基于GRU-DconvLSTM的船舶轨迹预测

利用深度学习方法预测船舶未来航行趋势,对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统（AIS）中已知的经度、纬度、航速数据基础上,提出一种基于门控循环单元结合双卷积层长短期记忆神经网络（GRU-Dconv LSTM）预测模型。根据原始数据的变化趋势,采用标准差法对数据中的异常值进行处理,得到最终试验数据。该模型一方面通过门控循环单元（GRU）学习船舶历史数据上的运动规律;并采用双卷积层与长短期记忆神经网络（LSTM）结合的形式充分提取数据深层信息,提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络（CNN-LSTM）、卷积门控循环神经网络（CNN-GRU）以及卷积层长短期记忆（Conv-LSTM）神经网络等3个模型进行对比,将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准,结果表明,GRU-Dconv LSTM模型在经度和纬度预测上误差较小,精确度较高。     

基于AIS信息的船舶轨迹聚类模型及应用

为获得船舶典型的运动模型,及时发现船舶异常轨迹并对其进行有效监控和管理,进而实现海上智能交通,基于船载AIS蕴藏着大量的海上交通特征的特点,从中获取能够反映船舶行为规律的有效的、潜在的信息。根据海上交通工程理论和数据挖掘技术,利用AIS信息并结合轨迹聚类算法,完成对已有轨迹的聚类,从中获取船舶典型的运动轨迹。以厦门港主航道及闽台直航船为实例,通过构建相应的AIS数据库并对船舶轨迹进行聚类结果展示,获得该海域船舶典型的运动轨迹。     

好望角型船舶航次管理模式设想

基于对好望角型散货船舶航次管理流程存在的诸多问题分析,提出建立由船舶、气象导航服务和港口代理等3个管理环节组成的管理服务系统设想,对船舶运转和港口状态的信息进行分析和利用,做到:确立服务在企业管理中的地位;完善业务流程,为客户提供优质服务;合理对待每一位职员,结合整体素质优化,激发团队激情。为企业提供发展所需的优质服务、利用数据提高航次管理水平和满足客户深层次需求,这种服务模式是船舶管理者和客户所期望的,也是企业核心业务能力和企业价值的体现,有利于实现企业的良性和可持续发展。     

浅谈船舶如何进行航次计划

充分有效的航次计划是保证航行安全的重要措施之一。在制定和实施航次计划的过程中要体现驾驶台团队的作用。本文从航海实践和培训的角度，阐述了制定和实施航次计划的步骤以及在培训中的注意事项。     

基于轨迹段DBSCAN的船舶轨迹聚类算法

船舶自动识别系统(Automatic Identification System, AIS)数据中蕴藏着大量的海上交通特征,为挖掘AIS数据中有关船舶运动规律有效的、潜在的信息,提出一种改进型轨迹段DBSCAN(Density-Based Spatitcal Clustering of Applications with Noise)的聚类算法。船位转向角和航速变化量作为信息度量对船舶轨迹进行分段,采用离散Frechet距离作为轨迹相似度度量,利用类似DBSCAN算法对轨迹段进行聚类,得出船舶运动典型轨迹。以天津港为例,采用改进的轨迹段DBSCAN算法对船舶轨迹进行聚类,能从一定程度上提高聚类的效果和准确率,为进一步研究船舶异常行为打下基础。     

基于GRNN算法的船舶轨迹分析方法

由国际海事组织(IMO)、国际电信联盟(ITO)、国际电工委员会(IEC)等组织牵头研发的以现代通信技术、电子信息技术等为核心的船舶自动识别系统(Automatic Identification System, AIS)几乎安装在所有在籍的船舶上,AIS数据在船舶的定位、动态轨迹上有着重要的作用。针对现有用于AIS数据轨迹插值的方法存在平滑性能较差、精度无法统一等缺点,基于GRNN神经网络的非线性映射能力及学习速度极高的优势,提出一种用于AIS数据插值的L-GRNN算法。仿真研究和实船数据验证表明,该方法的精度、平滑性能较好,与传统的AIS数据插值方法相比,同时具备精度、平滑性能,具有良好的工程适用价值。     

风险评估在船舶航次任务中的应用

“行船三分险”，风险在很多行业都存在，在船舶管理方面显得更加突出。这些年来，整个社会都对风险防控重视起来，包括战略风险、投资风险、法律风险、财务风险、运营风险等。     

基于动态信息的程租航次效益测算系统

为加强航次成本控制,保障航运企业经济效益的实现,分析航次效益测算的影响因素及指标,在程租预测和实测模型的基础上提出动态航次测算模型,将测算功能通过计算机系统实现,为航运企业船舶租赁决策及航次运营管理提供重要依据。     

浅谈船舶航次计划的制定与实施

详实、易执行的航次计划是保证航行安全的重要措施之一,在航海实践中既要充分准备,又要细致认真的制定与实施航次计划.文章就制定与实施做了一定的研究.     

远洋集装箱运输船舶航次运行费用的控制

远洋集装箱运输船舶航次运行费用的控制,应事前确定航次运行费用各项目的控制目标,由船舶有关人员和港口代理等做好过程控制工作,航次结束后,企业做好事后差异分析工作,以使航次运行费用得到有效控制。     

远洋集装箱运输船舶航次运行费用的控制

本文通过分析，提出了航次运行费用的预算控制方法，即通过事前确定航次运行费用各项目的预算额，由船舶有关人员和港口代理等部门做好过程控制工作，航次结束后，企业做好事后的差异分析工作，以便航次运行费用能得到有效控制。     

基于被动式红外传感器的船舶轨迹重构

船舶航行的环境十分复杂,动态变化特点显著,导致当前方法无法对船舶轨迹进行精准重构,为了改善船舶航行轨迹重构的精度,提出基于被动式红外传感器的船舶轨迹重构方法。首先建立船舶航行的运动模型,然后通过被动式红外传感器对船舶航行数据进行采集,并通过卡尔曼滤波算法重构船舶轨迹,保证船舶轨迹跟踪准确性,最后采用具体实验对船舶轨迹重构方法性能进行分析。结果表明,本文方法能够实时捕捉船舶航行环境的动态变化趋势,可以高精度的重构船舶航行轨迹,船舶轨迹重构误差小,而且船舶轨迹重构速度快,可以保证船舶航行的安全。     

基于混沌分析的船舶航行轨迹数据挖掘

对于船舶航行轨迹数据挖掘问题,对比方法在受到异常信号干扰时,由于自身轨迹数据还原能力不足,导致该方法存在可靠性的问题。为了解决这一问题,提出基于混沌分析的船舶航行轨迹数据挖掘。针对原始轨迹数据中存在的缺失值问题,采用线性拟合填补数据,获得完整的轨迹数据,根据数据挖掘需求,设定挖掘目标,将数据分类处理,经过多次迭代输出目标数据,采用混沌分析技术重构目标数据,得到目标数据,完成数据挖掘。实验结果表明,设计的基于混沌分析的数据挖掘方法数据连续完整,数据处理效率高达127.63 MB/s,该方法的可靠性得到提升。     

船舶航次经营效益估算及计算机实现

首先介绍成本概念并分析船舶航次经营中成本构成;然后通过使用相应的模型计算每项成本、收入及航次赢利情况;最后开发相应航次经营效益估算软件并通过实例计算验证。     

确定船舶航次装载量应注意的若干事项

此文对确定船舶航次载重量提出了一些注意事项,以确保船舶的安全和经济效益。     

关于做好船舶航次计划的规定和建议

航次计划通常是指船舶在接受新的航次任务后，从一个港口泊位航行到另一个港口泊位的过程中，有关航行安全保证的具体措施与对策。航次计划内容覆盖面较广。要求结合船舶的实际情况、航行区域的水文气象、通航密度、定位与避让、碍航物、分道通航制等诸多因素，综合航海的专业知识，在船舶开航前编制出一份详细完整的航行计划。船舶航次计划的制定不仅仅关系到船舶、公司的经济效益，也关系到船舶和海上人命的安全，以及海洋环境的保护。     

基于加权朴素贝叶斯的船舶轨迹分类算法

为实现船舶自动识别系统(Automatic Identification System,AIS)轨迹数据快速分类,提出一种基于加权朴素贝叶斯的船舶轨迹分类算法。通过船舶AIS数据预处理和轨迹特征分析,设计加权的朴素贝叶斯分类器,利用AIS数据进行训练;采用有监督的分类方法提高分类效率,提出基于特征连续值的加权方法,构建船舶AIS分类加权最优特征集合,提高轨迹分类的准确率和速度。以长江中游武汉河段为例,进行试验验证。结果表明:AIS动态信息是重要的轨迹特征,提出的朴素贝叶斯船舶轨迹分类算法准确率达99.05%,相比未加权和其他常用分类算法表现更优;研究成果可应用于船舶异常轨迹识别和船舶航行风险分析等领域中。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。