漁船作為重要的海洋漁業(yè)生產(chǎn)工具,漁船的運(yùn)行軌跡數(shù)據(jù)中包含大量的時(shí)空分布信息,通過(guò)對(duì)漁船軌跡信息的精準(zhǔn)分析能夠挖掘出漁船的出海規(guī)律及作業(yè)行為模式等,對(duì)精準(zhǔn)掌握漁船作業(yè)行為、發(fā)現(xiàn)漁船異常行為、規(guī)范漁業(yè)執(zhí)法等具有重要意義。目前已有大量國(guó)內(nèi)外學(xué)者利用AIS軌跡數(shù)據(jù)中的軌跡點(diǎn)的時(shí)間、經(jīng)緯度、航向、速度等屬性,通過(guò)建立數(shù)學(xué)模型和研究算法處理軌跡數(shù)據(jù),但研究的對(duì)象大多是商船,對(duì)漁船領(lǐng)域的研究涉獵不深,因此本文以漁船作為研究對(duì)象,以大量漁船AIS軌跡數(shù)據(jù)為基礎(chǔ)進(jìn)行研究分析,針對(duì)漁船軌跡的數(shù)據(jù)特點(diǎn),對(duì)漁船AIS軌跡數(shù)據(jù)進(jìn)行相關(guān)預(yù)處理工作后,對(duì)其進(jìn)行相似性分析工作,具體工作可概括為以下兩點(diǎn):1)提出了基于改進(jìn)滑動(dòng)窗口的漁船AIS軌跡數(shù)據(jù)壓縮算法:針對(duì)漁船AIS軌跡數(shù)據(jù)數(shù)據(jù)質(zhì)量不高、漁船軌跡分析需要保留更多特性點(diǎn)這一特點(diǎn),在Sliding window算法基礎(chǔ)上利用相鄰軌跡點(diǎn)之間的經(jīng)緯度變化狀態(tài)趨勢(shì)確定行駛特征點(diǎn),在保留時(shí)序信息的同時(shí)壓縮高密度的停滯點(diǎn),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(shí)驗(yàn)表明,基于改進(jìn)滑動(dòng)窗口的漁船AIS軌跡壓縮算法將壓縮率控制在94%以下,很好的保留了漁船軌跡特征點(diǎn),... 

【文章來(lái)源】：大連海洋大學(xué)遼寧省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Douglas-Peucker算法

成線段作為當(dāng)前滑動(dòng)窗口{p0,p1,p2}的近似軌跡，計(jì)算軌跡點(diǎn)p1到近似線段之間的垂直歐氏距離，該距離小于設(shè)定的閾值，所以加入新的軌跡點(diǎn)p3，繼續(xù)擴(kuò)大滑動(dòng)窗口大小，此時(shí)窗口更新為{p0,p1,p2,p3}，接著將線段作為當(dāng)前窗口的近似軌跡，計(jì)算當(dāng)前窗口內(nèi)原始軌跡的點(diǎn)到近似線段的垂直歐氏距離，點(diǎn)到近似線段的距離大于設(shè)定的閾值，窗口內(nèi)的軌跡點(diǎn)p0,p1,p2保留為壓縮軌跡中的點(diǎn)，然后設(shè)新的滑動(dòng)窗口中的第一個(gè)軌跡點(diǎn)為p2，向窗口中加入軌跡點(diǎn)p3、p4，重復(fù)之前的過(guò)程，直到窗口滑到軌跡的終點(diǎn)。最終圖中的軌跡最后被簡(jiǎn)化為{p0,p2,p5,p8}。圖2-2SlidingWindow算法Fig2-2ThealgorithmofSlidingWindow從圖2-2中可以看出，用SlidingWindow算法壓縮軌跡雖然可以做到軌跡局部壓縮最優(yōu)，但該算法無(wú)法兼顧全局的軌跡走勢(shì)，壓縮后軌跡的形態(tài)會(huì)與原始的軌跡形態(tài)有一定的差距，其原因在于軌跡轉(zhuǎn)向的時(shí)候特征點(diǎn)的壓縮率太高，SlidingWindow算法會(huì)在軌跡出現(xiàn)頻繁轉(zhuǎn)向時(shí)壓縮掉大量的特征點(diǎn)，導(dǎo)致軌跡失真。而在漁船軌跡數(shù)據(jù)中，如果頻繁轉(zhuǎn)向，可能意味著漁船處于捕撈作業(yè)狀態(tài)，恰恰是漁船軌跡分析過(guò)程中需要挖掘的重要信息，所以，為保留此類信息，我們需要在算法的基礎(chǔ)上做出改進(jìn)。

基于AIS的漁船軌跡相似性分析技術(shù)研究12從下圖2-3中可以看出，在對(duì)軌跡P和軌跡Q進(jìn)行相似性度量時(shí)，雖然兩條軌跡的整體形狀很相似，但是時(shí)間軸上是對(duì)不齊的，軌跡點(diǎn)出現(xiàn)了一對(duì)多的匹配，DTW算法正是通過(guò)這種方法來(lái)解決局部時(shí)間偏移的問(wèn)題。DTW算法的相似性度量不受相比較的兩條軌跡的軌跡點(diǎn)數(shù)量是否相同的影響，因此相比較歐幾里得距離算法要求度量相似性的兩條軌跡長(zhǎng)度必須相等且軌跡點(diǎn)數(shù)目相等而言優(yōu)勢(shì)明顯，雖然動(dòng)態(tài)規(guī)劃可以解決上述問(wèn)題，但是DTW算法的時(shí)間復(fù)雜度會(huì)受軌跡長(zhǎng)度的影響，如果面對(duì)長(zhǎng)度為m和n的兩條軌跡而言DTW算法的時(shí)間復(fù)雜度為O(m×n)，計(jì)算成本較大。圖2-3兩條軌跡之間的歸整路線Fig2-3Awarpingpathbetweentwotrajectories2.3.3基于軌跡的豪斯多夫距離算法基于軌跡的豪斯多夫距離算法也是基于軌跡段距離計(jì)算的算法，中心思想就是將度量距離分成三個(gè)部分:兩個(gè)軌跡段之間間隔的垂直距離、兩個(gè)軌跡段之間長(zhǎng)度差的平行距離和兩個(gè)軌跡段之間方向差異的角度距離。該方法分別從垂直距離，水平距離和夾角距離三個(gè)方面對(duì)軌跡段之間的距離進(jìn)行計(jì)算，不同于MBR算法將軌跡簡(jiǎn)化的過(guò)于粗略，基于距離的豪斯多夫距離法在度量相似性時(shí)考慮的更加全面，計(jì)算精度更高。如圖2-4所示，軌跡段S1與軌跡段S2之間的垂直距離與其中一條軌跡段的起始點(diǎn)與終點(diǎn)到另一條軌跡段的垂直歐式距離有關(guān)，d⊥a是軌跡段S1的起點(diǎn)到軌跡段S2的垂直歐式距離，d⊥b是軌跡段S1的終點(diǎn)到軌跡段S2的垂直歐式距離，所以對(duì)兩條軌跡段之間的垂直距離定義為d⊥=⊥a⊥b⊥a⊥b。d∥a表示軌跡段S1的起點(diǎn)到軌跡段S2的平行距離，d∥b是軌跡段S1的終點(diǎn)到軌跡段S2的平行距離，軌跡段的平行距離定義為d∥=min（d∥a，d∥b）。角度距離的計(jì)算涉及到兩條軌跡段的長(zhǎng)度和軌跡段之間的夾角，?

【參考文獻(xiàn)】：
期刊論文
[1]基于AIS數(shù)據(jù)的船舶排放估測(cè)模型與實(shí)船驗(yàn)證[J]. 王直歡,王維勛,施欣.  上海海事大學(xué)學(xué)報(bào). 2019(04)
[2]基于軌跡段DBSCAN的船舶軌跡聚類算法[J]. 江玉玲,熊振南,唐基宏.  中國(guó)航海. 2019(03)
[3]動(dòng)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(jì)算機(jī)科學(xué). 2019(07)
[4]物聯(lián)網(wǎng)技術(shù)在遠(yuǎn)洋漁船數(shù)據(jù)挖掘及漁船調(diào)度管理的應(yīng)用[J]. 熊澤明.  艦船科學(xué)技術(shù). 2019(10)
[5]淺談漁船管理中存在的問(wèn)題及其解決途徑[J]. 衛(wèi)航.  南方農(nóng)機(jī). 2019(09)
[6]AIS在漁船上的應(yīng)用與展望[J]. 王振洲,王宇,蔣慶朝.  數(shù)字通信世界. 2019(01)
[7]基于DBSCAN算法的船舶軌跡自適應(yīng)層次聚類[J]. 趙梁濱,史國(guó)友,楊家軒.  中國(guó)航海. 2018(03)
[8]基于自適應(yīng)閾值的船舶軌跡異常點(diǎn)檢測(cè)算法[J]. 韓昭蓉,許光鑾,黃廷磊,任文娟.  計(jì)算機(jī)與現(xiàn)代化. 2018(09)
[9]時(shí)空軌跡相似性度量方法綜述[J]. 周星星,吉根林,張書(shū)亮.  地理信息世界. 2018(04)
[10]基于AIS和GIS的海上風(fēng)電場(chǎng)船舶監(jiān)控系統(tǒng)軟件設(shè)計(jì)[J]. 沈思曦,陳元林,安博文,盧學(xué)佳.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(20)

博士論文
[1]內(nèi)河在航船舶動(dòng)態(tài)跟蹤和航跡融合方法研究[D]. 嚴(yán)忠貞.武漢理工大學(xué) 2013

碩士論文
[1]基于AIS數(shù)據(jù)的船舶航線挖掘[D]. 劉敦偉.大連海事大學(xué) 2017
[2]基于AIS數(shù)據(jù)的船舶領(lǐng)域模型統(tǒng)計(jì)平臺(tái)研究[D]. 張鵬.大連海事大學(xué) 2016
[3]基于AIS數(shù)據(jù)的開(kāi)闊水域船舶領(lǐng)域分析研究[D]. 丁法.大連海事大學(xué) 2016



本文編號(hào)：3396152