【技术实现步骤摘要】
本专利技术涉及海事船舶航运管理领域，尤其是涉及一种基于船舶移动数据的航运交通网络提取方法、装置及存储介质。
技术介绍
1、船舶为追求最佳的燃油消耗量并不会经常性进行变向并尽量追求最短航线，意味着存在普遍性的航运交通模式即航运交通网络。
2、航运交通网络的提取有助于实现航运交通状况分析、航运网络柔性分析、港口可达性分析以及船舶航线搜索，为企业决策提供支持。
3、航运交通网络依托于船舶移动数据，自2004年起，国际海事组合(internationalmaritime organization，imo)组织规定国际航行的船舶中总吨位超过300的货船和所有的客船均需要安装船舶自动识别(automatic identification system，ais)系统。ais系统为船舶行为分析和海事管理提供了数据基础，包括避碰研究、异常检测、行为分析、知识提取以及跟踪预测多等个方面，同样也为交通网络的挖掘提供的帮助。
4、例如中国专利cn117785963a提供了一种基于开源ais数据的海上交通网络挖掘方法及系统，方法包括：对ais数据进行预处理；利用地理信息和运动信息识别并分类停靠轨迹，基于停靠轨迹提取含有停靠功能语义分布的船舶停靠区域；通过筛选船舶转向处轨迹点，对关注区域进行空间划分，运用遗传算法提取船舶转向区域；船舶停靠区域和船舶转向区域的合集作为特征区域；根据特征区域构建有向图，去除噪声数据，通过核密度估计和三角分割方法生成航路边界和表征航线。本专利技术的优势在于：提取精度高、人工监督成本低、规律语义
5、但是，该方法相对于本申请而言，步骤更加繁琐，方法更加复杂，但结果差距并不明显。
技术实现思路
1、本专利技术的目的就是为了提供一种基于船舶移动数据的航运交通网络提取方法、装置及存储介质。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种基于船舶移动数据的航运交通网络提取方法，包括：
4、步骤s1：提取ais数据中航行状态为锚泊和系泊的数据点作为基础船舶停泊点数据，并采用基于密度的聚类方式进行聚类处理，得到多个停泊区域；
5、步骤s2：根据ais数据点，依次基于船舶编码、航行目的地和相邻数据点的时间间隔进行轨迹划分，生成多条有效轨迹；
6、步骤s3：针对每一条有效轨迹，选择航行状态为航行中的数据点，基于对地航速、航向差和航速差筛选得到多个航路点，并采用基于密度的聚类方式对基于所有有效轨迹得到的航路点进行聚类处理，得到多个停留区域，将停泊区域和停留区域融合得到航运交通网络的节点集合；
7、步骤s4：基于有效轨迹，循环判断各节点之间是否存在航行轨迹，若存在一条航行轨迹，则将该条船舶轨迹作为两个节点之间的弧，若存在多条轨迹，则采用dtw算法进行轨迹融合，得到节点之间的唯一弧；
8、步骤s5：基于得到的节点集合和各节点之间的弧构建航运交通网络。
9、所述步骤s1包括：
10、步骤s1-1：获取ais数据，选择航行状态为锚泊和系泊的数据点作为基础船舶停泊点数据；
11、步骤s1-2：采用基于密度的聚类方式进行聚类处理，得到多个第一聚类簇；
12、步骤s1-3：将每个第一聚类簇的中心作为该第一聚类簇的中心，并将该第一聚类簇中与中心距离最大的点到中心的距离作为该第一聚类簇的半径，基于第一聚类簇的中心坐标和半径构建停泊区域构建一个停泊区域；
13、步骤s1-4：将所有停泊区域组成停泊区域集合。
14、所述基于密度的聚类方式为dbscan算法。
15、所述基于密度的聚类方式进行聚类处理的过程中，形成密集区域的最少点数量设置为10，分别计算不同的邻域半径下的聚类度量指数，并选择聚类度量指数最大的邻域半径作为最终的邻域半径，其中，所述聚类度量指数为：
16、
17、其中：o为聚类度量指数，di,i为第i个数据点到同一第一聚类簇内所有其他数据点的平均距离，di,e为第i个数据点到任何其他第一聚类簇内所有数据点的最小平均距离，sbp为航行状态为锚泊和系泊的数据点集合，x为异常数据点的比例，barea为停泊区域集合，|barea|为停泊区域集合的长度。
18、所述步骤s2包括：
19、步骤s2-1：基于船舶编码对所有的ais数据点进行轨迹划分，将属于同一船舶的数据点按照时间进行排序得到多个第一中间轨迹；
20、步骤s2-2：对所有第一中间轨迹，基于航行目的地进行轨迹划分，将属于同一目的地的数据点按照时间进行排序得到多个第二中间轨迹；
21、步骤s2-3：对于所有第二中间轨迹，依次判断其中任意相邻的两个数据点的时间间隔是否超过第一设定阈值，并将所有时间间隔超过第一设定阈值的两个数据点作为切分点对第二中间轨迹进行切分，得到多个潜在有效轨迹；
22、步骤s2-4：依次判断各潜在有效轨迹的起点和终点是否停泊区域中，若任一潜在有效轨迹的起点和终点均在停泊区域中，则将该潜在有效轨迹作为有效轨迹。
23、所述步骤s3中，针对每一条有效轨迹，选择航行状态为航行中的数据点，基于对地航速、航向差和航速差筛选得到多个航路点的过程包括：
24、步骤s3-1：对于有效轨迹中的各数据点，选择所有航行状态为航行中的数据点作为潜在航路点；
25、步骤s3-2：获取各潜在航路点的对地速度；
26、步骤s3-3：选择对地速度在预配置的对地速度阈值范围内的潜在航路点作为第一中间航路点；
27、步骤s3-4：获取所有第一中间航路点的瞬时速度、从前一数据点到第一中间航路点的平均航速和速度方向，以及从第一中间航路点到后一数据点的平均航速和速度方向；
28、步骤s3-5：将从第一中间航路点到后一数据点的速度方向，与从前一数据点到第一中间航路点的速度方向的差值作为航向差；
29、步骤s3-6：基于从第一中间航路点到后一数据点的平均航速和从前一数据点到第一中间航路点的平均航速的差值得到航速差；
30、步骤s3-7：将航向差大于预配置的航向差阈值，且航速差处于预配置的航速差阈值范围内的第一中间航路点作为航路点。
31、所述步骤s3-6具体包括：
32、步骤s3-6-1：将从第一中间航路点到后一数据点的平均航速减去第一中间航路点的瞬时速度得到的绝对值作为第一航速值；
33、步骤s3-6-1：将从前一数据点到第一中间航路点的平均航速减去第一中间航路点的瞬时速度得到的绝对值作为第二航速值；
34、步骤s3-6-2：将第一航速值和第二航速值之和作为航速差。
35、所述步骤s4中，采用dtw算法进行轨迹融合，得到节点之间的唯一弧，包括：
36、步骤s4-1：选择两条航行本文档来自技高网...
【技术保护点】
1.一种基于船舶移动数据的航运交通网络提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤S1包括：
3.根据权利要求1或2所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述基于密度的聚类方式为DBSCAN算法。
4.根据权利要求3所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述基于密度的聚类方式进行聚类处理的过程中，形成密集区域的最少点数量设置为10，分别计算不同的邻域半径下的聚类度量指数，并选择聚类度量指数最大的邻域半径作为最终的邻域半径，其中，所述聚类度量指数为：
5.根据权利要求1所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤S2包括：
6.根据权利要求5所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤S3中，针对每一条有效轨迹，选择航行状态为航行中的数据点，基于对地航速、航向差和航速差筛选得到多个航路点的过程包括：
7.根据权利要求6所述的一种基于船舶移动
8.根据权利要求5所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤S4中，采用DTW算法进行轨迹融合，得到节点之间的唯一弧，包括：
9.一种基于船舶移动数据的航运交通网络提取装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种基于船舶移动数据的航运交通网络提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤s1包括：
3.根据权利要求1或2所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述基于密度的聚类方式为dbscan算法。
4.根据权利要求3所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述基于密度的聚类方式进行聚类处理的过程中，形成密集区域的最少点数量设置为10，分别计算不同的邻域半径下的聚类度量指数，并选择聚类度量指数最大的邻域半径作为最终的邻域半径，其中，所述聚类度量指数为：
5.根据权利要求1所述的一种基于船舶移动数据的航运交通网络提取方法，其特征在于，所述步骤s2包括：
6.根据权利要求5所述的一种...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。