發(fā)布時間：2021-08-13 04:27

　　為解決漁船自動識別系統(tǒng)（AIS）軌跡數(shù)據(jù)質(zhì)量不高、漁船軌跡分析需要保留更多特征點(diǎn)的問題,提出了一種基于改進(jìn)滑動窗口的漁船AIS軌跡數(shù)據(jù)壓縮算法。結(jié)果表明:改進(jìn)的算法利用相鄰軌跡點(diǎn)間的經(jīng)緯度變化趨勢確定行駛特征點(diǎn),在保留時序信息的同時壓縮高密度的停滯點(diǎn),并用采樣法保留直行中間點(diǎn),盡可能多地保留了軌跡特征點(diǎn),實現(xiàn)了漁船軌跡的有效壓縮;本研究中提出的基于改進(jìn)滑動窗口的漁船AIS軌跡數(shù)據(jù)壓縮算法與Douglas-Peucker算法相比,壓縮率從99%降至94%以下,很好地保留了漁船軌跡特征點(diǎn),同時也避免了Sliding Window軌跡壓縮算法存在的軌跡形態(tài)失真問題,。研究表明,基于改進(jìn)滑動窗口的漁船AIS軌跡數(shù)據(jù)壓縮算法更適用于壓縮漁船軌跡。 

【文章來源】：大連海洋大學(xué)學(xué)報. 2020,35(03)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

漁船在捕撈時的航行特征

如圖2所示,以p0為起點(diǎn),初始化滑動窗口為{p0,p1}。以線段p0p2作為{p0,p1,p2}部分的近似軌跡,計算p1點(diǎn)和線段p0p2之間的垂直歐氏距離。若距離小于閾值,那么繼續(xù)擴(kuò)大窗口,加入新的軌跡點(diǎn)p3,滑動窗口為{p0,p1,p2,p3},以線段p0p3為近似軌跡,計算窗口內(nèi)其他點(diǎn)的垂直歐氏距離。由于其距離超過設(shè)定的距離閾值,所以之前的窗口{p0,p1,p2}被選作近似軌跡的一段。接著以p3為新的滑動窗口起點(diǎn),加入p3、p4,重復(fù)之前的步驟,直到軌跡終點(diǎn)。圖中原始軌跡最終被簡化為{p0,p2,p5,p8}。2.2 基于改進(jìn)滑動窗口的漁船AIS軌跡數(shù)據(jù)壓縮算法

為驗證漁船AIS軌跡數(shù)據(jù)壓縮算法的有效性,分別對單條漁船軌跡進(jìn)行不同算法的壓縮對比試驗。算法采用Python語言編寫,版本為3.6,IDE使用Spyder。原始試驗數(shù)據(jù)集來自大連世想海洋科技有限公司,漁船軌跡數(shù)據(jù)以.csv的文件格式存儲,時間跨度從2018年10月1日至2018年11月30日,大小約3.57G,原始數(shù)據(jù)樣例如表3所示。

【參考文獻(xiàn)】：
期刊論文
[1]動態(tài)閾值結(jié)合全局優(yōu)化的船舶AIS軌跡在線壓縮算法[J]. 宋鑫,朱宗良,高銀萍,萇道方.  計算機(jī)科學(xué). 2019(07)
[2]基于運(yùn)動模式的船舶軌跡分段壓縮算法[J]. 盛凱,劉忠,周德超,馮成旭.  海軍工程大學(xué)學(xué)報. 2018(06)
[3]改進(jìn)的Sliding Window在線船舶AIS軌跡數(shù)據(jù)壓縮算法[J]. 高邈,史國友,李偉峰.  交通運(yùn)輸工程學(xué)報. 2018(03)
[4]一種加入時間維的船舶軌跡高效離線壓縮算法研究[J]. 徐凱,邱家瑜,李燕.  計算機(jī)科學(xué). 2017(S2)
[5]漁業(yè)船舶事故類型的灰色關(guān)聯(lián)分析[J]. 溫國平,于曉利.  大連海洋大學(xué)學(xué)報. 2017(02)
[6]基于AIS數(shù)據(jù)的海上交通流區(qū)域自動識別[J]. 劉虎,李偉峰.  中國航海. 2016(04)
[7]基于AIS數(shù)據(jù)的船舶運(yùn)動模式識別與應(yīng)用[J]. 魏照坤,周康,魏明,史國友.  上海海事大學(xué)學(xué)報. 2016(02)
[8]船舶AIS數(shù)據(jù)云存儲系統(tǒng)研究[J]. 丁振國.  浙江交通職業(yè)技術(shù)學(xué)院學(xué)報. 2016(01)
[9]基于北斗衛(wèi)星船位數(shù)據(jù)提取拖網(wǎng)航次方法研究[J]. 張勝茂,程田飛,王曉璇,張寒野,劉勇,馮春雷,黃洪亮.  上海海洋大學(xué)學(xué)報. 2016(01)
[10]軌跡數(shù)據(jù)壓縮綜述[J]. 江俊文,王曉玲.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2015(05)



本文編號：3339742