复赛总榜TOP1方案Champion Chasing Boy分享

关联比赛:  2020数字中国创新大赛—算法赛：智慧海洋建设

写在前面的话
大家好，我是 Champion Chasing Boy的DOTA，在队友 鱼遇雨欲语与余、 尘沙杰少、林有夕、嗯哼哼唧 的Carry下，最终在本届智能算法赛拿到了复赛总榜单Top1的成绩。下面分享一下我们团队在A、B、C榜各阶段的整体框架解决方案。

一、方案整体框架设计

二、A、B榜方案分享（算法篇）
2.1 数据探索&信息挖掘
 

从数据中挖掘信息是辅助识别作业类型的关键，不同作业的渔船，其行驶轨迹、速度、经纬度变化等都存在一定的差异。
 

拖网变化情况

• 拖网的坐标看上去有些乱，lon 的移动相较于lat 要大一些。
• 可能因为拖网的关系，会明显出现几段直线；

围网变化情况

• 围网很多都有明显的画圆或者半圆的痕迹；
• 有些围网看上去像是快速转圈的情况；

刺网变化情况

• 刺网的线段看上去很多较为规范，很多看上去像是在很多地方放了很多网，然后船去收网的样子。

2.2 特征工程框架
 

单属性特征，从速度、方向、经纬度等方面，由全局和局部两个方向，从分位数特征、分桶统计特征刻画渔船的基本画像。
 

多属性特征，采用速度相关的交叉特征为主。

2.3 算法框架
 

本次比赛依旧使用了“倚天屠龙”之一的LightGBM模型。
 

很多样本经纬度几乎不变，速度方向信息受波浪影响波动，可能是停泊等原因，分开建模。

2.4 设备匹配算法
 

TWS和SWS

• 当两个轨迹在长时间和长距离内相似，那么它们就应该是相似的，则称其为同源轨迹。
• 这里通过时间加权相似（TWS）和空间加权相似度（SWS）两种路径匹配算法来匹配北斗数据和AIS数据，同时帮助挖掘AIS数据的价值。

  

  
  基于对抗验证的匹配算法（杰少尘沙）
  本赛题 杰少 提出了 基于对抗验证的匹配算法，将无监督问题转为有监督问题，同时易于加入多种不同的信息，将多种不同的因素信息一起进行考虑。

三、C榜方案分享（可视化篇）
3.1 系统架构
 

可视化方案部分，由 首席全栈搬砖师 林有夕 实现了智慧海洋云系统的搭建。主要包含：

• Angular.js前端框架 + echarts可视化，完成前后端分离设计，保证代码和数据安全；
• Nginx + Flask实现web接口 ，灵活部署。利用数据预计算+缓存+索引优化技术，提高效率。

3.2 应用案例
 

渔船作业种类繁多，分布差异巨大，对渔船进行大数据画像，描绘知识图谱，以便于政府部门掌握渔船的 基本信息、状态监控和行为特点等。
 

使用时序模型预测渔船未来30分钟所在的位置，并结合风控画像计算碰撞指数。综合考量船速、渔船密度、设备掉线时常、定位漂移率等指标。
 

流量预测方面，结合船只运行轨迹以及历史行为对未来24小时区域进行流量预测。
 

通过热力图展示区域碰撞系数，对碰撞做出有效的提前预警。
 

安全生产一直是我们关心的一个方向，在经过前面图谱的构建、可视化数据的深度分析和挖掘之后，我们有了一定的基础，通过机器学习、人工智能的方式对海洋渔船流量进行预测，向安全监控进行赋能，帮助渔船调度、防碰撞预警、资源的合理安排等。通过动态分布图刻画渔船行为迁移规律。

写在最后的话
以上是我们团队Champion Chasing Boy 在本次数字中国创新大赛智能算法赛道中的完整方案。本篇文章只从整体架构方面进行了方案介绍，具体涉及的部分细节，敬请关注其他队友的分享。

查看更多内容，欢迎访问天池技术圈官方地址：复赛总榜TOP1方案Champion Chasing Boy分享_天池技术圈-阿里云天池