[发明专利]一种基于北斗卫星传输数据的渔船轨迹异常检测方法

说明书

本发明涉及一种基于北斗卫星传输数据的渔船轨迹异常检测方法。传统的船舶轨迹异常检测算法主要对船舶轨迹的位置信息进行异常检测，而忽视船舶的速度、方向等固有运动属性，本发明在TRAOD算法的基础上将渔船航向、航速等运动特征加入轨迹异常检测，从渔船位置信息和行为特征多个方面对渔船轨迹异常进行检测，并对多个轨迹异常影响因素分别进行建模，计算各个轨迹特征下的渔船轨迹异常趋势分值，提升渔船轨迹异常检测的可靠性和有效性。本发明使用加权累积和的方式实现组件异常趋势分值的组合，该方法能够根据不同组件异常检测的有效性改变组件权重，避免最终异常趋势分值过分依赖某个组件的问题。

技术领域

本发明涉及渔船轨迹异常检测技术领域，更具体而言涉及一种基于北斗卫星传输数据的渔船轨迹异常检测方法。

背景技术

传统的船舶轨迹异常检测方法主要有基于卡尔曼滤波的船舶轨迹异常检测方法、基于轨迹聚类的船舶轨迹异常检测方法等。这些方法是对船舶历史轨迹进行聚类，建立船舶正常轨迹模型，然后计算当前船舶轨迹与正常轨迹模型的距离，并与用户定义的异常阈值比较后判断船舶异常状态。

传统的船舶轨迹异常检测方法在船舶历史轨迹的聚类过程中，需要保证船舶在当前海域的行为模式是一致的。若船舶在海上航行时遵循航道行驶，那么通过船舶轨迹聚类的方式建立船舶正常轨迹模型，然后计算当前船舶轨迹与正常轨迹模型之间的距离实现船舶异常检测能够得到比较好的异常检测效果。但是渔船在海上航行时一般不遵循固定的航道行驶，因为渔船在海上的运行状态与传统船舶不同，传统船舶在海上航行时只有航行状态，而渔船在海上航行时具有航行和作业两种状态。

综上传统的船舶轨迹异常检测方法，存在以下不足：

传统船舶在海上运动过程中一般只有航行状态，而渔船在运动过程中具有航行和捕鱼两种状态，但是传统的轨迹异常检测方法主要通过轨迹位置信息进行轨迹异常检测，因此传统的轨迹异常检测方法无法直接对渔船轨迹进行异常检测。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是在北斗卫星数据传输的基础上，如何实现渔船轨迹异常检测。

(二)技术方案

一种基于北斗卫星传输数据的渔船轨迹异常检测方法，包括以下步骤：

步骤a)、对渔船历史轨迹数据库中的轨迹进行行为识别，挖掘出渔船航行轨迹和作业轨迹，并分别建立渔船行为模型和渔船状态行为模型；

步骤b)、通过北斗卫星接收渔船轨迹数据，截取渔船轨迹快照中最近时刻的轨迹段，对该轨迹段进行轨迹行为识别；

步骤c)、根据渔船轨迹行为识别结果，使用相应的渔船状态行为模型对渔船轨迹状态特征进行异常检测，同时使用TRAOD算法对渔船轨迹位置进行异常检测；

步骤d)、将上述渔船轨迹状态特征异常趋势分值和TRAOD轨迹位置异常趋势分值进行加权累加，与异常阈值进行比较,最终判断渔船状态。

本发明中，由于渔船异常轨迹在轨迹数据中十分少见，要识别某条渔船的运动行为是否异常是一个比较困难的问题。所以本发明假设每条渔船都有一个异常趋势分值，本发明要做的工作就是计算每条渔船的异常趋势分值，依靠渔船的异常趋势分值定义渔船的异常状态。

其中，所述步骤a)中：

在取得渔船航行轨迹和作业轨迹之后，需要获得轨迹的瞬时角加速度、平均角加速度、瞬时航速、平均航速和加速度五个状态特征，并对这些状态特征分别建模，作为渔船状态行为模型的五个独立组件；