一种基于AIS的LNG船运力跟踪方法及系统

摘要

本发明提供了一种基于AIS的LNG船运力跟踪方法及系统，该方法先采集船舶AIS数据、LNG港口数据和LNG泊位数据，并根据AIS数据计算得到航次动态数据，再判断航次是否为错误航次，并进行LNG港口判断，然后利用自适应常量拟合算法提取出多个低速平稳航行段，进而计算缺失港口和缺失泊位，并根据计算的缺失港口和缺失泊位进行缺失航次补全，最终形成补全的航次，本发明基于AIS数据设计算法计算得到船舶航次动态数据，并结合业务逻辑，对LNG船舶的航次缺失情况进行补全和修正，获得完整的LNG航次信息，并修正了航次的装卸动作和港口的装卸性质。

说明书

技术领域

本发明涉及LNG船数据信息化处理技术领域，具体涉及一种基于AIS的LNG船运力跟踪方法及系统。

背景技术

天然气作为一种清洁能源，液化天然气(LNG)是天然气的重要组成部分，自1964年以来，全球天然气贸易以平稳的速度增长。2020年，未受疫情影响，全球LNG贸易量仍保持了小幅增长，达3.56亿吨，同比增长0.4％。从供需端来看，2020全球3.56亿吨的LNG由20个国家供给，而进口至40个国家。与此同时，新造船市场也同样保持活跃，2021年初至今全球LNG运输船新签订单已达45艘，合计660万立方米。截止至2021当前，全球LNG运输船手持订单共计170艘，合计2,557万立方米，以容积计占全球船队运力的比重达到26％。

大数据时代的到来，以及船舶自动识别系统的普遍应用，使得数据获取更加方便快捷。目前大量的人工智能相关技术应用到航运业，节省了大量的人力物力，推动了航运业的快速发展，但LNG船运力方面数据的获取与跟踪，目前仍然是一个亟待解决的问题。

发明内容

为解决现有LNG船运力数据获取困难等问题，本发明提供了一种基于AIS的LNG船运力跟踪方法，基于AIS数据计算航次动态，并结合业务逻辑，针对航次缺失情况对其进行修正，获得完整的LNG航次信息，并修正航次的装卸动作，修正港口的装卸性质，能够准确地进行LNG船的运力跟踪。本发明还涉及一种基于AIS的LNG船运力跟踪系统。

本发明的技术方案如下：

一种基于AIS的LNG船运力跟踪方法，其特征在于，包括以下步骤：

数据采集步骤：采集AIS数据、LNG港口数据和LNG泊位数据，并根据AIS数据计算得到航次动态数据，所述航次动态数据包括航行段数据、锚泊段数据和靠泊段数据；

错误航次判断步骤：通过对采集的航次动态数据的可视化与业务对比，判断是否存在错误航次；

LNG港口判断步骤：将LNG船对应的航次动态数据与LNG泊位数据相结合，将靠泊过LNG船的泊位判定为LNG泊位，并将所述LNG泊位对应的港口判定为LNG港口；

错误航次修正步骤：将含有错误航次的AIS数据中的锚泊段数据去除，利用自适应分段常量拟合算法，对航次动态数据的航速和航向进行时间序列的滑动窗口的自适应常量拟合计算，提取出多个低速平稳航行段，进而计算缺失港口和缺失泊位，并根据计算的缺失港口和缺失泊位进行缺失航次补全。

优选地，所述错误航次判断步骤判断是否存在错误航次包括：

通过航次动态数据中的航行距离与港间距离的比对结果判断是否为缺失航次，若航次的航行距离超过港间距离，则判断为缺失航次；

和/或，通过航次动态数据中的航行段的起终港港口的装卸性质判断是否为装卸错误航次，若起始港和结束港均为卸货港或装货港，则判断为装卸错误航次。

优选地，在所述错误航次判断步骤中，通过航行距离与港间距离的比对结果判断是否为缺失航次后，还包括当连续两次锚泊的直线距离短且各锚泊的时间间隔和实际航行距离较大时，将两次锚泊合并，将第一次锚泊开始时间作为合并后的锚泊开始时间，第二次锚泊结束时间作为合并后的锚泊结束时间，航次的航行距离减去合并后的锚泊开始时间至锚泊结束时间的实际航行距离后，再与港间距进行比较，若仍然大于港间距，则判定为错误航次。

优选地，所述航行段数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊段数据包括锚泊时长，所述靠泊段数据包括靠泊时长；

所述港间距离通过计算给定起终港所有航次的平均航行距离得到。

优选地，所述错误航次修正步骤计算缺失港口和缺失泊位包括：

通过ST_Distance函数计算出各低速平稳航行段中最小航速点到所有LNG港口的距离，将距离最短的LNG港口作为缺失港口；

通过ST_Distance函数计算出所述最小航速点到所述缺失港口对应的LNG泊位的距离，并设定距离阈值和最小航速点的航速阈值，以及根据AIS数据计算出相邻AIS数据点的时间差，并将所述时间差的最大值作为该低速平稳航行段的AIS数据缺失时长；

通过距离阈值和最小航速点阈值判断LNG泊位是否为缺失航次的靠泊泊位，若最小航速点到LNG泊位的距离小于距离阈值且最小航速点的航速小于最小航速点的航速阈值，则判断该泊位为缺失航次的靠泊泊位；否则，在AIS数据缺失时长条件下，通过判断LNG船是否能够航行至LNG泊位附近进而判断LNG泊位是否为缺失航次的靠泊泊位，若在AIS数据缺失时长内能够航行至LNG泊位附近，则判断该泊位为缺失的靠泊泊位；

在判断出缺失港口和缺失的靠泊泊位后，将规定时间内的连续两次靠泊合并为一次靠泊，最终形成补全的航次。

优选地，在所述错误航次修正步骤中，在将缺失航次补全后还进行航次装卸作业修正，所述航次装卸作业修正是根据港口装卸性质修正航次装卸动作，将结束港为货源地的航次，装卸动作修正为装，起始港为货源地的航次，装卸动作修正为卸，结束港为进口地的航次，装卸动作修正为卸。

一种基于AIS的LNG船运力跟踪系统，其特征在于，包括数据采集模块、错误航次判断模块、LNG港口判断模块和错误航次修正模块，

所述数据采集模块，采集AIS数据、LNG港口数据和LNG泊位数据，并根据AIS数据计算得到航次动态数据，所述航次动态数据包括航行段数据、锚泊段数据和靠泊段数据；

所述错误航次判断模块，通过对采集的航次动态数据的可视化与业务对比，判断是否存在错误航次；

所述LNG港口判断模块，将LNG船对应的航次动态数据与LNG泊位数据相结合，将靠泊过LNG船的泊位判定为LNG泊位，并将所述LNG泊位对应的港口判定为LNG港口；

所述错误航次修正模块，将含有错误航次的AIS数据中的锚泊段数据去除，利用自适应分段常量拟合算法，对航次动态数据的航速和航向进行时间序列的滑动窗口的自适应常量拟合计算，提取出多个低速平稳航行段，进而计算缺失港口和缺失泊位，并根据计算的缺失港口和缺失泊位进行缺失航次补全。

优选地，所述错误航次判断模块是通过航次动态数据中的航行距离与港间距离的比对结果判断是否为缺失航次，若航次的航行距离超过港间距离，则判断为缺失航次；

和/或，通过航次动态数据中的航行段的起终港港口的装卸性质判断是否为装卸错误航次，若起始港和结束港均为卸货港或装货港，则判断为装卸错误航次。

优选地，所述错误航次修正模块计算缺失港口和缺失泊位包括：

通过ST_Distance函数计算出各低速平稳航行段中最小航速点到所有LNG港口的距离，将距离最短的LNG港口作为缺失港口；

通过ST_Distance函数计算出所述最小航速点到疑似缺失港口对应的LNG泊位的距离，并设定距离阈值和最小航速点的航速阈值，以及根据AIS数据计算出相邻AIS数据点的时间差，并将所述时间差的最大值作为该低速平稳航行段的AIS数据缺失时长；

通过距离阈值和最小航速点阈值判断LNG泊位是否为缺失航次的靠泊泊位，若最小航速点到LNG泊位的距离小于距离阈值且最小航速点的航速小于最小航速点的航速阈值，则判断该泊位为缺失航次的靠泊泊位；否则，在AIS数据缺失时长条件下，通过判断LNG船是否能够航行至LNG泊位附近进而判断LNG泊位是否为缺失航次的靠泊泊位，若在AIS数据缺失时长内能够航行至LNG泊位附近，则判断该泊位为缺失的靠泊泊位；

在判断出缺失港口和缺失的靠泊泊位后，将规定时间内的连续两次靠泊合并为一次靠泊，最终形成补全的航次。

优选地，所述错误航次修正模块还进行航次装卸作业修正，包括根据港口装卸性质修正航次装卸动作，将结束港为货源地的航次，装卸动作修正为装，起始港为货源地的航次，装卸动作修正为卸，结束港为进口地的航次，装卸动作修正为卸。

本发明的有益效果为：

本发明提供的一种基于AIS的LNG船运力跟踪方法，依次设置数据采集步骤、错误航次判断步骤、LNG港口判断步骤和错误航次修正步骤，各步骤相互配合协同工作，首先采集AIS数据、LNG港口数据和LNG泊位数据，并根据AIS数据计算得到航次数据，航次数据包括航行段数据、锚泊段数据和靠泊段数据；再通过航行距离与港间距离的比对结果判断是否为存在错误航次，如缺失航次、装卸错误等；然后将LNG船对应的航次动态数据与LNG泊位数据相结合，将靠泊过LNG船的泊位判定为LNG泊位，并将所述LNG泊位对应的港口判定为LNG港口；再将含有错误航次的AIS数据中的锚泊段数据去除，利用自适应分段常量拟合算法，提取出多个低速平稳航行段；然后再进行缺失航次补全和航次装卸作业修正，最终形成补全的航次。本发明解决了现有技术LNG运力数据获取困难的问题，基于AIS数据设计算法计算得到船舶航次动态数据，并结合业务逻辑，对LNG船舶的航次缺失情况进行补全和修正，获得完整的LNG航次信息，并修正航次的装卸动作和港口的装卸性质，能够智能并且准确地进行LNG船的运力跟踪。

本发明还涉及一种基于AIS的LNG船运力跟踪系统，该系统与上述的基于AIS的LNG船运力跟踪方法相对应，可理解为是一种实现上述基于AIS的LNG船运力跟踪方法的系统，包括依次连接的数据采集模块、错误航次判断模块、LNG港口判断模块和错误航次修正模块，各模块相互协同工作，利用AIS数据、港口数据以及泊位数据，设计算法得到船舶航次数据，并针对航次缺失情况对其进行补全，获得完整的LNG航次信息，以及修正航次的装卸动作和港口的装卸性质，为基于大数据的运力规划提供了支持。

附图说明

图1是本发明基于AIS的LNG船运力跟踪方法的流程图。

图2是本发明基于AIS的LNG船运力跟踪方法的优选流程图。

图3是错误航次判断步骤中挂靠港口缺失导致的港间距过大的示例图。

图4是错误航次判断步骤中两次锚泊中间反复不规则航行导致的港间距过大的示例图。

具体实施方式

下面结合附图对本发明进行说明。

本发明涉及一种基于AIS的LNG船运力跟踪方法，该方法的流程图如图1所示，依次包括以下步骤：

数据采集步骤：或进一步称为数据采集和预处理步骤：采集AIS数据、LNG港口数据和LNG泊位数据，并优选进行预处理：具体地，如图2所示的优选流程图，先使用Python语言中的psycopg2(是Python语言的PostgreSQL数据库接口)连接PostgreSQL数据库，从PostgreSQL数据库中查询所有船舶的AIS数据，LNG港口数据和LNG泊位数据，在获得上述数据后，先对AIS的数据进行预处理，根据AIS数据计算得到航次动态数据，具体地，是根据AIS数据status(状态)字段，港口位置以及泊位位置，计算得到的船舶的航次数据，其中，status(状态)字段为：1为锚泊，5为靠泊，0为航行，当status＝5(即靠泊)时，查询以该经纬度点为圆心，半径为20海里内的港口，并将距离最近的港口作为靠泊港口，并计算该经纬度点到靠泊港口泊位的距离，距离最小的泊位判定为靠泊泊位；当status＝1(即锚泊)时，查询以该点为要圆心半径20海里内的港口，将距离最近的港口作为锚泊港口，并判定为港口锚泊，若20海里内无港口，判定为中途锚泊，通过得到的锚泊段数据以及靠泊段数据，最后得到船舶的航次数据。

具体地，上述计算距离时，均使用经纬度求解两点P

式中，R取地球半径6372.8km，

一个航次包含航行段、锚泊段和靠泊段，从上一次的靠泊结束到本次靠泊结束作为一个完整的航次。航次数据包括航行段数据、锚泊段数据和靠泊段数据，例如，正常情况下，AIS(即船舶自动识别系统)每5分钟发送一次数据，AIS相邻数据点的time_diff(即时间差)大于30分钟认为AIS出现数据丢失，将AIS数据中相邻数据点的时间差大于30分钟的time_diff相加作为该航次的AIS丢失时长。而对于大量成对的港口，在筛除AIS丢失大于120小时的航次后，通过计算给定起终港(起始港和结束港)所有航次的平均航行距离作为港间距，在计算出航次数据和港间距后，将航次数据及港间距数据存储在PostgreSQL数据库中。优选地，航行段数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，锚泊段数据包括锚泊时长，靠泊段数据包括靠泊时长。

错误航次判断步骤：结合业务发现，已经得出的LNG船舶航次数据，存在诸多的错误信息，例如航次缺失、装卸判断错误等，通过对采集的航次动态数据的可视化与业务对比，可通过航行距离与航次起终港的港间距离的比对结果判断是否为缺失航次，若航次的航行距离超过港间距离，则判断为缺失航次；通过航次的起终港港口的装卸性质判断是否为装卸错误航次，若起始港和结束港均为卸货港或装货港，则判断为装卸错误航次。优选地，由于船舶在航行中具有很强的不规律性，存在连续两次锚泊的情况，以及存在两次锚泊直线距离较小，但两次锚泊之间船舶长时间连续在海上完全不规则航行的现象，此现象同样会造成航行距离过长，因此在获取航行距离过长的航次后，查询本航次中所有的锚泊段，如果存在两个锚泊点时间间隔和实际航行距离较大，但直线距离较短的情况，将两次锚泊合并，将第一次锚泊开始时间作为合并后的锚泊开始时间，第二次锚泊结束时间作为合并后的锚泊结束时间，航次的航行距离减去合并后的锚泊开始时间至锚泊结束时间的实际航行距离后，再与港间距进行比较，若仍然大于港间距，则判定为缺失航次。

具体地，以弗拉基米尔·鲁萨诺夫LNG船为例，如图3所示，首先查询弗拉基米尔·鲁萨诺夫的航次数据，并将每个航次的航行距离与对应港口对的港间距比较，若航行距离大于港间距有可能是因为该航次挂靠港口缺失导致的，该航次只判断到了由萨贝塔-圣纳泽尔，但可以看到弗拉基米尔·鲁萨诺夫在2020-08-0803:11从起始港萨贝塔出发后，首先去了天津港，在2020-8-2709:30到达天津港(由于AIS数据缺失和status字段的错误填写，该靠泊动作未识别到)，又从天津港出发在2020-09-1300:03返回至萨贝塔(AIS数据缺失导致的靠泊动作未识别)，最后在2020-09-2620:32到达终点港圣纳泽尔。在正常情况下，萨贝塔-圣纳泽尔的港间距为3300海里，但本次航次航行距离为15839海里，远大于正常港间距，这也就意味着该航次中从萨贝塔到天津港以及从天津港回到萨贝塔的靠泊数据出现了缺失。其次，也有可能是因为两次锚泊中间存在大量来回穿梭导致，如图4所示，可以看到右下角的两次锚泊，从2020-10-3116：59第一次锚泊到2020-11-0417：39第二次锚泊的时间间隔为4天左右，航行距离为280海里，但实际上两次锚泊点的直线距离只有0.95海里，为消除第二种情况造成港间距过大的影响，将连续两次锚泊一定时间间隔下，直线距离在50海里以内的合并为一次锚泊，并去除连续两次锚泊中的航行距离，再次判断是否仍然大于正常港间距。

LNG港口判断步骤：连接PostgreSQL数据库，查询所有泊位名称含有“LNG”的泊位，并查询LNG船舶配在该泊位靠泊的航次动态数据，将LNG船的航次数据与LNG泊位数据相结合，将靠泊过LNG船的泊位且靠泊次数至少有1次的泊位则判定为LNG泊位，并将LNG泊位对应的港口判定为LNG港口。

错误航次修正步骤：结合业务可知，靠泊时的航行速度很小或者为0，航向变化较小，但锚泊时仍然存在相似的状态，所以需要剔除错误航次的AIS数据中的锚泊段数据，即对于疑似错误的航次，首先查询该完整航次对应的AIS数据，并计算相邻AIS数据点的时间差time_diff，然后查询该航次的锚泊航段，去除锚泊段及连续锚泊段的AIS数据，再使用改进后的自适应常量近似算法，对其航速和航向进行时间序列的滑动窗口的自适应常量近似计算，设定航速误差阈值为2节，航向误差阈值为45度，将低速平稳航行段提取出来。

具体地，自适应分段常量近似算法，为给定时间序列s[1：n]＝{s

其中，M是不等长段的数量，v

在长度为K的滑动窗口中，当s

c_error′≈c_error+|s

其中，c_error是s

对于识别出的多个低速平稳航行段，先筛选出每段最小航速点，并使用PostGIS中的ST_Distance函数分别计算出各低速平稳航行段中最小航速点到所有LNG港口的距离，将距离最短的LNG港口作为缺失港口(也可称为是疑似缺失港口)，在获得疑似缺失港口后，对给定的最小航速点经纬度数据，以及疑似缺失港口的LNG泊位地理位置，继续使用ST_Distance函数计算出最小航速点到所述疑似缺失港口对应的LNG泊位的距离，并设定距离阈值为2海里和最小航速点的航速阈值为2节，以及根据AIS数据计算出相邻AlS数据点的time_diff(即时间差)，并将低速平稳航行段中time_diff最大值作为该段的AIS数据缺失时长，然后通过设定的距离阈值和最小航速点的航速阈值来判断LNG泊位是否为缺失航次的靠泊泊位，若最小航速点到LNG泊位的距离小于2海里且最小航速点的航速小于2节，则判断该LNG泊位为缺失航次的靠泊泊位；否则，则在该低速平稳航行段内AIS最大缺失时长条件下，通过判断LNG船是否能够航行至LNG泊位附近，即通过判断berth_time(即停泊时间)是否大于5个小时，满足基本的装卸时间，进而判断LNG泊位是否为缺失航次的靠泊泊位，若在AIS数据缺失时长内能够航行至LNG泊位附近，则判断该LNG泊位为缺失的靠泊泊位，在判断出疑似缺失港口和缺失的靠泊泊位后，将规定时间内的连续两次靠泊合并为一次靠泊，最终形成补全的航次，在将缺失航次补全后，将补缺的48小时内的连续两次靠泊合并为一次靠泊，并根据港口的装卸性质修正航次的装卸动作，将结束港为货源地的航次，装卸动作修正为装，起始港为货源地的航次，装卸动作修正为卸，结束港为进口地的航次，装卸动作修正为卸，例如，通过查询相关资料，获取LNG全球货源地信息，则货源地港口装卸性质为装货，如俄罗斯萨贝塔，而中日韩的LNG基本依靠进口，中日韩的港口装卸性质则均判定为卸货。

其中，上述berth_time按照下式进行计算：

上式中，duration是AIS缺失时长，max_time_diff_index是最大time_diff对应的索引，sog是AIS数据中的对地速度，distance

需要说明的是，上述航速阈值2节是通过对AIS数据status＝5的航速挖掘，发现98％的航速均在2节以内，故将航速阈值设为2节，而距离阈值2海里是通过对所有船舶航次动态靠泊点到泊位的距离进行计算，计算出的距离均在2海里以内，故将距离阈值设为2海里。

进一步地，还可以设置运力分析步骤：在数据可视化分析平台上对修正后的LNG船相应数据通过大数据测试、换算和比对进行运力统计分析和可视化。LNG船在充装液化天然气时，不同压力和温度下，其密度是不同的。本申请可以通过对大量数据的测试，得出一个恰当的比例，将LNG船舶载重吨换算为LNG立方。

以货源地为例，统计从萨贝塔出口的LNG。由于不同压力和温度下，LNG的密度是不同的。在库635艘船舶的航次补全后，通过对大量数据的测试和现有数据的对比，计算出按照97％的比例，将LNG船舶载重吨换算为LNG立方，使用QuickBI工具进行运力统计分析及可视化。

本发明还涉及了一种基于AIS的LNG船运力跟踪系统，该系统与上述基于AIS的LNG船运力跟踪方法相对应，可理解为是实现上述方法的系统，该系统包括依次连接的数据采集模块、错误航次判断模块、LNG港口判断模块和错误航次修正模块，具体地，

数据采集模块，采集AIS数据、LNG港口数据和LNG泊位数据，并根据AIS数据计算得到航次动态数据，所述航次动态数据包括航行段数据、锚泊段数据和靠泊段数据；优选地，航行段数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊段数据包括锚泊时长，所述靠泊段数据包括靠泊时长。

错误航次判断模块，通过对采集的航次动态数据的可视化与业务对比，判断是否存在错误航次，具体可通过航行距离与港间距离的比对结果判断是否为缺失航次，若航次的航行距离超过港间距离，则判断为缺失航次；

和/或通过航次的起终港港口的装卸性质判断是否为装卸错误航次，若起始港和结束港均为卸货港或装货港，则判断为装卸错误航次；

LNG港口判断模块，将LNG船的航次动态数据与LNG泊位数据相结合，将靠泊过LNG船的泊位判定为LNG泊位，并将所述LNG泊位对应的港口判定为LNG港口；

错误航次修正模块，将含有错误航次的AIS数据中的锚泊段数据去除，利用自适应分段常量拟合算法，对航次动态数据的航速和航向进行时间序列的滑动窗口的自适应常量拟合计算，提取出多个低速平稳航行段，进而计算缺失港口和缺失泊位，并根据计算的缺失港口和缺失泊位进行缺失航次补全；

优选地，通过ST_Distance函数计算出各低速平稳航行段中最小航速点到所有LNG港口的距离，将距离最短的LNG港口作为疑似缺失港口；

通过ST_Distance函数计算出所述最小航速点到所述疑似缺失港口对应的LNG泊位的距离，并设定距离阈值和最小航速点的航速阈值，以及根据AIS数据计算出相邻AIS数据点的时间差，并将所述时间差的最大值作为该低速平稳航行段的AIS数据缺失时长；

通过距离阈值和最小航速点阈值判断LNG泊位是否为缺失航次的靠泊泊位，若最小航速点到LNG泊位的距离小于距离阈值且最小航速点的航速小于最小航速点的航速阈值，则判断该泊位为缺失航次的靠泊泊位；否则，在AIS数据缺失时长条件下，通过判断LNG船是否能够航行至LNG泊位附近进而判断LNG泊位是否为缺失航次的靠泊泊位，若在AIS数据缺失时长内能够航行至LNG泊位附近，则判断该泊位为缺失的靠泊泊位；

在判断出疑似缺失港口和缺失的靠泊泊位后，将规定时间内的连续两次靠泊合并为一次靠泊，最终形成补全的航次。

优选地，错误航次修正模块还进行航次装卸作业修正，是根据港口装卸性质修正航次装卸动作，将结束港为货源地的航次，装卸动作修正为装，起始港为货源地的航次，装卸动作修正为卸，结束港为进口地的航次，装卸动作修正为卸。

优选地，航行段数据包括起始港、起始时间、结束港、结束时间、吃水变化和航行距离，所述锚泊段数据包括锚泊时长，所述靠泊段数据包括靠泊时长。

本发明提供了客观、科学的基于AIS的LNG船运力跟踪方法及系统，基于AIS数据设计算法计算得到船舶航次动态数据，并结合业务逻辑，对LNG船舶的航次缺失情况进行补全和修正，获得完整的LNG航次信息，并修正航次的装卸动作和港口的装卸性质，为基于大数据的运力规划提供了支持。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。