System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及船舶轨迹回放与预测展示,具体涉及一种船舶轨迹监控方法及系统。
技术介绍
1、随着全球贸易越加频繁,进出口业务不断增多,对航运业务的需求也持续增长。在这种情况下,海上船舶数量也来越多,发送船舶安全事故的频率也在不断增加。
2、现有的动态监控方法主要是根据船舶现有的ais位置信息对船舶运行轨迹进行位置监控和展示,这只能查看船舶当前的位置信息,对之前的轨迹运动趋势无法便捷的进行查看、监控与展示。而且无法结合轨迹预测等方法对船舶未来的轨迹进行预测规划,并进行航行航迹的调整,避免发生各种安全事故,降低事故风险发生概率。
技术实现思路
1、为解决现有在船舶轨迹的动态监控过程中存在的无法查看船舶过往轨迹运动趋势,以及无法预测、规划及调整船舶未来轨迹导致事故风险增加等问题,本专利技术提供了一种船舶轨迹监控方法,基于船舶历史ais数据,并采用特定的计算方法和路径规划算法得到船舶历史轨迹和预测轨迹,以及采用船舶碰撞识别算法对船舶历史轨迹和预测轨迹进行风险判断、监控与展示,能够对未来航行轨迹进行规划与调整,降低事故风险发生概率。本专利技术还涉及一种船舶轨迹监控系统。
2、本专利技术的技术方案如下:
3、一种船舶轨迹监控方法,其特征在于,包括以下步骤:
4、数据采集步骤:采集某一时间段内的船舶历史ais数据,并依次对历史ais数据进行稀疏化处理和平滑处理,根据稀疏化处理和平滑处理后的历史ais数据中的船舶经纬度得到船舶轨迹点集合;
6、轨迹预测步骤:采用路径规划算法对船舶轨迹点集合进行训练得到轨迹预测模型,根据轨迹预测模型预测出船舶在未来某一时间段内的预测轨迹数据,再按照数据采集步骤和历史轨迹形成步骤对所述未来某一时间段内的预测轨迹数据进行稀疏化处理和平滑处理得到船舶轨迹点集合并计算出轨迹点集合中各轨迹点与上一点之间的距离进而计算得到未来某一时间段内任意时刻船舶所在的位置,根据未来某一时间段内任意时刻船舶所在的位置形成船舶预测轨迹;
7、风险判断及展示步骤:基于各轨迹点与上一点之间的距离以及历史ais数据中的船长和船宽,并采用船舶碰撞识别算法自动判断出船舶历史轨迹和船舶预测轨迹中的船舶是否有碰撞风险,若有碰撞风险则将碰撞风险情况进行展示,实现船舶历史轨迹和预测轨迹的监控。
8、优选地,所述数据采集步骤中,所述稀疏化处理包括:
9、每间隔一段时间取出一个ais数据点,并获取该ais数据点所对应船舶的航行速度,判断航行速度是否为正常航行速度,若是,则将时间间隔范围扩大,并判断该ais数据点是否位于关键位置或是否处于特殊航行状态,若位于关键位置或处于特殊航行状态,则进行标示并保留,再判断该船舶是否在海洋中航行,若在海洋中航行则将时间间隔范围继续扩大;并判断该船舶是否在特殊区域内,若在特殊区域内,则将时间间隔范围缩小。
10、优选地,所述数据采集步骤中,所述平滑处理包括:对稀疏化处理后间隔过大的相邻轨迹点进行轨迹补全,并采用大圆航线算法计算出补全的轨迹点数量。
11、优选地,所述关键位置包括海峡、运河以及陆地边界位置,所述特殊航行状态包括搁浅、锚泊、停靠和异常。
12、优选地,所述数据采集步骤中,还使用redis内存数据库对稀疏化处理后的数据进行高速缓存处理,以加快数据的查询速度。
13、一种船舶轨迹监控系统,其特征在于,包括数据采集模块、历史轨迹形成模块、轨迹预测模块和风险判断及展示模块,所述数据采集模块分别与历史轨迹形成模块和轨迹预测模块相连,所述历史轨迹形成模块和轨迹预测模块均与风险判断及展示模块相连,
14、所述数据采集模块,采集某一时间段内的船舶历史ais数据,并对历史ais数据进行稀疏化处理和平滑处理,根据稀疏化处理和平滑处理后的历史ais数据中的船舶经纬度信息得到船舶轨迹点集合;
15、所述历史轨迹形成模块,将轨迹点集合中最先行驶的船舶轨迹点所对应的开始时间作为当前时刻时间变量,并根据稀疏化处理和平滑处理后的历史ais数据中的船舶经纬度计算出轨迹点集合中各轨迹点与上一点之间的距离,在所述时间段内的某一时刻,找出位于轨迹集合内的与该船舶所在位置相邻的两个轨迹点,并根据两个轨迹点的当时航速以及所述时间段的起始时间和结束时间计算出船舶在该时刻的航行距离,再根据船舶在该时刻的航行距离与计算出的所有轨迹点中各点与上一点之间的距离的比例计算出所述时间段内该时刻船舶所在的位置,在该时间段内,通过改变当前时刻时间变量的时间值,进而得到该时间段内任意时刻船舶所在的位置,根据任意时刻船舶所在的位置形成船舶历史轨迹;
16、所述轨迹预测模块,采用路径规划算法对船舶轨迹点集合进行训练得到轨迹预测模型,根据轨迹预测模型预测出船舶在未来某一时间段内的预测轨迹数据,再按照数据采集模块和历史轨迹形成模块的工作对所述未来某一时间段内的预测轨迹数据进行稀疏化处理和平滑处理得到船舶轨迹点集合并计算出轨迹点集合中各轨迹点与上一点之间的距离进而计算得到未来某一时间段内任意时刻船舶所在的位置,根据未来某一时间段内任意时刻船舶所在的位置形成船舶预测轨迹;
17、风险判断及展示模块,基于各轨迹点与上一点之间的距离以及历史ais数据中的船长和船宽,并采用船舶碰撞识别算法自动判断出船舶历史轨迹和船舶预测轨迹中的船舶是否有碰撞风险,若有碰撞风险则将碰撞风险情况进行展示,实现船舶历史轨迹和预测轨迹的监控。
18、优选地,所述数据采集模块中,所述稀疏化处理包括:
19、每间隔一段时间取出一个ais数据点,并获取该ais数据点所对应船舶的航行速度,判断航行速度是否为正常航行速度,若是,则将时间间隔范围扩大,并判断该ais数据点是否位于关键位置或是否处于特殊航行状态,若位于关键位置或处于特殊航行状态,则进行标示并保留,再判断该船舶是否在海洋中航行,若在海洋中航行则将时间间隔范围继续扩大;并判断该船舶是否在特殊区域内,若在特殊区域内,则将时间间隔范围缩小。
20、优选地,所述数据采集模块中,所述平滑处理包括:对稀疏化处理后间隔过大的相邻轨迹点进行轨迹补全,并采用大圆航线算法计算出补全的轨迹点数量。
21、优选地,所述关键位置包括海峡、本文档来自技高网...
【技术保护点】
1.一种船舶轨迹监控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,所述稀疏化处理包括:
3.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,所述平滑处理包括:对稀疏化处理后间隔过大的相邻轨迹点进行轨迹补全,并采用大圆航线算法计算出补全的轨迹点数量。
4.根据权利要求2所述的船舶轨迹监控方法,其特征在于,所述关键位置包括海峡、运河以及陆地边界位置,所述特殊航行状态包括搁浅、锚泊、停靠和异常。
5.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,还使用redis内存数据库对稀疏化处理后的数据进行高速缓存处理,以加快数据的查询速度。
6.一种船舶轨迹监控系统,其特征在于,包括数据采集模块、历史轨迹形成模块、轨迹预测模块和风险判断及展示模块,所述数据采集模块分别与历史轨迹形成模块和轨迹预测模块相连,所述历史轨迹形成模块和轨迹预测模块均与风险判断及展示模块相连,
7.根据权利要求6所述的船舶轨迹监控系统,其特征在于
8.根据权利要求6所述的船舶轨迹监控系统,其特征在于,所述数据采集模块中,所述平滑处理包括:对稀疏化处理后间隔过大的相邻轨迹点进行轨迹补全,并采用大圆航线算法计算出补全的轨迹点数量。
9.根据权利要求7所述的船舶轨迹监控系统,其特征在于,所述关键位置包括海峡、运河以及陆地边界位置,所述特殊航行状态包括搁浅、锚泊、停靠和异常。
10.根据权利要求6所述的船舶轨迹监控系统,其特征在于,所述数据采集模块中,还使用redis内存数据库对稀疏化处理后的数据进行高速缓存处理,以加快数据的查询速度。
...【技术特征摘要】
1.一种船舶轨迹监控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,所述稀疏化处理包括:
3.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,所述平滑处理包括:对稀疏化处理后间隔过大的相邻轨迹点进行轨迹补全,并采用大圆航线算法计算出补全的轨迹点数量。
4.根据权利要求2所述的船舶轨迹监控方法,其特征在于,所述关键位置包括海峡、运河以及陆地边界位置,所述特殊航行状态包括搁浅、锚泊、停靠和异常。
5.根据权利要求1所述的船舶轨迹监控方法,其特征在于,所述数据采集步骤中,还使用redis内存数据库对稀疏化处理后的数据进行高速缓存处理,以加快数据的查询速度。
6.一种船舶轨迹监控系统,其特征在于,包括数据采集模块、历史轨迹形成模块、轨迹预测...
【专利技术属性】
技术研发人员:熊浩,史兆彦,
申请(专利权)人:中远海运科技股份有限公司,
类型:发明
国别省市:
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。