船舶轨迹聚类分析与应用

发布时间：2021-05-05 23:38

　　从船舶AIS数据中挖掘出相关的行为模式,辅助水上安全监管,对于日益复杂的海上交通安全形势具有重要意义。以大量船舶AIS数据为基础,首先利用融合距离（MD）对轨迹相似性进行度量,针对传统DBSCAN算法需对每个样本的邻域重复查询的问题,提出一种改进的DBSCAN算法,从减少区域查询次数从而提高算法的时间效率,完成对已有轨迹的聚类。采用上海陆家嘴段水域6h获取的AIS数据去验证算法的有效性。实验结果表明,与传统相似性度量方法相比,改进后的基于融合距离的DBSCAN算法在充分降低时间复杂度的基础上得到了较好的聚类效果,验证了所提算法的有效性。最后分析了船舶轨迹聚类的3个应用,提取了船舶的3种运动模式,丰富了船舶行为模式特征。 

【文章来源】：计算机仿真. 2020,37(10)北大核心

【文章页数】：7 页

【文章目录】：
1 引言
2 船舶轨迹聚类分析
    2.1 轨迹相似性度量
    2.2 改进DBSCAN轨迹聚类
3 案例研究
4 轨迹聚类分析的应用
    1)上下水航行
    2)停泊行为
    3)偏离航道
5 总结


【参考文献】：
期刊论文
[1]多维图结构聚类的社交关系挖掘算法[J]. 李振军,代强强,李荣华,毛睿,乔少杰.  软件学报. 2018(03)
[2]一种基于密度的分布式聚类方法[J]. 王岩,彭涛,韩佳育,刘露.  软件学报. 2017(11)
[3]基于时空模式的轨迹数据聚类算法[J]. 石陆魁,张延茹,张欣.  计算机应用. 2017(03)
[4]轨迹大数据:数据、应用与技术现状[J]. 许佳捷,郑凯,池明旻,朱扬勇,禹晓辉,周晓方.  通信学报. 2015(12)
[5]数据挖掘在海上交通特征分析中的应用研究[J]. 潘家财,邵哲平,姜青山.  中国航海. 2010(02)
[6]一种基于群体智能的客户行为分析算法[J]. 吴斌,郑毅,傅伟鹏,史忠植.  计算机学报. 2003(08)



本文编号：3170807