[发明专利]一种基于集成学习的船舶类型仿冒监测方法

说明书

本发明提供了一种基于集成学习的船舶类型仿冒监测方法，包括对船舶历史数据的清洗和类型调整的方法；特征的选择、格式变换以及滑动窗口特征生成方法，特征的归一化方法；分类器的选择和构成，分类器评估函数的设置方法；实时船舶目标类型判断监测方法。本发明能够利用历史船舶航迹报文，训练生成用于船舶类型判断监测的模型，并能够对实时船舶目标进行类型判断监测，对疑似类型仿冒目标进行告警，帮助海事部门及时发现类型仿冒的船舶目标。

技术领域

本发明涉及船舶类型监测方法，特别是涉及一种基于集成学习的船舶类型仿冒监测方法

背景技术

随着我国水上生产活动的发展，各大港口、航道内航行的船舶数量越来越多。越来越多的船舶也带来了越来越高的航行事故风险。以渔船为主的AIS类型仿冒行为无疑大大增加了海事部门监管难度，加重了水上交通运输的安全隐患。传统的海事监管手段面对船舶类型仿冒，只能根据经验通过船舶AIS报文中的位置、速度、航向等信息进行估计，这种方法不仅效率极低，并且往往准确率不高。更早、更好地发现类型仿冒违规行为，能有效减少海上人命和财产损失，提高船舶航行违法成本，对事故事前预防、事后发现及船舶违法行为自动识别等都具有重要意义。因此，如何及时发现此类违规行为变得亟待研究。

发明内容

本发明针对部分船舶AIS报文类型仿冒问题，提供一种基于集成学习的船舶类型仿冒监测方法。方法包括以AIS历史数据为基础了特征项选择、历史数据的预处理和特征生成、评估函数的设置等创新方法。

本发明中使用的历史航迹报文均为符合NEMA0183协议的AIS航迹报文，每一条报文中包含船名、MMSI号、船舶类型、航向、航速、船艏向、经度、纬度、时间戳、情报源、批号、辖区号、责任区号、海空标识等信息，其中时间戳信息记录了船舶在每个位置点的时间，MMSI号为AIS系统中船舶唯一ID。

所述的历史数据的选择、预处理和特征生成方法，经过多次试验发现，船舶AIS报文中的经度、纬度、速度、航向、船艏向、时间戳几项用于描述船舶航行特征以实现船舶类型判断效果最好。历史AIS数据必须经过异常值剔除、类型调整等过程以免异常值影响模型监测结果。在实验中发现，单个航迹报文作为一条特征用于训练分类模型其误差较大，更好的方法是将一艘船的连续多条航迹报文的重要数据项拼接成一条特征用于模型训练。因此本发明中设置了一种滑窗特征拼接生成方法，用于生成最终用于模型训练的特征。

所述的评估函数设置方法，由于类型仿冒并不是在各个类型船舶中普遍发生的，其在渔船类型中出现的概率要远远的大于货船、客船等类型中出现的概率。因此在模型训练时需要自定义评估函数以干预模型训练过程，使最终生成的模型对渔船等仿冒现象频发的类型的监测敏感度更高。

技术方案：一种基于集成学习的船舶类型仿冒监测方法，包括以下步骤：

步骤1，获取用于模型训练的船舶历史航迹报文数据，对船舶历史航迹报文数据进行清洗，并调整数据类型；

步骤2，选择特征数据项，并进行格式变换，对变换生成后的特征进行归一化处理；

步骤3，选择分类器，设置评估函数进行模型训练，得到分类模型；

步骤4，根据分类模型实时对船舶目标类型进行判断监测与告警。

所述步骤1包括：

步骤1-1，清洗历史数据：扫描全部用于模型训练的船舶历史航迹报文数据，根据如下规则清洗历史数据：删除速度、航向和船艏向小于0的船舶历史航迹报文数据、经纬度在陆地位置的船舶历史航迹报文数据，以及航向和船艏向大于360度的船舶历史航迹报文数据；

步骤1-2，进行历史数据去重：将时间、位置、航向均相同的航迹点判定为重复点，删除船舶历史航迹报文数据中的重复点进行去除；