原文传递
基于船舶数据的轨迹挖掘方法及框架构建
| 论文题名： | 基于船舶数据的轨迹挖掘方法及框架构建 |
| 关键词： | 海事监管;报文解析;流式计算;轨迹挖掘 |
| 摘要： | 在当今全球经济飞速发展的背景之下，国际间的贸易往来日益增加，海上交通也愈发复杂。海洋中船舶数量的增加以及水域交通越发的复杂，海事部门对于船舶的监管的力度也随之更加严格，因此加强海上交通的管理变得十分的重要。 本文将数量庞大的AIS海事数据进行解析和存储，并通过挖掘和分析大量的数据，获得特定海域内的船舶运动密集区域，为未来的海上航道构建、船舶路径规划提供辅助的依据与帮助，并通过AIS数据识别可能存在异常行为的船舶，进而提升海事监管能力与效率。 论文通过分析国内外轨迹聚类、轨迹相似度判别等方向的发展现状，发掘目前AIS报文应用以及聚类模型可以优化的方向，结合现有主流大数据和机器学习的技术进行改良。基于流式计算技术提出新型的AIS报文解析框架，并通过实验进行验证，为后续实验提供数据支持。针对聚类模型优化问题，本文对于密度聚类参数设定问题进行研究，提出一种参数自适应的方法，避免了工作人员过多人为干预模型参数设定的问题。通过改进的轨迹压缩算法提高聚类框架整体的性能，并通过聚类实验分析挖掘特定海域内船舶运动密集区域，并进行船舶数据异常甄别，对于可能存在异常行为的船舶数据进行记录，对于海事监管以及主航道规划进行数据支持。 |
| 作者： | 张炜林 |
| 专业： | 船舶与海洋工程 |
| 导师： | 崔建辉;姚高乐 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
