AIS航行状态和船舶类型

AIS航行状态:
Under way using engine(动力船在航),
Under way sailing(帆船在航),
At anchor(锚泊),
Not under command(失控),
Restricted maneuverability(操纵能力受限),
Constrained by her draught(吃水受限),
Moored(系泊),
Aground(搁浅),
Engaged in fishing(从事捕鱼),
Reserved for HSC(高速船留用),
Reserved for WIG(飞翼船留用),
Not defined(未定义)。

AIS船舶种类:
Passenger ship(客船),
Cargo ship(货船),
Tanker(油船),
WIG(飞翼),
Fishing vessel(渔船),
Towing vessel(拖带船),
Towingvessel L>200m B>25m(船长超过200m船宽超过25m的拖带船),
Dredge orunderwater operation(挖泥或水下作业),
Vessel—divingoperation(潜水作业船),
Vessel—militaryoperation(军事作业船),
Sailingvessel(帆船),
Pleasure craft(休闲游艇),
HSC(高速船),
Pilot vessel(引航船),
Searchand rescue vessel(搜救船),
TUG(拖轮),Port tender(港口供应船),
With anti—pollution equip(有防污染设施或设备的船舶),
Law enforcement vessel(法律强制船),
Medical transports(医务运输船),
Resolution No.18 NOB-83(按18号决议规定的船舶),
Other type of ship(其它种类船舶)等。

  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Python的船舶航行AIS大数据爬取与分析涉及以下几个关键步骤: 1. 数据爬取:使用Python中的网络爬虫库,如BeautifulSoup或Scrapy,从船舶AIS相关的网站或API中获取数据。这些数据包括船舶的实时位置、速度、方向、航行状态等。 2. 数据清洗与预处理:对于获取的原始数据进行清洗和预处理,去除重复、缺失或无效的数据,并对数据进行格式转换、标准化和归一化处理,以方便后续的分析。 3. 数据存储与管理:将处理后的数据存储到适当的数据库管理系统(如MySQL或MongoDB)中,以便后续的查询与分析操作。使用Python的数据库访问库(如SQLAlchemy)来实现与数据库的交互。 4. 数据分析与可视化:使用Python的数据分析库(如Pandas、NumPy和SciPy)对航行AIS大数据进行统计分析和挖掘。通过计算平均速度、航行距离、船舶密度等指标,揭示船舶航行的规律和趋势。同时,基于Matplotlib或Seaborn等可视化库,绘制直方图、散点图、热力图等图,对分析结果进行直观展示。 5. 数据挖掘与预测建模:通过数据挖掘技术,如聚类、分类、关联规则挖掘等,发现隐含在船舶AIS数据中的规律和关联性。利用机器学习算法,如决策树、支持向量机或神经网络,构建预测模型,实现对船舶航行状态船舶碰撞风险等的预测和警报。 基于Python的船舶航行AIS大数据爬取与分析,可以帮助船舶管理者、海事监管部门等了解船舶运行情况、监测船舶安全、优化船舶路线等,为船舶运营和海上安全提供有力支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值