From f5374a5316bec979703eea363e1005df74405687 Mon Sep 17 00:00:00 2001
From: htlee <htlee@gcsc.co.kr>
Date: Thu, 16 Apr 2026 09:29:38 +0900
Subject: [PATCH] =?UTF-8?q?refactor(prediction):=20pair=5Ftrawl=20sog/cog?=
 =?UTF-8?q?=20on-demand=20=EA=B3=84=EC=82=B0=20+=20=EC=A4=91=EA=B5=AD=20MI?=
 =?UTF-8?q?D=20413/414=20=EC=B6=94=EA=B0=80?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- pair_trawl._ensure_sog_cog(): _trajectory_similarity 진입 시 sog/cog 없으면
  vessel_store._compute_sog_cog() 로 haversine 계산 (tracks + timestamp 만 있으면 OK)
- pool 을 vessel_store._tracks 전체(55k)로 원복: 한국 440xxx/러시아 273xxx 페어 탐색 가능
- base 필터 중국 MID 확장: 412 → 412/413/414 (본토/홍콩/마카오)
- df_targets groupby 우회 제거 (불필요한 결합)
---
 prediction/algorithms/pair_trawl.py | 21 +++++++++++++++++++++
 prediction/scheduler.py             | 24 ++++++++++--------------
 2 files changed, 31 insertions(+), 14 deletions(-)

diff --git a/prediction/algorithms/pair_trawl.py b/prediction/algorithms/pair_trawl.py
index d2e21d7..d1e628a 100644
--- a/prediction/algorithms/pair_trawl.py
+++ b/prediction/algorithms/pair_trawl.py
@@ -321,6 +321,25 @@ def _classify_role(
     return 'UNKNOWN'
 
 
+def _ensure_sog_cog(df: pd.DataFrame) -> pd.DataFrame:
+    """sog/cog 컬럼이 없으면 lat/lon/timestamp 로 haversine 계산하여 추가.
+
+    pair_trawl 은 vessel_store._tracks(raw_sog 만 보유) 전체를 pool 로 받는다.
+    select_analysis_targets 결과에 의존하면 중국 412* 외 선박(한국 440xxx 등)은
+    pool 에서 빠지므로, 필요 시 on-demand 로 계산한다.
+    """
+    if 'sog' in df.columns and 'cog' in df.columns:
+        return df
+    if 'timestamp' not in df.columns or 'lat' not in df.columns or 'lon' not in df.columns:
+        return df
+    try:
+        # cache.vessel_store._compute_sog_cog 를 재사용
+        from cache.vessel_store import _compute_sog_cog
+        return _compute_sog_cog(df)
+    except Exception:
+        return df
+
+
 def _trajectory_similarity(
     df_a: pd.DataFrame, df_b: pd.DataFrame, min_samples: int = 6,
 ) -> tuple[float, int, dict]:
@@ -331,6 +350,8 @@ def _trajectory_similarity(
     """
     if df_a.empty or df_b.empty:
         return 0.0, 0, {}
+    df_a = _ensure_sog_cog(df_a)
+    df_b = _ensure_sog_cog(df_b)
     cols = {'timestamp', 'lat', 'lon', 'sog', 'cog'}
     if cols - set(df_a.columns) or cols - set(df_b.columns):
         return 0.0, 0, {}
diff --git a/prediction/scheduler.py b/prediction/scheduler.py
index 7032046..74cfaae 100644
--- a/prediction/scheduler.py
+++ b/prediction/scheduler.py
@@ -212,26 +212,22 @@ def run_analysis_cycle():
             pt_sub_registered: set[str] = set()  # TODO: fishery_code=PT-S 구분
             base_mmsis: set[str] = {c['mmsi'] for c in classifications}
             base_mmsis |= pt_registered
-            # pool_tracks: 중국 전체 8k+ 선박의 sog/cog 계산된 궤적
-            # df_targets 는 select_analysis_targets() 에서 이미 전체 412* 에 sog/cog 계산
-            # (vessel_store._tracks 는 raw_sog 만 보유해 _trajectory_similarity 가 동작 안 함)
-            pool_tracks: dict = {}
-            try:
-                for mmsi_val, grp in df_targets.groupby('mmsi'):
-                    pool_tracks[str(mmsi_val)] = grp.reset_index(drop=True)
-            except Exception as e:
-                logger.warning('pool_tracks 생성 실패, vessel_dfs fallback: %s', e)
-                pool_tracks = dict(vessel_dfs)
+            # pool 은 전체 24h 누적 tracks (중국 8k+ 한국/러시아 포함 55k).
+            # sog/cog 미계산 상태여도 _trajectory_similarity 내부에서 on-demand 계산.
+            pool_tracks = getattr(vessel_store, '_tracks', {}) or vessel_dfs
 
             # 조업 속력대(1.5~5.0kn)에서 움직이는 모든 중국 선박을 base로 확장.
-            # classifications 500척만으로는 bbox 기점이 부족해 실제 공조 페어를 놓침.
+            # 중국 MID: 412(본토) / 413(홍콩) / 414(마카오)
             for mmsi, df in pool_tracks.items():
-                if not mmsi.startswith('412'):
+                if not (mmsi.startswith('412') or mmsi.startswith('413') or mmsi.startswith('414')):
                     continue
-                if df is None or df.empty or 'sog' not in df.columns:
+                if df is None or df.empty:
+                    continue
+                sog_col = 'sog' if 'sog' in df.columns else ('raw_sog' if 'raw_sog' in df.columns else None)
+                if sog_col is None:
                     continue
                 try:
-                    mean_sog = float(df['sog'].tail(12).mean())
+                    mean_sog = float(df[sog_col].tail(12).mean())
                     if 1.5 <= mean_sog <= 5.0:
                         base_mmsis.add(mmsi)
                 except Exception: