船舶轨迹的数据挖掘框架及应用

发布时间：2017-10-10 17:34

  本文关键词：船舶轨迹的数据挖掘框架及应用

  更多相关文章： 交通运输 AIS 数据挖掘 轨迹聚类

【摘要】：随着世界经济的发展,水上交通的运输任务日益繁重,水域交通状况越发繁杂。为了保障人员财产安全、保护海洋环境、维护国家主权,加强对海上交通态势的了解及交通监管十分重要。长久以来,船舶的交通流观测仍以视觉和雷达观测为主,缺乏船舶具体信息,且低效。此外海事监管部门的主要监管手段是通过低效的人工值守完成的,容易随着值守人员的注意力下降、疲劳等人为因素,发生误报和漏报现象。本文旨在挖掘大量累积的AIS轨迹数据,获得船舶运动模式,为航道建设、航路规划提供辅助决策,实现异常船舶的识别,从而提高监管效率,降低风险,优化通行效率,节省货物运输成本。本文以船舶运动轨迹为研究对象,采用了数理统计分析、聚类分析等技术,对船舶轨迹的数据挖掘方法进行了研究,主要工作包括以下4个方面。(1)总结归纳了包括噪声清洗手段在内的AIS轨迹数据预处理方法,并对在天津VTS中心采集AIS报文过程中出现的校验位错乱的异常现象进行了分析,发现了 AIS报文数据中存在着标识符封装错乱的问题,并提出标识符循环代入验证的优化采集方法。实验结果表明新的采集方法能够规避封装错乱的问题,提升AIS报文的采集质量。(2)提出利用"子轨迹长度和"量化压缩精度的方法,通过数理统计,选取能够保留较多轨迹特征点的阈值,从而确定Douglas-Peucker算法的压缩上限,并通过琼州海峡水域的实船数据验证了该方法能够在压缩数据量的同时,保留原数据的交通流特性,以此划分出的船舶轨迹是有效的。(3)提出了通过统计核心距离的分布密度,利用Inverse Gaussian拟合曲线的极值和拟聚类后的噪声数量变化规律,确定密度聚类算法参数的方法,以及提出通过层次进行密度聚类的具体流程,以适应密度分布不均的船舶轨迹数据。实例分析说明了该方法能够区分不同相似性的轨迹,聚合相似性较高的轨迹,可以用以建立船舶行为的模型。(4)建立了基于"Douglas-Peucker船舶轨迹划分—结构化相似性度量—自适应层次密度聚类/谱聚类/轨迹核密度估计"的船舶轨迹数据挖掘框架,提出基于样本模型的异常检测应用方法,并利用VisualStudio2013、MatlabR2014a、电子海图系统进行了琼州海峡水域船舶数据的实例分析,利用基于该框架开发的船舶异常检测仿真模拟系统,进行了船舶监测的仿真实验。结果证明了该框架在掌握水上交通流态势、海事实时监管上的可行性,并且能够在零散杂乱的船舶轨迹中发现船舶轨迹的分布规律,动态及时地识别存在异常行为的船舶,具有一定的应用价值。
【关键词】：交通运输 AIS 数据挖掘 轨迹聚类
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U675.79
【目录】：

• 摘要5-7
• Abstract7-11
• 第一章 绪论11-18
• 1.1 研究背景及意义11-14
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-14
• 1.2 国内外研究现状14-16
• 1.2.1 船舶轨迹数据的压缩分割技术14
• 1.2.2 船舶轨迹建模及异常检测14-16
• 1.3 主要内容与结构16-18
• 1.3.1 组织结构16-17
• 1.3.2 论文主要内容17-18
• 第二章 船舶轨迹数据挖掘框架18-54
• 2.1 船舶轨迹数据挖掘框架的提出18-20
• 2.1.1 船舶轨迹领域的数据库知识发现框架18-19
• 2.1.2 船舶轨迹数据挖掘框架19-20
• 2.2 基于Douglas-Peucker的轨迹划分算法20-35
• 2.2.1 Douglas-Peucker算法概述21-22
• 2.2.2 算法阈值的确定22-33
• 2.2.3 实验结果验证与分析33-35
• 2.3 船舶轨迹相似性度量35-39
• 2.3.1 轨迹距离函数概述35-37
• 2.3.2 船舶轨迹结构相似度计算37-39
• 2.4 基于密度的自适应层次聚类算法39-50
• 2.4.1 DBSCAN算法概述39-42
• 2.4.2 参数自适应确定的方法42-46
• 2.4.3 层次聚类46-50
• 2.5 基于谱聚类的轨迹分析50-53
• 2.5.1 谱聚类的概述50-51
• 2.5.2 基于核密度的交通流识别51-53
• 2.6 本章小节53-54
• 第三章 船舶轨迹数据挖掘框架的实例验证及结果分析54-81
• 3.1 船舶轨迹数据的采集及预处理54-61
• 3.1.1 AIS数据的采集及解析54-59
• 3.1.2 数据预处理59-61
• 3.2 实例验证61-80
• 3.2.1 基于密度的自适应层次聚类实验62-74
• 3.2.2 谱聚类实验74-80
• 3.3 本章小结80-81
• 第四章 船舶轨迹数据挖掘框架的异常检测应用81-90
• 4.1 基于船舶轨迹样本模型的异常检测81-83
• 4.2 仿真实验83-89
• 4.2.1 基于B/S的船舶异常检测仿真模拟系统83-84
• 4.2.2 仿真实验结果84-89
• 4.3 本章小结89-90
• 第五章 总结与展望90-92
• 5.1 研究结论90-91
• 5.2 展望91-92
• 参考文献92-96
• 攻读学位期间公开发表论文96-97
• 致谢97-98
• 作者简介98

【参考文献】

中国期刊全文数据库 前8条

1 马文耀;吴兆麟;杨家轩;李伟峰;;基于单向距离的谱聚类船舶运动模式辨识[J];重庆交通大学学报(自然科学版);2015年05期

2 张树凯;刘正江;张显库;史国友;蔡W，

本文编号：1007682