大小和區域的操作，個人訪談與漁民和漁業板上觀察員和比較的速度和運動曲線，從東北大西洋觀察者數據。特徵包括地面的速度，在包包定義區域內的方向變化，時空運動模式，釣包包事件的操作時間和持續時間。對專家的標籤數據演算法的測試，
LV是因為合適的觀察員或日誌數據的艦隊和時間檢查都沒有我們專家判斷船舶行為基於上述特徵可能是包包保守的做法，如一些釣包包事件將被錯過。為了提高捕包包活動的預測，對於每包包數據點，我們計算了它是否發生在白天或黑夜。為了估計包包基於時間在太陽光在世界的某個地區的供貨量，
LV採用包太陽，與陽光的這一天正值，零標記的夜晚。為了避免不規則容器的運動模式非常接近海岸和港口岸線公里的邊界附近建立了。
計算要求每一船舶跟蹤點和所有點之間的作用距離的計算在海岸線提供的數據，自然地建立最小距離岸邊。這個過程在計算上是昂貴的，並提高了計算的品質，它被決定使用提供的代碼在提供的並行能力。因此，我們選擇了開發一種替代的方法類似的生物學家在研究動物運動軌跡。
lv皮夾它已被證明，人類漁民往往表現出類似的運動模式，動物的食肉動物，簡單地，因為這是最有效的方法來搜索和定位獵物。在這一點上，我們決定使用一種傳統上適用於動物捕食者的分割技術。的的分割演算法包包，是由生物學家廣泛用於分割動物的足跡以確定他們的棲息地的利用可能的變化。的演算法找到包包時間序列，假設它是由段由用戶定義了最佳分割。
該演算法不是最初設計的工作與全球定位系統的座標，LV而是它將段任何規則的時間序列數據。在分割之前，整個軌道及時調整，以消除在全球衛星定位系統讀數的差距。正規化假定七小時之間的每包包的全球定位系統讀數相等的分離。LV基於七小時的分離是基於平均時間的延繩釣釣包包，花從標記的數據集估計的定義。演算法搜索包包變點估計問題的最小對比度估計，這表明演算法是在包包時間序列的漂移探測器。使用所需的使用所需的的定義，這是所需的用戶作為演算法輸入的段的數目，它被估計為個段的基礎上的各種測試。關於實現的更多資訊可以在在包發現對於每包包段的第二個演算法被用來檢測，如果該段是由直線或彎曲的線。