本文關(guān)鍵詞：船舶軌跡的數(shù)據(jù)挖掘框架及應用

  更多相關(guān)文章： 交通運輸 AIS 數(shù)據(jù)挖掘 軌跡聚類

【摘要】：隨著世界經(jīng)濟的發(fā)展,水上交通的運輸任務日益繁重,水域交通狀況越發(fā)繁雜。為了保障人員財產(chǎn)安全、保護海洋環(huán)境、維護國家主權(quán),加強對海上交通態(tài)勢的了解及交通監(jiān)管十分重要。長久以來,船舶的交通流觀測仍以視覺和雷達觀測為主,缺乏船舶具體信息,且低效。此外海事監(jiān)管部門的主要監(jiān)管手段是通過低效的人工值守完成的,容易隨著值守人員的注意力下降、疲勞等人為因素,發(fā)生誤報和漏報現(xiàn)象。本文旨在挖掘大量累積的AIS軌跡數(shù)據(jù),獲得船舶運動模式,為航道建設(shè)、航路規(guī)劃提供輔助決策,實現(xiàn)異常船舶的識別,從而提高監(jiān)管效率,降低風險,優(yōu)化通行效率,節(jié)省貨物運輸成本。本文以船舶運動軌跡為研究對象,采用了數(shù)理統(tǒng)計分析、聚類分析等技術(shù),對船舶軌跡的數(shù)據(jù)挖掘方法進行了研究,主要工作包括以下4個方面。(1)總結(jié)歸納了包括噪聲清洗手段在內(nèi)的AIS軌跡數(shù)據(jù)預處理方法,并對在天津VTS中心采集AIS報文過程中出現(xiàn)的校驗位錯亂的異�，F(xiàn)象進行了分析,發(fā)現(xiàn)了 AIS報文數(shù)據(jù)中存在著標識符封裝錯亂的問題,并提出標識符循環(huán)代入驗證的優(yōu)化采集方法。實驗結(jié)果表明新的采集方法能夠規(guī)避封裝錯亂的問題,提升AIS報文的采集質(zhì)量。(2)提出利用"子軌跡長度和"量化壓縮精度的方法,通過數(shù)理統(tǒng)計,選取能夠保留較多軌跡特征點的閾值,從而確定Douglas-Peucker算法的壓縮上限,并通過瓊州海峽水域的實船數(shù)據(jù)驗證了該方法能夠在壓縮數(shù)據(jù)量的同時,保留原數(shù)據(jù)的交通流特性,以此劃分出的船舶軌跡是有效的。(3)提出了通過統(tǒng)計核心距離的分布密度,利用Inverse Gaussian擬合曲線的極值和擬聚類后的噪聲數(shù)量變化規(guī)律,確定密度聚類算法參數(shù)的方法,以及提出通過層次進行密度聚類的具體流程,以適應密度分布不均的船舶軌跡數(shù)據(jù)。實例分析說明了該方法能夠區(qū)分不同相似性的軌跡,聚合相似性較高的軌跡,可以用以建立船舶行為的模型。(4)建立了基于"Douglas-Peucker船舶軌跡劃分—結(jié)構(gòu)化相似性度量—自適應層次密度聚類/譜聚類/軌跡核密度估計"的船舶軌跡數(shù)據(jù)挖掘框架,提出基于樣本模型的異常檢測應用方法,并利用VisualStudio2013、MatlabR2014a、電子海圖系統(tǒng)進行了瓊州海峽水域船舶數(shù)據(jù)的實例分析,利用基于該框架開發(fā)的船舶異常檢測仿真模擬系統(tǒng),進行了船舶監(jiān)測的仿真實驗。結(jié)果證明了該框架在掌握水上交通流態(tài)勢、海事實時監(jiān)管上的可行性,并且能夠在零散雜亂的船舶軌跡中發(fā)現(xiàn)船舶軌跡的分布規(guī)律,動態(tài)及時地識別存在異常行為的船舶,具有一定的應用價值。
【關(guān)鍵詞】：交通運輸 AIS 數(shù)據(jù)挖掘 軌跡聚類
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U675.79
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-18
• 1.1 研究背景及意義11-14
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-16
• 1.2.1 船舶軌跡數(shù)據(jù)的壓縮分割技術(shù)14
• 1.2.2 船舶軌跡建模及異常檢測14-16
• 1.3 主要內(nèi)容與結(jié)構(gòu)16-18
• 1.3.1 組織結(jié)構(gòu)16-17
• 1.3.2 論文主要內(nèi)容17-18
• 第二章 船舶軌跡數(shù)據(jù)挖掘框架18-54
• 2.1 船舶軌跡數(shù)據(jù)挖掘框架的提出18-20
• 2.1.1 船舶軌跡領(lǐng)域的數(shù)據(jù)庫知識發(fā)現(xiàn)框架18-19
• 2.1.2 船舶軌跡數(shù)據(jù)挖掘框架19-20
• 2.2 基于Douglas-Peucker的軌跡劃分算法20-35
• 2.2.1 Douglas-Peucker算法概述21-22
• 2.2.2 算法閾值的確定22-33
• 2.2.3 實驗結(jié)果驗證與分析33-35
• 2.3 船舶軌跡相似性度量35-39
• 2.3.1 軌跡距離函數(shù)概述35-37
• 2.3.2 船舶軌跡結(jié)構(gòu)相似度計算37-39
• 2.4 基于密度的自適應層次聚類算法39-50
• 2.4.1 DBSCAN算法概述39-42
• 2.4.2 參數(shù)自適應確定的方法42-46
• 2.4.3 層次聚類46-50
• 2.5 基于譜聚類的軌跡分析50-53
• 2.5.1 譜聚類的概述50-51
• 2.5.2 基于核密度的交通流識別51-53
• 2.6 本章小節(jié)53-54
• 第三章 船舶軌跡數(shù)據(jù)挖掘框架的實例驗證及結(jié)果分析54-81
• 3.1 船舶軌跡數(shù)據(jù)的采集及預處理54-61
• 3.1.1 AIS數(shù)據(jù)的采集及解析54-59
• 3.1.2 數(shù)據(jù)預處理59-61
• 3.2 實例驗證61-80
• 3.2.1 基于密度的自適應層次聚類實驗62-74
• 3.2.2 譜聚類實驗74-80
• 3.3 本章小結(jié)80-81
• 第四章 船舶軌跡數(shù)據(jù)挖掘框架的異常檢測應用81-90
• 4.1 基于船舶軌跡樣本模型的異常檢測81-83
• 4.2 仿真實驗83-89
• 4.2.1 基于B/S的船舶異常檢測仿真模擬系統(tǒng)83-84
• 4.2.2 仿真實驗結(jié)果84-89
• 4.3 本章小結(jié)89-90
• 第五章 總結(jié)與展望90-92
• 5.1 研究結(jié)論90-91
• 5.2 展望91-92
• 參考文獻92-96
• 攻讀學位期間公開發(fā)表論文96-97
• 致謝97-98
• 作者簡介98

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 馬文耀;吳兆麟;楊家軒;李偉峰;;基于單向距離的譜聚類船舶運動模式辨識[J];重慶交通大學學報(自然科學版);2015年05期

2 張樹凱;劉正江;張顯庫;史國友;蔡W，

本文編號：1007682