htlee
e2fc355b2c
iran prediction 47개 Python 파일을 prediction/ 디렉토리로 복제: - algorithms/ 14개 분석 알고리즘 (어구추론, 다크베셀, 스푸핑, 환적, 위험도 등) - pipeline/ 7단계 분류 파이프라인 - cache/vessel_store (24h 슬라이딩 윈도우) - db/ 어댑터 (snpdb 원본조회, kcgdb 결과저장) - chat/ AI 채팅 (Ollama, 후순위) - data/ 정적 데이터 (기선, 특정어업수역 GeoJSON) config.py를 kcgaidb로 재구성 (DB명, 사용자, 비밀번호) DB 연결 검증 완료 (kcgaidb 37개 테이블 접근 확인) Makefile에 dev-prediction / dev-all 타겟 추가 CLAUDE.md에 prediction 섹션 추가 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
32 lines
929 B
Python
32 lines
929 B
Python
import pandas as pd
|
|
from pipeline.constants import SOG_STATIONARY_MAX, SOG_FISHING_MAX
|
|
|
|
|
|
class BehaviorDetector:
|
|
"""
|
|
속도 기반 3단계 행동 분류 (Yan et al. 2022, Natale et al. 2015)
|
|
정박(STATIONARY) / 조업(FISHING) / 항행(SAILING)
|
|
"""
|
|
|
|
@staticmethod
|
|
def classify_point(sog: float) -> str:
|
|
if sog < SOG_STATIONARY_MAX:
|
|
return 'STATIONARY'
|
|
elif sog <= SOG_FISHING_MAX:
|
|
return 'FISHING'
|
|
else:
|
|
return 'SAILING'
|
|
|
|
def detect(self, df: pd.DataFrame) -> pd.DataFrame:
|
|
df = df.copy()
|
|
df['state'] = df['sog'].apply(self.classify_point)
|
|
return df
|
|
|
|
@staticmethod
|
|
def compute_fishing_ratio(df_vessel: pd.DataFrame) -> float:
|
|
total = len(df_vessel)
|
|
if total == 0:
|
|
return 0.0
|
|
fishing = (df_vessel['state'] == 'FISHING').sum()
|
|
return round(fishing / total * 100, 2)
|