本發(fā)明涉及航運數(shù)據(jù)處理，特別涉及一種超大型油船航線智能分析系統(tǒng)及方法。

背景技術(shù)：

1、船舶自動識別系統(tǒng)ais系統(tǒng)提供的數(shù)據(jù)內(nèi)容包含船舶靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)和航程數(shù)據(jù)。其中，靜態(tài)數(shù)據(jù)包括：船舶呼號、船舶船名、船長和船寬、船型、船上固定天線的位置(船首后和中心線的左右舷)、ais標識碼等。動態(tài)數(shù)據(jù)包括：具有精度顯示和完整狀態(tài)的船位、世界標準時間、對地航向、對地航速、航向、航行狀態(tài)、轉(zhuǎn)向率(如有)等等。航行數(shù)據(jù)包括：船舶狀態(tài)、船舶吃水、船舶所裝貨物種類、船舶危險貨物類型、船舶所要到達的目的港、船舶預計抵達目的港時間、船舶選用的航線計劃(航途基準點)。ais數(shù)據(jù)分析海上船舶行為已成為航運領(lǐng)域的新發(fā)展方向，但現(xiàn)實獲取的ais數(shù)據(jù)冗余、復雜且包含大量的噪聲，嚴重阻礙了研究人員對油船信息的高效檢索，也無法滿足對油船復雜行為分析的業(yè)務(wù)需求。此外，由于缺乏有效的長距離航線生成方法，使得對完整航線的預測變得尤為困難。因此，亟需一種數(shù)據(jù)挖掘手段，以及時有效地分析海上船舶行為。

技術(shù)實現(xiàn)思路

1、為此，本發(fā)明提供一種超大型油船航線智能分析系統(tǒng)及方法，解決現(xiàn)有利用ais數(shù)據(jù)分析船舶行為存在的噪聲大、復雜度高、完整航線預測困難等問題。

2、按照本發(fā)明所提供的設(shè)計方案，一方面，提供一種超大型油船航線智能分析系統(tǒng)，包含：船舶信息查詢模塊和航線分析處理模塊，其中，

3、船舶信息查詢模塊，用于利用數(shù)據(jù)庫對船舶信息數(shù)據(jù)進行存儲對齊，并基于數(shù)據(jù)庫中的船舶信息關(guān)鍵表來實現(xiàn)船舶信息查詢功能，所述船舶信息關(guān)鍵表包括靜態(tài)數(shù)據(jù)精煉數(shù)據(jù)表、歷史船舶信息數(shù)據(jù)表和爬蟲數(shù)據(jù)表，所述靜態(tài)數(shù)據(jù)精煉數(shù)據(jù)表用于對數(shù)據(jù)精煉后的ais系統(tǒng)靜態(tài)數(shù)據(jù)進行存儲，所述歷史船舶信息數(shù)據(jù)表用于存儲歷史船舶信息，所述爬蟲數(shù)據(jù)表用于將依據(jù)爬蟲規(guī)則獲取的原始爬蟲船舶數(shù)據(jù)與歷史船舶信息數(shù)據(jù)表中的歷史船舶信息進行對齊存儲；

4、航線分析處理模塊，用于基于ais系統(tǒng)動態(tài)數(shù)據(jù)對航線數(shù)據(jù)進行異常處理和航線抽取并利用深度學習算法生成目標航線，所述深度學習算法采用transformer模型進行航線預測生成。

5、作為本發(fā)明超大型油船航線智能分析系統(tǒng)，進一步地，所述船舶信息查詢模塊包括：靜態(tài)信息管理單元和靜態(tài)信息查詢單元，其中，

6、靜態(tài)信息管理單元，用于接收導入的ais系統(tǒng)靜態(tài)數(shù)據(jù)，利用數(shù)據(jù)精煉方法獲取ais系統(tǒng)靜態(tài)數(shù)據(jù)中的船舶信息數(shù)據(jù)并對齊存儲至數(shù)據(jù)庫中，所述數(shù)據(jù)精良方法用于剔除ais系統(tǒng)靜態(tài)數(shù)據(jù)中冗余數(shù)據(jù)；

7、靜態(tài)信息查詢單元，用于將輸入的待查詢船舶數(shù)據(jù)與數(shù)據(jù)庫中存儲的船舶信息數(shù)據(jù)進行匹配，依據(jù)匹配結(jié)果獲取待查詢船舶信息。

8、作為本發(fā)明超大型油船航線智能分析系統(tǒng)，進一步地，所述航線分析處理模塊包括：航線處理單元、航線抽取單元、模型訓練單元和航線生成單元，其中，

9、航線處理單元，用于接收導入的ais系統(tǒng)動態(tài)數(shù)據(jù)，并對動態(tài)數(shù)據(jù)進行預處理，所述預處理至少包括：數(shù)據(jù)去重處理、數(shù)據(jù)異常值處理和數(shù)據(jù)過濾處理，其中，數(shù)據(jù)異常值包括航跡數(shù)據(jù)屬性異常值和空間異常值；

10、航線抽取單元，用于基于區(qū)域geom數(shù)據(jù)表抽取指定起始點之間的航線數(shù)據(jù)，所述geom數(shù)據(jù)表用于基于預處理的動態(tài)數(shù)據(jù)存儲地理區(qū)域中的地圖元素；

11、模型訓練單元，用于依據(jù)指定經(jīng)緯度參數(shù)識別航線中斷數(shù)據(jù)并構(gòu)建模型訓練數(shù)據(jù)集，利用訓練數(shù)據(jù)集對航線識別模型進行訓練；

12、航線生成單元，用于將待預測航線數(shù)據(jù)輸入至訓練后的航線識別模型，利用航線識別模型生成對應航線，所述待預測航線數(shù)據(jù)包括航線起始點參數(shù)及航線起始點之間的航線點數(shù)參數(shù)。

13、又一方面，本發(fā)明還提供一種超大型油船信息查詢方法，基于上述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包含：

14、接收用戶待查詢船舶關(guān)鍵字，所述待查詢船舶關(guān)鍵字為船舶imo號、mmsi號和船舶名稱中的任一項；

15、將待查詢船舶關(guān)鍵字與歷史船舶信息數(shù)據(jù)表中存儲的歷史船舶信息進行相似度匹配，得到與待查詢船舶關(guān)鍵字最相似的船舶信息并推薦給用戶。

16、作為本發(fā)明超大型油船信息查詢方法，進一步地，還包含：抽取歷史船舶信息數(shù)據(jù)表中船舶類別字段，并生成類別字典數(shù)據(jù)表，以將用戶收集的船舶數(shù)據(jù)集中船舶類別與類別字典數(shù)據(jù)表進行匹配并存儲對齊。

17、作為本發(fā)明超大型油船信息查詢方法，進一步地，若待查詢船舶關(guān)鍵字為數(shù)字，則依據(jù)數(shù)字位數(shù)識別該數(shù)字為船舶imo號或mmsi號，以依據(jù)船舶imo號或mmsi號在歷史船舶信息數(shù)據(jù)表中匹配最相似船舶信息。

18、又一方面，本發(fā)明還提供一種起始點航線抽取方法，基于上述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包含：

19、對ais系統(tǒng)動態(tài)數(shù)據(jù)進行數(shù)據(jù)預處理，并將數(shù)據(jù)預處理后的各航線在地圖上進行可視化展示，所述數(shù)據(jù)預處理包括異常值處理和航跡數(shù)據(jù)過濾；

20、依據(jù)用戶指定的起始點及航跡最大持續(xù)時間，從數(shù)據(jù)預處理后的航線數(shù)據(jù)中抽取起始點之間對應航線。

21、作為本發(fā)明起始點航線抽取方法，進一步地，數(shù)據(jù)預處理過程包含：

22、依據(jù)指定航線屬性和指定經(jīng)緯度閾值分別對動態(tài)數(shù)據(jù)進行屬性異常值過濾和空間異常值過濾；

23、并依據(jù)航線中設(shè)置的最小航跡點數(shù)和指定經(jīng)緯度閾值剔除動態(tài)數(shù)據(jù)中異常航線，所述異常航線包括：徘徊航線及長度小于閾值的過短航線。

24、再一方面，本發(fā)明還提供一種基于transformer模型的超大型油船航線預測方法，基于上述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包括：

25、將用戶輸入的起始點及航線點數(shù)作為模型輸入數(shù)據(jù)，利用已訓練的航線生成模型生成起始點之間對應航線點數(shù)的航線；

26、其中，航線生成模型基于transformer模型構(gòu)建，并依據(jù)起始點之間經(jīng)緯度閾值構(gòu)建模型訓練數(shù)據(jù)集，以利用訓練數(shù)據(jù)集對航線生成模型進行訓練。

27、作為本發(fā)明基于transformer模型的超大型油船航線預測方法，進一步地，依據(jù)起始點之間經(jīng)緯度閾值構(gòu)建模型訓練數(shù)據(jù)集，包含：

28、設(shè)置經(jīng)緯度閾值參數(shù)，并利用經(jīng)緯度閾值參數(shù)識別和判斷指定航線中斷部分；

29、利用指定航線中斷部分構(gòu)建相應的模型訓練用數(shù)據(jù)集。

30、本發(fā)明的有益效果：

31、本發(fā)明根據(jù)業(yè)務(wù)單位的實際需求，利用靜態(tài)信息處理策略在保留和擴展原有靜態(tài)信息的基礎(chǔ)上，提高航跡數(shù)據(jù)價值密度，壓縮數(shù)據(jù)存儲需求，提升業(yè)務(wù)人員在油船信息檢索時的效率和準確率；將深度學習技術(shù)應用于航線生成任務(wù)，結(jié)合軌跡預測和航線生成，將預軌跡測進行擴展，并通過實驗驗證本案方案的有效性與可行性，取得了較為滿意的結(jié)果；利用航線智能分析系統(tǒng)，對業(yè)務(wù)單位所需的功能進行模塊化設(shè)計與管理，結(jié)合友好的交互界面，實現(xiàn)數(shù)據(jù)可視化與智能算法的融合，促進人機協(xié)同分析，幫助用戶快速理解相關(guān)航線并做出決策，為業(yè)務(wù)單位提供便利。

技術(shù)特征：

1.一種超大型油船航線智能分析系統(tǒng)，其特征在于，包含：船舶信息查詢模塊和航線分析處理模塊，其中，

2.根據(jù)權(quán)利要求1所述的超大型油船航線智能分析系統(tǒng)，其特征在于，所述船舶信息查詢模塊包括：靜態(tài)信息管理單元和靜態(tài)信息查詢單元，其中，

3.根據(jù)權(quán)利要求1所述的超大型油船航線智能化分析系統(tǒng)，其特征在于，所述航線分析處理模塊包括：航線處理單元、航線抽取單元、模型訓練單元和航線生成單元，其中，

4.一種超大型油船信息查詢方法，其特征在于，基于權(quán)利要求1所述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包含：

5.根據(jù)權(quán)利要求4所述的超大型油船信息查詢方法，其特征在于，還包含：抽取歷史船舶信息數(shù)據(jù)表中船舶類別字段，并生成類別字典數(shù)據(jù)表，以將用戶收集的船舶數(shù)據(jù)集中船舶類別與類別字典數(shù)據(jù)表進行匹配并存儲對齊。

6.根據(jù)權(quán)利要求4所述的超大型油船信息查詢方法，其特征在于，若待查詢船舶關(guān)鍵字為數(shù)字，則依據(jù)數(shù)字位數(shù)識別該數(shù)字為船舶imo號或mmsi號，以依據(jù)船舶imo號或mmsi號在歷史船舶信息數(shù)據(jù)表中匹配最相似船舶信息。

7.一種起始點航線抽取方法，其特征在于，基于權(quán)利要求1所述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包含：

8.根據(jù)權(quán)利要求7所述的起始點航線抽取方法，其特征在于，數(shù)據(jù)預處理過程包含：

9.一種基于transformer模型的超大型油船航線預測方法，其特征在于，基于權(quán)利要求1所述的系統(tǒng)實現(xiàn)，實現(xiàn)過程包括：

10.根據(jù)權(quán)利要求9所述的基于transformer模型的超大型油船航線預測方法，其特征在于，依據(jù)起始點之間經(jīng)緯度閾值構(gòu)建模型訓練數(shù)據(jù)集，包含：

技術(shù)總結(jié)
本發(fā)明涉及航運數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種超大型油船航線智能分析系統(tǒng)及方法，通過將AIS數(shù)據(jù)劃分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，并基于靜態(tài)數(shù)據(jù)實現(xiàn)船舶靜態(tài)信息查詢，基于動態(tài)數(shù)據(jù)來獲取目標航線態(tài)勢并生成相應航線，采用B/S架構(gòu)和Web開發(fā)技術(shù)來實現(xiàn)航線智能分析系統(tǒng)中對靜態(tài)信息的管理與查詢、航線動態(tài)數(shù)據(jù)的預處理、航線抽取以及航線生成等功能的模塊化管理，利用靜態(tài)信息處理策略在保留和擴展原有靜態(tài)信息，提高航跡數(shù)據(jù)價值密度，壓縮數(shù)據(jù)存儲需求，提升業(yè)務(wù)人員在油船信息檢索時的效率和準確率；將深度學習技術(shù)應用于航線生成任務(wù)，結(jié)合友好的交互界面，實現(xiàn)航跡數(shù)據(jù)可視化與智能算法的融合，促進人機協(xié)同分析，幫助用戶快速理解相關(guān)航線并做出決策。

技術(shù)研發(fā)人員：陳曉慧,張然,王德澤,張兵,葉林,鄭明琪,程革超,趙云鵬,陸川偉
受保護的技術(shù)使用者：中國人民解放軍網(wǎng)絡(luò)空間部隊信息工程大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/24