[发明专利]一种基于船舶轨迹大数据的港口识别方法

说明书

本发明提供一种基于船舶轨迹大数据的港口识别方法，从传统研究中相对忽视的船舶静止状态识别出发，提出了新型的港口靠泊船舶提取方法，巧妙地滤除了锚泊船舶，并通过大量历史船舶航行信息统计分析优化算法参数，最后利用经典的密度聚类方法实现了对港口位置及范围的自动识别提取。可以识别出传统基于遥感影像无法识别的“潜在的”乃至“偷渡”的停泊码头信息，作为现有港口识别技术的有益补充；进一步，为评估港口活动区域与港口吞吐量、分析船舶行为活动、识别异常船舶目标提供重要基础信息。

技术领域

本发明涉及港口识别技术领域，具体涉及一种基于船舶轨迹大数据的港口识别方法。

背景技术

港口识别方法，传统的研究主要是基于卫星遥感影像(灰度遥感图像、高分辨率遥感图像、SAR遥感图像)通过海陆分割、港口轮廓提取、特征提取等步骤进行识别的。然而，基于卫星遥感影像的港口识别方法无法识别出“偏僻”或“私人”的小港口，而这些反而是异常船舶目标识别应用中最重要的信息。

爆炸式增长的船舶位置数据推动了以空间轨迹数据驱动的港口识别方法。北约(NATO)的海洋研究与实验中心(CMRE)的Giuliana Pallotta等提出了使用增量DBSCAN对静止船舶位置点进行聚类，但该方法仅依靠AIS中航速信息提取航速低于1kn的船舶目标作为静止目标进行分析，无法准确提取静止船舶目标，更无法分离港口与港口外的锚泊地。希腊爱琴大学(University of the Aegean)的Dimitrios Zissis等研究利用船舶AIS数据，通过将KDE算法适配MapReduce框架，实现对一个港口的营运外延区域的识别，研究结果已应用于上海港的分析中。但该方法需要已知港口的位置信息后进行分析。

当前利用船舶轨迹数据识别港口位置信息的研究很少，国内外并没有利用船舶轨迹数据进行港口识别的相关专利。

发明内容

本发明的目的是基于海量的船舶轨迹数据识别水陆交通的枢纽港口，基于船舶行为活动识别出传统基于遥感影像无法识别的“潜在的”乃至“偷渡”的停泊码头信息，同时为了评估港口活动区域与港口吞吐量、分析船舶行为活动、识别异常船舶目标提供重要基础信息。

为了达到上述目的，本发明采用了如下技术方案：

一种基于船舶轨迹大数据的港口识别方法，包括如下步骤：

步骤一、对经过预处理后的船舶轨迹数据集vtraj_i根据不同船舶目标进行遍历，分别计算各位置点的航速与加速度，i＝1，2，…，N；

步骤二、根据船舶轨迹各位置点的加速度快速过滤跳点；

步骤三、利用船舶静止状态识别有限状态机，根据船舶当前航速识别船舶静止状态及其位置信息，生成静止点数据集spoint_j，j＝1，2，…，N；

步骤四、利用船舶静止漂移范围与静止停留时长判别提取靠泊船舶；

步骤五、利用DBSCAN对靠泊船舶进行自动密度聚类；

步骤六、再遍历spoint_j中的其他船舶，根据与其最近的靠泊船舶距离判别其是否位于该港口，j＝1，2，…，K；

步骤七、根据各港口簇内停泊船舶信息输出港口信息harbor_x，x＝1，2，…，M。

所述步骤三中船舶静止状态识别有限状态机具体为：船舶的四种基础运动状态分为航行状态、静止触发状态、静止状态和航行触发状态；

当船舶处于航行状态时，根据船舶位置变化与SOG信息实时监测船舶的航行速度，当航速小于静止航速阈值Sog_static，触发状态转移至静止触发状态，否则船舶保持航行状态；