一种集装箱班轮停航及短时运力异常识别方法及系统与流程

1.本发明涉及集装箱航运技术领域，具体涉及一种集装箱班轮停航及短时运力异常识别方法及系统。


背景技术：

2.船舶自动识别系统(automatic identification system,ais)是一种原先应用于船和岸、船和船之间的海事安全与通信的助航系统，在减少船舶碰撞事故等海事服务领域中发挥着重要作用。ais信息积累了大量的数据资源，可以通过数据挖掘和处理的技术将其应用于港航管理领域进行分析和决策，具有极大的应用价值。
3.集装箱班轮在运输货物的过程中可以分为航行、靠泊和锚泊三种状态，三种状态相互转换，完成货物的运输。在运力统计的过程中可分为在航、停航两种状态，在航即为正常的执行航行任务的状态，而停航则是指由于暂无航行任务、修船等原因暂时不能执行航行任务的状态。在进行集装箱班轮运力统计分析的过程中应当只计入在航的运力，若对两种状态不加区分势必会造成集装箱运力统计分析产生误差，但目前并没有明确的对集装箱班轮在航或者停航的状态进行区分的统一标准，导致无法准确分析集装箱运力变化情况。


技术实现要素：

4.为解决目前对于集装箱班轮在航或停航的状态没有一个统一的区分标准，且无法准确分析集装箱班轮运力变化等情况，本发明提供了一种集装箱班轮停航及短时运力异常识别方法，基于集装箱船的ais动态数据、港口数据以及泊位数据，并结合业务逻辑，对集装箱班轮在航或者停航的状态进行有效识别和区分，并根据状态对集装箱班轮运力进行分类，进而对集装箱运力进行统计和分析，为集装箱班轮在航和停航的状态判断确定了一个统一的标准，且为准确实时计算集装箱船在航运力提供了支持。本发明还涉及一种集装箱班轮停航及短时运力异常识别系统。
5.本发明的技术方案如下：
6.一种集装箱班轮停航及短时运力异常识别方法，其特征在于，包括以下步骤：
7.数据采集步骤：获取集装箱船的ais数据、港口数据以及泊位数据，并根据ais数据、港口数据以及泊位数据计算得到航次动态数据，所述航次动态数据包括航行数据、靠泊数据和锚泊数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长；
8.状态判断步骤：在某个集装箱船当前或历史动态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预
设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；
9.在某个集装箱船当前或历史动态为锚泊状态且属于港口锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于中途锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态；
10.停航及运力识别步骤：在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。
11.优选地，所述数据采集步骤中，所述ais数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；
12.和/或，所述港口数据包括每个航段的起始和结束时间及起终点港口。
13.优选地，所述数据采集步骤中是先对ais数据进行预处理，去除ais中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。
14.优选地，所述航行数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊数据包括港口锚泊、中途锚泊和锚泊作业时长，所述靠泊数据包括靠泊作业时长和靠泊修理时长。
15.优选地，其特征在于，所述状态判断步骤中，对已判断为停航状态的集装箱船还计算停航时长，集装箱船历史动态判断为停航状态时每一段停航时长均为定值不再改变，集装箱船当前状态判断为停航状态时停航时长随当前状态持续而实时累加，一旦当前状态结束，停航时长也停止累加，再将最终计算的航行时长加入历史航行状态表中保存；然后由停航及运力识别步骤对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。
16.一种集装箱班轮停航及短时运力异常识别系统，其特征在于，包括依次连接的数据采集模块、状态判断模块和停航及运力识别模块，
17.数据采集模块，获取集装箱船的ais数据、港口数据以及泊位数据，并根据ais数据、港口数据以及泊位数据计算得到航次动态数据，所述航次动态数据包括航行数据、靠泊数据和锚泊数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长；
18.状态判断模块，在某个集装箱船当前或历史状态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设
定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；
19.在某个集装箱船当前或历史状态为锚泊状态且属于港口锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于中途锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态；
20.停航及运力识别模块，在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。
21.优选地，所述ais数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；
22.和/或，所述港口数据包括每个航段的起始和结束时间及起终点港口。
23.优选地，所述数据采集模块中是先对ais数据进行预处理，去除ais中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。
24.优选地，所述航行数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊数据包括港口锚泊、中途锚泊和锚泊作业时长，所述靠泊数据包括靠泊作业时长和靠泊修理时长。
25.优选地，其特征在于，所述状态判断模块对已判断为停航状态的集装箱船还计算停航时长，集装箱船历史动态判断为停航状态时每一段停航时长均为定值不再改变，集装箱船当前状态判断为停航状态时停航时长随当前状态持续而实时累加，一旦当前状态结束，停航时长也停止累加，再将最终计算的航行时长加入历史航行状态表中保存；然后由停航及运力识别模块对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。
26.本发明的有益效果为：
27.本发明提供的一种集装箱班轮停航及短时运力异常识别方法，基于集装箱船的ais动态数据、港口数据以及泊位数据计算得到航次动态数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长，根据每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长，并结合业务逻辑，对集装箱班轮在航或者停航的状态进行有效识别和区分，能够为集装箱班轮在航和停航的状态判断确定了一个统一的标准，并为后续准确实时计算集装箱船在航运力提供了支持，同时采用特定的判断方法对集装箱船的不同状态均提出了相应的判断标准，可以更加准确地对不同状
态分情况分析；在判断出集装箱船当前及历史所处的是在航或停航状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示，可以根据在航运力对不同船公司的实时和历史运力情况进行更加细致的分析，提高船公司运力对比和监控的准确性。本发明涉及到集装箱班轮在航和停航及短时运力异常(在状态判断时是将停航及短时运力异常统称为“停航”)状态的定义，以及不同状态之间的互相转换。本发明主要是结合ais数据特点及集装箱班轮的实际业务特征，能够对集装箱班轮在航或者停航的状态进行有效识别和区分，并根据状态对集装箱班轮运力进行分类，进而对集装箱船的运力进行统计和分析，为基于大数据的运力规划提供支持。
28.本发明还涉及一种集装箱班轮停航及短时运力异常识别系统，该系统与上述的集装箱班轮停航及短时运力异常识别方法相对应，可理解为是一种实现上述集装箱班轮停航及短时运力异常方法的系统，包括依次连接的数据采集模块、状态判断模块和停航及运力识别模块，各模块相互协同工作，基于集装箱船的ais动态数据，并结合业务逻辑，对集装箱班轮在航或者停航的状态进行有效识别和区分，并根据状态对集装箱班轮运力进行分类，进而对集装箱运力进行统计和分析，为集装箱班轮在航和停航的状态判断确定了一个统一的标准，且为准确实时计算集装箱船在航运力提供了支持。
附图说明
29.图1是本发明集装箱班轮停航及短时运力异常识别方法的流程图。
30.图2是本发明状态判断步骤的优选流程图。
31.图3是本发明集装箱班轮每日停航时长变化情况示意图。
32.图4是本发明在航及停航运力展示示意图。
具体实施方式
33.下面结合附图对本发明进行说明。
34.本发明涉及一种集装箱班轮停航及短时运力异常识别方法，该方法的流程图如图1所示，依次包括以下步骤：
35.数据采集步骤：或进一步称为数据采集和预处理步骤：获取集装箱船的ais数据、港口数据和泊位数据，并优选进行预处理：具体地，先使用python语言中的psycopg2(是python语言的postgresql数据库接口)连接mysql数据库，从mysql数据库中查询出mmsi为636092927、477883100、636016417、371711000和354712000的集装箱船的ais数据，港口数据和泊位数据，在获得上述数据后，对数据进行清洗，去除无用的干扰数据，先对ais的数据进行预处理，去掉ais中有问题的数据(如缺失过多)，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。
36.然后根据ais数据、港口数据和泊位数据计算得到航次动态数据，具体地，是根据ais数据status(状态)字段，港口位置以及泊位位置，计算得到的船舶航次动态数据，航次动态数据包括航行数据、靠泊数据和锚泊数据。优选地，航行数据包括起始港、起始时间、结
束港、结束时间、吃水变化和航行距离等，锚泊数据包括港口锚泊、中途锚泊和锚泊作业时长等，靠泊数据包括靠泊作业时长和靠泊修理时长等。其中，status(状态)字段为：1为锚泊，5为靠泊，0为航行，当status＝5(即靠泊)时，查询以该经纬度点为圆心，半径为20海里内的港口，并将距离最近的港口作为靠泊港口，并计算该经纬度点到靠泊港口泊位的距离，距离最小的泊位判定为靠泊泊位；当status＝1(即锚泊)时，查询以该点为要圆心半径20海里内的港口，将距离最近的港口作为锚泊港口，并判定为港口锚泊，若20海里内无港口，判定为中途锚泊，通过得到的锚泊数据以及靠泊数据，最后得到船舶的航次数据。
37.对于每一个有集装箱挂港记录的港口，根据ais数据中集装箱船的不同船舶类型，即2999teu以下、3000-5999teu、6000-7999teu、8000-11999teu、12000-14999teu和15000teu以上，和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长作为后续分析的基准时长。优选地，ais数据包括静态数据和动态数据，静态数据包括船舶移动业务识别码mmsi、船舶类型、呼号、船名、船高、船长和船宽等，动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向等。优选地，港口数据包括每个航段的起始和结束时间及起终点港口等。
38.当前及历史状态判断步骤：在某个集装箱船当前或历史状态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；
39.在某个集装箱船当前或历史状态为锚泊状态且属于港口锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于中途锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态。
40.具体地，由于集装箱船的整个运输过程均可分为航行、锚泊和靠泊三种状态，其中锚泊包括港口锚泊(即到港锚泊)和中途锚泊，中途锚泊且锚泊港口与出发港相同时属于出发港锚泊，靠泊包括靠泊作业和靠泊修理。如图2和图3所示，以下就三种状态分别进行分析：
41.1)、在某个集装箱船当前或历史动状态为航行状态时，则认为该集装箱船处于在航状态；
42.2)、在mmsi为477883100的集装箱船当前或历史动态为靠泊状态，且靠泊泊位为修理泊位，可判断该集装箱船正处于靠泊修理状态，则自动判断该集装箱船处于停航状态，且停航时长等于修理时长；
43.3)、在mmsi为371711000的集装箱船当前或历史动态为靠泊状态，且属于靠泊作业，即处于非修理状态，靠泊港口为福州新港时：
44.先根据ais数据中集装箱船的船型和靠泊港口计算出其对应的平均靠泊作业时长，由于船型较小的集装箱船(2999teu以下)的作业时长波动较大，因此，若该集装箱船的船型为集装箱船(2999teu)以下，则再判断该集装箱船的当前作业时长是否超过平均靠泊作业时长的第一设定倍数，即是否超过平均靠泊作业时长(即基准作业时长)的4倍(该实施例的第一设定倍数为4倍)，且对于所有船型而言，绝对作业时长是否超过第一时间阈值比如72小时，若均超过，则判断该集装箱船处于停航状态，且停航时长为当前状态时长减去基准作业时长；若均未超过，则判断该集装箱船处于在航状态；具体地，由于mmsi为371711000的集装箱船船型为2999teu以下,且福州新港2999teu以下船型的基准作业时长为12.78小时，截至当前该集装箱船靠泊作业时长为73.54小时，已超过基准作业时长的4倍，且超过72小时，故该集装箱船可判断为处于停航状态，且停航时长为60.76小时。
45.若集装箱船的船型为除了集装箱船(2999teu)以外的其他船型，则再自动判断该集装箱船的当前作业时长是否超过平均靠泊作业时长的第二设定倍数，即是否超过平均靠泊作业时长(即基准作业时长)的2倍(该实施例的第二设定倍数为2倍)，且对于所有船型而言，绝对作业时长是否超过第一时间阈值比如72小时，若均超过，则判断该集装箱船处于停航状态，且停航时长为当前状态作业时长减去平均靠泊作业时长；若均未超过，则判断该集装箱船处于在航状态；具体地，以mmsi为354712000的集装箱船为例，该集装箱船当前处于靠泊状态，且属于靠泊作业，靠泊港口为福斯港。由于该集装箱船船型为8000-11999teu,且福斯港8000-11999teu船型的基准作业时长为33.07小时，截至当前该集装箱船作业时长为83.35小时，已超过基准作业时长的2倍，且超过72小时，故该集装箱船可判断为处于停航状态，且停航时长为50.28小时。
46.需要说明的是，第一设定倍数、第一时间阈值和第二设定倍数均可根据实际业务需求进行设置，本发明的实施例均为举例说明，并非唯一限定。
47.4)在某个集装箱船当前或历史状态为锚泊状态，且属于港口锚泊(或可称为到港锚泊)，即锚泊港口与目的港口相同时：
48.先根据ais数据中集装箱船的船型和靠泊港口计算出其对应的平均锚泊作业时长，再自动判断该集装箱船的当前作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，即若当前锚泊作业时长超过n倍的平均锚泊作业时长，且绝对锚泊时长超过m小时，则认为该集装箱船处于停航状态，否则处于在航状态。此处的m和n，均可根据实际业务需求进行设置，此处认为锚泊时长超过1.5倍基准时长(该实施例的第三设定倍数为1.5倍)，且绝对锚泊时长超过第一时间阈值比如72小时，则认为处于停航状态，且停航时长为当前状态持续时长减去平均锚泊作业时长；否则处于在航状态。具体地，以mmsi为636016417的集装箱船为例，该集装箱船当前处于锚泊状态，且锚泊港口和预抵港口均为休斯顿，可判断为到港锚泊的情况。由于该集装箱船船型为3000-5999teu，且休斯顿港3000-5999teu船型的基准锚泊时长为24.08小时，截至当前该集装箱船锚泊时长为74.8小时，已超过基准锚泊时长的1.5倍，且超过72小时，故该集装箱船可判断为处于停航状态，且停航时长为50.72小时。
49.5)在某个集装箱船当前或历史状态为锚泊状态，且属于中途锚泊，且锚泊港口与
出发港口相同时：
50.由于集装箱船在出发港锚泊的状态本身即为非正常状态，可能是由于船舶本身的问题或者暂无明确可执行的运输任务，故对所有船型而言，若该集装箱船的绝对作业时长(即在出发港锚泊的状态)持续超过第二时间阈值比如n小时，则认为该集装箱船处于停航状态，否则处于在航状态。此处的n可以根据实际业务需求进行设置，此处认为出发港锚泊超过第二时间阈值比如24小时即处于停航状态，且停航时长为锚泊时长；否则处于在航状态。具体地，以mmsi为636092927的集装箱船为例，该集装船当前处于锚泊状态，且锚泊港口和出发港口均为宁波港，可判断为出发港锚泊的情况。锚泊时长截至当前为24.84小时，已超过24小时，故该集装箱船可判断为处于停航状态，且停航时长为24.84小时。
51.需要说明的是，由于集装箱船的历史动态均为已完成的状态，若满足上述的停航条件则认为该集装箱船在该时段为停航状态，且停航时长为当前状态时长减去基准作业时长，此外，由于状态已完成，每一段停航时长均为定值不再改变。
52.而对于当前状态进行停航判断时，一旦满足设置的停航条件即判断为停航，停航时长随当前状态持续而实时累加。一旦当前状态结束，停航时长也停止累加，将该条历史停航状态及最终计算停航时长加入历史停航状态表中保存。
53.停航及短时运力异常识别步骤：如图4所示，在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。该停航及运力识别步骤还能够对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。
54.其中，根据每日处于停航状态的每个集装箱船的平均停航时长可以计算出所有集装箱船每日平均停航时长，停航时长越长说明运输效率越低，越多运力被浪费。
55.此外，根据集装箱船所属的船公司可以统计出不同船公司每日停航艘数及载重吨等信息，停航艘数及载重吨越多说明该公司的运输效率越低，运力浪费越严重。对不同船公司运力分析的维度除了总运力以外，增加了在航运力，可以更准确地进行不同船公司运力的分析和对比。由于在航运力均处于实时变化之中，可以更加准确地对比不同船公司在当前或者历史某时段的运力对比情况。
56.本发明还涉及了一种集装箱班轮停航及短时运力异常识别系统，该系统与上述集装箱班轮停航及短时运力异常识别方法相对应，可理解为是实现上述方法的系统，该系统包括依次连接的数据采集模块、状态判断模块和停航及运力识别模块，具体地，
57.数据采集模块，获取集装箱船的ais数据、港口数据以及泊位数据，并根据ais数据、港口数据以及泊位数据计算得到航次动态数据，所述航次动态数据包括航行数据、靠泊数据和锚泊数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长；
58.状态判断模块，在某个集装箱船当前或历史状态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停
航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；
59.在某个集装箱船当前或历史状态为锚泊状态且属于到港锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于出发港锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态；
60.停航及运力识别模块，在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。
61.优选地，ais数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向。
62.优选地，港口数据包括每个航段的起始和结束时间及起终点港口。
63.优选地，数据采集模块中是先对ais数据进行预处理，去除ais中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。
64.优选地，航行数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊数据包括港口锚泊、中途锚泊和锚泊作业时长，所述靠泊数据包括靠泊作业时长和靠泊修理时长。
65.优选地，所述状态判断模块对已判断为停航状态的集装箱船还计算停航时长，集装箱船历史动态判断为停航状态时每一段停航时长均为定值不再改变，集装箱船当前状态判断为停航状态时停航时长随当前状态持续而实时累加，一旦当前状态结束，停航时长也停止累加，再将最终计算的航行时长加入历史航行状态表中保存；然后由停航及运力识别模块对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。
66.本发明提供了客观、科学的集装箱班轮停航及短时运力异常识别方法及系统，基于集装箱船的ais动态数据，并结合业务逻辑，对集装箱班轮在航或者停航的状态进行有效识别和区分，并根据状态对集装箱班轮运力进行分类，进而对集装箱运力进行统计和分析，为集装箱班轮在航和停航的状态判断确定了一个统一的标准，且为准确实时计算集装箱船在航运力提供了支持。
67.应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵
盖在本发明创造专利的保护范围当中。

技术特征：
1.一种集装箱班轮停航及短时运力异常识别方法，其特征在于，包括以下步骤：数据采集步骤：获取集装箱船的ais数据、港口数据以及泊位数据，并根据ais数据、港口数据以及泊位数据计算得到航次动态数据，所述航次动态数据包括航行数据、靠泊数据和锚泊数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长；状态判断步骤：在某个集装箱船当前或历史动态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；在某个集装箱船当前或历史动态为锚泊状态且属于港口锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于中途锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态；停航及运力识别步骤：在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。2.根据权利要求1所述的集装箱班轮停航及短时运力异常识别方法，其特征在于，所述数据采集步骤中，所述ais数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；和/或，所述港口数据包括每个航段的起始和结束时间及起终点港口。3.根据权利要求1所述的集装箱班轮停航及短时运力异常识别方法，其特征在于，所述数据采集步骤中是先对ais数据进行预处理，去除ais中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。4.根据权利要求1所述的集装箱班轮停航及短时运力异常识别方法，其特征在于，所述航行数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊数据包括港口锚泊、中途锚泊和锚泊作业时长，所述靠泊数据包括靠泊作业时长和靠泊修理时长。5.根据权利要求1至4之一所述的集装箱班轮停航及短时运力异常识别方法，其特征在于，所述状态判断步骤中，对已判断为停航状态的集装箱船还计算停航时长，集装箱船历史动态判断为停航状态时每一段停航时长均为定值不再改变，集装箱船当前状态判断为停航
状态时停航时长随当前状态持续而实时累加，一旦当前状态结束，停航时长也停止累加，再将最终计算的航行时长加入历史航行状态表中保存；然后由停航及运力识别步骤对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。6.一种集装箱班轮停航及短时运力异常识别系统，其特征在于，包括依次连接的数据采集模块、状态判断模块和停航及运力识别模块，数据采集模块，获取集装箱船的ais数据、港口数据以及泊位数据，并根据ais数据、港口数据以及泊位数据计算得到航次动态数据，所述航次动态数据包括航行数据、靠泊数据和锚泊数据，并根据ais数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长；状态判断模块，在某个集装箱船当前或历史状态为靠泊状态且处于修理状态时，则自动判断该集装箱船处于停航状态；在某个集装箱船处于靠泊状态且处于非修理状态时，根据船型和平均靠泊作业时长自动判断该集装箱船所处的航行状态，若该集装箱船的船型小于预设船型，则再判断该集装箱船的作业时长是否超过平均靠泊作业时长的第一设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；若该集装箱船的船型若大于等于预设船型，则自动判断该集装箱船的作业时长是否超过平均靠泊作业时长的第二设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；所述第一设定倍数大于第二设定倍数；在某个集装箱船当前或历史状态为锚泊状态且属于港口锚泊时，则自动判断该集装箱船的作业时长是否超过平均锚泊作业时长的第三设定倍数，且绝对作业时长是否超过预设第一时间阈值，若均超过，则判断该集装箱船处于停航状态，若均未超过，则判断该集装箱船处于在航状态；在某个集装箱船处于锚泊状态且属于中途锚泊时，则自动判断该集装箱船的绝对作业时长是否超过预设第二时间阈值，若是，则判断该集装箱船处于停航状态，否则，则判断该集装箱船处于在航状态；停航及运力识别模块，在判断出集装箱船当前及历史所处状态后，根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和ais数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。7.根据权利要求6所述的集装箱班轮停航及短时运力异常识别系统，其特征在于，所述ais数据包括静态数据和动态数据，所述静态数据包括船舶移动业务识别码、船舶类型、呼号、船名、船高、船长和船宽，所述动态数据包括船舶经纬度位置信息、时间戳、对地航向、对地航速和船艏向；和/或，所述港口数据包括每个航段的起始和结束时间及起终点港口。8.根据权利要求6所述的集装箱班轮停航及短时运力异常识别系统，其特征在于，所述数据采集模块中是先对ais数据进行预处理，去除ais中有问题的数据，然后对港口数据进行预处理，去除修船的数据、起始港和终点港有缺失的数据、未知港口的数据以及起点港与终点港为相同港口的数据。9.根据权利要求6所述的集装箱班轮停航及短时运力异常识别系统，其特征在于，所述航行数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊数据包
括港口锚泊、中途锚泊和锚泊作业时长，所述靠泊数据包括靠泊作业时长和靠泊修理时长。10.根据权利要求6至9之一所述的集装箱班轮停航及短时运力异常识别系统，其特征在于，所述状态判断模块对已判断为停航状态的集装箱船还计算停航时长，集装箱船历史动态判断为停航状态时每一段停航时长均为定值不再改变，集装箱船当前状态判断为停航状态时停航时长随当前状态持续而实时累加，一旦当前状态结束，停航时长也停止累加，再将最终计算的航行时长加入历史航行状态表中保存；然后由停航及运力识别模块对集装箱班轮当前运力进行实时监控，并根据历史航行状态表对历史运力变化进行统计分析。

技术总结
本发明提供了一种集装箱班轮停航及短时运力异常识别方法及系统，基于集装箱船的AIS数据、港口数据以及泊位数据计算得到航次动态数据，根据AIS数据中的船舶类型和港口数据计算出每个港口每种船型的平均靠泊作业时长和平均锚泊作业时长，并采用特定的判断方法判断出集装箱船当前及历史所处状态的是在航状态或停航状态，然后根据集装箱船所属的船公司统计出不同船公司每日处于停航状态的集装箱船数量，根据处于停航状态的集装箱船数量和AIS数据中的载重吨数据分析统计出不同船公司每日的集装箱船停航及短时运力异常情况并进行展示。本发明能够对集装箱班轮在航或者停航的状态进行有效识别和区分，并能够有效提高船公司运力对比和监控的准确性。司运力对比和监控的准确性。司运力对比和监控的准确性。


技术研发人员：张哲熙 韩懿
受保护的技术使用者：上海船舶运输科学研究所有限公司
技术研发日：2023.02.10
技术公布日：2023/7/22