一、 实验目标
-
知识目标：理解船联网感知层的基本构成，熟悉船舶自动识别系统作为核心数据采集设备的工作原理。
-
技能目标：掌握船舶位置和MMSI数据的获取、预处理（去噪）、基础分析和可视化方法。
-
应用目标：能够利用处理后的数据，进行简单的船舶行为分析，为智慧航运、港口管理等应用提供数据支撑。
- 实验过程
- 实验代码源
项目名称： AI Stream I/O（或类似名称，可能是"Aars stream IO"）
功能： 通过WebSocket实时跟踪全球船舶位置
数据内容： 船舶位置、方向、轨迹、事故监测、货物信息等
特点： 实时、免费、开源
项目地址： 位于GitHub上
2.仿真过程代码
访问资源：
登录GitHub（或其他支持账号，如微软账号）
进入项目页面，点击"Get Started"查看使用说明
获取API Key：
登录后，在"Usage"页面生成API Key
API Key用于后续所有请求的认证
查看文档：
阅读官方文档（AI Stream API Reference）
了解WebSocket连接方式、消息类型、订阅与认证机制
3.仿真
准备开发环境（Python示例）：
安装依赖库：
websockets
asyncio（或think i u，应为asyncio）
json（或json-file）
替换示例代码中的API Key
运行示例代码：
代码通过WebSocket连接（WSS协议）
设置查询区域（纬度-90到90，经度-180到180）
可设置过滤条件（如MMSI号）
运行代码后接收并解析船舶位置信息
4.源代码
数据输出与问题：
代码返回船舶的MMSI号、纬度、经度等信息
示例代码中存在输出标签错误（经纬度显示均为"latitude"）
实际应用中需自行修正代码逻辑
扩展功能：
除了位置，还可获取船舶方向、轨迹等更多数据
需进一步调用API或修改订阅参数
三．实验总结：
本次实验通过AI Stream I/O平台实现了基于WebSocket的全球船舶位置实时感知。实验者完成了从注册、获取API Key、环境搭建到运行示例代码的全过程，并对返回数据进行了初步解析。平台提供了丰富的船舶数据，适用于海洋监测、轨迹分析等应用场景。