隨著船舶自動識別系統(tǒng)的普遍應(yīng)用,逐漸積累了大量的船舶軌跡數(shù)據(jù),這些數(shù)據(jù)對海洋管理與服務(wù)具有重要的價值。其中,如何利用船舶軌跡數(shù)據(jù)挖掘分析得到船舶停留區(qū)域的信息是港口管理業(yè)務(wù)中的一個重要問題。港口中特定船舶停留區(qū)域（包括泊位與錨地）的分析與挖掘不僅可以為船舶安全�？刻峁┍匾幕A(chǔ)信息,也可以為船舶港口的導(dǎo)航提供重要的信息來源,同時對港口的規(guī)劃建設(shè)也提供了重要的決策支撐。然而,由于船舶軌跡數(shù)據(jù)具有數(shù)據(jù)量大,船舶軌跡數(shù)據(jù)相對于其他軌跡數(shù)據(jù)而言存在采集稀疏,軌跡漂移,時空跨度大的問題,同時船舶在港口的錨地和泊位也具有著不同的停留行為。為此,本文結(jié)合船舶軌跡數(shù)據(jù)的特點和港口停留區(qū)域的特征下,開展了基于船舶軌跡數(shù)據(jù)的港口停留區(qū)域提取方法研究,本論文的主要工作包括:1、結(jié)合船舶軌跡數(shù)據(jù)特點,定義了船舶軌跡停留段概念,并針對港口停留區(qū)域識別出現(xiàn)的船舶軌跡大數(shù)據(jù)的精度低、稀疏、漂移等問題,在對船舶軌跡數(shù)據(jù)進行去噪、插值等預(yù)處理操作基礎(chǔ)上,提出了一種多約束條件下的船舶停留軌跡提取方法,設(shè)計了基于MapReduce的船舶停留軌跡提取算法。2、利用船舶軌跡在港口停留區(qū)域的拋錨行為和系泊行為特征的不同,提出了基... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 停留軌跡提取
        1.2.2 軌跡分類算法
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)工作
    2.1 軌跡大數(shù)據(jù)的概念
    2.2 船舶停留軌跡提取
    2.3 基于機器學(xué)習(xí)的分類算法介紹
    2.4 港口停留區(qū)域識別
        2.4.1 港口概念介紹
        2.4.2 港口停留區(qū)域識別流程
        2.4.3 Delauney三角網(wǎng)的相關(guān)概念
    2.5 本文的整體體系
第三章 面向港口停留區(qū)域識別的停留軌跡數(shù)據(jù)提取方法
    3.1 多約束條件下的船舶停留軌跡的識別與提取方法
    3.2 基于HADOOP框架的MPTSSE提取算法實現(xiàn)
    3.3 MPTSSE提取算法實驗
第四章 基于隨機森林的船舶停留軌跡數(shù)據(jù)分類
    4.1 船舶停留軌跡的分類特征選擇
    4.2 基于隨機森林的船舶停留軌跡分類模型
    4.3 實驗結(jié)果與分析
        4.3.1 分類特征重要性指數(shù)和分類效果分析
        4.3.2 與不同分類器模型的對比
第五章 基于聚類分析的泊位提取模型
    5.1 泊位數(shù)據(jù)的提取流程
    5.2 泊位中心點提取算法
    5.3 基于HADOOP集群的泊位屬性提取算法
    5.4 泊位多邊形提取算法
    5.5 泊位提取實驗結(jié)果與分析
第六章 基于軌跡數(shù)據(jù)柵格化的錨地提取模型
    6.1 錨地提取流程
    6.2 錨地軌跡數(shù)據(jù)柵格化
    6.3 基于DELAUNEY三角網(wǎng)的錨地生成算法
    6.4 錨地提取實驗結(jié)果與分析
第七章 結(jié)論與展望
參考文獻
在學(xué)期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于馬爾科夫鏈的輕軌乘客軌跡預(yù)測新算法[J]. 彭艦,孫海,陳瑜,仝博,黃飛虎.  電子科技大學(xué)學(xué)報. 2018(05)
[2]面向港口停留區(qū)域識別的船舶停留軌跡提取方法[J]. 鄭振濤,趙卓峰,王桂玲,徐垚.  計算機應(yīng)用. 2019(01)
[3]基于隨機生存森林的交通事件持續(xù)時間預(yù)測[J]. 高珍,柯阿香,余榮杰,王雪松.  同濟大學(xué)學(xué)報(自然科學(xué)版). 2017(09)
[4]海洋大數(shù)據(jù)關(guān)鍵技術(shù)及在災(zāi)害天氣下船舶行為預(yù)測上的應(yīng)用[J]. 王冬海,盧峰,方曉蓉,郭剛.  大數(shù)據(jù). 2017(04)
[5]基于Xgboost的商業(yè)銷售預(yù)測[J]. 葉倩怡,饒泓,姬名書.  南昌大學(xué)學(xué)報(理科版). 2017(03)
[6]時空軌跡分類研究進展[J]. 趙竹珺,吉根林.  地球信息科學(xué)學(xué)報. 2017(03)
[7]基于速度的空間軌跡停留點提取算法[J]. 侯穎超,王盼成,劉興權(quán),滕潔.  地理與地理信息科學(xué). 2016(06)
[8]軌跡大數(shù)據(jù):數(shù)據(jù)處理關(guān)鍵技術(shù)研究綜述[J]. 高強,張鳳荔,王瑞錦,周帆.  軟件學(xué)報. 2017(04)
[9]載體軌跡停留信息提取的核密度法及其可視化[J]. 向隆剛,邵曉天.  測繪學(xué)報. 2016(09)
[10]基于信息熵的決策樹UE提升研究[J]. 黃軼文,盧世軍.  計算機與數(shù)字工程. 2016(05)

博士論文
[1]基于GPS軌跡的出行信息提取研究[D]. 張治華.華東師范大學(xué) 2010

碩士論文
[1]基于決策樹的數(shù)據(jù)挖掘算法優(yōu)化研究[D]. 王威.西南交通大學(xué) 2005



本文編號：3202180