基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤，一是压缩 AIS 数据，二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法，只考虑船舶轨迹的压缩形状，忽视了船舶航行中其他重要信息。为解决此问题，把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面，传统谱聚类方法只对船舶轨迹的位置进行相似性度量，没有考虑船舶轨迹的其他维度，针对此问题，提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量，引入Calinski-Harabasz指标评价谱聚类算法，实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究，并与传统谱聚类算法做比较实验。实验结果表明，利用该方法提取到的典型轨迹符合真实水域的交通情况，相较于传统谱聚类方法具有更高的聚类质量。     

船舶AIS大数据资源管理及分析应用架构设计

为充分探索船舶自动识别系统大数据在统计决策和安全监管方面的应用价值,系统性地提出了船舶AIS大数据资源管理与分析应用架构。首先,根据船舶AIS大数据特点,设计了船舶AIS大数据处理流程和存储策略,为后续高效计算提供支撑;然后,提出并实现了基于船舶AIS大数据的船舶轨迹重建算法、断面船舶流量统计算法、船舶进出港区识别算法、船舶航行状态分析算法四种基础算法;最后,基于上述计算方法,将船舶AIS大数据应用于断面流量统计、船舶规范使用船载AIS设备行为监控以及船舶规范执行进出港报告情况监控等场景,结果表明船舶AIS数据在统计决策和安全监管方面具有一定的应用价值。     

基于单向距离的谱聚类船舶运动模式辨识

利用海事大数据辨识船舶运动模式,能够发现高级别情景意识,提高海事监管技术的效率。提出了一种基于单向距离的谱聚类船舶运动模式辨识方法,充分利用单向距离抗干扰特点,构建了基于单向距离的轨迹相似性度量,得到了轨迹相似度矩阵;以无监督学习方式采用谱聚类算法学习轨迹的空间分布,获取船舶的正常运动模式;以琼州海峡实测AIS数据为样本,研究了进入海口秀英港的船舶运动模式,并分别统计了各模式内及模式之间的距离,获取的4种船舶运动模式与实际相符。实验结果表明:该方法聚类精度高,可以适用于沿海港口、狭水道和船舶交通复杂的区域的船舶运动模式辨识。     

船舶异常行为的一致性检测算法

为了准确检测船舶的操纵异常行为和降低异常行为误报警率,提出了船舶异常行为的一致性检测算法;在船舶轨迹点中引入能够体现操纵模式的特征,以转向行为与变速行为度量了操纵行为相似性;将空间位置相似性与操纵行为相似性进行组合,定义了船舶综合行为相似性,计算了单个轨迹点与训练轨迹序列中的最近邻特征点,构建了一致性检测的样本序列;为克服样本重叠的类分布情形,改进了一致性检测算法的奇异值度量,并用综合行为相似性计算样本间的非一致性得分,利用单个轨迹点的随机性检验值判断该轨迹点与样本序列的分布一致性;以琼州海峡实测AIS数据作为正常数据,以计算机模拟随机产生异常轨迹和人工自定义操纵异常行为作为异常数据,分别进行异常检测试验。试验结果表明:随机产生的异常轨迹检测正确率为100%,但是轨迹评价集中有一部分正常轨迹被错误划分成异常轨迹,在指定置信度水平分别为99.0%和99.7%的情形下,误报警率分别为0.6%和0.2%,分别低于显著性水平0.01和0.003,因此,利用一致性检测算法能有效检测计算机产生的随机异常轨迹,并可通过指定显著性水平严格控制检测误报警率,能有效检测人工自定义的船舶变速与转向异常行为,而且检测结果能随船舶行为改变而变化。     

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

基于AIS数据的船舶安全航行水深参考图

通过挖掘海量AIS数据, 提出了一种新的航道水深信息获取方法, 即构建船舶安全航行水深参考图; 采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补, 生成船舶运动轨迹; 选定船舶航行区域的时间与经纬度, 采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析, 得到不同安全航行区域的船舶分类, 运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息; 分割船舶历史轨迹, 当子轨迹的时间间隔在10~20min时, 采用Spline插值方法对船舶轨迹中的丢失数据进行插值; 采用凸包构建同类船舶的安全航行水深区域图, 将不同吃水类型船舶的安全航行水深区域图合并, 得到船舶安全航行水深合并图; 将不同吃水类型的船舶安全航行水深合并图与航道图叠加, 得到船舶安全航行水深参考图。试验结果表明: 当聚类算法参数设置为4时, 聚类后得到4类船舶, 对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m, 对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m, 说明船舶最大吃水与至少可通航船舶吃水呈正相关关系; 构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道, 并与航道图的深水部分重合率为80%, 因此, 构建的船舶安全航行水深参考图能反映航道水深的真实情况, 满足不同类别船舶的导航需求。      

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问题。为解决该问题,在BP神经网络基础上,引入双三角函数变换,同时将正弦值与余弦值纳入模型,将两者相结合,从两维度体现航艏向情况;在拟合预测后进行反三角函数变换和平均处理,构建一种基于改进神经网络算法的船舶AIS轨迹预测模型。选取实例数据进行模型验证,实例结果表明,该模型预测结果比不考虑差异方法的误差均方差更小,大幅降低误差幅度,可更精确地预测船舶轨迹。     

基于轨迹压缩的航空器飞行轨迹聚类研究

为准确掌握终端区航空器飞行模式,有效评估、优化飞行程序,首先,针对飞行轨迹点的时空特性,提出基于时间比的自上向下算法压缩轨迹;其次,结合轨迹点的速度和航向特征,建立基于多维属性特征的轨迹相似性模型;最后,应用禁忌粒子群(TSPSO)算法改进和优化模糊C-均值聚类(FCM)算法,并结合终端区的真实飞行轨迹数据对改进聚类算法进行验证.结果表明:轨迹压缩技术极大地降低了计算开销;与传统的FCM算法相比,改进后的聚类算法可以得到更优的满意解,提高飞行轨迹聚类效果.     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于AHP和模糊评价的船舶异常行为研判

商船和绝大部分大中型渔船都安装船载AIS、北斗卫星定位和通信终端,产生大量船舶航行数据,主要包括航行速度、轨迹、位置等参数,这为研究船舶异常行为研判提供可能性.从运动异常、位置异常、AIS设备异常和其他参数异常四个角度考虑,构建船舶异常行为评价指标体系,运用层次分析法(AHP)获得各个层次指标的权重系数,应用模糊综合评价法对船舶异常行为进行建模,实现对船舶异常行为评估.还开发了软件系统,对专家和评分进行管理,设计计算方法,计算权重和评价结果.还以船舶航行数据为依据,构建船舶走私研判模型,对船舶走私可能性进行评估分析.基于船舶航行过程数据,对船舶异常行为进行预判,对于船舶运行安全管理,打击非法作业、走私等具有重要意义.     

基于朴素贝叶斯算法的船舶异常行为监测

随着海事事故与海上违法行为的不断增多,智能的监控方法成为降低海事事故,打击海上违法行为的有效手段.同时,船舶自动识别系统(Automatic Identification System,AIS)的普及及船舶交通管理系统(Vessel Traffic Service,VTS)的扩建,又为智能监控提供了数据支持.鉴于此,利用船舶自动识别系统提供的数据,分析通航水域船舶信息的分布情况,根据其概率分布采用朴素贝叶斯算法,从船舶航速、航向及距航道边界距离3个方面,构建船舶异常行为检测模型.最后,以成山角通航水域为例,检验模型的有效性.实验结果表明,构建的模型能够有效地完成异常行为监测,减少海事监管人员的工作强度,同时根据实验结果分析了成山角水域船舶航行的特点,并对成山角定线制提出合理化建议.     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

考虑船舶封存与压港的电煤船舶调度优化模型

针对中国电煤水运系统的实际特点, 综合考虑了船舶封存与港口拥堵(压港)因素, 建立了混合整数规划优化模型, 对电煤船舶调度方案进行优化; 基于运输需求的硬时间窗、卸货港船舶排队等待时间与水路-铁路运输协同三因素之间的互动关系, 以运输系统总成本最小为目标, 协同优化水、铁电煤运输的货运分担率、水路运输任务指派和相应的船舶调度与封存/启用方案; 基于改进列生成算法, 提出了一种可精确求解实际规模电煤船舶调度问题的列生成算法, 利用Gurobi求解列生成的主模型, 使用动态规划标号法求解列生成的子模型; 利用中国南部某火力发电集团的实际数据, 对提出的算法进行了算例分析。计算结果表明: 在中等规模的算例中, 使用提出的改进算法获得最优解仅需73.61 s, 相比于使用基于运输任务运量排序的启发式求解方法(PHA), 求解效率提高了18.1%;在较大规模的算例中, 使用提出算法的计算时间仅为222.02 s, 同比PHA, 计算效率提高了19.1%;通过求解一个实际的调度问题可以发现, 利用提出的优化模型和算法能有效缩短船舶在卸货港的等待时长与船舶处于启用状态的时长, 使运输总成本下降17.13%, 实现了电煤稳定运输, 提升了企业运营效率, 降低了运营成本。      

珠江口水域船舶避碰网的构想

针对船舶在珠江口水域航行时面临的复杂环境,提出以建立珠江口水域船舶避碰网来监控船舶安全航行的构想.探讨了建立珠江口水域船舶避碰网的重要性和可行性,提出了珠江口水域避碰网的体系结构,讨论了避碰网中存在的6种通信关系.     

雷电信号对船舶轴频电场检测算法影响的研究

针对现有船舶轴频电场检测均未考虑雷电信号对其影响,实测了因雷电引起的1～10Hz频段内的水下电场信号,总结了该信号的特征,并分析了其对船舶轴频电场检测算法的影响.提出通过调整轴频电场检测算法中数据窗时间长度、滑动数据窗的时间间隔和特征值大于门限值的持续时间来消除雷电信号对船舶轴频电场检测算法的影响.通过对实测船舶轴频电场和雷电信号的验证表明,该方法行之有效.