一种基于轨迹语言识别的启发式航线生成方法及装置与流程
本发明涉及全球航运大数据及航运产业互联网的领域，具体涉及一种基于轨迹语言识别的启发式航线生成方法及装置。
背景技术：
早期的航线设计通常是二副根据自己的多年航行经验，同时参照一些安全的经典航线，结合每次的航行任务对航线进行分析，并提出要求及具体实施方案，航海人员依照二副的指示意见，在纸质海图上进行人工绘制出全程的计划航线，这种人工作业的方法不仅工作强度大，而且设计的效果优劣程度完全取决于航海人员的经验、作业的熟练程度以及其当时航线设计人员的工作状态和态度，这往往会给海上航行带来很多潜在的不安全因素。
中国专利“cn101916312a基于人工免疫和蚁群算法结合的船舶航线智能生成方法”提供了一种智能船舶航线生成方法。前半部分通过对障碍物进行凸壳提取多边形，并对航行环境进行描述，接着按照一定的规则随机产生初始路径，并对初始路径群进行预处理，最后对路径群进行匹配选择。后半部分则利用获得的较优可行解，生成信息素初始分布，然后利用蚁群算法进行最优路径的搜索。中前期采用基于亲和度的选择更新，从而有效地防止，“早熟”的问题，将搜索过程引向全局最优，后期利用蚁群算法的并行计算，及正反馈的特点，提高了算法效率。但此种方法无法完全模拟航行环境，只能近似的模拟航行环境，所以生成的航线与实际情况匹配存在差异较大的情况。
针对上述情况，随着航运大数据以及航运互联网的发展，ais(automaticidentificationsystem船舶自动识别系统，以下简称为“ais”)船舶大数据作为船舶航行的历史船位点相关信息，展示的是船舶的历史航行数据，其中体现了船员设计航线的丰富经验和船舶安全航行的轨迹，同时也避免计算机无法完全模拟航行环境的弊端，对于航线的设计以及航线里程的计算有着显而易见的优势。有鉴于此，如何基于此种环境，提供一种基于轨迹语言识别ais数据的启发式航线生成算法，成为亟待解决的技术问题。
技术实现要素：
本发明的目的在于利用ais船舶位置轨迹点数据通过启发式算法生成用于航线设计以及航线里程计算的航线，以解决航海人员经验不足和计算机无法完全模拟航行环境的问题。
一方面，本发明实施例提供了一种基于轨迹语言识别的启发式航线生成方法，包括：
s1、通过对数据库中存储的轨迹语言识别后的两港之间的航线进行异常数据检测，对存在信息异常的船位轨迹点进行删除；
s2、对前一步处理后的航线进行标准检验，检验两港之间的每条航线是否符合航线设计功能的最低标准，对不符合最低标准的整条航线进行删除，检验筛选的标准包括两港之间的航线的总体船位点数量大小及航线中相邻两个船位点之间的距离不能超过规定的阈值；
s3、根据相关的航海知识以及根据航线特点修改的最短路径算法，对航线中缺失的路径信息进行补全，模拟船舶的真实航行轨迹，并根据远距离航行时，船舶利用大圆航行的特点对补全后的航线进行航线优化；
s4、通过统计学中的方法分析处理航线，筛选出最适合船舶航行的推荐航线。
另一方面，本发明实施例提供了一种基于轨迹语言识别的启发式航线生成装置，包括：
检测单元，用于通过对数据库中存储的轨迹语言识别后的两港之间的航线进行异常数据检测，对存在信息异常的船位轨迹点进行删除；
检验单元，用于对所述检测单元处理后的航线进行标准检验，检验两港之间的每条航线是否符合航线设计功能的最低标准，对不符合最低标准的整条航线进行删除，检验筛选的标准包括两港之间的航线的总体船位点数量大小及航线中相邻两个船位点之间的距离不能超过规定的阈值；
补全与优化单元，用于根据相关的航海知识以及根据航线特点修改的最短路径算法，对航线中缺失的路径信息进行补全，模拟船舶的真实航行轨迹，并根据远距离航行时，船舶利用大圆航行的特点对补全后的航线进行航线优化；
筛选单元，用于通过统计学中的方法分析处理航线，筛选出最适合船舶航行的推荐航线。
需要说明的是：
ais数据是通过ais岸站接收机和ais卫星接收机实时接收船上ais设备发送的包括船舶mmsi(maritimemobileserviceidentify水上移动通信业务标识码)、船位经纬度、船舶航向、船舶航速等静态和动态船舶信息数据。
轨迹语言识别就是对获取的实时船位点的位置、速度、船首向信息结合网络地理信息系统进行靠离港识别、锚泊判断等算法判断、语义识别方法，对接收的实时船位点数据库信息进行计算、整理与筛选使得把轨迹语言转化为人眼可以识别的两港之间的航线，得到初始航线。
而本方案正是基于这种轨迹语言识别航线的基础上，对船舶初始航线信息进行包括异常点删除、航线筛选、航线补点、航线后处理等一系列的启发式航线生成算法操作，最后生成可用于航线设计以及航线里程计算的推荐航线，得到船舶两港间接近实际航行的航线，相较于现有技术，本方案能够解决航海人员经验不足和计算机无法完全模拟航行环境的问题。
下面对启发式航线生成算法进行简要说明：
1、异常轨迹点处理
由于ais数据库中存储的数据可能在数据源、数据传输过程和数据库录入等情况下存在错误，导致船位点数据出现异常，根据对数据库中的数据进行统计分析，可分为两种情况：船位点速度异常和船位点位置异常。速度异常表现为船舶船位点的速度超过船舶实际航行的最大速度情况；位置异常表现为记录的船位出现偏离实际的情况，对这种数据错误的情况需要进行识别并删除。
不同类型的船舶，速度不同，对于速度异常船位点需要对船舶进行分类。由于集装箱船舶的速度较其他船舶速度快，其余船舶实际航行速度范围基本相同，可以将船舶分为集装箱船和非集装箱船。根据其船舶种类进行速度限定。
船舶位置数据异常的辨识方法是通过船位点与相邻点的相关位置信息进行判断，根据相邻两点的时间和船舶最大速度利用数学知识可以得到船舶可能行驶的最大范围是以相邻两点为焦点的椭圆范围内，如果记录的船位点超过该范围，则认定该点位置异常，进行删除。
2、航线筛选
航线的筛选是根据航线设计的需求，筛选排除不符合船舶航行标准的航线，保证数据库中存储的航线具有较高的可利用性。
航线设计的标准一般体现在船舶航行普遍性与实时性。普遍性表现为船舶的吨位、速度普遍，尽可能排除个体的差异性；实时性体现在ais获取的船位点信息实时且完整，保证航线存在足够的航行细节。
3、航线补点与优化
ais数据库中航线中可能会出现某段路程缺失船位置信息的情况，对于这种情况，需要对数据进行补全。根据dijkstra最短路径算法，利用关键点(关键点即海事官方部门提供的相关区域船舶航行经过的大概率船位点)对缺失船位信息的航段进行补全，并同时根据船舶远距离航行采用大圆航线的特点，将航线中相邻两点间距离过远的航线段修改为适合船舶航行的大圆航线，模拟船舶的真实航行情况，对航线中缺失的航段进行补充、修复。
dijkstra算法思想描述：
步骤一：初始时，在椭圆范围内，集合s只包含补点段源点，即s＝{v}，v的距离为0。集合u包含除v外的其他关键点，同时添加补点段源点的另外一点：e(因为缺失的是线段，有两个端点)，即:u＝{其余关键点+e}，若v与u中关键点u有边且不穿越大陆，则关键点u与补点段源点v的距离为u和v两关键点的大圆距离，若u与v的连线穿越大陆，则关键点u与补点段源点v的距离为100000。
步骤二：从u中选取一个与v距离最小的关键点k，把k，加入s中。
步骤三：以k为新考虑的中间点，重新计算u集合中各点到k的距离，然后进行如下的判断：；
a)距离a：表示从源点v→k点→u点的距离
b)距离b：表示从原点v→u点的距离
如果距离a小于距离b，则更新u点与补点段源点v的距离为距离a。
步骤四：重复步骤二和三直到u中的e点进入集合s中。
步骤五：则补点段两端点的最短路径记录在集合s中，根据s中的路径将航线与关键点按顺序相连，得到补点后航线。
4、航线后处理
最后，通过统计学中的统计方法进行数据库中的航线进行统计分析，排除样本的偶然性，通过距离众数选取两港之间的最普遍的航线，作为推荐航线。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的基于轨迹语言识别的启发式航线生成方法的流程示意图；
图2是本发明另一个实施例的基于轨迹语言识别的启发式航线生成方法的部分流程示意图；
图3是本发明另一个实施例的基于轨迹语言识别的启发式航线生成方法的部分流程示意图；
图4是本发明另一个实施例的基于轨迹语言识别的启发式航线生成方法的部分流程示意图；
图5是本发明另一个实施例的基于轨迹语言识别的启发式航线生成方法的部分流程示意图；
图6是本发明一个实施例的基于轨迹语言识别的启发式航线生成装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明一个实施例的基于轨迹语言识别的启发式航线生成方法的流程示意图，该方法包括：
s1、通过对数据库中存储的轨迹语言识别后的两港之间的航线进行异常数据检测，对存在信息异常的船位轨迹点进行删除；
s2、对前一步处理后的航线进行标准检验，检验两港之间的每条航线是否符合航线设计功能的最低标准，对不符合最低标准的整条航线进行删除，检验筛选的标准包括两港之间的航线的总体船位点数量大小及航线中相邻两个船位点之间的距离不能超过规定的阈值；
s3、根据相关的航海知识以及根据航线特点修改的最短路径算法，对航线中缺失的路径信息进行补全，模拟船舶的真实航行轨迹，并根据远距离航行时，船舶利用大圆航行的特点对补全后的航线进行航线优化；
s4、通过统计学中的方法分析处理航线，筛选出最适合船舶航行的推荐航线。
如图2至5所示为本发明基于轨迹语言识别的启发式航线生成方法另一实施例的部分流程示意图，一起构成了本发明基于轨迹语言识别的启发式航线生成方法另一实施例的完整的流程图，下面结合附图2至5对本发明的具体实施方式作详细说明。
如图2至5所示，航线生成的整个算法流程可以分为四个部分：异常点处理、航线筛选、航线补点与优化和航线后处理。
1、异常点处理：
对输入的轨迹语言识别后的两港初始航线进行点判断，检验第一条航线中的第一个船位点，判别该船位点所属的船舶类型是否为集装箱船，如果所属船舶类型为集装箱船，判断该点的船舶速度是否小于第一阈值(比如30kn)，该船位点的船舶速度小于第一阈值时，保留该船位点，进行位置异常检验；不小于第一阈值时，删除该船位点，直接进行下一船位点检验。如果所属船舶类型为非集装箱船，判断该点的船舶速度是否小于第二阈值(比如20kn)，该船位点的船舶速度小于第二阈值时，保留该船位点，进行位置异常检验；不小于第二阈值时，删除该船位点，进行下一船位点检验。
对符合船舶速度要求的船位点，进行位置异常检验，首先判断该船位点是否为两港之间航线的端点，如果为端点，判断该点与相邻点是否满足s1s2＞|t1t2|×v2max(其中s1s2为该船位轨迹点与相邻点的两点间距离，t1t2为该船位轨迹点与相邻点的两点时间差，v2max为该船位轨迹点与相邻点中较大船速)，如果符合，则该船位点为位置异常船位点，删除该点，进行下一船位点检验，如果不符合，进行下一船位点检验；如果该船位点为非端点，判断该点是否满足sxsx-1＞|txtx-1|×v3max且sxsx+1＞|txtx+1|×v3max(其中sxsx-1为该船位轨迹点与前面相邻点的两点间距离，txtx-1为该船位轨迹点与前面相邻点的两点时间差，sxsx+1为该船位轨迹点与后面相邻点的两点间距离，txtx+1为该船位轨迹点与后面相邻点的两点时间差，v3max为该船位轨迹点与前后相邻点三个点中最大船速)，如果满足该情况，则该船位点为位置异常关键点，删除该点，进行下一船位点检验，如果不满足该情况，则直接进行下一船位点检验。
直到所有船位点检验完毕，则异常船位点检验过程结束。
2、航线筛选
对航线进行筛选处理，筛选去除对航线路程细节描述不充分的航线，即航线船位点数量少的航线，筛选方法如下：
检验第一条航线，判断航线中的船位点数量是否符合要求，判断公式为n<floor(s/40)(n为航线的船位点数量，s航线总路程，floor()为取整函数)，如果符合该公式，则删除该航线，进行下一航线检验；如果不符合该公式，进行下一航线检验。
直到所有航线检验完毕，则航线筛选过程结束。
3、航线补点
对于航线中穿越陆地的情况，需要对穿越陆地的线段进行补点，以补点线段的两端点为椭圆的两个焦点，以两端点的船舶较大速度乘以两点时间差为椭圆长轴长的椭圆范围内，计算椭圆范围内所有两两关键点的距离，如果两点没有穿越大陆的情况，则两点的距离为两点的大圆距离(距离单位：kn)；如果两点穿越大陆，则两点的距离可以设为100000kn(当然也可以设置为其它较大的数值)。通过dijkstra算法(前文已介绍，此处不再赘述)选择出补点段的最优路径。补点完成后，判断补点段距离是否大于第三阈值(比如200海里)，如果大于第三阈值则进行大圆航线修正，如果不大于第三阈值则进行下一船位点穿越大陆检验。
直到所有航线中不存在穿越大陆的情况，航线补点阶段结束。
大圆航线修正方法如下：
计算总路程s和初始航向c1，根据所述总路程s和初始航向c1计算大圆航线中的最高点经度
根据所述最高点经度
4、航线后处理
航线后处理包括航线处理以及航线的筛选。
具体的航线分类：按照数据库中存储的船舶用途对航线进行分类，可分为为：客货船；普通货船；集装箱船；滚装船；载驳货船；散货船；油船；液化气体船；兼用船等。
将航线进行分类后，检验分类后的航线样本数量是否符合要求，方法为检验某分类下的两港间的航线数量是否大于第四阈值(比如100条)，如果航线数量大于第四阈值，则满足要求，进行下一港口+间检验；否则，进行标记，进行下一港口间检验。直到所有分类后的航线检验完毕，则航线分类检验完毕。
对满足样本检验的港口间航线需要进行筛选，筛选出推荐航线，筛选方法为：删除航线中平均速度(总路程/总时间)或船舶吨位最大或最小的航线总数的百分之五条航线。对筛选后的航线，从中按照距离众数、轨迹点众数以及航线平均速度众数选择推荐航线。
图6是本发明一个实施例的基于轨迹语言识别的启发式航线生成装置的结构示意图。如图6所示，本发明实施例的装置包括检测单元1、检验单元2、补全与优化单元3、筛选单元4，具体地，
检测单元1，用于通过对数据库中存储的轨迹语言识别后的两港之间的航线进行异常数据检测，对存在信息异常的船位轨迹点进行删除；
检验单元2，用于对所述检测单元处理后的航线进行标准检验，检验两港之间的每条航线是否符合航线设计功能的最低标准，对不符合最低标准的整条航线进行删除，检验筛选的标准包括两港之间的航线的总体船位点数量大小及航线中相邻两个船位点之间的距离不能超过规定的阈值；
补全与优化单元3，用于根据相关的航海知识以及根据航线特点修改的最短路径算法，对航线中缺失的路径信息进行补全，模拟船舶的真实航行轨迹，并根据远距离航行时，船舶利用大圆航行的特点对补全后的航线进行航线优化；
筛选单元4，用于通过统计学中的方法分析处理航线，筛选出最适合船舶航行的推荐航线。
本发明实施例的装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
通过本算法生成的航线可以基本上覆盖所有两港间的航线，其航行轨迹符合真实船舶航行的特性，对船舶航线设计有一定帮助作用，同时对商用的海运货物位置推算与预计时间估计有显著的辅助作用。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
需要说明的是术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！