1.本发明涉及航线计算技术领域，尤其涉及一种航线距离测算方法及系统。
背景技术：2.在船舶航行中，由于海洋环境干扰的存在或者避让操作需要，船舶的实际航线距离会通过速度
‑
时间方程所计算出来的理论航线距离存在偏差，因此造成航线距离计算不够精确。
技术实现要素：3.本发明的目的在于提供一种航线距离测算方法，以解决上述背景技术中提出的问题。
4.本发明是通过以下技术方案实现的：本发明第一方面提供了一种航线距离测算方法，包括下列步骤：
5.获取ais原始数据，对所述ais原始数据进行预处理，获得ais数据集；
6.在所述ais数据集提取时间参数，基于多个时间参数建立时间集{t，t+15，t+30，
…
，t+i}，其中t为出发时间，建立交互感知神经网络，将所述ais数据集以及时间集输入所述交互感知神经网络，获得时间t至时间t+i之间的加速度
7.基于所述加速度以及时间t至时间t+i之间的差值，计算时间t至时间t+i的第一距离值s1；
8.在所述ais数据集提取瞬时速度参数，基于多个速度参数建立速度集{v0,v1,
…
，v
i
}，基于速度集计算时间t至时间t+i的平均速度基于平均速度以及时间t至时间t+i之间的差值，计算时间t至时间t+i的第二距离值s2；
9.基于第一距离值s1以及第二距离值s2，计算时间t至时间t+i的航程值s
t
，多个航程值之和构成航线距离。
10.可选的，获取ais原始数据，所述ais原始数据包括目的地、出发地、经度、纬度、采样时间、航速，提取ais原始数据中包含相同目的地、相同出发地以及相同船号的所有数据，组成航线数据，采用线性插值的方法对所述航线数据进行插值及修正，获得ais数据集。
11.可选的，所述交互感知神经网络包括卷积层、全连接层、编码器lstm、解码器lstm，所述卷积层作为社会张量提取器，所述全连接层作为社会特征的混合器，所述编码器lstm用于实现深度特征的合并，所述解码器lstm用于输出船舶在δt时的加速度
12.可选的，计算时间t至时间t+i的第一距离值s1：
[0013][0014]
式中，v
t
为t时刻的速度，δt为时间t至时间t+i的差值。
[0015]
可选的，所述速度v0对应的时间为t，所述速度v
i
对应的时间为t+i，因此通过下式
计算时间t至时间t+i的平均速度
[0016]
可选的，将多个航程值s
t
进行累加，获得航线的最终航程值。
[0017]
可选的，所述方法还包括，获取任一相同船舶在不同时间段的最终航程值，取多个最终航程值的平均值作为航线距离。
[0018]
本发明第二方面提供了一种航线距离测算系统，执行如本发明第一方面所述的航线距离测算方法，所述系统包括：
[0019]
数据提取模块，用于接入船舶自动识别系统，获取ais原始数据集，并从所述ais原始数据集中提取航线数据，获得ais数据集；
[0020]
神经网络模块，用于构建神经网络，所述神经网络包括卷积层、全连接层、编码器lstm、解码器lstm，所述卷积层作为社会张量提取器，所述全连接层作为社会特征的混合器，所述编码器lstm用于实现深度特征的合并，所述解码器lstm用于输出船舶在δt时的加速度
[0021]
第一数据收集模块，用于从所述ais数据集中提取时间参数，构建时间集；
[0022]
第二数据收集模块，用于从所述ais数据集中提取速度参数，构建速度集；
[0023]
第一距离计算模块，用于根据加速度计算第一距离值；
[0024]
第二距离计算模块，用于根据速度参数以及时间参数，计算第二距离值；
[0025]
航程计算模块，用于根据第一距离值、第二距离值计算航行的航程。
[0026]
与现有技术相比，本发明达到的有益效果如下：
[0027]
本发明提供的一种航线距离测算方法及系统，通过分析同一个航线大量的船舶ais、船期信息，以时间t为一个节点计算一个航向内所有ais节点的距离总和就能计算出各个航线的实际航行距离，通过不断地大量计算可以不断的修正数据偏差，以此测算出每一个航线的实际航行距离，从而为船期规划、船舶动态提醒提供了良好的数据基础。
附图说明
[0028]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]
图1为本发明提供的一种航线距离测算方法的流程图；
[0030]
图2为本发明提供的一种航线距离测算系统的架构图。
具体实施方式
[0031]
为了更好理解本发明技术内容，下面提供具体实施例，并结合附图对本发明做进一步的说明。
[0032]
参见图1，本发明第一方面提供了一种航线距离测算方法，包括下列步骤：
[0033]
s1、获取ais原始数据，对所述ais原始数据进行预处理，获得ais数据集；
[0034]
s2、在所述ais数据集提取时间参数，基于多个时间参数建立时间集{t，t+15，t+30,
…
,t+i}，其中t为出发时间，建立交互感知神经网络，将所述ais数据集以及时间集输入
所述交互感知神经网络，获得时间t至时间t+i之间的加速度
[0035]
s3、基于所述加速度以及时间t至时间t+i之间的差值，计算时间t至时间t+i的第一距离值s1；
[0036]
s4、在所述ais数据集提取瞬时速度参数，基于多个速度参数建立速度集{v0,v1,
…
,v
i
}，基于速度集计算时间t至时间t+i的平均速度基于平均速度以及时间t至时间t+i之间的差值，计算时间t至时间t+i的第二距离值s2；
[0037]
s5、基于第一距离值s1以及第二距离值s2，计算时间t至时间t+i的航程值s
t
，多个航程值之和构成航线距离。
[0038]
在本技术的实施例中，获取ais原始数据，例如从ais系统中获取到ais信息中包括了该船舶的中文船名、船类型、位置、航行速度、目的地、出发地、经度、纬度、采样时间，由于采集到的ais数据可能存在错误数据，需对原始数据进行适当预处理，减少后期处理中可能出现较大误差。ais数据中的明显错误记录大体有如下几类：(1)船舶的水上移动通信业务标识码(mmsi)长度不是9位数的或不合理记录；(2)船舶的经纬度超过了合理范围(如经经纬度为负值)；(3)船舶的航速和航向超过了合理的范围；(4)船舶信息的采集时间超过了合理范围。同时，ais数据由于设备老化、发送系统故障等造成缺失，需对缺失数据进行处理，这里采用线性插值的方法对ais原始数据进行插值及修正；
[0039]
然后以目的地、出发地作为关键字，提取与目的地、出发地相对应的航线信息，在该条航线信息中，包含了若干个采样信息点，每个采样信息点均包含了在时间t下的船舶瞬时速度、加速度、经度、纬度等信息，获得ais数据集。
[0040]
在步骤s2中，所述交互感知神经网络包括卷积层、全连接层、编码器lstm、解码器lstm，所述卷积层作为社会张量提取器，所述全连接层作为社会特征的混合器，所述编码器lstm用于实现深度特征的合并，所述解码器lstm用于输出船舶在δt时的加速度
[0041]
其交互感知加速度的表达式为：
[0042][0043]
其中，为已记录的船舶加速度，为已记录的船舶长度，为已记录的船舶精度，为已记录的船舶的纬度，为已记录的偏航角，为与环境的排斥性相互作用力，并且可通过下式进行表达：
[0044][0045]
此外，针对于神经网络模型可能会出现的过拟合问题，这里采用了dropout方法来处理，阈值设定为0.5。
[0046]
在步骤s3中，计算时间t至时间t+i的第一距离值s1：
[0047][0048]
式中，v
t
为t时刻的速度，δt为时间t至时间t+i的差值。
[0049]
在步骤s4中，所述速度v0对应的时间为t，所述速度v
i
对应的时间为t+i，因此通过
下式计算时间t至时间t+i的平均速度
[0050]
进一步的，通过平均速度以及时间差值δt计算第二距离值
[0051]
在前述步骤中，将航线进行分段，即以采样时间为间隔，将航线分成n个小段，每个小段的距离由第一距离值s1、第二距离值s2来进行计算，其计算方式如下：
[0052][0053]
将n个航程值s
t
进行累加，获得航线的最终航程值。
[0054]
可选的，所述方法还包括，获取任一相同船舶在不同时间段的最终航程值，取多个最终航程值的平均值作为航线距离。
[0055]
作为示例性的，通过上述步骤计算船舶1在6号早上从港口a至港口b的最终航程值，同时继续计算船舶1在8号早上从港口a至港口b的最终航程值，取多个最终航程值的平均值作为航线距离。
[0056]
参见图2，本发明第二方面提供了一种航线距离测算系统，执行如本发明第一方面所述的航线距离测算方法，所述系统包括：
[0057]
数据提取模块，用于接入船舶自动识别系统，获取ais原始数据集，并从所述ais原始数据集中提取航线数据，获得ais数据集；
[0058]
神经网络模块，用于构建神经网络，所述神经网络包括卷积层、全连接层、编码器lstm、解码器lstm，所述卷积层作为社会张量提取器，所述全连接层作为社会特征的混合器，所述编码器lstm用于实现深度特征的合并，所述解码器lstm用于输出船舶在δt时的加速度
[0059]
第一数据收集模块，用于从所述ais数据集中提取时间参数，构建时间集；
[0060]
第二数据收集模块，用于从所述ais数据集中提取速度参数，构建速度集；
[0061]
第一距离计算模块，用于根据加速度计算第一距离值；
[0062]
第二距离计算模块，用于根据速度参数以及时间参数，计算第二距离值；
[0063]
航程计算模块，用于根据第一距离值、第二距离值计算航行的航程。
[0064]
综上所述，本技术所公开的一种航线距离测算方法及系统，通过分析同一个航线大量的船舶ais、船期信息，以时间t为一个节点计算一个航向内所有ais节点的距离总和就能计算出各个航线的实际航行距离，通过不断地大量计算可以不断的修正数据偏差，以此测算出每一个航线的实际航行距离，从而为船期规划、船舶动态提醒提供了良好的数据基础。
[0065]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。