[發明專利]一種基于集成學習的船舶類型仿冒監測方法

有效

• 申請號: 201910687682.0
• 申請日: 2019-07-29
• 公開（公告）號: CN110633353B
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 段然;隋遠;沈昌力;王維圳;白正
• 申請（專利權）人: 南京萊斯網信技術研究院有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06K9/62;G06N20/20
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

本發明提供了一種基于集成學習的船舶類型仿冒監測方法，包括對船舶歷史數據的清洗和類型調整的方法；特征的選擇、格式變換以及滑動窗口特征生成方法，特征的歸一化方法；分類器的選擇和構成，分類器評估函數的設置方法；實時船舶目標類型判斷監測方法。本發明能夠利用歷史船舶航跡報文，訓練生成用于船舶類型判斷監測的模型，并能夠對實時船舶目標進行類型判斷監測，對疑似類型仿冒目標進行告警，幫助海事部門及時發現類型仿冒的船舶目標。

技術領域

本發明涉及船舶類型監測方法，特別是涉及一種基于集成學習的船舶類型仿冒監測方法

背景技術

隨著我國水上生產活動的發展，各大港口、航道內航行的船舶數量越來越多。越來越多的船舶也帶來了越來越高的航行事故風險。以漁船為主的AIS類型仿冒行為無疑大大增加了海事部門監管難度，加重了水上交通運輸的安全隱患。傳統的海事監管手段面對船舶類型仿冒，只能根據經驗通過船舶AIS報文中的位置、速度、航向等信息進行估計，這種方法不僅效率極低，并且往往準確率不高。更早、更好地發現類型仿冒違規行為，能有效減少海上人命和財產損失，提高船舶航行違法成本，對事故事前預防、事后發現及船舶違法行為自動識別等都具有重要意義。因此，如何及時發現此類違規行為變得亟待研究。

發明內容

本發明針對部分船舶AIS報文類型仿冒問題，提供一種基于集成學習的船舶類型仿冒監測方法。方法包括以AIS歷史數據為基礎了特征項選擇、歷史數據的預處理和特征生成、評估函數的設置等創新方法。

本發明中使用的歷史航跡報文均為符合NEMA0183協議的AIS航跡報文，每一條報文中包含船名、MMSI號、船舶類型、航向、航速、船艏向、經度、緯度、時間戳、情報源、批號、轄區號、責任區號、海空標識等信息，其中時間戳信息記錄了船舶在每個位置點的時間，MMSI號為AIS系統中船舶唯一ID。

所述的歷史數據的選擇、預處理和特征生成方法，經過多次試驗發現，船舶AIS報文中的經度、緯度、速度、航向、船艏向、時間戳幾項用于描述船舶航行特征以實現船舶類型判斷效果最好。歷史AIS數據必須經過異常值剔除、類型調整等過程以免異常值影響模型監測結果。在實驗中發現，單個航跡報文作為一條特征用于訓練分類模型其誤差較大，更好的方法是將一艘船的連續多條航跡報文的重要數據項拼接成一條特征用于模型訓練。因此本發明中設置了一種滑窗特征拼接生成方法，用于生成最終用于模型訓練的特征。

所述的評估函數設置方法，由于類型仿冒并不是在各個類型船舶中普遍發生的，其在漁船類型中出現的概率要遠遠的大于貨船、客船等類型中出現的概率。因此在模型訓練時需要自定義評估函數以干預模型訓練過程，使最終生成的模型對漁船等仿冒現象頻發的類型的監測敏感度更高。

技術方案：一種基于集成學習的船舶類型仿冒監測方法，包括以下步驟：

步驟1，獲取用于模型訓練的船舶歷史航跡報文數據，對船舶歷史航跡報文數據進行清洗，并調整數據類型；

步驟2，選擇特征數據項，并進行格式變換，對變換生成后的特征進行歸一化處理；

步驟3，選擇分類器，設置評估函數進行模型訓練，得到分類模型；

步驟4，根據分類模型實時對船舶目標類型進行判斷監測與告警。

所述步驟1包括：

步驟1-1，清洗歷史數據：掃描全部用于模型訓練的船舶歷史航跡報文數據，根據如下規則清洗歷史數據：刪除速度、航向和船艏向小于0的船舶歷史航跡報文數據、經緯度在陸地位置的船舶歷史航跡報文數據，以及航向和船艏向大于360度的船舶歷史航跡報文數據；

步驟1-2，進行歷史數據去重：將時間、位置、航向均相同的航跡點判定為重復點，刪除船舶歷史航跡報文數據中的重復點進行去除；