船舶任务执行模型训练与船舶任务执行方法及相关设备技术

本申请涉及深度学习技术领域，提供一种船舶任务执行模型训练与船舶任务执行方法及相关设备，能够根据第一AIS数据确定第一船舶的第一运动轨迹，对第一运动轨迹进行数据增强，获得第二船舶的第二运动轨迹；对第二运动轨迹进行特征提取，得到第二船舶的船舶特征；基于船舶特征训练预设神经网络，获得用于执行船舶的多种任务的船舶任务执行模型；基于监测船舶的AIS数据获得监测船舶的监测运动轨迹，对监测运动轨迹进行特征提取得到监测船舶对应的船舶特征，利用船舶任务执行模型根据监测船舶对应的船舶特征，获得监测船舶的预测类别与预测到港时间。本申请能够辅助执行船舶的多种任务，提高船舶任务的执行效果。提高船舶任务的执行效果。提高船舶任务的执行效果。

【技术实现步骤摘要】
船舶任务执行模型训练与船舶任务执行方法及相关设备


[0001]本申请涉及船舶管理运作
，具体涉及一种船舶任务执行模型训练与船舶任务执行方法及相关设备。

技术介绍

[0002]船舶自动识别系统(Automatic identification system，AIS)是一种用于船与岸、船与船之间的数据交换的系统，AIS系统的AIS数据包含了多种类船舶的大量的时空信息，例如，船舶的编号、经度、纬度、速度、航向等。目前基于对AIS数据进行分析以执行船舶任务的方法，所能解决的船舶任务单一。此外，由于使用的AIS数据存在数据不均衡、对AIS数据进行分析所采用的方法过于粗浅等问题，目前基于AIS数据的任务执行效果也不够理想。

技术实现思路

[0003]鉴于以上内容，有必要提出一种船舶任务执行模型训练与船舶任务执行方法及相关设备，能够辅助执行船舶的多种任务，提高船舶任务的执行效果。
[0004]本申请的实施例一提供一种船舶任务执行模型训练方法，所述方法包括：获取第一船舶数据集，所述第一船舶数据集包括多个第一船舶的第一船舶自动识别系统AIS数据；根据第一AIS数据确定所述第一船舶的第一运动轨迹；对所述第一运动轨迹进行数据增强，获得多个第二船舶的第二运动轨迹；对所述第二运动轨迹进行特征提取，得到所述第二船舶对应的船舶特征；基于所述船舶特征训练预设神经网络，获得船舶任务执行模型，所述船舶任务执行模型用于执行船舶的多种任务。
[0005]可选地，所述第一AIS数据包括：所述第一船舶在多个时间节点对应的经度、纬度，以及所述第一船舶在多个时间节点的速度、航向；
[0006]所述根据所述第一AIS数据确定所述第一船舶的第一运动轨迹包括：对所述第一AIS数据进行预处理；对预处理后的第一AIS数据进行插值处理，根据插值处理后的第一AIS数据得到所述第一运动轨迹，所述第一运动轨迹以对应的第一可视化图像进行呈现。
[0007]可选地，所述对所述第一AIS数据进行预处理包括：确定所述第一AIS数据中的无效数据与异常数据，对所述无效数据与所述异常数据进行剔除。
[0008]可选地，所述对所述第一运动轨迹进行数据增强包括：利用预先训练的生成对抗网络对所述第一可视化图像进行数据增强，获得多个第二可视化图像，其中，每个第二可视化图像对应一个第二船舶的第二运动轨迹。
[0009]可选地，所述对所述第二运动轨迹进行特征提取包括：利用预先训练的自编码器对所述第二可视化图像进行所述特征提取。
[0010]可选地，所述基于所述船舶特征训练预设神经网络，获得船舶任务执行模型，包括：将所述船舶特征输入所述预设神经网络；基于所述船舶特征，利用预设神经网络对所述第二船舶的船舶种类进行分类获得模型分类结果，以及对所述第二船舶的到港时间进行预
测获得模型预测结果；基于所述模型分类结果、所述模型预测结果与预设的损失函数，对所述预设神经网络进行优化，直至所述损失函数收敛至预设数值，获得所述船舶任务执行模型。
[0011]本申请的实施例二提供一种船舶任务执行方法，所述方法包括：根据监测船舶的船舶自动识别系统AIS数据，确定所述监测船舶的监测运动轨迹；对所述监测运动轨迹进行特征提取，得到所述监测船舶对应的船舶特征；将所述监测船舶对应的船舶特征输入船舶任务执行模型，利用所述船舶任务执行模型输出所述监测船舶的预测类别与预测到港时间，所述船舶任务执行模型为利用如实施例一所述的船舶任务执行模型训练方法所获得。
[0012]本申请的实施例三提供一种船舶任务执行模型训练装置，所述装置包括：包括第一模块201、预处理第二模块201202、训练第三模块202203、第四模块204、第五模块205：所述第一模块201，用于获取第一船舶数据集，所述第一船舶数据集包括多个第一船舶的第一船舶自动识别系统AIS数据；所述第二模块202，用于根据第一AIS数据确定所述第一船舶的第一运动轨迹；所述第三模块203，用于对所述第一运动轨迹进行数据增强，获得多个第二船舶的第二运动轨迹；所述第四模块204，用于对所述第二运动轨迹进行特征提取，得到所述第二船舶对应的船舶特征；所述第五模块205，用于基于所述船舶特征训练预设神经网络，获得船舶任务执行模型，所述船舶任务执行模型用于执行船舶的多种任务。
[0013]本申请的实施例四提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述船舶任务执行模型训练与船舶任务执行方法。
[0014]本申请的实施例五提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述船舶任务执行模型训练与船舶任务执行方法。
[0015]综上所述，本申请所述的船舶任务执行模型训练与船舶任务执行方法及相关设备，能够根据第一AIS数据确定第一船舶的第一运动轨迹，对第一运动轨迹进行数据增强，获得第二船舶的第二运动轨迹；对第二运动轨迹进行特征提取，得到第二船舶的船舶特征；基于船舶特征训练预设神经网络，获得用于执行船舶的多种任务的船舶任务执行模型；基于监测船舶的AIS数据获得监测船舶的监测运动轨迹，对监测运动轨迹进行特征提取得到监测船舶对应的船舶特征，利用船舶任务执行模型根据监测船舶对应的船舶特征，获得监测船舶的预测类别与预测到港时间。能够训练得到可以同时执行多种任务的船舶任务执行模型，通过数据增强算法解决了AIS数据不均衡的问题，使用深度学习网络对AIS数据进行分析，提高了船舶任务的执行效果。
附图说明
[0016]图1是本申请实施例一提供的船舶任务执行模型训练方法的流程图。
[0017]图2是本申请实施例提供的确定第一运动轨迹的流程图。
[0018]图3是本申请实施例提供的数据增强算法的流程示例图。
[0019]图4是本申请实施例提供的生成对抗网络的结构示例图。
[0020]图5是本申请实施例提供的自编码器的结构示例图。
[0021]图6是本申请实施例二提供的船舶任务执行方法的流程图。
[0022]图7是本申请实施例三提供的船舶任务执行模型训练装置的结构图。
[0023]图8是本申请实施例五提供的电子设备的结构示意图。
具体实施方式
[0024]为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0025]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述在一个实施例中实施例的目的，不是旨在于限制本申请。
[0026]在一个实施例中，船舶自动识别系统(Automatic identification system，AIS)是一种用于船与岸、船与船之间的数据交换的系统，AIS系统的AIS数据包含了多种类船舶的大量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶任务执行模型训练方法，其特征在于，所述方法包括：获取第一船舶数据集，所述第一船舶数据集包括多个第一船舶的第一船舶自动识别系统AIS数据；根据第一AIS数据确定所述第一船舶的第一运动轨迹；对所述第一运动轨迹进行数据增强，获得多个第二船舶的第二运动轨迹；对所述第二运动轨迹进行特征提取，得到所述第二船舶对应的船舶特征；基于所述船舶特征训练预设神经网络，获得船舶任务执行模型，所述船舶任务执行模型用于执行船舶的多种任务。2.根据权利要求1所述的船舶任务执行模型训练方法，其特征在于，所述第一AIS数据包括：所述第一船舶在多个时间节点对应的经度、纬度，以及所述第一船舶在多个时间节点的速度、航向；所述根据所述第一AIS数据确定所述第一船舶的第一运动轨迹包括：对所述第一AIS数据进行预处理；对预处理后的第一AIS数据进行插值处理，根据插值处理后的第一AIS数据得到所述第一运动轨迹，所述第一运动轨迹以对应的第一可视化图像进行呈现。3.根据权利要求2所述的船舶任务执行模型训练方法，其特征在于，所述对所述第一AIS数据进行预处理包括：确定所述第一AIS数据中的无效数据与异常数据，对所述无效数据与所述异常数据进行剔除。4.根据权利要求2所述的船舶任务执行模型训练方法，其特征在于，所述对所述第一运动轨迹进行数据增强包括：利用预先训练的生成对抗网络对所述第一可视化图像进行数据增强，获得多个第二可视化图像，其中，每个第二可视化图像对应一个第二船舶的第二运动轨迹。5.根据权利要求4所述的船舶任务执行模型训练方法，其特征在于，所述对所述第二运动轨迹进行特征提取包括：利用预先训练的自编码器对所述第二可视化图像进行所述特征提取。6.根据权利要求1所述的船舶任务执行模型训练方法，其特征在于，所述基于所述船舶特征训练预设神经网络，获得船舶任务执行模型，包括：将所述船舶特征输入所述预设神经网络；基于所述船舶特征，利用预设神经网络对所述第二船舶的船舶种类进行...

【专利技术属性】
技术研发人员：张灿荣，段宏达，马飞，缪立新，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：