目前船舶異常行為檢測算法中沒有考慮到單船的操縱模式和船舶間聯(lián)動模式（即避碰行為）的影響,導致檢測出船舶異常行為類型受限。為了解決此問題,本文以船舶行為為研究對象,采用基于軌跡數(shù)據(jù)的船舶行為分析技術和一致性異常檢測的方法,對異常船舶行為檢測問題進行研究。本文主要工作如下:提出了一種基于單向距離和譜聚類的船舶運動模式辨識方法。該方法利用單向距離度量各軌跡之間的相似性,可以獲得軌跡相似度矩陣,采用譜聚類算法以無監(jiān)督方式學習軌跡的空間分布,從而辨識出船舶運動模式。以瓊州海峽實測AIS數(shù)據(jù)為樣本,辨識了進入�？谛阌⒏鄣乃姆N船舶運動模式,計算了各模式內(nèi)及模式之間的距離。結果表明該方法切實有效,能適應用于沿海港口和船舶交通復雜的區(qū)域。該方法具有魯棒性強,能以無監(jiān)督方式自動運行的優(yōu)點。提出了一種從船舶AIS軌跡數(shù)據(jù)中自動辨識單船操縱模式的方法。該方法利用軌跡中相鄰3個軌跡點,根據(jù)船舶操縱規(guī)律和運動學約束條件,構建停留、勻速運動、加速、減速、小幅度左轉、小幅度右轉、大幅度左轉和大幅度右轉等8種船舶操縱模式模型,為進一步檢測船舶異常行為奠定基礎。實驗結果與實際操船意圖相符,表明該方法能有效識別出操縱行為。... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：133 頁

【學位級別】：博士

【部分圖文】：

圖１．１海洋萬物的設計圖??Ｆｉｇ．?１．１?Ｏｃｅａｎ?ｏｆ?Ｔｈｉｎｇｓ?Ｂｌｕｅ?Ｐｒｉｎｔ??

圖１．２船舶異常行為分類??Ｆｉｇ．?１．２?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?Ａｂｎｏｒｍａｌ?Ｂｅｈａｖｉｏｒ?ｏｆ?Ｖｅｓｓｅｌ??［１８］２，

圖１．３船舶異常行為檢測方法分類??Ｆｉｇ．?１．３?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?Ｓｈｉｐ?Ａｂｎｏｎｎａｌ?Ｂｅｈａｖｉｏｒ?Ｄｅｔｅｃｔｉｏｎ?Ｍｅｔｈｏｄｓ??

【參考文獻】：
期刊論文
[1]基于安全態(tài)勢感知在網(wǎng)絡攻擊防御中的具體運用[J]. 李全華.  信息通信. 2018(04)
[2]如何更好實施國家大數(shù)據(jù)戰(zhàn)略研究[J]. 中國國際經(jīng)濟交流中心課題組,張曉強,張影強.  全球化. 2018(01)
[3]基于卷積神經(jīng)網(wǎng)絡與一致性預測器的穩(wěn)健視覺跟蹤[J]. 高琳,王俊峰,范勇,陳念年.  光學學報. 2017(08)
[4]智慧海事:感知船舶“新引擎”[J]. 王海潮.  中國海事. 2016(04)
[5]基于自適應學習的演化聚類算法[J]. 王玲,孫華.  控制與決策. 2016(03)
[6]基于最小描述長度的圖分割變化檢測改進算法[J]. 魏長寶,姚汝賢.  計算機工程. 2015(07)
[7]基于統(tǒng)計學理論的船舶軌跡異常識別[J]. 甄榮,邵哲平,潘家財,趙強.  集美大學學報(自然科學版). 2015(03)
[8]軌跡數(shù)據(jù)可視分析研究[J]. 王祖超,袁曉如.  計算機輔助設計與圖形學學報. 2015(01)
[9]時空軌跡大數(shù)據(jù)模式挖掘研究進展[J]. 吉根林,趙斌.  數(shù)據(jù)采集與處理. 2015(01)
[10]基于Agent的突發(fā)性群體事件人群聚集效應分析[J]. 陳鵬,陳建國,袁宏永.  計算機工程與應用. 2014(24)

博士論文
[1]船舶碰撞危險度及避碰決策模型的研究[D]. 畢修穎.大連海事大學 2000

碩士論文
[1]網(wǎng)絡安全態(tài)勢評估與預測方法的研究[D]. 黃亮亮.蘭州大學 2016
[2]云計算環(huán)境下時空軌跡聚集模式挖掘算法研究[D]. 王敏.南京師范大學 2016
[3]基于AIS信息的港口水域船舶異常行為識別研究[D]. 甄榮.集美大學 2015
[4]基于卡爾曼濾波的船舶航行軌跡異常行為預測算法研究[D]. 邱洪生.河北工業(yè)大學 2012
[5]機動車駕駛員不當駕駛行為特征與判別指標分析[D]. 陶立.清華大學 2012



本文編號：3530643