基于AIS信息的船舶軌跡聚類模型研究.pdf

1、隨著海上交通量的迅猛增長以及海上交通環(huán)境日益復雜，船舶在生產(chǎn)活動中產(chǎn)生的時空軌跡也越來越多，如何對船舶異常軌跡進行有效的監(jiān)控與管理，及時發(fā)現(xiàn)異常軌跡，是實現(xiàn)海上智能交通的關(guān)鍵技術(shù)之一，而及時發(fā)現(xiàn)異常軌跡的前提為獲得船舶典型運動軌跡。由于傳統(tǒng)的海上交通調(diào)查方法費時費力，且效率低下。而基于海量的船載AIS信息集合蘊藏著大量的海上交通特征，從中獲取能夠反映船舶行為規(guī)律的、有效的、潛在的信息，有利于進行海上交通調(diào)查獲取數(shù)據(jù)信息。本文根據(jù)海上交通

2、工程理論和數(shù)據(jù)挖掘技術(shù)，構(gòu)建相應的AIS數(shù)據(jù)庫，采取了理論研究與實例相結(jié)合的方法，重點研究了基于AIS信息的船舶軌跡聚類模型及相關(guān)算法，主要工作如下:
　　1)基于IVISSEA系統(tǒng)，搭建船舶軌跡聚類模型實驗數(shù)據(jù)平臺。通過對船載AIS信息的采集、存儲入庫及預處理等，構(gòu)建AIS信息數(shù)據(jù)庫，為基于AIS信息的海上交通流分析來獲得船舶行為的數(shù)字特征奠定了數(shù)據(jù)基礎。
　　2)建立船舶軌跡劃分模型并確立聚類算法。在研究過程中，為了用更

3、簡潔而又不失精確性的方法來描述原軌跡，利用了航向航速變化率與最小描述長度方法來對軌跡進行劃分;而后結(jié)合經(jīng)典的基于密度的聚類算法DBSCAN來最終實現(xiàn)船舶軌跡聚類。
　　3)優(yōu)化軌跡間相似性的度量算法。由于船舶軌跡是由AIS采集的位置點連接而成，而每個AIS點都蘊含著豐富的信息，如位置、航向、航速等，因此說明船舶軌跡內(nèi)部也擁有著自身的結(jié)構(gòu)特征。因此，為了能夠更好的表征船舶軌跡間的相似性，本文結(jié)合線段之間的Hausdorff與結(jié)構(gòu)相似

4、度兩種距離度量方法共同對船舶軌跡間相似性實施度最。
　　4)運用掃描線方法來獲取典型運動軌跡。為了能夠更好的獲取代表軌跡，文章中利用了掃描線這一算法來獲取船舶典型運動軌跡，并運用坐標轉(zhuǎn)換算法來提高算法效率。
　　5)結(jié)合AIS數(shù)據(jù)庫，實現(xiàn)船舶軌跡聚類模型，并利用海上交通工程相關(guān)理論與實際船舶交通流情況進行驗證。以廈門港主航道及閩臺直航船“中遠之星”船舶軌跡為例，結(jié)合歷史AIS數(shù)據(jù)，對該水域船舶軌跡進行聚類，得到了船舶典型運動