足球比分直播

基于AIS信息的船舶轨迹聚类模型分析.pdf

返回
基于AIS信息的船舶轨迹聚类模型分析.pdf_第1页
第1页 / 共60页
基于AIS信息的船舶轨迹聚类模型分析.pdf_第2页
第2页 / 共60页
基于AIS信息的船舶轨迹聚类模型分析.pdf_第3页
第3页 / 共60页
基于AIS信息的船舶轨迹聚类模型分析.pdf_第4页
第4页 / 共60页
基于AIS信息的船舶轨迹聚类模型分析.pdf_第5页
第5页 / 共60页
点击查看更多>>
资源描述:
Study on Ship’S Trajectory Clustering ModelBased on AlS DataAbstractDue to the rapid growth of maritime traffic and its increasingly complex environment,thetrajectory of time and space generated in the production activities has been becoming more andmore,hence,how to achieve effective supervision and management from any unusual trajectoryand spot them has been the most significant part of realizing maritime intellectual transportation,which is based on obtaining its typical trajectory.Apparently,the traditional researching is timeconsuming and great efforts required,as well as low efficiency,while effective andpotential ination on ships Can be shown by massive AIS data from characteristics maritimetraffic,which is beneficial to be access to any data.This paper is based on the maritime trafficengineering theory and data mining technique,AIS data base,ways Of combining theories withpractices,emphasizing on ship’S trajectory clustering and its algorithm.The main work is asfollows1Builded the ship traj ectory clustering model experimental data plat based on theIVISSEA system.By collecting,storing and preprocessing the AIS data,we have set up AIS database SO as to analyze the flow of maritime traffic and acquire the data of ship movement.2Established the ship trajectory partitioning model and clustering algorithm.During theresearch,we have made use of course speed rate and minimum description length todescribe the original trajectory accurately.Furthermore,we have combines the classicalDBSCAN clustering algorithm to build the whole process of clustering eventually.3Optimized the of trajectory similarity algorithm.Due to the ship’S trajectorycomposed of AIS connection,and each AIS point contains abundant ination,such aslocation,course,speed,etc.,therefore the ship trajectory also has its own structuralcharacteristics.As a consequence,we have come up with a similar measuring for shiptrajectory in this paper,combing two distance measurement s of the Hausdorff and thestructure similarity between lines.4Using the sweep line to get a typical trajectory algorithm.In order to have abetter access to representative trajectory,this paper has used the sweep line algorithm to get thetypical trajectory and proposed the coordinate conversion algorithm on how to improve theefficiency.5Realizing the ship’S trajectory clustering model with the AIS database,and verified byTT万方数据the related theory of marine traffic engineering and the actual vessel traffic flow situation.Takethe main channel of Xiamen port and the direct ship‘‘COSCOSTAR ’between Fuj ian andTaiwan ship’S trajectory as an example,it combines with the historical AIS data tO cluster theship’S trajectory in this area,obtaining the typical ship trajectory.According tO the differentresearch objects,the accuracy by using the different algorithms,the area encounter and a specificship’S encounter,and combining the actual ship traffic flow.The results show that the typical trajectory of ship can be obtained better by this trajectOryclustering model,and can lay the premise condition for analysis and predict ship motionbehavior,find and dispose ship’S unusual behavior in time,and lay solid foundation for realizingintelligent vessel traffiC management system to monitor ship behavior.KeywordsAIS Data;Ship’S Trajectory Clustering;Trajectory Partitioning;TrajectorySimilarity Measure;Data Mining1II万方数据目 录第1章绪论。.11.1选题的研究目的和意义..11.2国内外研究概况..11.2.1 AIS的应用研究现状..21.2.2轨迹聚类的研究现状.41.3论文主要研究内容及创新点.51.4本章小结.....6第2章IVISSEA系统与轨迹聚类的基础理论72.1基于AIS和ECDIS的IvISSEA系统......72.2海上交通流理论基本概述.....132.2.1海上交通调查概述........132.2.2海上交通实况......142.2.3船舶会遇行为152.3轨迹聚类概述...182_3.1主要的聚类算法.1823.2轨迹间相似性度量方法....202.4本章小结.............22第3章船舶轨迹聚类模型及相关算法......233.1船舶轨迹聚类方法确立....233.1.1算法主要思想...233.1.2 DBSCAN算法概述....243。1.3轨迹聚类总体流程.。253.2 AIS信息的采集与预处理...263.3船舶轨迹划分模型的建立..263.3.1初步获取特征点候选集....27IV万方数据3.3.2利用MDL法确定最终特征点.273.4船舶轨迹聚类模型的建立..283.4.1基于DBSCAN的轨迹聚类核心算法..283.4.2各项结构特征及权重因子选择....293.4.3轨迹相似度的度量算法.293.5获取典型船舶运动轨迹算法303.6船舶轨迹聚类算法伪代码..323.7本章小结.35第4章船舶轨迹聚类模型实例364.1厦门港主航道船舶轨迹聚类模型研究.364.1.1厦门港研究水域的确定....364.1.2厦门港研究对象的确定.364.I.3 AIS信息的提取....374.1.4聚类结果及分析.384.2闽台直航船“中远知星”船舶轨迹聚类模型研究.,。...444.2.1台湾海峡研究水域的确定..454.2.2台湾海峡研究对象的确定.....454.2.3 AIS信息的提取........464.2.4聚类结果及分析.......464.3本章小结.......51第5章结论与展望,...525.1结论.....525.2展望.....53致 谢.........54参考文献..........55附 录....58在学期间发表的学术论文.........59V万方数据主要符号表IMO International Maritime Organization 国际海事组织AIS Automatic Identification System 船舶自动识别系统VTS Vessel Traffic Service 船舶交通管理系统DM Data Mining 数据挖掘CA Clustering Analysis 聚类分析Integrated Vessel Ination Service 基于ECDIS和AIS的船舶1VISSEASystem based Oil ECIDS and AIS 综合信息服务系统Electronic Chart Display and InationECDIS 电子海图显示与信息系统SystemCPA Closest Point of Approach 会遇最近距离MMSI Maritime Mobile Service lndentify 海卜移动通信业务标识DBSCAN Density Based Spatial Clustering of基于密度聚类Applications with NoiseMDL Mini mum Description Length 最小描述长度TEU Twenty-feet Equivalent Units 标箱VI万方数据集美大学硕士学位论文 基于AIS信息的船舶轨迹聚类模型研究第1章绪论1.1选题的研究目的和意义船舶自动识别系统Automatic Identification System,AISH】的出现及其广泛应用,不仅提高了船舶航行效率与安全,而且其内部蕴含着大量的海上交通特征信息。AIS信息采集系统实时地接收各港口AIS接收点采集到的船载AIS数据,利用这些数据实时性强、数据量大、数据内容丰富的特点,从中获取能够反映船舶规律的、有效的、潜在的信息。大量形式不一的各类数据随着社会经济的发展与现代信息技术的进步不断飞速地增长,加剧了“数据丰富而信息贫乏”这一矛盾,加之人们迫切需要对海量数据进行处理和应用,催促了“数据挖掘Data Mining,DM”这一信息领域的新兴学科得以蓬勃发展。数据挖掘14订J是从数据库中对大量数据进行抽取、转换、分析和模型化处理,从中提取关键性数据和隐藏的预测信息。作为数据挖掘领域的一种最重要方法一一“聚类Clustering或聚类分析Clustering Analysis,CA”,其主要任务是根据数据之间的相似性将相似数据组合在一起,其中相似对象构成的组被称为簇Cluster,因此该方法越来越多的被研究人员应用到时空轨迹数据的挖掘中。陆上交通利用视频实时监控获得的车辆位置信息,通过聚类方法能够提取运动目标的典型运动模式,进而检测异常交通行为【80叫;空中交通通过对历史飞行轨迹进行聚类,从中得到适合当前空中流量的飞行中心轨迹,进而改善终端区进离场航线的组织规划【¨】;相比而言,海上交通轨迹聚类的运用较少,尤其是对船舶轨迹的聚类,目前比较多的研究主要是针对飓风轨迹数据,利用聚类算法从看似无序的数据中发现轨迹数据之间的共性,进而为预测飓风轨迹提供依据[12_16]。近年来,随着国内水运量和国际贸易的不断扩大,导致海上交通量的迅猛增长,海上交通环境目益复杂,船舶在生产活动中产生的时空轨迹也越来越多,呈爆炸性趋势,能否从这些海量的轨迹数据中挖掘出有用信息非人力所能及。同时,海上巨大的交通压力给交通控制和管理提出了更高的要求,迫切需要提高交通信息系统的智能化水jR在这一背景下,以海上交通工程为理论基础,运用数据挖掘技术,并结合电子海图显示与信息系统ECDIS,全球定位系统GPS等一系列现代化、信息化设备,对船舶的轨迹进行聚类,从中提取出船舶典型运动轨迹,而如何正确分析和预测船舶行为、及时发现并处理船舶轨迹异常行为的前提为获得船舶典型运行轨迹。同时,这也为下一步实现智能船舶交通管理系统Vessel Traffic Service,VTS监控船舶行为打下了坚实的基础。1.2国内外研究概况通过将相似轨迹聚集在一起,从中提取和预测移动对象的运动特征模型,是分析典型运动轨迹的目标所在。而通过数据挖掘中的聚类分析,可以很好的对数据对象进行分组,万方数据集美大学硕士学位论文 基于AIS信息的船舶轨迹聚类模型研究使得同一组中对象之间具有较高的相似度,而与不同组中的对象具有较低的相似度。轨迹聚类的目标就是获得具有相似运动模式的轨迹,通过分析轨迹自身所具有的结构特征,进而确定轨迹间的相似程度,而后将具有较高相似度的轨迹归为一类。由于在对轨迹数据进行分析之前并不知道彼此之间的信息,所以轨迹聚类方法非常适合对移动对象的时空轨迹数据进行挖掘。目前,轨迹聚类在陆上交通上应用广泛,主要用于车辆异常检测、道路规划等,对海上交通研究还处于起步阶段。随着船载AIS的发展,特别是AIS数据实现网络共享后,丰富的AIS信息使得海上调查研究这一工作变得更为简单,也为实现船舶轨迹聚类提供了丰富的数据源。下面将从AIS的应用研究现状、轨迹聚类的研究现状两个方面论述本文的研究背景。1.2.1 AIS的应用研究现状建立在高精度卫星定位技术和甚高频无线数传技术发展的基础上,以自组织通信为核心的AIS应运而生,不仅改变了传统的观测手段,更是传统的经验航海向数字航海跨越的一个里程碑,同时国际海事组织International Maritime Organization,IMO指出,基于AIS强大的信息优势,其很可能是实现e一航海核心目标的主要技术。其中,安装有AIS的船舶发送的静态、动态和与航次有关的信息内容如表1.1所示;AIS信息更新率如表12所示。表1.1 AIS静态、动态和与航次有关的信息Tab.11 Dynamic,static and voyage ination表12自主模式下信息更新率报告率Tab.1-2 Ship reporting frequency船舶状态 报告时间问隔锚泊航速0.14Kn航速0-14Kn且改变航向航速14.23Kn航速1423Kn且改变航向航速23Kn航速23Kn且改变航向3rain12s4s6s2sjS2s由上特性可知,AIS包含了丰富的船舶信息并集合了大量海上交通信息,大范围海域的大量的船舶信息可以通过AIS信息采集及解码技术获得,因此通过对海量信息进行挖掘,2万方数据集美大学硕士学位论文 基于AIS信息的船舶轨迹聚类模型研究能够获取其中蕴藏着的海上交通特征,这也是AIS近年来发展迅速且应用广泛的重要原因,其己成为国内外学者研究海上交通的重要工具,其研究现状主要在以下方面1星载AIS技术的发展【17J近年,海上通航环境随着我国快速发展的经济及水域急剧增加的船舶数量变得日益复杂,海上交通所面临的局势因此变得更加严峻,能否进一步提高海上交通监管技术是缓解这一严峻形势的根本手段。但目前现有的VTS和AIS等跟踪手段都在一定程度上受到了距离限制,即使利用已经联网的AIS基站,也只能对近岸指定水域的船舶进行监控,无法实现对所有水域船舶进行全覆盖。而利用将卫星监测技术与现有的AIS系统相结合的星载基站AIS技术,则使实现对所有水域的所有船舶实施监管、调查和分析成为了可能,也为实现全天候、远距离、全方位的监控海上船舶并进一步保障船舶航行安全提供丁,可能。2AIS在避碰中的应用文献[18】结合AIS技术与四元动态船舶领域模型,建立了一套合理有效的船舶避碰决策模型,并构建了一个辅助避碰决策系统,该系统能够实现对碰撞危险和会遇态势的判断,并能给出避让方向和避让幅度的建议;文献【19]利用AIS数据研究繁忙水域的避碰问题;文献[201将AIS作为一种了望、避碰手段运用于航海中。3AIS与雷达、电子海图、航标融合的研究文献[17]中论述了AIS的出现有效弥补了雷达的缺陷与卅i足,主要表现在AIS所提供的信息量主要为船名、u乎号等静态信息和经纬度、对地航向、对地航速等动态信息,以及航行相关信息和安全相关的短信息要比雷达多而且精度高。针对以上所述,文献[21]将两者的优势互补,利用雷达与AIS目标进行动态信息的融合,很大程度上使原来复杂的显示画面得到了精简,使画而变得更加直观,有效解决了操作人员难以正确识别目标的问题。文献[22】阐述了基于ECDIS与AIS的船舶综合信息服务系统Integrated Vesselination Service System based on ECIDS and AIS,IVISSEA,该系统实现了AIS信息实时采集、海图实时显示、相关信息的灵活查询、统计分析、趋势预测等功能,在实际应用中起到了显著的效果。文献[23]将AIS技术与航标相结合,使得航标数字化,并利用AIS的海上通信优势,进而研发能够实现对航标实施远程监测的AIS航标系统,这一实现有效提高了航标监管部门的监管效率,同时,为船舶提供良好的导航服务这一功能也将在利用AIS电文21播发航标报告中得以实现。4船舶自动监测与跟踪研究对船舶实旌有效的监管与跟踪是提高海上船舶交通安全的重要保证。VTS中心工作人员利用AIS的自动识别这一功能来快速确定船舶名称,从而大大减少了VHF高频通话频率,使得组织船舶进出港这一行为变得更加高效,同时也能够及时有效的对某些标注的目标进行监管,进而来规范VTS辖区内的船舶交通秩序。文献【24]正是利用AIS的功能来对海上船舶实施了监管与跟踪。5分析船舶交通流规律和特性研究万方数据集美大学硕士学位论文 基于AIS信息的船舶轨迹聚类模型研究AIS信息采集系统实时地接收各港口AIS接收点采集到的船载AIS数据,利用这些数据实时性强、数据量大、数据内容丰富的特点,从中获取能够反映船舶规律的、有效的、潜在的信息。文献[25】利用厦门湾历史AIS数据,结合数据挖掘技术,从船舶会遇空问、时间分布、会遇船舶尺度和态势等多个角度研究分析了厦门湾船舶会遇状况;文献[7】利用AIS数据对船舶航向和航速变化率进行了挖掘研究,获得了该航道航向航速变化率概率分布特点。上述研究结果为交管部门更好的改善通航环境,有效的降低船舶事故提供了理论依据。6船舶行为预测及异常检测研究文献[26】通过长时间对某一水域的AIS信息进行统计分析,提取相应的船舶运动模型,并采用核密度估算算法构建了相应的异常检测机制,同时通过历史船舶数据对无异常船舶行为进行了预测。该研究内容为下一步实现智能VTS监控船舶行为提供了重要依据。7AIS在船员训练中的运用研究文献[27】为了使航海模拟器仿真系统能够更加真实的模拟海上交通,利用实时接收的AIS信息设计了基于AIS真机的目标船生成服务系统,克服了现有航海模拟器需要教练员人工输入航线与附近船舶信息所带来的局限性与盲目性。在实际的仿真模拟训练中,该方法不仅能够较好的仿真实际港口,而且能够获得实际操船环境所带来的压迫感,船员的训练水平在训练中也可以得到更好的提升;同时,该方法无需教练员人工设定,所有海上通航环境与船舶行为都是自主生成,切实提高了训练场景编制效率,提高了训练水平。1.2.2轨迹聚类的研究现状研究人员通过采用数据挖掘中的聚类、关联规则提取、分类等方法,对移动对象时空轨迹数据做知识发现和研究,但运用于海上船舶轨迹聚类的研究较少,主要研究对象为车辆轨迹以及台风路径等。国内外研究主要方向可分为两大类,第一类是将轨迹作为一个整体来聚类,主要研究有文献[28]Gaffney S.等人将一整条物体轨迹作为一个整体来处理;文献[29】认为单纯使用轨迹的某一个特征很难描述轨迹的实际特性,并将多种特性进行融合,从而更加充分的描述轨迹的运动特性;文献【10】利用改进的Hausdorff距离对经预处理后的轨迹进行轨迹相似度度量,而后利用谱聚类方法对该轨迹所生成的距离矩阵进行聚类并得到了较符合实际情况的聚类结果。文献[30]基于轨迹投票对轨迹进行聚类,得票越多说明轨迹越具代表性,最后从轨迹数据库中选出最具代表性的轨迹。第二类是将轨迹进行划分,以轨迹子段作为目标的聚类方法,主要研究有文献【12]通过把轨迹划分成片段的集合,然后再把轨迹片段聚集到簇中;文献[3l】针对不能满足动态增长的轨迹数据需求,提出了一种轨迹的增量聚类框架,该框架由线上的微簇维护和线下的宏簇构造组成;文献[14]针对轨迹内部蕴藏着自身的结构特征提出了结构轨迹的概念,利用相似度计算函数来计算轨迹段的结构相似度,进而判断轨迹问的相似程度,并完成轨迹聚类过程;文献[32]通过在邻域计算中加入4万方数据集美大学硕士学位论文 基于AIS信息的船舶轨迹聚类模型研究了速度约束,提出了一种基于速度约束的分段轨迹数据聚类方法来弥补未考虑速度因素对特征点所带来的影响,以便获得更好的聚类效果。1.3论文主要研究内容及创新点本选题重点围绕福建省自然科学基金项目A064007和福建省教育厅科技计划项目JBlll03的延续性内容,在导师及其研究小组的指导下,完善和优化了基于ECDIS和AIS的船舶综合信息服务系统;建立船舶轨迹聚类模型,确定了轨迹聚类方法;并就算法中的轨迹划分模型、轨迹相似度量方法及轨迹聚类方法做了详细描述;为了更好的表征轨迹问的相似性,本文结合了线段之间的Hausdorff与结构相似度两种距离度量方法,共同对船舶轨迹间相似性实施度量,并采用了扫描线方法来获得代表轨迹;以厦门港主航道及闽台直航船“中远之星”船舶轨迹为例,运用所建立的模型获得了船舶典型运动轨迹,并结合了海上交通实况与船舶会遇行为对船舶轨迹聚类效果进行了检验。主要研究内容包括以下几部分1深入研究轨迹聚类的基本理论1基于1VISSEA系统,搭建船舶轨迹聚类模型实验数据平台。通过对船载AIS数据的采集、入库存储及预处理,结合海上交通工程理论及数据挖掘技术,对所需要的实验数据进行筛选并导入数据库中,为下步实验提供可靠的数据基础。2确立船舶轨迹聚类算法。通过分析国内外各个领域关于轨迹聚类的相关算法,总结各算法针对不同对象所呈现的不同效果,并结合船舶轨迹结构特征,进而最终确定适合船舶轨迹聚类的方法。3结合船舶会遇这一行为来进一步检验船舶轨迹聚类模型的fF确性。针对研究的对象不同,采用了区域船舶会遇与特定船舶会遇两种不同算法,并对其相关理论及步骤进行了阐述。2实现船舶轨迹聚类模型及相关算法1建立船舶轨迹划分模型。由于采集到的AIS数据量较为庞大,能否有效降低船舶轨迹中记录的AIS点数,同时又能保留轨迹的原始特征是轨迹划分阶段的重要工作。本文所采用的船舶轨迹划分算法先通过计算船舶航向航速变化率是否大于设定的阈值来初步获取特征点的候选集,而后利用MDL法来确定最终特征点。2优化船舶轨迹问相似度度量算法。由于船舶轨迹是由AIS点连接而成,而每个AIS点都蕴含着丰富的信息,如位置、航向、航速等,这说明船舶轨迹拥有着自身的结构特征。因此,为了能够更好的表征船舶轨迹间的相似性,本文结合线段之间的Hausdorff与结构相似度两种距离度量方法,共同对船舶轨迹间相似性实施度量。3实现船舶轨迹聚类算法。首先利用船舶轨迹划分方法获取能反映全局的特征点,而后利用优化后的相似性度量方法完成对船舶轨迹间的相似性度量,最后利用确定的DBSCAN聚类方法实现对船舶轨迹聚类的全过程。5万方数据
展开阅读全文
收藏
下载资源

加入会员免费下载





足球比分直播