AIS包含信息

部署运行你感兴趣的模型镜像

1.AIS原始数据信息
AIVDM为本船收到信息;
AIVDO为本船发送信息;
解码规则:
比如:ID对应0-5位,MMIO对应9-29位。具体参照官方AIVDM解码文档。
前两点为基本信息,第三点为拓展信息。基本信息一共24项,拓展信息不同船舶有所不同。
(1)Dynamic Date(用一条信息表示)
!AIVDM,1,1,A,177?s>001V8eBRhF=:l7CUI20D0T,040
包含:信息识别码、重复次数指示、用户识别码、航行状态、转向率、对地航速、船位精确度、经度、纬度、对地航向、船首真航向、时间标记
(2)Static and Voyage Related Data(用两条连续信息表示)
!AIVDM,2,1,8,A,569>;gP0000088``001TTpN0QD4000000000000t4IU7=4cG0@10H32@C`3l,0
79
!AIVDM,2,2,8,A,T1CQp30B@00,2*1A
包含信息识别码、重复次数指示、MMSI编号、AIS版本、IMO编号、呼号、船名、船舶和货物类型、船舶尺寸以及定位设备位置、定位设备的类型、预计航行时间、最大吃水深度、目的地、数据终端准备
(3)其他信息
基本信息一共24项,但同时也有一些扩展信息,比如Static and Voyage Related Data中一部分为0的项,有的不为0表示有拓展信息。这个根据不同船舶有所不同,比如“第二港口”不一定都有。

2.关于船队在线和船讯网数据
(1)所有数据不能拿到源码,即类似:AIVDM,1,1,A,177?s>001V8eBRhF=:l7CUI20D0T,0*40形式。但是两网站所得数据均为直接第一手解码数据,并没有对异常AIS数据点等进行加工处理。
(2)船队在线、船讯网和AIS标准信息的数据对比见下图。
在这里插入图片描述
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Qwen-Image-Edit-2509

Qwen-Image-Edit-2509

图片编辑
Qwen

Qwen-Image-Edit-2509 是阿里巴巴通义千问团队于2025年9月发布的最新图像编辑AI模型,主要支持多图编辑,包括“人物+人物”、“人物+商品”等组合玩法

### 船舶AIS信息分类的技术与处理方法 #### 数据预处理 在对船舶AIS数据进行分类之前,需要先对其进行清洗和标准化。这一步骤包括去除重复记录、填补缺失值以及纠正错误的数据项。由于AIS信号可能受到干扰或其他因素的影响,原始数据可能存在噪声或异常值,因此需采用统计学方法或机器学习算法来检测并剔除这些不合理的数据点[^1]。 #### 特征提取 为了有效地对AIS数据进行分类,可以从多个维度提取特征向量。常见的特征包括但不限于位置坐标(经纬度)、航速(Speed Over Ground, SOG)、航向(Course Over Ground, COG)、MMSI号码( Maritime Mobile Service Identity )等基本信息;还可以进一步计算衍生指标比如停留时间、航线偏离程度等等作为补充属性用于增强模型表现力[^2]。 #### 分类策略 ##### 基于规则的分类 一种简单直接的方式就是依据预先定义好的业务逻辑来进行划分。例如按照地理区域将船只活动划分为近岸作业区、专属经济区内水域以及其他公海领域三大部分;或者根据不同类型的航海行为模式如锚泊状态、正常巡航阶段加以区别对待。 ##### 利用聚类算法自动发现类别结构 当缺乏明确标签指导时,则可考虑运用无监督学习中的各类聚类技术探索潜在规律。像K-means这样的硬分配型聚类器适用于目标较为清晰的情况;而对于边界模糊难以界定的情形则推荐尝试基于密度的空间聚类应用噪音处理(DBSCAN),它能够很好地识别形状各异且大小悬殊的不同群组,并能有效应对含有大量离散点的实际场景需求。 ```python from sklearn.cluster import DBSCAN import numpy as np def cluster_ais_data(data_points): db = DBSCAN(eps=0.3, min_samples=10).fit(np.array(data_points)) labels = db.labels_ return labels ``` ##### 结合深度神经网络构建端到端解决方案 随着大数据时代的到来,在拥有充足标注样本的前提下,也可以引入先进的深度学习框架设计专门针对特定任务优化过的架构完成整个流程自动化操作。卷积层擅长捕捉局部空间关联特性,循环单元有助于记忆序列间长期依赖关系,两者结合起来往往能在复杂环境下取得不错的效果。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值