-
公开(公告)号：CN109405831B
公开(公告)日：2023-07-04
申请号：CN201811133656.5
申请日：2018-09-27
Applicant: 大连海事大学
IPC: G01C21/20
Abstract: 本发明公开了一种内河水网航线规划方法，及基于该方法的船舶航线规划手持终端APP。所述水网航线规划方法通过关系型数据库、服务器和前端数据库组成的计算机系统来实现，包括步骤：S1通过航线交叉点、码头此类能够作为航线起止的节点，将航道划分成若干航段；S2将航段信息存储到所述关系型数据库中，并将对应的水网形成有向拓扑网络；及S，在形成的有向拓扑网络中选择起点和终点，系统遍历航段数据，通过比较船舶自身条件与航道条件，为船舶规划出一条能够安全通行的最优航线。通过将航道信息与船舶信息进行比较，为船舶智能地规划出一条最优航线，并通过基于电子航道图的手持终端APP为船舶提供助航服务，更好地保障船舶的航行安全。
-
公开(公告)号：CN108806335B
公开(公告)日：2021-01-15
申请号：CN201810525934.5
申请日：2018-05-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于AIS轨迹的船舶交通环境重构方法，所述方法的步骤为：步骤1‑1，将时间区间参数进行分割，细化为一个个时间片段，每次只请求在一个时间片段内指定地理范围的所有船舶的轨迹数据；步骤1‑2，Web前端对步骤1‑1中所述轨迹数据进行临时存储、预处理、空间关系计算和重构；步骤1‑3，Web前端再从服务器定期请求新的轨迹数据，进行动态更新；及重复上述步骤1‑1、1‑2、1‑3，实现Web前端交通环境持续重构。通过该方法为各个船载设备和海事监管部门的设备提供基于AIS数据的可视化技术手段，使内河航运更加畅通有序和平安高效，具有明显的经济和社会效益。
-
公开(公告)号：CN111639709A
公开(公告)日：2020-09-08
申请号：CN202010478280.2
申请日：2020-05-29
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度学习的航标灯质智能识别方法，包括：采集视频数据，并进行预处理；构建灯闪网络，并进行训练；灯闪网络以预处理后视频的亮度通道图像为输入，利用循环神经网络提取航标灯的亮度特征，再利用循环神经网络提取亮度特征形成的灯闪周期时序；构建颜色网络，并进行训练；颜色网络以视频的RGB图像为输入，利用卷积神经网络提取航标灯的颜色特征；将灯闪网络和颜色网络的识别结果进行融合，获取航标灯颜色加灯闪周期的灯质分类。本发明主要利用灯闪网络和颜色网络将灯闪周期与颜色分离训练和识别，达到了航标灯质的多标签分类效果。加入了注意力机制，可以使得特征图在训练时更容易关注到所要观察的灯质信息，提升了模型的准确率。
-
公开(公告)号：CN109405831A
公开(公告)日：2019-03-01
申请号：CN201811133656.5
申请日：2018-09-27
Applicant: 大连海事大学
IPC: G01C21/20
Abstract: 本发明公开了一种内河水网航线规划方法，及基于该方法的船舶航线规划手持终端APP。所述水网航线规划方法通过关系型数据库、服务器和前端数据库组成的计算机系统来实现，包括步骤：S1通过航线交叉点、码头此类能够作为航线起止的节点，将航道划分成若干航段；S2将航段信息存储到所述关系型数据库中，并将对应的水网形成有向拓扑网络；及S，在形成的有向拓扑网络中选择起点和终点，系统遍历航段数据，通过比较船舶自身条件与航道条件，为船舶规划出一条能够安全通行的最优航线。通过将航道信息与船舶信息进行比较，为船舶智能地规划出一条最优航线，并通过基于电子航道图的手持终端APP为船舶提供助航服务，更好地保障船舶的航行安全。
-
公开(公告)号：CN113392339A
公开(公告)日：2021-09-14
申请号：CN202110721619.1
申请日：2021-06-28
Applicant: 大连海事大学
IPC: G06F16/9537 , G06F16/904 , G06F16/29 , G06F16/25
Abstract: 本发明提供了一种基于网络要素服务的内河航道要素管理系统，包括：web应用客户端和GIS数据管理端；GIS数据管理端包括：为web应用客户端提供电子航道图显示以及用户交互操作的表示层；封装有实现矢量航道要素的显示和管理的各类操作的业务逻辑层；用于从地图服务器和GIS数据服务器存取数据的数据服务层；地图服务器用于存储电子航道图切片数据，以供在表示层调用显示；GIS数据服务器用于存储矢量航道要素地图服务，以便通过调用矢量航道要素地图服务实现矢量航道要素的显示和管理、以及实现与其他地图数据叠加。本发明充分利用内河电子航道图数据成果，建设基于图形化的GIS矢量航道要素管理系统，为提升内河航道监管的工作效率提供了数据基础。
-
Patent Agency Ranking
公开(公告)号：CN113379603A
公开(公告)日：2021-09-10
申请号：CN202110649805.9
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度学习的船舶目标检测方法，涉及目标检测技术领域，该方法包括：获取船舶数据集；对船舶数据集中的船舶图像进行图像拼接；构建船舶目标检测模型；船舶目标检测模型包括轻量化骨干网络和注意力金字塔；轻量化骨干网络包括输入层、平均池化层以及密集连接单元；注意力金字塔包括三个检测分支，分别连接到骨干网络中输出13*13、26*26、52*52尺寸特征图的密集连接单元；注意力金字塔使用有效通道注意力模块，位于所述注意力金字塔的最前端，每一检测分支各一个；利用构建的船舶目标检测模型进行船舶目标检测，得到船舶检测结果。本发明实现了更精准、轻量、实时的船舶检测。
-
公开(公告)号：CN108806335A
公开(公告)日：2018-11-13
申请号：CN201810525934.5
申请日：2018-05-29
Applicant: 大连海事大学
CPC classification number: G08G3/00
Abstract: 本发明公开了一种基于AIS轨迹大数据的船舶交通环境重构方法，所述方法的步骤为：步骤1‑1，将时间区间参数进行分割，细化为一个个时间片段，每次只请求在一个时间片段内指定地理范围的所有船舶的轨迹数据；步骤1‑2，Web前端对步骤1‑1中所述轨迹数据进行临时存储、预处理、空间关系计算和重构；步骤1‑3，Web前端再从服务器定期请求新的轨迹数据，进行动态更新；及重复上述步骤1‑1、1‑2、1‑3，实现Web前端交通环境持续重构。通过该方法为各个船载设备和海事监管部门的设备提供基于AIS数据的可视化技术手段，使内河航运更加畅通有序和平安高效，具有明显的经济和社会效益。
-
公开(公告)号：CN102592202A
公开(公告)日：2012-07-18
申请号：CN201210067744.6
申请日：2012-03-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种综合船桥系统，包括综合信息集成显示模块、一体化应用与智能控制模块和一体化应用岸基支撑平台，所述的一体化应用与智能控制模块包括一体化应用模块和智能报警模块，所述的一体化应用模块分别与船舶业务管理模块、进出港管理模块、过坝申报模块和应急报警模块连接，所述的一体化应用岸基支撑平台与海图数据发布系统的输出端连接。本发明的一体化应用模块与一体化应用岸基支撑平台互联互通，可实现船载电子海图的自动更新及下载最新航行通告等航运相关信息，实现了信息获取的主动化。船舶可通过一体化应用模块与港口、船公司进行数据文件交换，实现了船岸一体化和船港一体化等一体化应用功能。
-
公开(公告)号：CN111738500B
公开(公告)日：2024-01-12
申请号：CN202010530842.3
申请日：2020-06-11
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q10/083 , G06F18/25 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供一种基于深度学习的航行时间预测方法，包括：获取AIS数据；对所述获取到的AIS数据进行处理，得到不同航段、不同时间段的航行时间数据；构建航行时间预测模型，将所述航行时间数据输入到所述构建的航行时间预测模型中进行训练；将训练好的航行时间预测模型与航线规划技术结合，得到准确的航行时间预测值。本发明的技术方案能够准确的预测航行时间，使得船舶提前知道通过某个航段的预估时间，提前选择最优路径，从而提高航运的通行效
-
公开(公告)号：CN113393027A
公开(公告)日：2021-09-14
申请号：CN202110648282.6
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度学习的航标漂移智能预测方法，涉及航标漂移预测技术领域，该方法包括：获取样本数据，并对样本数据进行预处理；其中，样本数据包括航标历史位置数据和水位历史数据；基于预处理后的样本数据构建时间序列；利用时间序列反映出的航标运动规律建立并训练航标漂移预测模型；所述航标漂移预测模型包括用于提取时间序列中的时序特征的门控循环单元和用于对时间序列的各时间步赋予不同权重的注意力机制；输入航标预设个时刻数据，利用训练好的航标漂移预测模型进行预测；输出航标预测位置。本发明基于深度学习的方法从大量航标、水位历史数据中学习时序特征，通过考虑水位因素影响和添加注意力机制进一步提高了模型预测精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
