-07 | 2023-12-12 | 亿海蓝(北京)数据技术股份公司 | 海上油库船的识别方法、装置、电子设备和可读存储介质 |
CN117218601A (zh) * | 2023-10-18 | 2023-12-12 | 亿海蓝(北京)数据技术股份公司 | 船舶搭靠作业的真伪确定方法、装置和可读储存介质 |
-
2022
- 2022-11-15 CN CN202211431964.2A patent/CN115758242A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116863756A (zh) * | 2023-09-05 | 2023-10-10 | 太极计算机股份有限公司 | 一种海上接驳实时预警方法、装置及存储介质 |
CN116863756B (zh) * | 2023-09-05 | 2023-12-15 | 太极计算机股份有限公司 | 一种海上接驳实时预警方法、装置及存储介质 |
CN117218601A (zh) * | 2023-10-18 | 2023-12-12 | 亿海蓝(北京)数据技术股份公司 | 船舶搭靠作业的真伪确定方法、装置和可读储存介质 |
CN117218601B (zh) * | 2023-10-18 | 2024-06-04 | 亿海蓝(北京)数据技术股份公司 | 船舶搭靠作业的真伪确定方法、装置和可读储存介质 |
CN117218898A (zh) * | 2023-11-07 | 2023-12-12 | 亿海蓝(北京)数据技术股份公司 | 海上油库船的识别方法、装置、电子设备和可读存储介质 |
CN117218898B (zh) * | 2023-11-07 | 2024-02-13 | 亿海蓝(北京)数据技术股份公司 | 海上油库船的识别方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115758242A (zh) | 船靠船事件识别方法、可读存储介质及计算机设备 | |
US10922981B2 (en) | Risk event identification in maritime data and usage thereof | |
CN106021675B (zh) | 一种基于多源船舶自动识别***数据的数据融合方法 | |
Zissis et al. | A distributed spatial method for modeling maritime routes | |
CN110633353B (zh) | 一种基于集成学习的船舶类型仿冒监测方法 | |
US7933693B2 (en) | System and method for harvesting business intelligence from maritime communications | |
US20110241904A1 (en) | Communication Method for Monitoring Location of Construction Equipment | |
CN117037547B (zh) | 一种航道关键节点的拥堵程度评价方法、***及存储介质 | |
CN110069582B (zh) | 船舶抛锚区域确定方法、装置、设备及存储介质 | |
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 | |
CA3126292A1 (en) | System and method for tracking vessels | |
CN112435449A (zh) | 一种全数字智能化渔业违规船舶识别排查***及方法 | |
KR20220011879A (ko) | 레이더 장비와 연동되는 전자해도 기반 해안감시 모니터링 시스템 | |
CN117688349A (zh) | 一种基于数字孪生的海上搜救方法和*** | |
CN116645832A (zh) | 一种目标识别方法、装置、电子设备及存储介质 | |
CN116630907A (zh) | 一种基于遥感的船舶航行数字孪生方法、***、终端及存储介质 | |
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 | |
CN112489495A (zh) | 一种车辆预警方法、装置、电子设备及存储介质 | |
KR20170104209A (ko) | 선박의 항적 정보 처리 장치 및 방법 | |
CN114722982B (zh) | 一种基于rfid技术的海洋渔船监管***及方法 | |
CN113850928A (zh) | 一种倾废船海上作业违规判定方法及*** | |
CN115017387A (zh) | 基于船舶ais大数据的港口及泊位电子围栏构建方法 | |
Bazylev et al. | Digital information system for inland water transport vessels based on AIS | |
CN110363369B (zh) | 船舶搁置状态判断方法、装置、设备及其存储介质 | |
CN116828391B (zh) | 一种检测ais异常开关的方法 |
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 |