本发明涉及船舶异常行为检测,尤其涉及一种船舶异常行为检测方法。
背景技术:
1、随着航运业的快速发展,巨大的船舶交通量致使海上交通环境日趋复杂,安全问题日益凸显,船舶ais的广泛应用,带来了船舶时空数据的迅猛增长,本发明面向海上执法需求,包括海警、海事、海关、渔政、救捞等部门,提供对船舶的行为进行实时监测,对异常的行为进行实时自动的提取、分析和上报。但是,当前船舶异常行为检测软件主要基于历史数据进行离线式建模,没有依据实时数据对船舶行为进行动态建模或更新,因此船舶行为建模方式本身存在一定的缺陷;当前异常检测的对象大多比较单一,缺乏综合性。此外,现有技术中船舶异常行为检测的工作量大、难以快速有效管理。
技术实现思路
1、本发明的目的在于提供一种船舶异常行为检测方法,用以解决现有技术中船舶异常行为检测的工作量大、难以快速有效管理的难题。
2、本发明的上述目的可采用下列技术方案来实现:
3、本发明提供了一种船舶异常行为检测方法,包括:
4、根据选定的目标海域对其范围内的船舶ais数据进行实时统计以完成所述目标海域内的目标数据的采集;
5、针对选定船舶的历史ais信息进行数据分析以建立正常的航道模型;
6、将所述航道模型与所述选定船舶的待检测轨迹进行比较;
7、基于所述待检测轨迹出现在所述航道模型中,将其确认为正常轨迹;
8、基于所述待检测轨迹未出现在所述航道模型中,将其确认为异常轨迹。
9、优选的,其中,还包括:
10、实时监测所述选定船舶的航速,基于所述选定船舶的航速超出阈值范围,进行航速异常提醒。
11、优选的,其中,所述目标数据包括船舶静态数据、船舶动态数据及船舶航行数据。
12、优选的,其中,所述船舶静态数据包括船名、呼号、mmsi、imo、船舶类型、船长、船宽。
13、优选的,其中,所述船舶动态数据包括经度、纬度、船首向、航迹向、航速。
14、优选的,其中,所述船舶航行数据包括船舶状态、吃水、目的地、eta。
15、优选的,其中,所述针对选定船舶的历史ais信息进行数据分析以建立正常的航道模型包括:
16、对所述历史ais信息进行数据清洗以形成目标ais信息;
17、利用所述目标ais信息对所述选定船舶的航速、航向、航迹分别进行分析以建立正常的航道模型。
18、优选的,其中,正常的航道模型采用基于统计的方法、基于贝叶斯网络的方法和基于神经网络的方法中任一种进行。
19、优选的,其中,所述航迹分析时进行的航迹分割采用分布策略进行,且所述航迹分割包括:
20、将航迹分为静止部分和移动部分;
21、对分割后的航迹片段进行聚类以将同类型的航迹片段分到同一类中;
22、其中,所述静止部分包括所有瞬时速度小于给定阈值的点,其无需进一步分割。
23、优选的,其中,所述航迹片段的类型包括直航、偏航、刹车、加速和停止。
24、本发明至少具有以下特点及优点:
25、本发明能汇聚多来源的实时ais、gps和北斗等信息数据,对海上执法进行多方面智慧一体化,从数字化的完全转型,从而减少人工工作量、便捷管理、应用、减少工作量级、数据统一分析、多元化、高效化的使用需求,能够方便处理北斗以及gps、ais的综合数据、对特定港口码头的船舶轨迹(包括船舶的动态数据、性能以及位置)进行现代化管理。
1.一种船舶异常行为检测方法,其特征在于,包括:
2.根据权利要求1所述的船舶异常行为检测方法,其特征在于,还包括:
3.根据权利要求2所述的船舶异常行为检测方法,其特征在于,所述目标数据包括船舶静态数据、船舶动态数据及船舶航行数据。
4.根据权利要求3所述的船舶异常行为检测方法,其特征在于,所述船舶静态数据包括船名、呼号、mmsi、imo、船舶类型、船长、船宽。
5.根据权利要求4所述的船舶异常行为检测方法,其特征在于,所述船舶动态数据包括经度、纬度、船首向、航迹向、航速。
6.根据权利要求5所述的船舶异常行为检测方法,其特征在于,所述船舶航行数据包括船舶状态、吃水、目的地、eta。
7.根据权利要求6所述的船舶异常行为检测方法,其特征在于,所述针对选定船舶的历史ais信息进行数据分析以建立正常的航道模型包括:
8.根据权利要求7所述的船舶异常行为检测方法,其特征在于,正常的航道模型采用基于统计的方法、基于贝叶斯网络的方法和基于神经网络的方法中任一种进行。
9.根据权利要求8所述的船舶异常行为检测方法,其特征在于,所述航迹分析时进行的航迹分割采用分布策略进行,且所述航迹分割包括:
10.根据权利要求9所述的船舶异常行为检测方法,其特征在于,所述航迹片段的类型包括直航、偏航、刹车、加速和停止。