原文传递
基于多源异构数据的船舶轨迹预测方法研究
| 论文题名： | 基于多源异构数据的船舶轨迹预测方法研究 |
| 关键词： | 船舶轨迹预测;多源异构数据;时空索引;隐马尔可夫模型;数据集成 |
| 摘要： | 随着海上贸易的繁荣，船舶交通密度逐渐增加，港口水域愈加拥挤，船舶交通安全问题愈加突出。为了更好的实现海上通航监管，船舶轨迹预测成为了领域研究的热点。目前，已有的研究大多是基于AIS数据进行船舶轨迹预测，也有较少的研究考虑了AIS和雷达图像数据，但预测时间范围都在秒级，已经很难适应日益复杂的海上交通态势。因此，为实现港口水域船舶相对较长时间轨迹预测，本文提出了基于多源异构船舶航行数据的船舶轨迹预测方法。首先构建了分布式船舶轨迹数据库，并基于数据集成理论实现多源异构船舶航行数据的集成；在此基础上设计了船舶轨迹状态挖掘算法，利用船舶轨迹状态挖掘结果实现船舶轨迹预测模型的构建，然后基于加法维特比算法实现预测结果的求解；最后以青岛港的船舶航运数据对预测算法进行验证，实验结果表明本文所提船舶轨迹预测模型能实现对船舶相对较长时间范围内轨迹的预测，且预测结果具有较好的可解释性，预测方法具有较强的适用性。本研究创新点总结如下： （1）提出了一种动态路由守卫的船舶轨迹提取框架，用于提高船舶轨迹高并发场景下的读写效率。基于Redis缓存设计了船舶轨迹划分算法，支持可插拔式的轨迹划分规则。结合ZSET数据结构实现船舶轨迹段高效缓存，实现了船舶轨迹内存化计算，提高了轨迹计算分析效率。 （2）构建了一种基于MongoDB的分布式船舶航行数据库，实现了船舶轨迹数据存储与多源异构海事数据的集成。根据数据完整性原则设计了多源异构数据（AIS、船舶档案、矢量电子海图及水文气象数据）集成方法，然后在MongoDB基础上设计时空索引并构建了分布式船舶航行数据库，为后续预测模型构建提供数据分析基础。 （3）设计了一种基于隐马尔可夫模型（HiddenMarkovModel，HMM）的船舶轨迹预测模型，实现了相对较长时间范围内船舶轨迹预测。首先设计了一种基于船舶轨迹缓存的增量式状态挖掘算法，实现船舶轨迹状态集构建并建立基于HMM的船舶轨迹预测模型，然后基于加法维特比算法实现轨迹预测，最后利用青岛港口多源异构船舶航行数据对船舶轨迹进行了模型验证。 |
| 作者： | 史建刚 |
| 专业： | 交通运输工程 |
| 导师： | 张新宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
