基于轨迹数据的船舶停留区域提取方法研究
发布时间：2021-05-23 03:16
随着船舶自动识别系统的普遍应用,逐渐积累了大量的船舶轨迹数据,这些数据对海洋管理与服务具有重要的价值。其中,如何利用船舶轨迹数据挖掘分析得到船舶停留区域的信息是港口管理业务中的一个重要问题。港口中特定船舶停留区域（包括泊位与锚地）的分析与挖掘不仅可以为船舶安全停靠提供必要的基础信息,也可以为船舶港口的导航提供重要的信息来源,同时对港口的规划建设也提供了重要的决策支撑。然而,由于船舶轨迹数据具有数据量大,船舶轨迹数据相对于其他轨迹数据而言存在采集稀疏,轨迹漂移,时空跨度大的问题,同时船舶在港口的锚地和泊位也具有着不同的停留行为。为此,本文结合船舶轨迹数据的特点和港口停留区域的特征下,开展了基于船舶轨迹数据的港口停留区域提取方法研究,本论文的主要工作包括:1、结合船舶轨迹数据特点,定义了船舶轨迹停留段概念,并针对港口停留区域识别出现的船舶轨迹大数据的精度低、稀疏、漂移等问题,在对船舶轨迹数据进行去噪、插值等预处理操作基础上,提出了一种多约束条件下的船舶停留轨迹提取方法,设计了基于MapReduce的船舶停留轨迹提取算法。2、利用船舶轨迹在港口停留区域的抛锚行为和系泊行为特征的不同,提出了基...
【文章来源】：北方工业大学北京市
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 停留轨迹提取
1.2.2 轨迹分类算法
1.3 研究内容
1.4 论文组织结构
第二章 相关工作
2.1 轨迹大数据的概念
2.2 船舶停留轨迹提取
2.3 基于机器学习的分类算法介绍
2.4 港口停留区域识别
2.4.1 港口概念介绍
2.4.2 港口停留区域识别流程
2.4.3 Delauney三角网的相关概念
2.5 本文的整体体系
第三章 面向港口停留区域识别的停留轨迹数据提取方法
3.1 多约束条件下的船舶停留轨迹的识别与提取方法
3.2 基于HADOOP框架的MPTSSE提取算法实现
3.3 MPTSSE提取算法实验
第四章 基于随机森林的船舶停留轨迹数据分类
4.1 船舶停留轨迹的分类特征选择
4.2 基于随机森林的船舶停留轨迹分类模型
4.3 实验结果与分析
4.3.1 分类特征重要性指数和分类效果分析
4.3.2 与不同分类器模型的对比
第五章 基于聚类分析的泊位提取模型
5.1 泊位数据的提取流程
5.2 泊位中心点提取算法
5.3 基于HADOOP集群的泊位属性提取算法
5.4 泊位多边形提取算法
5.5 泊位提取实验结果与分析
第六章 基于轨迹数据栅格化的锚地提取模型
6.1 锚地提取流程
6.2 锚地轨迹数据栅格化
6.3 基于DELAUNEY三角网的锚地生成算法
6.4 锚地提取实验结果与分析
第七章 结论与展望
参考文献
在学期间的研究成果
致谢
【参考文献】：
期刊论文
[1]基于马尔科夫链的轻轨乘客轨迹预测新算法[J]. 彭舰,孙海,陈瑜,仝博,黄飞虎. 电子科技大学学报. 2018(05)
[2]面向港口停留区域识别的船舶停留轨迹提取方法[J]. 郑振涛,赵卓峰,王桂玲,徐垚. 计算机应用. 2019(01)
[3]基于随机生存森林的交通事件持续时间预测[J]. 高珍,柯阿香,余荣杰,王雪松. 同济大学学报(自然科学版). 2017(09)
[4]海洋大数据关键技术及在灾害天气下船舶行为预测上的应用[J]. 王冬海,卢峰,方晓蓉,郭刚. 大数据. 2017(04)
[5]基于Xgboost的商业销售预测[J]. 叶倩怡,饶泓,姬名书. 南昌大学学报(理科版). 2017(03)
[6]时空轨迹分类研究进展[J]. 赵竹珺,吉根林. 地球信息科学学报. 2017(03)
[7]基于速度的空间轨迹停留点提取算法[J]. 侯颖超,王盼成,刘兴权,滕洁. 地理与地理信息科学. 2016(06)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]载体轨迹停留信息提取的核密度法及其可视化[J]. 向隆刚,邵晓天. 测绘学报. 2016(09)
[10]基于信息熵的决策树UE提升研究[J]. 黄轶文,卢世军. 计算机与数字工程. 2016(05)
博士论文
[1]基于GPS轨迹的出行信息提取研究[D]. 张治华.华东师范大学 2010
硕士论文
[1]基于决策树的数据挖掘算法优化研究[D]. 王威.西南交通大学 2005
本文编号：3202180
【文章来源】：北方工业大学北京市
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 停留轨迹提取
1.2.2 轨迹分类算法
1.3 研究内容
1.4 论文组织结构
第二章 相关工作
2.1 轨迹大数据的概念
2.2 船舶停留轨迹提取
2.3 基于机器学习的分类算法介绍
2.4 港口停留区域识别
2.4.1 港口概念介绍
2.4.2 港口停留区域识别流程
2.4.3 Delauney三角网的相关概念
2.5 本文的整体体系
第三章 面向港口停留区域识别的停留轨迹数据提取方法
3.1 多约束条件下的船舶停留轨迹的识别与提取方法
3.2 基于HADOOP框架的MPTSSE提取算法实现
3.3 MPTSSE提取算法实验
第四章 基于随机森林的船舶停留轨迹数据分类
4.1 船舶停留轨迹的分类特征选择
4.2 基于随机森林的船舶停留轨迹分类模型
4.3 实验结果与分析
4.3.1 分类特征重要性指数和分类效果分析
4.3.2 与不同分类器模型的对比
第五章 基于聚类分析的泊位提取模型
5.1 泊位数据的提取流程
5.2 泊位中心点提取算法
5.3 基于HADOOP集群的泊位属性提取算法
5.4 泊位多边形提取算法
5.5 泊位提取实验结果与分析
第六章 基于轨迹数据栅格化的锚地提取模型
6.1 锚地提取流程
6.2 锚地轨迹数据栅格化
6.3 基于DELAUNEY三角网的锚地生成算法
6.4 锚地提取实验结果与分析
第七章 结论与展望
参考文献
在学期间的研究成果
致谢
【参考文献】：
期刊论文
[1]基于马尔科夫链的轻轨乘客轨迹预测新算法[J]. 彭舰,孙海,陈瑜,仝博,黄飞虎. 电子科技大学学报. 2018(05)
[2]面向港口停留区域识别的船舶停留轨迹提取方法[J]. 郑振涛,赵卓峰,王桂玲,徐垚. 计算机应用. 2019(01)
[3]基于随机生存森林的交通事件持续时间预测[J]. 高珍,柯阿香,余荣杰,王雪松. 同济大学学报(自然科学版). 2017(09)
[4]海洋大数据关键技术及在灾害天气下船舶行为预测上的应用[J]. 王冬海,卢峰,方晓蓉,郭刚. 大数据. 2017(04)
[5]基于Xgboost的商业销售预测[J]. 叶倩怡,饶泓,姬名书. 南昌大学学报(理科版). 2017(03)
[6]时空轨迹分类研究进展[J]. 赵竹珺,吉根林. 地球信息科学学报. 2017(03)
[7]基于速度的空间轨迹停留点提取算法[J]. 侯颖超,王盼成,刘兴权,滕洁. 地理与地理信息科学. 2016(06)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]载体轨迹停留信息提取的核密度法及其可视化[J]. 向隆刚,邵晓天. 测绘学报. 2016(09)
[10]基于信息熵的决策树UE提升研究[J]. 黄轶文,卢世军. 计算机与数字工程. 2016(05)
博士论文
[1]基于GPS轨迹的出行信息提取研究[D]. 张治华.华东师范大学 2010
硕士论文
[1]基于决策树的数据挖掘算法优化研究[D]. 王威.西南交通大学 2005
本文编号：3202180
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3202180.html
