船舶自動識別系統(tǒng)（Automatic Identification System,AIS）在當今的航運業(yè)領域發(fā)揮著至關重要的作用,被用于維護海上交通安全,管理船舶運輸?shù)�。船舶通過艦載AIS設備記錄和傳遞航行數(shù)據(jù),這些數(shù)據(jù)中包含著海量的船舶軌跡信息,區(qū)別于傳統(tǒng)的對于AIS數(shù)據(jù)的利用,基于數(shù)據(jù)挖掘的手段可以從中提取出隱含的信息來分析船舶的航行特征、揭示船舶的行為規(guī)律,為海上交通管理和航線規(guī)劃提供更多的技術手段和參考。本文在充分調(diào)研了國內(nèi)外相關AIS數(shù)據(jù)挖掘研究與應用的文獻的基礎上,采用了一種基于分段與歸組框架的軌跡聚類算法—TRACLUS算法作為主要研究方法,并深入探究了該算法的優(yōu)勢、基本原理、實現(xiàn)流程和參數(shù)評估等。算法分為軌跡分段和線段聚類兩個主要部分,并通過生成代表性軌跡實現(xiàn)對分析結果主要特征信息的表達。該算法在針對軌跡的研究中,相比于其他算法,在會先對軌跡按照MDL原則進行近似劃分,然后再用基于密度聚類的思想對分段后的軌跡子段聚類,從而能夠從軌跡子段中發(fā)現(xiàn)更多公共子特征。在本文中,通過Python 3程序設計語言實現(xiàn)了該算法,并對算法進行擴展從而支持AIS軌跡的空間數(shù)據(jù)格式。為了更加... 

【文章來源】：遼寧師范大學遼寧省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

軌跡子段示例

遼寧師范大學碩士學位論文11（3）豪斯多夫距離（HausdorffDistance）：豪斯多夫距離可以度量空間中兩個集合之間的距離，假如給定歐式空間中的兩個點集，，則它們之間的豪斯多夫距離可以表示為：其中：式中H(X,Y)稱為雙向豪斯多夫距離，h(X,Y)稱為集合X到集合Y的單向豪斯多夫距離，反之同樣。簡而言之，豪斯多夫距離可以理解成一個點集合中的點到另一個點集合的最短距離的最大值。除了以上這些距離度量之外，其他的相似度度量方法還有向量空間余弦相似度（CosineSimilarity），皮爾森相關系數(shù)（PearsonCorrelationCoefficient）等，在此不再一一贅述。2.1.1.2軌跡距離定義在一般聚類分析中描述地理空間上兩個無屬性的點的相似度時，可以簡單的使用歐式距離來判斷，距離越近，相似度越大，反之越校但在軌跡聚類中，線段具有長度和方向且相互可能不同，因此線段間的相似度就不能簡單用歐式距離來計算了。在TRACLUS算法中，綜合參考了常見的距離度量方法后，定義了特別的距離函數(shù)用于計算軌跡相似度。如圖2.2所示，假設兩條線段和，其中，，，分別為兩條線段的端點，并確定為較長線段，為較短線段。那么兩條線段間的距離函數(shù)可以由三部分來確定，分別是：垂直距離，平行距離，夾角距離，它們的定義分別如下：圖2.2線段距離定義Fig.2.2Thedefinitionofthedistanceforlinesegments

遼寧師范大學碩士學位論文132.2算法詳細步驟2.2.1近似軌跡劃分軌跡劃分的目的是在軌跡中角度變化較大的部分找到一些特征點，把這些特征點連接起來可以近似地表示原軌跡。在圖2.3中，從一條軌跡中定義了一組特征點集合。最優(yōu)的軌跡劃分方案應該考慮兩個因素：準確性和簡潔性，準確性意味著一條軌跡與其分段軌跡集合間的差異應該盡可能的小，即特征點不能太少，否則不足以概括軌跡特征，而簡潔性則意味著分段軌跡的數(shù)量應該盡可能的校準確性與簡潔性相互矛盾，因此，需要找到一個兩者間的最佳折中方案。圖2.3一條軌跡和其分段軌跡子段Fig.2.3Atrajectoryanditstrajectorypartitions2.2.1.1最小描述長度原則算法中采用了在信息壓縮中廣泛使用的最小描述長度（MinimumDescriptionLength，MDL）原則作為尋找折中點的方法。MDL原則的原理是：在保存一組給定的實例數(shù)據(jù)D時，采用某種假設條件模型H對其進行編碼壓縮，然后再保存壓縮后的數(shù)據(jù)。同時，將所用的模型也保存起來以便之后可以正確恢復這些數(shù)據(jù)。所以需要保存的數(shù)據(jù)長度等于這些實例數(shù)據(jù)進行編碼壓縮后的長度加上保存模型所需的數(shù)據(jù)長度，該數(shù)據(jù)長度便稱為總描述長度[57]。MDL包含兩部分：和。

【參考文獻】：
期刊論文
[1]基于AIS數(shù)據(jù)的船橋碰撞概率評估方法研究[J]. 潘晉,汪詠,黃義飛,許明財.  華中科技大學學報(自然科學版). 2019(11)
[2]基于Flask和Vue的AIS數(shù)據(jù)分析系統(tǒng)設計與開發(fā)[J]. 任丹,侯英姿,王方雄,姜來.  軟件. 2019(10)
[3]基于AIS信息和BP神經(jīng)網(wǎng)絡的船舶航行行為預測[J]. 甄榮,金永興,胡勤友,施朝健,王勝正.  中國航海. 2017(02)
[4]利用卡爾曼濾波預測船舶航行軌跡異常行為[J]. 何靜.  艦船科學技術. 2017(02)
[5]海事AIS系統(tǒng)應用的拓展[J]. 惠琍琍.  交通與港航. 2015(06)
[6]大數(shù)據(jù)挖掘分析[J]. 程陳.  軟件. 2014(04)
[7]計算機數(shù)據(jù)挖掘技術的應用探討[J]. 章萬威.  計算機光盤軟件與應用. 2014(09)
[8]基于AIS的元胞自動機模型的船舶交通流特征參數(shù)分析[J]. 馮宏祥,孔凡邨,肖英杰,楊小軍.  武漢理工大學學報(交通科學與工程版). 2014(02)
[9]基于卡爾曼濾波算法船舶AIS軌跡估計研究[J]. 徐鐵,蔡奉君,胡勤友,楊春.  現(xiàn)代電子技術. 2014(05)
[10]基于數(shù)據(jù)挖掘的船舶行為研究[J]. 朱飛祥,張英俊,高宗江.  中國航海. 2012(02)

碩士論文
[1]基于AIS的船舶軌跡聚類原型系統(tǒng)設計與實現(xiàn)[D]. 林明亮.大連海事大學 2016
[2]基于AIS信息的船舶軌跡聚類模型研究[D]. 肖瀟.集美大學 2015
[3]聚類有效性指標結構分析及應用[D]. 包秀娟.天津大學 2014
[4]基于AIS數(shù)據(jù)的船舶危險駛過研究[D]. 崔捷.大連海事大學 2014
[5]基于AIS數(shù)據(jù)的船舶會遇特征研究[D]. 任亞磊.武漢理工大學 2013
[6]基于聚類分析的網(wǎng)絡流量分類研究[D]. 何震凱.湖南工業(yè)大學 2009
[7]基于AIS的船舶動態(tài)監(jiān)控及其應用[D]. 劉瑜.大連海事大學 2008
[8]通用船舶自動識別系統(tǒng)（AIS）及其關鍵技術研究[D]. 張宇.武漢理工大學 2004



本文編號：3034235