论文部分内容阅读
随着世界经济的快速发展,海上交通运输量呈现出大规模增长态势,船舶交通日益繁忙。进而导致重要的海上交通要道、港口水域船舶交通日益拥堵,给船舶的安全航行,港航的建设和海事管理带来了空前的压力。为了保障海上人员及财产安全,保护海洋环境,降低监管人员的劳动强度,利用信息技术感知海上交通态势及发现船舶的异常行为十分必要。船舶轨迹聚类是检测船舶异常行为的基础,论文基于C-OPTICS算法对船舶轨迹进行聚类并检测3种异常船舶行为。主要工作包括:(1)AIS数据的解码和预处理。在介绍AIS信息类型、内容及信息时间更新的基础上,对AIS原始信息的构成和报文结构进行了分析,并对AIS进行了解码,构建了 AIS数据库,设计了清洗AIS数据的方案和筛选方法,保证能获取清洁可用的AIS信息。(2)提出了利用航向约束的C-OPTICS算法进行船舶轨迹聚类的算法。使用欧几里得距离度量轨迹相似性,设计了船舶运动点和搁置点识别算法,提取清洗后的AIS数据中的船舶运动点和搁置点;考虑航向因素,建立了基于C-OPTICS算法的船舶轨迹挖掘流程和实现方法;采用青岛港胶州湾外水域的AIS数据对论文的算法进行了验证,聚类得到了 11个类簇,和实际船舶交通流模式对应,表明本文的方法正确可行,结果可信。(3)船舶轨迹聚类在船舶异常行为检测中的应用。结合电子海图模拟器平台,将船舶轨迹聚类结果作为电子海图模拟器中报警的阈值,对船舶的位置、航向和航速进行检测,当发生行为异常时,能够提供预警,实验表明聚类的结果可以用于船舶异常行为检测。