一种大宗散货运力流向监控方法及系统与流程

本发明涉及航运信息化、智能化，具体涉及一种大宗散货运力流向监控方法及系统。

背景技术：

1、随着经济全球化的发展，国际航运量也不断加大，航运有运量大和运费低两大优势，让其成为国际贸易中不可忽略的一部分，据统计全球90％以上的国际贸易依赖海运运输。航运业务市场主要有干散货、油轮和集装箱三个部分组成。其中干散货在国际物流中尤为重要，它占据了国际贸易运输量的30％以上。而在干散货运输中，铁矿石、粮食、白糖等大宗散货作为工业、农业中的重要物质商品不但具有商品属性还具有极高的投资属性。而大宗散货市场与航运业作为全球经济的重要组成部分，也就成为了全球产业链的晴雨表。所以在全球贸易的大背景下，大宗散货的价格和流向往往可以展现出国际经济的走向和趋势。

2、目前对于航运业内的大宗散货却主要集中在其航运运价指数和指数的特性上。针对大宗散货和干散货船舶运输的直接关系仍然不明确，商品的流动性往往只能从如交易所、期货市场等金融机构获取结果，而无法在运输过程中或运输前做出预测分析。此外，现有的商品统计系统都为事后统计，即时性较低，只能作为对历史的分析和总结，而且监控大多也只是从港口管理者发出的信息进行监控，只有出货或进口量统计，对来源和去处统计的均不够全面。

技术实现思路

1、为解决对大宗散货的流动性监控过程中存在的即时性较低，统计的不够全面等问题，本发明提供了一种大宗散货运力流向监控方法，基于船舶的ais历史数据和泊位数据，采用dbscan聚类算法、线性回归算法以及st_distance函数识别出ais历史数据中靠泊泊位的货物种类，并结合具有货物种类的船舶动态信息和大宗散货货量对大宗商品的流动性进行监控，及时性高、统计全面，且能够有效提高行业竞争力和利润率。本发明还涉及一种大宗散货运力流向监控系统。

2、本发明的技术方案如下：

3、一种大宗散货运力流向监控方法，其特征在于，包括以下步骤：

4、数据采集步骤：采集船舶的ais历史数据和泊位数据；

5、货物种类识别步骤：采用dbscan聚类算法对ais历史数据中无货物种类的靠泊点经纬度数据进行聚类，获得多个簇，并基于线性回归算法对各个簇中的所有靠泊点经纬度数据进行训练，得到线性回归模型，将各个靠泊点的坐标经度输入所述线性回归模型中，得到多个新坐标纬度，根据输入的坐标经度和新坐标纬度生成多个新靠泊点经纬度，将多个新靠泊点经纬度连成线段，形成多个靠泊泊位，再采用st_distance函数分别计算泊位数据中具有货物种类的泊位与各个靠泊泊位的距离，并将泊位数据中泊位的货物种类更新于与其距离最短的靠泊泊位，进而识别出各个靠泊泊位的货物种类；

6、动态信息形成步骤：对某个船舶ais历史数据中处于靠泊状态的所有靠泊点经纬度数据进行压缩，并采用st_distance函数分别计算压缩后的靠泊点经纬度与泊位数据中多个泊位位置的距离，将离压缩后的靠泊点经纬度距离最近的泊位作为该船舶的靠泊泊位，再将该船舶的靠泊泊位与已识别出货物种类的靠泊泊位进行匹配，获取该船舶靠泊泊位的货物种类，形成具有货物种类的船舶动态信息；

7、运力流向监控步骤：根据该船舶ais历史数据中的载重吨数据计算出大宗散货货量，将大宗散货货量与具有货物种类的船舶动态信息相融合，实时监控该船舶大宗散货的运力流向并进行展示。

8、优选地，所述货物种类识别步骤中，在获得多个簇后，根据簇内距离最远的两个靠泊点经纬度确定靠泊泊位的位置、长度和大小，根据靠泊点的船艏向确定靠泊泊位的方向，将靠泊泊位的位置、长度、大小和方向存储在postgresql数据库中，并将簇内的靠泊点简化成线以空间对象的方式存储在postgresql数据库中。

9、优选地，所述数据采集步骤中，所述泊位数据包括泊位名称、泊位货物种类、泊位位置、泊位类型和泊位归属港口。

10、优选地，所述ais历史数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、船舶状态、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、航向、航速和船艏向。

11、优选地，所述船舶状态包括锚泊状态、靠泊状态和航行状态。

12、一种大宗散货运力流向监控系统，其特征在于，包括依次连接的数据采集模块，货物种类识别模块、动态信息形成模块和运力流向监控模块，

13、数据采集模块，采集船舶的ais历史数据和泊位数据；

14、货物种类识别模块，采用dbscan聚类算法对ais历史数据中无货物种类的靠泊点经纬度数据进行聚类，获得多个簇，并基于线性回归算法对各个簇中的所有靠泊点经纬度数据进行训练，得到线性回归模型，将各个靠泊点的坐标经度输入所述线性回归模型中，得到多个新坐标纬度，根据输入的坐标经度和新坐标纬度生成多个新靠泊点经纬度，将多个新靠泊点经纬度连成线段，形成多个靠泊泊位，再采用st_distance函数分别计算泊位数据中具有货物种类的泊位与各个靠泊泊位的距离，并将泊位数据中泊位的货物种类更新于与其距离最短的靠泊泊位，进而识别出各个靠泊泊位的货物种类；

15、动态信息形成模块，对某个船舶ais历史数据中处于靠泊状态的所有靠泊点经纬度数据进行压缩，并采用st_distance函数分别计算压缩后的靠泊点经纬度与泊位数据中多个泊位位置的距离，将离压缩后的靠泊点经纬度距离最近的泊位作为该船舶的靠泊泊位，再将该船舶的靠泊泊位与已识别出货物种类的靠泊泊位进行匹配，获取该船舶靠泊泊位的货物种类，形成具有货物种类的船舶动态信息；

16、运力流向监控模块，根据该船舶ais历史数据中的载重吨数据计算出大宗散货货量，将大宗散货货量与具有货物种类的船舶动态信息相融合，实时监控该船舶大宗散货的运力流向并进行展示。

17、优选地，所述货物种类识别模块中，在获得多个簇后，根据簇内距离最远的两个靠泊点经纬度确定靠泊泊位的位置、长度和大小，根据靠泊点的船艏向确定靠泊泊位的方向，将靠泊泊位的位置、长度、大小和方向存储在postgresql数据库中，并将簇内的靠泊点简化成线以空间对象的方式存储在postgresql数据库中。

18、优选地，所述泊位数据包括泊位名称、泊位货物种类、泊位位置、泊位类型和泊位归属港口。

19、优选地，所述ais历史数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、船舶状态、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、航向、航速和船艏向；

20、优选地，所述船舶状态包括锚泊状态、靠泊状态和航行状态。

21、本发明的有益效果为：

22、本发明提供的一种大宗散货运力流向监控方法，基于船舶的ais历史数据和港口数据，采用dbscan聚类算法对ais历史数据中无货物种类的靠泊点经纬度数据进行聚类，获得多个簇，并基于线性回归算法形成多个靠泊泊位，再采用st_distance函数分别计算泊位数据中具有货物种类的泊位与各个靠泊泊位的距离，并将泊位数据中泊位的货物种类更新于与其距离最短的靠泊泊位，进而识别出各个靠泊泊位的货物种类；然后对某个船舶ais历史数据中处于靠泊状态的所有靠泊点经纬度数据进行压缩，能够将庞大的ais原始数据精简成数量级较小的航次动态，方便后续统计；并采用st_distance函数分别计算压缩后的靠泊点经纬度与泊位数据中多个泊位位置的距离，将离压缩后的靠泊点经纬度距离最近的泊位作为该船舶的靠泊泊位，再将该船舶的靠泊泊位与已识别出货物种类的靠泊泊位进行匹配，获取该船舶靠泊泊位的货物种类，形成具有货物种类的船舶动态信息，最后根据该船舶ais历史数据中的载重吨数据计算出大宗散货货量，将大宗散货货量与具有货物种类的船舶动态信息相融合，实时监控大宗散货的运力流向。能够对市场的长期变化规律进行探索，并能够反应一个地区一定时间内商品的需求量和商品出货地商品出口量的动态变化。本发明能够统计港口船舶一定时间内的货物吞吐量以及运输某大宗散货的运力，及时性高、统计全面，且能够有效提高行业竞争力和利润率。

23、本发明还涉及一种大宗散货运力流向监控系统，该系统与上述的大宗散货运力流向监控方法相对应，可理解为是一种实现上述大宗散货运力流向监控方法的系统，包括依次连接的数据采集模块，货物种类识别模块、动态信息形成模块和运力流向监控模块，各模块相互协同工作，基于船舶的ais历史数据和泊位数据，采用dbscan聚类算法、线性回归算法以及st_distance函数识别出ais历史数据中靠泊泊位的货物种类，并结合具有货物种类的船舶动态信息和大宗散货货量对大宗商品的流动性进行监控，能够统计港口船舶一定时间内的货物吞吐量以及运输某大宗散货的运力，及时性高、统计全面，且能够有效提高行业竞争力和利润率。