原文传递
基于AIS的内河航道船舶轨迹分类与应用
| 论文题名： | 基于AIS的内河航道船舶轨迹分类与应用 |
| 关键词： | 内河航道;船舶轨迹;分类算法;船舶自动识别系统 |
| 摘要： | 加快内河水运发展已经成为我国国家战略，建成畅通、高效、平安、绿色的现代化内河水运体系势在必行。而随着内河水运的不断发展，船舶交通量越来越大，通航饱和度逐渐升高，使得内河通航水域海事安全监管面临更大的挑战。船舶自动识别系统(AutomaticIdentificationSystem,AIS)的普及使得航运安全监管的研究拥有了原始数据上的支持，使得对航迹数据的分析成为可能，而对航迹数据进行分析的重要环节之一即是对船舶轨迹信息的分类。但手动标记并分类海量轨迹数据的工作量十分巨大，且考虑到AIS轨迹记录可能会因传输条件或人为因素导致的数据丢失或内容不完整，因此利用有限的轨迹数据信息对其实现自动分类十分必要。故本文提出了一种基于AIS的内河航道船舶轨迹分类算法，主要研究内容如下： （1）提出了一种基于子区域划分的单船单航次AIS轨迹数据提取方法，首先对具有不同运动模式的船舶轨迹的类别进行定义；之后根据船舶MMSI号对每艘船依照记录时间升序的AIS数据进行遍历；最后通过制定轨迹筛选规则，对该船各航次的数据进行起止标记点的判定，并对下一个未标记的轨迹点循环进行上述步骤。实验数据预处理效果表明，该方法可有效地对各类别轨迹进行标记。 （2）提出了两种基于分段三次Hermite插值法的船舶轨迹特征点提取算法，可分别从记录时间上等时距或空间分布上等间距两种角度，对轨迹特征点进行提取以构造轨迹特征矩阵。为了充分利用特征点位置信息，本文还提出了一种基于特征点坐标值之差的特征点航迹向计算方法，以完善轨迹特征矩阵的构建。 （3）构建了一种基于机器学习分类算法的内河航道船舶轨迹分类模型，通过切分轨迹特征矩阵及标签矩阵以构成多组训练集和测试集样本并分别代入反向传播神经网络、支持向量机和宽度学习系统等经典轨迹分类算法中进行交叉验证，完成分类模型的训练及测试，从而实现对船舶AIS轨迹数据的自动分类。 为了验证算法的有效性，本文分别使用了京杭运河淮安段交叉航道以及珠江狮子洋航道AIS轨迹数据进行了轨迹分类实验。结果表明，训练得到的最优轨迹分类模型在测试集上的平均准确率分别可达98.91%和99.45%。此外，针对船舶轨迹分类算法在海事安全监管方面的应用，本文从船舶交通量统计、异常轨迹检测、航线规划等方面结合实验结果进行了可行性分析和验证。 |
| 作者： | 王颢程 |
| 专业： | 交通信息工程及控制 |
| 导师： | 曹玉墀;左毅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
