背景技术：

2.随着水上交通运输行业现代化、智能化及一体化方向全面发展，ais系统作为一种新型的数字助航系统和设备，能够记录船舶时空信息，蕴含了大量的船舶航行的历史数据，包括船名、水上移动业务标识（mmsi）、船舶空间位置、船速、船型、时间戳等属性。目前，国内外各港口及内河航道已广泛应用该ais系统，航业相关政府部门及企业已经积累了大量的航海信息资源，借助于先进的数据分析手段及方法，对ais航行数据进行深度挖掘，可以从中获取反映航道交通状态及船舶行为的有效信息，从而为航运资源的管理与调配提供依据，极大程度地避免航道拥堵，提高航运效率。3.由于ais数据仅有针对当前的空间位置，无法得知下一个是哪一个挂靠港，所以不能直接获取船舶进出港时间。因此，只能间接地通过船舶ais历史数据分析不同挂靠港以及不同类型船舶作业的时间。由于港口泊位及处理能力都有限，因此当挂靠船舶数量大于港口处理能力极限时，需要让船舶在海上（锚地）进行短期等待排队，当前序船舶作业结束时，在依次进行挂靠作业。为了分析各港口拥堵程度，因此需要精准圈定各港口及泊位的电子围栏，作为判断各船舶“何时进，何时出”的标志，其中，圈选港口电子围栏的目的是为了判定船舶进入锚地时间，而圈选泊位电子围栏的目的是为了判定船舶待作业或已完成作业时间；目前，航业相关政府部门及企业圈选电子围栏通用方法是根据实际业务知识及人工经验，手动进行划分，因此存在圈选误差大，人力成本高等问题；为此提供了基于船舶ais大数据的港口及泊位电子围栏构建方法。

技术实现要素：

4.本发明的目的是针对现有技术的缺陷，提供基于船舶ais大数据的港口及泊位电子围栏构建方法，以解决上述背景技术提出的问题。5.为实现上述目的，本发明提供如下技术方案：基于船舶ais大数据的港口及泊位电子围栏构建方法，具体的方法如下：步骤1：通过ais系统获取各船舶的历史航行数据信息，包括船名、水上移动业务标识（mmsi）、船舶空间位置、船速、船型和时间戳属性；步骤2：从ais数据中筛选出航速小于1的船舶航行数据作为可行数据集；步骤3：利用多段式层次聚类方法，将步骤2获取到的可行数据进行类簇，并设置停泊点最小阈值，从而剔除停泊点数量较少的类簇，然后采用轮廓系数对聚类结果进行评价；步骤4：利用图像分析中的凸包方法，获取每个类簇最外层包络点，形成电子围栏；步骤5：依次输出每个港口及泊位的电子围栏。6.作为本发明的一种优选技术方案，所述步骤3中的某些港口存在多锚地、多泊位且分布不均的问题，需要将第一次所获得的类簇，进行第二次归并；作为本发明的一种优选技术方案，所述步骤3中的轮廓系数是簇的密集与分散程度的评价指标，用来评估聚类效果是否有效合理；其取值在[-1,1]之间，若值趋近于1，说明簇内越紧凑，样本聚类效果越好，反之效果越差。[0007]作为本发明的一种优选技术方案，所述步骤4中的凸包是一个计算几何中的概念，它的严格的数学定义为：在一个向量空间v中，对于给定集合x，所有包含x的凸集的交集s被称为x的凸包。[0008]本发明的有益效果是：本方法结合机器学习与图像分析方法获取港口及泊位电子围栏数据，利用多段式层次dbscan密度聚类方法，将获取到的可行数据进行类簇，考虑到某些港口存在多锚地、多泊位且分布不均等问题，需要将第一次所获得的类簇，进行第二次归并，利用图像分析中的凸包方法，获取每个类簇最外层包络点，形成泊位及港口的电子围栏。附图说明[0009]图1为本发明的流程图；图2为本发明的原始数据可视化示意图；图3为本发明的港口电子围栏圈选示意图；图4为本发明的泊位电子围栏圈选示意图。具体实施方式[0010]下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。[0011]本发明提供一种技术方案：基于船舶ais大数据的港口及泊位电子围栏构建方法，具体的方法如下：步骤1：通过ais系统获取各船舶的历史航行数据信息，包括船名、水上移动业务标识（mmsi）、船舶空间位置、船速、船型和时间戳属性；步骤2：从ais数据中筛选出航速小于1的船舶航行数据作为可行数据集；步骤3：利用多段式层次聚类方法，将步骤2获取到的可行数据进行类簇，并设置停泊点最小阈值，从而剔除停泊点数量较少的类簇，然后采用轮廓系数对聚类结果进行评价；步骤4：利用图像分析中的凸包方法，获取每个类簇最外层包络点，形成电子围栏；步骤5：依次输出每个港口及泊位的电子围栏。[0012]所述步骤3中的某些港口存在多锚地、多泊位且分布不均的问题，需要将第一次所获得的类簇，进行第二次归并；所述步骤3中的轮廓系数是簇的密集与分散程度的评价指标，用来评估聚类效果是否有效合理；其取值在[-1,1]之间，若值趋近于1，说明簇内越紧凑，样本聚类效果越好，反之效果越差。[0013]所述步骤4中的凸包是一个计算几何中的概念，它的严格的数学定义为：在一个向量空间v中，对于给定集合x，所有包含x的凸集的交集s被称为x的凸包。[0014]实施例1：基于船舶ais大数据的港口及泊位电子围栏构建方法，具体的方法如下：按照如下步骤依次进行：s1：通过ais系统获取各船舶的历史航行数据信息，包括船名、水上移动业务标识（mmsi）、船舶空间位置、船速、船型、时间戳等属性，去除错误和冗余数据，其中包括重复数据、异常航速数据、空数据、经纬度及航向单位规整；s2：分析ais数据，船舶航行状态分为在航、锚泊和操作受限等，并且除了处于在行状态的船舶以外，其余船舶航行速度几乎为0，可以推断这些船舶应停留在港口或者泊位，一般而言，船舶在停泊时位置保持不变，且船速为零，但是停泊船在受到风浪及水流影响会产生偏移或摇摆，因此ais系统所接收到的船速可能不为0，因此从ais数据中筛选出航速小于1的船舶航行数据作为本方法的可行数据，并可视化如下图2所示：s3：层次聚类算法：通过设置不同的聚类参数值，得到多层次聚类结构，对聚类的数据集形状不敏感，适用于任意形状的聚类。首先基于层次聚类方法对将步骤2获取到的可行数据进行类簇，并设置停泊点最小阈值，从而剔除停泊点数量较少的类簇，然后采用轮廓系数对聚类结果进行评价；考虑到某些港口存在多锚地、多泊位且分布不均等问题，需要将第一次所获得的类簇，根据不同类簇中心点距离进行第二次归并，若距离越近，可认为是同一港口或者泊位的可能性就越大，然后依次对船舶原始数据打上类簇标签；s4：将s3中所获取的含有类簇标签的数据，利用图像分析中的凸包方法，从而获取每个类簇最外层包络点，形成电子围栏轮廓；其中，凸包是一个计算几何中的概念，它的严格的数学定义为：在一个向量空间v中，对于给定集合x，所有包含x的凸集的交集s被称为x的凸包；港口电子围栏及泊位电子围栏圈选如下图3和图4所示。[0015]本方法结合机器学习与图像分析方法获取港口及泊位电子围栏数据，利用多段式层次dbscan密度聚类方法，将获取到的可行数据进行类簇，考虑到某些港口存在多锚地、多泊位且分布不均等问题，需要将第一次所获得的类簇，进行第二次归并，利用图像分析中的凸包方法，获取每个类簇最外层包络点，形成泊位及港口的电子围栏。[0016]上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。