[发明专利]一种基于多步聚类的拖网渔船行为判别方法

权利要求书

1.一种基于多步聚类的拖网渔船行为判别方法，其特征在于该方法包括如下步骤：

步骤1.建立轨迹点间相似度距离模型；

所述的轨迹点间相似度距离模型，是对两轨迹点间速度距离、角度距离、时间距离以及空间距离的加权和，其中，速度距离为两点间速度差值的平方，角度距离为两点船只航行角度的夹角大小，时间距离为两点之间毫秒时间差值的绝对值，空间距离为两点经纬度差值的平方和；

步骤2.按照时序近邻计算准则计算轨迹点间相似度矩阵；

拖网渔船轨迹数据具有状态一致性，时序近邻计算准则不计算所有任意两点间的相似度距离，而仅计算时间相邻n个点之间的相似度距离，其他距离直接取值无穷大；

步骤3.使用OPTICS算法获得轨迹点有序可达图；

步骤4.使用ξ-steep自动识别簇算法将有序可达图切分得到轨迹子段，实现对轨迹点初步聚类；

拖网渔船状态具有状态一致性，相邻时间段内同一状态的拖网渔船轨迹点的聚集状态明显，其对应的有序可达图具有内部平缓、边缘陡立的特征，利用ξ-steep自动识别簇算法对陡峭边缘点进行识别与切割，从而完成对轨迹子段的切割，实现轨迹点的初步聚类；

所述的ξ-steep自动识别簇算法具体是：

有序可达图中，若点p∈{1,...,n-1}可达距离r(p)与r(p+1)差值的绝对值大于可达距离均值avr_r的ξ倍，则称点p为ξ-steep point，记为Point_x(p)，其中，若前者大则称点p为ξ-down point，若前者小，则称点p+1为ξ-up point；

有序可达图中，所有陡峭点程度大于一定值的点将被记录为ξ-steep point，这些是聚类簇的边界；

稀疏点是聚类簇边缘的可达距离大于一定值的点，稀疏点与密集区内的轨迹点同样具有三种行为状态，需要通过二次聚类实现状态的划分，将稀疏轨迹点按长度为1的轨迹段处理；

其中稀疏点的定义具体为：有序可达图中，若点p∈{1,...,n}的可达距离r(p)大于可达距离均值avr_r的η倍，或者，点p∈{2,...,n}前一个值为ξ-up point且r(p)不小于r(p-1)，则称点p为sparse point，即稀疏点；

在轨迹切割中，按ξ-steep point和sparse point将完整轨迹段切割成轨迹子段，即实现了拖网渔船轨迹子段的切割；

步骤5.计算轨迹子段的速度平均值，使用k-means算法实现轨迹段再次聚类，从而实现轨迹点的状态判别；

切分后的轨迹子段内部状态一致，取轨迹子段内部所有轨迹点的速度平均值，以消除轨迹段内的波动数据影响，使用k-means算法实现对轨迹子段的聚类；

步骤6.对于多步聚类结果，建立Fisher判别模型，实现拖网渔船轨迹点处行为的快速判别。