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
还未添加个人签名 2024-03-12 加入
还未添加个人简介
评论