發(fā)布時(shí)間：2023-06-03 19:56

　　近幾年,隨著海上船舶信息采集技術(shù)的發(fā)展,船舶軌跡數(shù)據(jù)積累得越來越多,大量軌跡數(shù)據(jù)蘊(yùn)含的信息也逐漸受到關(guān)注。在遠(yuǎn)洋運(yùn)輸市場(chǎng)上,航行時(shí)間和油耗都與盈利息息相關(guān),根據(jù)船舶軌跡數(shù)據(jù)和船舶自身屬性信息對(duì)航線類型進(jìn)行分類預(yù)測(cè)從而推斷航行時(shí)間和油耗,將對(duì)船舶營運(yùn)產(chǎn)生積極影響。針對(duì)船舶軌跡數(shù)據(jù)的分析與預(yù)測(cè)方法的研究越來越受到重視。傳統(tǒng)的聚類、分類等數(shù)據(jù)挖掘算法的處理對(duì)象都是獨(dú)立的數(shù)據(jù),而船舶軌跡數(shù)據(jù)具有時(shí)間和空間上的連續(xù)性。目前對(duì)于船舶軌跡的數(shù)據(jù)挖掘大部分都是基于位置點(diǎn)的挖掘,忽略了軌跡數(shù)據(jù)在時(shí)空上的連續(xù)性以及不同運(yùn)動(dòng)模式(如不同的速度或航向)的劃分和識(shí)別,不能反映船舶行駛中速度及航向的動(dòng)態(tài)變化。同時(shí),大多數(shù)船舶軌跡預(yù)測(cè)方法主要基于歷史船舶軌跡數(shù)據(jù),忽視了船舶自身屬性及航運(yùn)市場(chǎng)的動(dòng)態(tài)變化對(duì)船舶未來行駛軌跡造成的影響。本文基于船舶軌跡的特點(diǎn),提出了面向船舶軌跡數(shù)據(jù)的聚類算法并根據(jù)船舶的屬性、航運(yùn)市場(chǎng)狀態(tài)以及上述聚類得到的船舶軌跡類型對(duì)船舶未來的行駛軌跡進(jìn)行分類預(yù)測(cè)。本文的研究具體包括如下幾個(gè)方面:(1)針對(duì)海上船舶軌跡的特點(diǎn),提出一種船舶軌跡聚類的算法。首先對(duì)數(shù)據(jù)信息進(jìn)行預(yù)處理,隨后根據(jù)速度的變化對(duì)軌跡...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 研究?jī)?nèi)容和創(chuàng)新點(diǎn)
    1.3 碩士期間主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 軌跡挖掘技術(shù)國內(nèi)外研究現(xiàn)狀
    2.1 軌跡聚類技術(shù)研究現(xiàn)狀
        2.1.1 軌跡聚類技術(shù)概述
        2.1.2 軌跡聚類算法研究現(xiàn)狀
        2.1.3 軌跡聚類問題分析
    2.2 軌跡預(yù)測(cè)模型的研究
        2.2.1 船舶軌跡預(yù)測(cè)研究現(xiàn)狀
        2.2.2 軌跡類型預(yù)測(cè)問題分析
    2.3 本章小結(jié)
第三章 船舶軌跡的預(yù)處理及聚類算法
    3.1 引言
    3.2 問題分析
    3.3 船舶軌跡聚類算法
        3.3.1 基于AIS數(shù)據(jù)的預(yù)處理方法
        3.3.2 船舶軌跡分段算法
        3.3.3 軌跡相似度計(jì)算
        3.3.4 自適應(yīng)的軌跡密度聚類方法
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 實(shí)驗(yàn)分析
    3.5 本章小結(jié)
第四章 船舶軌跡類型預(yù)測(cè)算法
    4.1 引言
    4.2 問題分析
    4.3 改進(jìn)的多分類的Logistic回歸算法
        4.3.1 提高類間的識(shí)別度
        4.3.2 針對(duì)不平衡數(shù)據(jù)的改進(jìn)
    4.4 實(shí)驗(yàn)分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)分析
    4.5 本章小結(jié)
第五章 結(jié)束語
    5.1 論文總結(jié)
    5.2 未來的研究工作
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3829940