原文传递
基于AIS的船舶轨迹航路提取方法及系统实现
| 论文题名： | 基于AIS的船舶轨迹航路提取方法及系统实现 |
| 关键词： | 船舶轨迹;航路提取;AIS;WebGIS;数据挖掘 |
| 摘要： | 近年来，海上交通量与环境日益增长且复杂，传统的交通监管越来越不力，船舶自动识别系统借此产生。AIS能实时、高效、便捷的获取船舶轨迹数据，轨迹数据中隐藏着大量海上交通特征，通过数据挖掘即使可以得到潜在的船舶运行信息。 本文充分调研了国内外相关文献，结合海上交通情况和数据挖掘技术，主要构建了轨迹划分模型、轨迹子段聚类模型与基于聚类的轨迹航路提取算法，采用理论研究结合实例测试的方法进行研究，主要工作如下： （1）轨迹子段划分模型的建立。在研究过程中，将垂直距离、水平距离与夹角距离进行同比例加权得到融合距离，采用融合距离对轨迹进行相似性度量，然后采用最小描述距离来找到简洁性与准确性的最佳平衡点，以此进行轨迹划分。 （2）轨迹子段聚类模型的建立。将划分好的轨迹子段以经典的DBSCAN衍生的算法进行聚类，所以在聚类中的??、??????两个参数需要人为确定，因此选用退火算法进行参数值的选取，以达到较为理想的聚类效果。 （3）轨迹航路提取算法。在聚类簇的基础上，运用扫描线算法，使扫描线垂直于轨迹簇的整体走势进行扫描得出中心点坐标，再利用平滑参数平滑获得的轨迹航路。 （4）采用前后端分离思想设计并实现了一个基于轨迹子段聚类的轨迹航路提取webGIS原型系统。系统后端主要采用flask框架，而系统前端页面则以react框架为主，并实现了船舶轨迹聚类过程的地理可视化和表达。 （5）系统实例测试。研究区选取了我国东南沿海部分海域，AIS数据为2020年6月30天的船舶点数据，对该海域船舶轨迹进行聚类与轨迹航路提取分析，在实例中利用退火算法探讨了两个参数的选取，结合实际与研究要求确定参数值，并对聚类和轨迹航路结果进行分析。 结果显示，该模型能够很好的提取船舶轨迹聚类结果，并能提取出较好的船舶行驶的轨迹航路，能为进一步分析与预测船舶运动模式、检测异常行为等奠定了基础。 |
| 作者： | 刘又嘉 |
| 专业： | 地图学与地理信息系统 |
| 导师： | 王方雄 |
| 授予学位： | 硕士 |
| 授予学位单位： | 辽宁师范大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
