從船舶AIS數(shù)據(jù)中挖掘出相關(guān)的行為模式,輔助水上安全監(jiān)管,對于日益復(fù)雜的海上交通安全形勢具有重要意義。以大量船舶AIS數(shù)據(jù)為基礎(chǔ),首先利用融合距離（MD）對軌跡相似性進行度量,針對傳統(tǒng)DBSCAN算法需對每個樣本的鄰域重復(fù)查詢的問題,提出一種改進的DBSCAN算法,從減少區(qū)域查詢次數(shù)從而提高算法的時間效率,完成對已有軌跡的聚類。采用上海陸家嘴段水域6h獲取的AIS數(shù)據(jù)去驗證算法的有效性。實驗結(jié)果表明,與傳統(tǒng)相似性度量方法相比,改進后的基于融合距離的DBSCAN算法在充分降低時間復(fù)雜度的基礎(chǔ)上得到了較好的聚類效果,驗證了所提算法的有效性。最后分析了船舶軌跡聚類的3個應(yīng)用,提取了船舶的3種運動模式,豐富了船舶行為模式特征。 

【文章來源】：計算機仿真. 2020,37(10)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 船舶軌跡聚類分析
    2.1 軌跡相似性度量
    2.2 改進DBSCAN軌跡聚類
3 案例研究
4 軌跡聚類分析的應(yīng)用
    1)上下水航行
    2)停泊行為
    3)偏離航道
5 總結(jié)


【參考文獻】：
期刊論文
[1]多維圖結(jié)構(gòu)聚類的社交關(guān)系挖掘算法[J]. 李振軍,代強強,李榮華,毛睿,喬少杰.  軟件學(xué)報. 2018(03)
[2]一種基于密度的分布式聚類方法[J]. 王巖,彭濤,韓佳育,劉露.  軟件學(xué)報. 2017(11)
[3]基于時空模式的軌跡數(shù)據(jù)聚類算法[J]. 石陸魁,張延茹,張欣.  計算機應(yīng)用. 2017(03)
[4]軌跡大數(shù)據(jù):數(shù)據(jù)、應(yīng)用與技術(shù)現(xiàn)狀[J]. 許佳捷,鄭凱,池明旻,朱揚勇,禹曉輝,周曉方.  通信學(xué)報. 2015(12)
[5]數(shù)據(jù)挖掘在海上交通特征分析中的應(yīng)用研究[J]. 潘家財,邵哲平,姜青山.  中國航海. 2010(02)
[6]一種基于群體智能的客戶行為分析算法[J]. 吳斌,鄭毅,傅偉鵬,史忠植.  計算機學(xué)報. 2003(08)



本文編號：3170807