[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110363369B - 船舶搁置状态判断方法、装置、设备及其存储介质 - Google Patents

船舶搁置状态判断方法、装置、设备及其存储介质 Download PDF

Info

Publication number
CN110363369B
CN110363369B CN201810323266.8A CN201810323266A CN110363369B CN 110363369 B CN110363369 B CN 110363369B CN 201810323266 A CN201810323266 A CN 201810323266A CN 110363369 B CN110363369 B CN 110363369B
Authority
CN
China
Prior art keywords
ship
real
time data
data
state
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.)
Active
Application number
CN201810323266.8A
Other languages
English (en)
Other versions
CN110363369A (zh
Inventor
梁新
徐垚
温建新
赵利坡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC Ocean Information Co Ltd
Original Assignee
CETC Ocean Information Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC Ocean Information Co Ltd filed Critical CETC Ocean Information Co Ltd
Priority to CN201810323266.8A priority Critical patent/CN110363369B/zh
Publication of CN110363369A publication Critical patent/CN110363369A/zh
Application granted granted Critical
Publication of CN110363369B publication Critical patent/CN110363369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0831—Overseas transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了船舶搁置状态判断方法、装置、设备及其存储介质。该方法包括：获取船舶实时数据集合，该船舶实时数据集合包括同一时刻的至少一个实时数据，其中，每个实时数据是与每艘船舶相对应的；基于实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。根据本申请实施例的技术方案，通过识别船舶的锚泊状态和压载状态来识别船舶是否处于搁置状态，其克服了现有技术无法实时识别船舶搁置状态的问题，同时降低营运成本，实现了船期的合理规划。

Description

船舶搁置状态判断方法、装置、设备及其存储介质
技术领域
本申请一般涉及海上交通领域，具体涉及应用于海上交通的数据挖掘技术领域，尤其涉及船舶搁置状态判断方法、装置、设备及其存储介质。
背景技术
世界上货物贸易90％以上依靠船舶运输完成，导致海上交通要道、港口水域船舶交通日益拥堵。在大力发展港口、航运业的同时，需要提高船舶航行风险意识。因此，获取船舶的状态数据是港航建设、航运政策、海事管理的重要依据。
目前，船舶可能的活动状态包括搁置、运输中、压港等待、在港装卸4个状态，这些状态直接影响港口管理、航运安排等工作。其中船舶搁置是指船舶在航运市场不景气时选择将船舶暂时停航，在船舶上仅配备少量船员以满足消防、损管、保安值班以及其他船舶应急操作的需求。船舶搁置状态又可以分为热车搁置、冷车搁置、长期搁置等不同情形。
但是，目前没有较好的判别标准来判别船舶是否处于搁置状态。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种智能识别船舶是否处于搁置状态的方案，弥补识别船舶搁置状态的空白。
第一方面，本申请实施例提供了一种船舶搁置状态判断方法，该方法包括：
获取船舶实时数据集合，该船舶实时数据集合包括同一时刻的至少一个实时数据，其中，每个实时数据与每艘船舶相对应的；
基于所述实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；
如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。
第二方面，本申请实施例提供了一种船舶搁置状态判断装置，该装置包括：
第一获取单元，用于获取船舶实时数据集合，该船舶实时数据集合包括同一时刻的至少一个实时数据，其中，每个实时数据与每艘船舶相对应的；
第一判断单元，用于基于该船舶实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现如本申请实施例描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序用于：
该计算机程序被处理器执行时实现如本申请实施例描述的方法。
根据本申请实施例提供的技术方案，通过对船舶行为数据的分析，判断船舶是否同时存在锚泊和压载状态，如果同时存在锚泊和压载状态，则判别船舶处于搁置状态。该技术方案克服了现有技术无法实时识别船舶搁置状态的问题，同时降低营运成本，实现了船期的合理规划。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了本申请实施例提供的船舶搁置状态判断方法的流程示意图；
图2示出了本申请又一实施例提供的船舶搁置状态判断方法的流程示意图；
图3示出了根据本申请一个实施例的船舶搁置状态判断装置的示例性结构框图；
图4示出了本申请又一实施例提供的船舶搁置状态判断装置的示例性结构示意图；
图5示出了适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1，图1示出了本申请实施例提供的船舶搁置状态判断方法的流程示意图。
如图1所示，该方法包括：
步骤110，获取船舶实时数据集合，其中，船舶实时数据集合包括同一时刻的至少一个实时数据，每个实时数据与每艘船舶相对应的。
本申请实施例，通过获取船舶的实时数据进行分析来判断船舶的状态。其中，船舶的实时数据是每个时刻由数据源提供的多艘船舶相关的数据。该实时数据例如可以是一个或多个数据源同时提供的。该数据源例如可以是船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS等等。不同的数据源提供的实时数据内容不同。例如，AIS系统提供的AIS电文数据，该电文数据可以包括：船舶的呼号、船舶类型、水上移动通信业务标识码MMSI(船舶的唯一标识信息)，船舶的航速、船舶的船首向、航迹向、经度、纬度、目的地、船舶的长度、宽度、船舶的吃水深度值等内容。例如雷达系统提供的电文数据，该电文数据可以包括：雷达ID号(船舶的唯一标识信息)、船舶方位、船舶速度、航向等内容。其中，船舶可以是各种货船。
船舶实时数据集合例如可以是多艘船舶的相关数据，每艘船舶对应的数据可以由船舶的唯一标识信息标识。例如，
在t1时刻单独地接收AIS数据源提供的实时数据，其中每个数据例如可以表示为(船舶的MMSI，数据，t1)，船舶的MMSI用于唯一标识不同的船舶。
或者，在t1时刻单独地接收雷达数据源提供的实时数据，每个数据例如可以表示为(雷达ID号，数据，t1)等，雷达ID号用于唯一标识不同的船舶。
或者，在t1时刻从多个数据源同时接收实时数据，则通过数据融合处理方式得到同一融合批号的实时数据，例如可以表示为(融合批号，数据，t1)，其中融合批号用于唯一标识不同的船舶。以上方式仅为示意性说明实时数据，不具体限定其形式、内容。
步骤120，基于实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；如果与该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。
本申请实施例，在步骤110获得同一时刻多艘船舶的实时数据之后，对每个实时数据进行判断。在进行判断之前，还可以通过对获取的某船舶的实时数据进行相应的预处理后，预处理方式例如可是数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理等方式。然后对经过预处理后的每个实时数据进行判断。
例如，使用特定的判别规则对每个实时数据中用于表征该船舶的行为特征数据进行判断，从而识别船舶的状态。其中，用于表征船舶的行为特征数据，例如可以是船舶的航速、位移、方向、吃水深度等数据。例如，将船舶的航速、位移、方向等数据与某个规则库进行判断，可以得到船舶是否存在锚泊状态。并在存在锚泊状态的情况下进一步对实时数据中的该船舶的吃水深度值进行判断，如果该吃水深度与某个预设值比较，满足条件，则认为船舶处于搁置状态。
锚泊状态，又称为抛锚状态，主要是只利用锚和锚链的系留力，使船舶安全停泊的行为。船舶为了装卸货物、避风、等泊位均需要抛锚停泊。压载状态是指船舶空载时为了保持稳定，将一定量的海水抽进船舱底部以增强抗风浪能力。空载状态是指船舶没有装货的状态。船舶搁置状态是指船舶不在维修中却停止航运。
其中，规则库是与船舶参数相对应的阈值的集合，以及设置条件。例如，规则库可以包括与船舶的航速对应的第一阈值，与船舶的位移对应的第二阈值，设置条件例如可以是小于第一阈值、小于第二阈值，且航行方向是连续的，则判断船舶存在锚泊状态。
由于现有技术中，判断船舶出现搁置状态总是滞后于事件本身，导致船舶管理平台不能及时有效地作出应对管理策略。因此本申请实施例，提出一种能够实时判断船舶是否处于搁置状态的方法来克服前述问题。
例如，步骤110获取得到t1时刻的船舶实时数据集合{A1，A2，AN}，其中A1表示为船舶A在t1时刻的相关数据，A2表示为船舶B在t1时刻的相关数据，AN表示船舶X在t1时刻的相关数据。
从A1中提取用于表征船舶A的行为特征数据，船舶的航速、位移、方向、吃水深度。
然后将用于表征船舶A的行为特征数据中的船舶A的航速与第一阈值进行比较，如果小于第一阈值，进一步将船舶A的位移与第二阈值进行比较，如果小于第二阈值，进一步将船舶A的航行方向是连续的，则判断船舶A存在锚泊状态，否则不存在锚泊状态。
在船舶A存在锚泊状态时，再进一步判断船舶A的吃水深度与第三阈值的关系，如果小于第三阈值，则判断船舶A存在压载状态。当船舶A同时存在锚泊状态和压港状态，可以确定船舶A处于搁置状态，从而实时地判断船舶A的情况，并将该情况发送给船舶管理平台或其他业务平台，从而提高船舶的管理效率。
本申请实施例，通过对船舶实时数据集合中的每个实时数据进行分析判断，得到船舶既存在锚泊状态又存在压载状态，从而确定对应的船舶处于搁置状态。
本申请实施例，预设的第一阈值，第二阈值、第三阈值的取值可以通过多种方式确定。针对第一阈值、第二阈值、第三阈值的取值，可以根据船舶航行的历史数据分析取得，或选取正常航行轨迹中的异常值。优选地，可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。通过机器学习模型估算阈值能够更准确地判断船舶的状态，提升了判断效率。
本申请实施例，通过对船舶行为数据的分析得到船舶是否同时锚泊状态和压载状态，从而判定船舶是否处于搁置状态。船舶的搁置状态准确识别，有助于提升船舶的管理效率，节省船舶管理的时间、经济资源。
在图1的基础上，本申请实施例还提供了一种船舶搁置状态判断方法，进一步提升数据处理效率。请参考图2，图2示出了本申请又一实施例提供的船舶搁置状态判断方法的流程示意图。
如图2所示，该方法包括：
可选地，步骤210，获取运行参数。
其中，运行参数例如可以包括：预设时间范围、船舶类型等。
预设时间范围例如可以是30分钟、1个小时等时间段，根据不同的需求可以调整设置。船舶类型可以是干货船、液货船、冷藏船、集装箱船等。获取的方式可以通过触发事件指令从相应的功能区域读取参数。例如，读取事先由输入设备获取的参数，或事先通过远程控制装置获取的参数。
步骤220，根据运行参数获取由数据源提供的船舶实时数据集合，其中，船舶实时数据集合包括同一时刻的至少一个实时数据，每个实时数据是与每艘船舶相对应的。
船舶实时数据集合例如可以是同一时刻由数据源提供的多艘船舶的相关数据，船舶实时数据集合中的每个实时数据对应一艘船舶，该实时数据可以由船舶的唯一标识信息标识。例如，在t1时刻单独地接收AIS数据源提供的实时数据，其中每个数据例如可以表示为(船舶的MMSI，数据，t1)，船舶的MMSI用于唯一标识不同的船舶。或者，在t1时刻单独地接收雷达数据源提供的实时数据，每个数据例如可以表示为(雷达ID号，数据，t1)等，雷达ID号用于唯一标识不同的船舶。或者，在t1时刻从多个数据源同时接收实时数据，则通过数据融合处理方式得到同一融合批号的实时数据，例如可以表示为(融合批号，数据，t1)，其中融合批号用于唯一标识不同的船舶。以上方式仅为示意性说明实时数据，不具体限定其形式、内容。
船舶实时数据集合可以是由至少一个数据源提供。其中，数据源例如可以是以下至少一种：船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS。
船舶自动识别系统(Automatic Identification System，AIS)是一种集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备，它通过自身接口连接船上的GPS定位仪、测探仪、电罗经等采集各种船舶航行数据，显示在电子显示屏上位操作人员提供船舶的实时航行数据。同时也通过系统的发射设备将船舶的静态和动态信息发送到附近的岸上基站或卫星上，在这个过程中周围船舶和交管中心能够接收到这些数据。
自动雷达标绘仪(Automatic Radar Plotting Adis，简称APRA)，被广泛应用于船舶监控、目标定位。雷达只能单方的发射信号，然后接收、处理返送回来的信息，但不能接收其他雷达返送回来的信息，雷达还存在工作盲区、提供的目标信息不丰富，数据可靠性较低的等问题。
海洋船舶北斗定位导航系统由卫星导航运营中心，岸端监控中心和船载北斗终端设备组成，通过北斗系统可以实现全方位的船位监控。例如，接收AIS电文，解析得到船舶类型后，进一步提取船舶MMSI码，以及与MMSI码对应的船舶的相关数据，例如与该MMSI对应的航速、航向、吃水、经度、纬度、航首向、航迹向等数据。又或者，接收雷达电文，解析得到船速、航向等数据。
步骤230，对船舶实时数据集合进行预处理。
本申请实施例，在获取由数据源提供的船舶实时数据集合之后，需要对实时数据进行相应的预处理。
其中，预处理例如可以包括以下一种或多种方式：
数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
本申请实施例，获取的由数据源提供的实时数据，例如可以是单一的数据源独自提供，也可以是多个不同的数据源同时提供。当多个不同的数据源同时提供时，可以采用数据融合处理技术，将不同的数据源提供的实时数据进行坐标变换、时间对准、航迹关联、航迹融合等一系列处理后，得到数据融合处理的结果，从而提高跟踪精度。
本申请实施例，各个数据源提供的实时数据都可能存在重复、明显错误、时序不符等问题，为了更加有效地利用数据，例如可以选择重复数据清理、错误数据清理、数据排序、数据插值处理等数据处理方式，对获取的实时数据进行相应的处理，从而提高数据处理的效率。例如，重复数据清理可以将船舶的重复冗余的数据进行清除，以免减少计算处理时间，提高数据处理的时效性。错误数据清理，可以将数据源输入数据中存在的明显的属于异常值或者错误值的数据进行删除处理，从而提高数据处理质量，保证数据的合理性。数据排序处理，可以将船舶的实时位置数据按照时间或其他顺序进行排序，为处理船舶行为数据提供可选接口，方便其他终端用户根据不同的需求获取数据资源。数据插值处理，是对数据中的缺失点进行补充，常用的数据插值方法有拉格朗日插值等，通过数据差值处理，提高了处理数据质量。通过上述预处理可以进一步提高后期的数据分析处理的效率。
可选地，步骤240，基于船舶实时数据集合中的每个实时数据的统计标记判断是否满足触发条件，该触发条件用于触发执行基于该实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态。
本申请实施例，在基于预处理后的船舶实时数据集合判断与每个实时数据唯一对应的船舶是否同时存在锚泊状态和压载状态之前，还可以先通过对实时数据的统计标记进行判断来选择性地触发判断船舶是否同时存在锚泊状态和压载状态。
其中，实时数据的统计标记是指某船舶在预设时间范围内累计出现的次数。其形式例如可以是数据格式中特定的标识字段，或者附加字段，或者生成的用于指示累计信息的标识。该标识可以是累计数值。例如，在t1时刻，获取AIS数据源提供的实时数据，其中每个实时数据例如可以表示为(MMSI，数据，t1，统计标识)。
当统计标识的值大于等于预设的阈值时，则触发执行判断船舶是否同时存在锚泊状态和压载状态。例如，t1时刻的实时数据中第i条数据是属于船舶A的数据，在获得该数据时，得到该时刻统计标识为0，用该统计标识与预设的阈值进行判断，如果小于该预设的阈值，可以不用执行判断是否船舶A是否同时存在锚泊状态和压载状态的步骤，直接判断下一条数据(第i+1条)，下一条数据例如可以是属于船舶B的数据，采用同样的判断统计标识的方式来决定，是否触发判断船舶B是否同时存在锚泊状态和压载状态的步骤。
在t1+n时刻的实时数据中第j条数据是属于船舶A的数据，在获得该数据时，得到该时刻统计标识为n-1，将该统计标识与预设的阈值进行判断，如果大于等于该预设的阈值，则触发执行判断是否船舶A是否同时存在锚泊状态和压载状态的步骤。
通过增设触发条件判断步骤，进一步提升数据处理的效率，节省数据处理的时间。
步骤250，基于船舶实时数据集合中每个实时数据判断与该实时数据对应的船舶是否存在锚泊状态。
本申请实施例，可选地由步骤240触发步骤250。例如船舶实时数据集合中第i条数据的统计标识大于等于预设的阈值，则执行步骤250。
将第i条数据中用于表征船舶的行为特征数据提取出来与锚泊行为规则库进行比较，如果满足锚泊行为规则库的设置条件，确定第i条数据对应的船舶存在锚泊状态。
其中，用于表征船舶的行为特征数据例如可以包括：船舶的航行速度、航行位移、航行方向变化；航行位移是当前船舶行为相对于初始船舶行为产生的位移；航行方向变化是航行位移的方向变化。
通过对船舶行为特征数据进行分析或与预设的阈值进行比较，可以识别出船舶的锚泊行为，从而提高锚泊行为识别的效率。
其中，基于船舶行为特征数据建立的相应的锚泊行为规则库，即规定船舶的行为特征数据的选项内容以及每个选项内容需要满足的设置条件。
本发明实施例中，锚泊行为规则库可以是船舶抛锚行为的判定规则集合，该集合可以通过一个或多个规则定义锚泊行为，例如，对用于表征船舶行为特征数据进行定性综合评价判断，或基于船舶行为特征数据的定量综合评价判断。锚泊行为规则库例如可以包括：航行速度小于预设的第一阈值；航行位移小于预设的第二阈值；航行方向变化为连续变化。
其中，预设的第一阈值，第二阈值、第三阈值的取值可以通过多种方式确定。针对第一阈值、第二阈值、第三阈值的取值，可以根据船舶航行的历史数据分析取得，或选取正常航行轨迹中的异常值。优选地，可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。通过机器学习模型预测阈值能够更准确地判断船舶的状态，提升了判断效率。
在步骤250的判断结果为是的情况下，则进入步骤260。在步骤250的判断结果为否的情况下，继续返回步骤250，判断船舶实时数据集合中下一个实时数据。
步骤260，基于该实时数据判断与该实时数据对应的船舶是否存在压载状态。
本申请实施例中，对船舶实时数据集合中的每个实时数据通过步骤250判断存在锚泊状态后，继续从该实时数据中提取船舶的吃水深度值，
然后，基于该吃水深度值与预设的吃水深度阈值进行比对，如果满足判断条件，与该实时数据对应的船舶存在压载状态。
其中，预设的吃水深度阈值例如可以是空载吃水深度阈值，或者根据空载吃水深度与满载吃水深度的差值设定差值阈值。
例如，如果船舶的吃水深度值小于空载吃水深度阈值或差值阈值，则表示满足判断条件，确定船舶存在压载状态。
对于吃水深度阈值(为区别理解可以称为第三阈值)，可以依据经验值进行设置，也可以依据实际空载吃水深度设置，例如，可以通过船舶静态信息中指明的船舶类型、船长、船宽确定船舶压载状态时吃水深度。
优选地，还可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。
经过船舶锚泊状态的判断，确定船舶在预设范围内存在锚泊行为，然后再通过船舶的吃水深度判断船舶是否载有货物，综合船舶的锚泊行为和压载行为，最终可以判断停泊且未载货的船舶处于搁置状态，从而提高了船舶管理的效率。
在步骤260的判断结果为是的情况下，确定与实时数据唯一对应的船舶处于搁置状态。在步骤260的判断结果为否的情况下，继续返回步骤260，判断船舶实时数据集合中下一个实时数据。直至船舶实时数据集合中所有实时数据都判断完成。
在得到船舶处于搁置状态后，将该船舶的状态信息实时提供给海运公司、或港务局等管理机构，为其提供实时服务信息，从而提高海运管理效率。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本申请实施例还提供一种船舶搁置状态的判断装置。请参考图3，图3示出了根据本申请实施例提供的船舶搁置状态判断装置的示例性结构框图。
该装置300包括：
第一获取单元310，用于获取船舶实时数据集合，其中，船舶实时数据集合包括同一时刻的至少一个实时数据，每个实时数据与每艘船舶相对应的。
本申请实施例，通过获取船舶的实时数据进行分析来判断船舶的状态。其中，船舶的实时数据是每个时刻由数据源提供的多艘船舶相关的数据。该实时数据例如可以是一个或多个数据源同时提供的。该数据源例如可以是船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS等等。不同的数据源提供的实时数据内容不同。例如，AIS系统提供的AIS电文数据，该电文数据可以包括：船舶的呼号、船舶类型、水上移动通信业务标识码MMSI(船舶的唯一标识信息)，船舶的航速、船舶的船首向、航迹向、经度、纬度、目的地、船舶的长度、宽度、船舶的吃水深度值等内容。例如雷达系统提供的电文数据，该电文数据可以包括：雷达ID号(船舶的唯一标识信息)、船舶方位、船舶速度、航向等内容。其中，船舶可以是各种货船。
船舶实时数据集合例如可以是多艘船舶的相关数据，每艘船舶对应的数据可以由船舶的唯一标识信息标识。例如，在t1时刻单独地接收AIS数据源提供的实时数据，其中每个数据例如可以表示为(船舶的MMSI，数据，t1)，船舶的MMSI用于唯一标识不同的船舶。或者，在t1时刻单独地接收雷达数据源提供的实时数据，每个数据例如可以表示为(雷达ID号，数据，t1)等，雷达ID号用于唯一标识不同的船舶。或者，在t1时刻从多个数据源同时接收实时数据，则通过数据融合处理方式得到同一融合批号的实时数据，例如可以表示为(融合批号，数据，t1)，其中融合批号用于唯一标识不同的船舶。以上方式仅为示意性说明实时数据，不具体限定其形式、内容。
第一判断单元320，用于基于实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。
本申请实施例，在第一获取单元310获得同一时刻多艘船舶的实时数据之后，对每个实时数据进行判断。在进行判断之前，还可以通过对获取的某船舶的实时数据进行相应的预处理后，预处理方式例如可是数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理等方式。然后对经过预处理后的每个实时数据进行判断。
例如，使用特定的判别规则对每个实时数据中用于表征该船舶的行为特征数据进行判断，从而识别船舶的状态。其中，用于表征船舶的行为特征数据，例如可以是船舶的航速、位移、方向、吃水深度等数据。例如，将船舶的航速、位移、方向等数据与某个规则库进行判断，可以得到船舶是否存在锚泊状态。并在存在锚泊状态的情况下进一步对实时数据中的该船舶的吃水深度值进行判断，如果该吃水深度与某个预设值比较，满足条件，则认为船舶处于搁置状态。
锚泊状态，又称为抛锚状态，主要是只利用锚和锚链的系留力，使船舶安全停泊的行为。船舶为了装卸货物、避风、等泊位均需要抛锚停泊。压载状态是指船舶空载时为了保持稳定，将一定量的海水抽进船舱底部以增强抗风浪能力。空载状态是指船舶没有装货的状态。船舶搁置状态是指船舶不在维修中却停止航运。
其中，规则库是与船舶参数相对应的阈值的集合，以及设置条件。例如，规则库可以包括与船舶的航速对应的第一阈值，与船舶的位移对应的第二阈值，设置条件例如可以是小于第一阈值、小于第二阈值，且航行方向是连续的，则判断船舶存在锚泊状态。
由于现有技术中，判断船舶出现搁置状态总是滞后于事件本身，导致船舶管理平台不能及时有效地作出应对管理策略。因此本申请实施例，提出一种能够实时判断船舶是否处于搁置状态的方法来克服前述问题。
例如，第一获取单元310获取得到t1时刻的船舶实时数据集合{A1，A2，AN}，其中A1表示为船舶A在t1时刻的相关数据，A2表示为船舶B在t1时刻的相关数据，AN表示船舶X在t1时刻的相关数据。
从A1中提取用于表征船舶A的行为特征数据，船舶的航速、位移、方向、吃水深度。
然后将用于表征船舶A的行为特征数据中的船舶A的航速与第一阈值进行比较，如果小于第一阈值，进一步将船舶A的位移与第二阈值进行比较，如果小于第二阈值，进一步将船舶A的航行方向是连续的，则判断船舶A存在锚泊状态，否则不存在锚泊状态。
在船舶A存在锚泊状态时，再进一步判断船舶A的吃水深度与第三阈值的关系，如果小于第三阈值，则判断船舶A存在压载状态。当船舶A同时存在锚泊状态和压港状态，可以确定船舶A处于搁置状态，从而实时地判断船舶A的情况，并将该情况发送给船舶管理平台或其他业务平台，从而提高船舶的管理效率。
本申请实施例，通过对船舶实时数据集合中的每个实时数据进行分析判断，得到船舶既存在锚泊状态又存在压载状态，从而确定对应的船舶处于搁置状态。
本申请实施例，预设的第一阈值，第二阈值、第三阈值的取值可以通过多种方式确定。针对第一阈值、第二阈值、第三阈值的取值，可以根据船舶航行的历史数据分析取得，或选取正常航行轨迹中的异常值。优选地，可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。通过机器学习模型预测阈值能够更准确地判断船舶的状态，提升了判断效率。
本申请实施例，通过对船舶行为数据的分析得到船舶是否同时锚泊状态和压载状态，从而判定船舶是否处于搁置状态。船舶的搁置状态准确识别，有助于提升船舶的管理效率，节省船舶管理的时间、经济资源。
在图3的基础上，本申请实施例还提供了一种船舶搁置状态判断方法，进一步提升数据处理效率。请参考图4，图4示出了本申请又一实施例提供的船舶搁置状态判断装置的示例性结构示意图。
如图4所示，该装置400包括：
可选地，第二获取单元410，用于获取运行参数。
其中，运行参数例如可以包括：预设时间范围、船舶类型等。
预设时间范围例如可以是30分钟、1个小时等时间段，根据不同的需求可以调整设置。船舶类型可以是干货船、液货船、冷藏船、集装箱船等。获取的方式可以通过触发事件指令从相应的功能区域读取参数。例如，读取事先由输入设备获取的参数，或事先通过远程控制装置获取的参数。
第一获取单元420，用于根据运行参数获取由数据源提供的船舶实时数据集合。
船舶实时数据集合例如可以是同一时刻由数据源提供的多艘船舶的相关数据，船舶实时数据集合中的每个实时数据对应一艘船舶，该实时数据可以由船舶的唯一标识信息标识。例如，在t1时刻单独地接收AIS数据源提供的实时数据，其中每个数据例如可以表示为(船舶的MMSI，数据，t1)，船舶的MMSI用于唯一标识不同的船舶。或者，在t1时刻单独地接收雷达数据源提供的实时数据，每个数据例如可以表示为(雷达ID号，数据，t1)等，雷达ID号用于唯一标识不同的船舶。或者，在t1时刻从多个数据源同时接收实时数据，则通过数据融合处理方式得到同一融合批号的实时数据，例如可以表示为(融合批号，数据，t1)，其中融合批号用于唯一标识不同的船舶。以上方式仅为示意性说明实时数据，不具体限定其形式、内容。
船舶实时数据集合可以是由至少一个数据源提供。其中，数据源例如可以是以下至少一种：船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS。
船舶自动识别系统(Automatic Identification System，AIS)是一种集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备，它通过自身接口连接船上的GPS定位仪、测探仪、电罗经等采集各种船舶航行数据，显示在电子显示屏上位操作人员提供船舶的实时航行数据。同时也通过系统的发射设备将船舶的静态和动态信息发送到附近的岸上基站或卫星上，在这个过程中周围船舶和交管中心能够接收到这些数据。
自动雷达标绘仪(Automatic Radar Plotting Adis，简称APRA)，被广泛应用于船舶监控、目标定位。雷达只能单方的发射信号，然后接收、处理返送回来的信息，但不能接收其他雷达返送回来的信息，雷达还存在工作盲区、提供的目标信息不丰富，数据可靠性较低的等问题。
海洋船舶北斗定位导航系统由卫星导航运营中心，岸端监控中心和船载北斗终端设备组成，通过北斗系统可以实现全方位的船位监控。
例如，接收AIS电文，解析得到船舶类型后，进一步提取船舶MMSI码，以及与MMSI码对应的船舶的相关数据，例如与该MMSI对应的航速、航向、吃水、经度、纬度、航首向、航迹向等数据。又或者，接收雷达电文，解析得到船速、航向等数据。
预处理单元430，用于对船舶实时数据集合进行预处理。
本申请实施例，在获取由数据源提供的船舶实时数据集合之后，需要对实时数据进行相应的预处理。
其中，预处理例如可以包括以下一种或多种方式：
数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
本申请实施例，获取的由数据源提供的实时数据，例如可以是单一的数据源独自提供，也可以是多个不同的数据源同时提供。当多个不同的数据源同时提供时，可以采用数据融合处理技术，将不同的数据源提供的实时数据进行坐标变换、时间对准、航迹关联、航迹融合等一系列处理后，得到数据融合处理的结果，从而提高跟踪精度。
本申请实施例，各个数据源提供的实时数据都可能存在重复、明显错误、时序不符等问题，为了更加有效地利用数据，例如可以选择重复数据清理、错误数据清理、数据排序、数据插值处理等数据处理方式，对获取的实时数据进行相应的处理，从而提高数据处理的效率。例如，重复数据清理可以将船舶的重复冗余的数据进行清除，以免减少计算处理时间，提高数据处理的时效性。错误数据清理，可以将数据源输入数据中存在的明显的属于异常值或者错误值的数据进行删除处理，从而提高数据处理质量，保证数据的合理性。数据排序处理，可以将船舶的实时位置数据按照时间或其他顺序进行排序，为处理船舶行为数据提供可选接口，方便其他终端用户根据不同的需求获取数据资源。数据插值处理，是对数据中的缺失点进行补充，常用的数据插值方法有拉格朗日插值等，通过数据差值处理，提高了处理数据质量。通过上述预处理可以进一步提高后期的数据分析处理的效率。
可选地，第二判断单元440，用于基于船舶实时数据集合中的每个实时数据的统计标记判断是否满足触发条件，该触发条件用于触发执行基于该实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态。
本申请实施例，在基于预处理后的船舶实时数据集合判断与每一个实时数据唯一对应的船舶是否同时存在锚泊状态和压载状态之前，还可以先通过对实时数据的统计标记进行判断来选择性地触发判断船舶是否同时存在锚泊状态和压载状态。
其中，实时数据的统计标记是指某船舶在预设时间范围内累计出现的次数。其形式例如可以是数据格式中特定的标识字段，或者附加字段，或者生成的用于指示累计信息的标识。该标识可以是累计数值。例如，在t1时刻，获取AIS数据源提供的实时数据，其中每个实时数据例如可以表示为(MMSI，数据，t1，统计标识)。
当统计标识的值大于等于预设的阈值时，则触发执行判断船舶是否同时存在锚泊状态和压载状态。例如，t1时刻的实时数据中第i条数据是属于船舶A的数据，在获得该数据时，得到该时刻统计标识为0，用该统计标识与预设的阈值进行判断，如果小于该预设的阈值，可以不用执行判断是否船舶A是否同时存在锚泊状态和压载状态的步骤，直接判断下一条数据(第i+1条)，下一条数据例如可以是属于船舶B的数据，采用同样的判断统计标识的方式来决定，是否触发判断船舶B是否同时存在锚泊状态和压载状态的步骤。
在t1+n时刻的实时数据中第j条数据是属于船舶A的数据，在获得该数据时，得到该时刻统计标识为n-1，将该统计标识与预设的阈值进行判断，如果大于等于该预设的阈值，则触发执行判断是否船舶A是否同时存在锚泊状态和压载状态的步骤。
通过增设触发条件判断步骤，进一步提升数据处理的效率，节省数据处理的时间。
锚泊判断子单元450，用于基于船舶实时数据集合中每个实时数据判断与该实时数据对应的船舶是否存在锚泊状态。
本申请实施例，可选地由步骤240触发步骤250。例如船舶实时数据集合中第i条数据的统计标识大于等于预设的阈值，则执行步骤250。
将第i条数据中用于表征船舶的行为特征数据提取出来与锚泊行为规则库进行比较，如果满足锚泊行为规则库的设置条件，确定第i条数据对应的船舶存在锚泊状态。
其中，用于表征船舶的行为特征数据例如可以包括：船舶的航行速度、航行位移、航行方向变化；航行位移是当前船舶行为相对于初始船舶行为产生的位移；航行方向变化是航行位移的方向变化。
通过对船舶行为特征数据进行分析或与预设的阈值进行比较，可以识别出船舶的锚泊行为，从而提高锚泊行为识别的效率。
其中，基于船舶行为特征数据建立的相应的锚泊行为规则库，即规定船舶的行为特征数据的选项内容以及每个选项内容需要满足的设置条件。
本发明实施例中，锚泊行为规则库可以是船舶抛锚行为的判定规则集合，该集合可以通过一个或多个规则定义锚泊行为，例如，对用于表征船舶行为特征数据进行定性综合评价判断，或基于船舶行为特征数据的定量综合评价判断。锚泊行为规则库例如可以包括：航行速度小于预设的第一阈值；航行位移小于预设的第二阈值；航行方向变化为连续变化。
其中，预设的第一阈值，第二阈值、第三阈值的取值可以通过多种方式确定。针对第一阈值、第二阈值、第三阈值的取值，可以根据船舶航行的历史数据分析取得，或选取正常航行轨迹中的异常值。优选地，可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。通过机器学习模型预测阈值能够更准确地判断船舶的状态，提升了判断效率。
可选地，锚泊判断子单元450，包括：
第一提取子单元4501，用于从船舶实时数据集合中每个实时数据中提取与该实时数据对应的船舶的行为特征数据；
第一确定子单元4502，用于利用船舶的行为特征数据与锚泊行为规则库进行比对，如果满足锚泊行为规则库的设置条件，确定与该实时数据对应的船舶存在锚泊状态。
在锚泊判断子单元450的判断结果为是的情况下，则进入压载判断子单元460。在锚泊判断子单元450的判断结果为否的情况下，继续返回锚泊判断子单元450，判断船舶实时数据集合中下一个实时数据。
压载判断子单元460，用于基于该实时数据判断与该实时数据对应的船舶是否存在压载状态。
本申请实施例中，对船舶实时数据集合中的每个实时数据通过锚泊判断子单元450判断存在锚泊状态后，继续从该实时数据中提取船舶的吃水深度值，
然后，基于该吃水深度值与预设的吃水深度阈值进行比对，如果满足判断条件，与该实时数据对应的船舶存在压载状态。
其中，预设的吃水深度阈值例如可以是空载吃水深度阈值，或者根据空载吃水深度与满载吃水深度的差值设定差值阈值。
例如，如果船舶的吃水深度值小于空载吃水深度阈值或差值阈值，则表示满足判断条件，确定船舶存在压载状态。
对于吃水深度阈值(为区别理解可以称为第三阈值)，可以依据经验值进行设置，也可以依据实际空载吃水深度设置，例如，可以通过船舶静态信息中指明的船舶类型、船长、船宽确定船舶压载状态时吃水深度。优选地，还可以通过机器学习模型估算得到的，该机器学习模型是经过大量的历史船舶数据采用机器学习算法训练学习得到的。
经过船舶锚泊状态的判断，确定船舶在预设范围内存在锚泊行为，然后再通过船舶的吃水深度判断船舶是否载有货物，综合船舶的锚泊行为和压载行为，最终可以判断停泊且未载货的船舶处于搁置状态，从而提高了船舶管理的效率。
可选地，压载判断子单元460，还可以包括：
第二提取子单元4601，用于从该实时数据中继续提取与该实时数据对应的船舶的吃水深度值；
第二确定子单元4602，用于基于该吃水深度值与预设的吃水深度阈值进行比对，如果满足判断条件，则确定与该实时数据对应的船舶存在压载状态。
在压载判断子单元460的判断结果为是的情况下，确定与实时数据唯一对应的船舶处于搁置状态。
在压载判断子单元460的判断结果为否的情况下，继续返回压载判断子单元460，判断船舶实时数据集合中下一个实时数据。直至船舶实时数据集合中所有实时数据都判断完成。
在得到船舶处于搁置状态后，将该船舶的状态信息实时提供给海运公司、或港务局等管理机构，为其提供实时服务信息，从而提高海运管理效率。应当理解，装置300-400中记载的诸单元或模块与参考图1-2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置300-400及其中包含的单元，在此不再赘述。装置400可以预先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。装置300-400中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统500的结构示意图。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本公开的实施例，上文参考图1-2描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，前述计算机程序包含用于执行图1-2的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、判断单元。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，获取单元还可以被描述为“用于获取船舶实时数据集合的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的船舶搁置状态判断方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (17)

1.一种船舶搁置状态判断方法，其特征在于，该方法包括：
获取船舶实时数据集合，所述船舶实时数据集合包括同一时刻的至少一个实时数据，其中，每个所述实时数据与每艘船舶相对应的；
基于所述实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态，包括：
基于所述实时数据集合中每个实时数据判断与该实时数据对应的船舶是否存在锚泊状态；
如果存在锚泊状态，则继续基于该实时数据判断与该实时数据对应的船舶是否存在压载状态，包括：
从所述实时数据集合中每个实时数据中提取与该实时数据对应的船舶的行为特征数据；
利用所述船舶的行为特征数据与锚泊行为规则库进行比对，如果满足所述锚泊行为规则库的设置条件，则确定与该实时数据对应的船舶存在锚泊状态；
如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态。
2.如权利要求1所述的方法，其特征在于，所述行为特征数据至少包括以下一种：航行速度、船舶位移、航行方向；
所述锚泊行为规则库至少包括：与所述行为特征数据对应的阈值，以及所述设置条件。
3.根据权利要求2所述的方法，其特征在于，基于该实时数据判断与该实时数据对应的船舶是否存在压载状态，包括：
从所述实时数据中继续提取吃水深度值；
基于所述吃水深度值与预设的吃水深度阈值进行比对，如果满足判断条件，则确定与该实时数据对应的船舶存在压载状态。
4.根据权利要求3所述的方法，其特征在于，与所述行为特征数据对应的阈值和/或所述预设的吃水深度阈值是通过机器学习模型估算得到的。
5.如权利要求1所述的方法，其特征在于，在基于所述实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态之前，所述方法还包括：
基于所述实时数据集合中每个所述实时数据的统计标记判断是否满足触发条件，所述触发条件用于触发执行基于该实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态。
6.如权利要求1所述的方法，其特征在于，在获取船舶实时数据集合之后，所述方法还包括：
对所述船舶实时数据集合进行预处理，所述预处理至少包括以下一种：数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
7.如权利要求1所述的方法，其特征在于，在获取船舶实时数据集合之前，所述方法还包括：
获取运行参数，所述运行参数至少包括以下一种：预设获取时间范围、船舶类型。
8.如权利要求7所述的方法，其特征在于，所述获取船舶实时数据集合还包括：
根据所述运行参数获取由数据源提供的船舶实时数据集合，所述数据源至少包括以下一种：船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS。
9.一种船舶搁置状态判断装置，其特征在于，该装置包括：
第一获取单元，用于获取船舶实时数据集合，所述船舶实时数据集合包括同一时刻的至少一个实时数据，其中，每个所述实时数据与每艘船舶相对应的；
第一判断单元，用于基于所述船舶实时数据集合中每个实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态；如果该船舶同时存在锚泊状态和压载状态，则该船舶处于搁置状态；
所述第一判断单元，包括：
锚泊判断子单元，用于基于所述船舶实时数据集合中每个实时数据判断与该实时数据对应的船舶是否存在锚泊状态；以及
压载判断子单元，如果存在锚泊状态，用于继续基于该实时数据判断与该实时数据对应的船舶是否存在压载状态。
10.如权利要求9所述的装置，其特征在于，所述锚泊判断子单元，包括：
第一提取子单元，用于从所述实时数据集合中每个实时数据中提取与该实时数据对应的船舶的行为特征数据；
第一确定子单元，用于利用所述船舶的行为特征数据与锚泊行为规则库进行比对，如果满足所述锚泊行为规则库的设置条件，确定与该实时数据对应的船舶存在锚泊状态。
11.根据权利要求9或10所述的装置，其特征在于，所述压载判断子单元，包括：
第二提取子单元，用于从所述实时数据中继续提取吃水深度值；
第二确定子单元，用于基于所述吃水深度值与预设的吃水深度阈值进行比对，如果满足判断条件，则确定与该实时数据对应的船舶存在压载状态。
12.如权利要求9所述的装置，其特征在于，在所述第一判断单元之前，所述装置还包括：
第二判断单元，用于基于所述船舶实时数据集合中每个所述实时数据的统计标记判断是否满足触发条件，所述触发条件用于触发执行基于该实时数据判断与该实时数据对应的船舶是否同时存在锚泊状态和压载状态。
13.如权利要求9所述的装置，其特征在于，在第一获取单元之后，所述装置还包括：
预处理单元，用于对所述船舶实时数据集合进行预处理，所述预处理包括以下一种或多种方式：数据融合处理、重复数据清理、错误数据清理、数据排序和数据插值处理。
14.如权利要求9所述的装置，其特征在于，在第一获取单元之前，所述装置还包括：
第二获取单元，用于获取运行参数，所述运行参数至少包括以下一种：预设获取时间范围、船舶类型。
15.如权利要求14所述的装置，其特征在于，所述第一获取单元还用于根据所述运行参数获取由数据源提供的所述船舶实时数据集合；所述数据源至少包括以下一种：船舶自动识别系统AIS、雷达、北斗卫星导航系统、全球定位系统GPS。
16.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，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。
17.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于：
所述计算机程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201810323266.8A 2018-04-10 2018-04-10 船舶搁置状态判断方法、装置、设备及其存储介质 Active CN110363369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810323266.8A CN110363369B (zh) 2018-04-10 2018-04-10 船舶搁置状态判断方法、装置、设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810323266.8A CN110363369B (zh) 2018-04-10 2018-04-10 船舶搁置状态判断方法、装置、设备及其存储介质

Publications (2)

Publication Number Publication Date
CN110363369A CN110363369A (zh) 2019-10-22
CN110363369B true CN110363369B (zh) 2023-02-03

Family

ID=68214647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810323266.8A Active CN110363369B (zh) 2018-04-10 2018-04-10 船舶搁置状态判断方法、装置、设备及其存储介质

Country Status (1)

Country Link
CN (1) CN110363369B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037230B (zh) * 2021-10-28 2023-06-20 中远海运科技股份有限公司 一种快速精准识别预计空载船舶信息的方法及系统
CN114923443A (zh) * 2022-05-16 2022-08-19 广东逸动科技有限公司 船舶脱锚检测方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002149767A (ja) * 2000-11-06 2002-05-24 Masayoshi Kubo 港湾における船舶の運用管理システム及びその運用管理方法
WO2005001757A1 (ja) * 2003-06-30 2005-01-06 National University Corporation Kagawa University 情報処理装置，状態判定装置及び診断装置，並びに情報処理方法，状態判定方法及び診断方法
CN101917004A (zh) * 2010-08-11 2010-12-15 江苏镇安电力设备有限公司 一种船舶岸电系统及其供电方法
CN102211657A (zh) * 2011-05-11 2011-10-12 上海海事大学 柴油发电机组与动力电池混合供电的船舶电力推进系统
CN102800215A (zh) * 2012-08-01 2012-11-28 上海海事大学 基于ais数据的区域性闲置船舶统计系统及其实现方法
CN106874683A (zh) * 2017-03-02 2017-06-20 浙江海洋大学 一种防止船舶进出特殊限制性航道时下沉触底的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002149767A (ja) * 2000-11-06 2002-05-24 Masayoshi Kubo 港湾における船舶の運用管理システム及びその運用管理方法
WO2005001757A1 (ja) * 2003-06-30 2005-01-06 National University Corporation Kagawa University 情報処理装置，状態判定装置及び診断装置，並びに情報処理方法，状態判定方法及び診断方法
CN101917004A (zh) * 2010-08-11 2010-12-15 江苏镇安电力设备有限公司 一种船舶岸电系统及其供电方法
CN102211657A (zh) * 2011-05-11 2011-10-12 上海海事大学 柴油发电机组与动力电池混合供电的船舶电力推进系统
CN102800215A (zh) * 2012-08-01 2012-11-28 上海海事大学 基于ais数据的区域性闲置船舶统计系统及其实现方法
CN106874683A (zh) * 2017-03-02 2017-06-20 浙江海洋大学 一种防止船舶进出特殊限制性航道时下沉触底的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于AIS数据的区域性搁置船舶统计;郑海林等;《中国航海》;20121231;第35卷(第4期);第9-12页 *
干散货船舶搁置决策探讨;赖禄元等;《世界海运》;20160531;第39卷(第5期);第19-22页 *

Also Published As

Publication number Publication date
CN110363369A (zh) 2019-10-22

Similar Documents

Publication Publication Date Title
Emmens et al. The promises and perils of Automatic Identification System data
US20200184828A1 (en) Risk event identification in maritime data and usage thereof
CN109658439B (zh) 船舶压港状态识别方法、装置、设备以及存储介质
US6658349B2 (en) Method and system for marine vessel tracking system
US9659501B2 (en) Vessel monitoring system and vessel monitoring method thereof
US9109895B2 (en) Estimating probabilities of arrival times for voyages
JP3882025B1 (ja) 広域用船舶動静監視方法及びシステム
CN104916166A (zh) 一种桥梁防撞预警系统及实现方法
Meng et al. Analysis with automatic identification system data of vessel traffic characteristics in the Singapore strait
CN112991820B (zh) 套牌船识别方法及系统
CN115410420B (zh) 一种船舶安全航行管理方法和系统
CN110750571B (zh) 港口泊位数据挖掘方法、装置、设备和储存介质
JP2009025860A (ja) 船舶動静予測方法及びシステム
TW200828195A (en) Vector-based harbor scheduling
EP2736029B1 (en) Methods and systems for determining an anchoring location of a marine vessel
CN110069582B (zh) 船舶抛锚区域确定方法、装置、设备及存储介质
CN110363369B (zh) 船舶搁置状态判断方法、装置、设备及其存储介质
CN115577868A (zh) 在途船舶的目的港预测方法、装置、可读存储介质和船舶
CN105825715A (zh) 一种基于移动终端的船舶防碰撞的优化方法及系统
CN111694355B (zh) 船舶编队航行控制方法、系统和存储介质
CN115407786B (zh) 一种船舶全航程自动航行决策方法、装置、设备及介质
CN113720383B (zh) 识别船舶异常行为的方法、设备及介质
CN113962321B (zh) 一种船对船装卸货识别处理方法及系统
Nordkvist An advanced method for detecting exceptional vessel encounters in open waters from high resolution ais data
CN116312062A (zh) 一种船舶航行预警方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant