[发明专利]一种基于无监督聚类的船舶历史航迹规律提取方法

说明书

一种基于无监督聚类的船舶历史航迹规律提取方法。本发明属于一种船舶历史航迹规律提取；本发明将聚类的结果提供给海域网格划分和相关统计计算，实现剔除噪声航迹，航迹预分类的目的，提高最终的航迹异常检测精度。该方法首先通过航迹抽稀算法对航迹点进行压缩，然后使用基于密度的带噪声空间聚类算法(DBSCAN)对航迹线段进行聚类，一方面剔除离群的异常航迹线段，另一方将位置、航向、速度等相似的航迹线段合并为一类，实现航路的分离。最终形成去噪和聚合的航迹簇，用于后续的海域网格划分。本发明解决了海域网格训练中不能区分航路和交错航道互相影响统计结果的问题，提高了异常检测的精度。

技术领域

本发明属于一种船舶历史航迹规律提取，特别是涉及一种基于无监督聚类的船舶历史航迹规律提取方法。

背景技术

船舶交通管理系统，Vessel Traffic System，是用于管理船舶交通、保障船舶安全航行的信息管理系统。随着人类商业生产活动的增加，进行水面作业航行的船舶数量越来越多，如何针对越来越多的水面船舶利用VTS系统进行有效服务与监管，是各类海事部门面临的问题。VTS系统每天将积累大量的船舶航迹信息，以烟台为例2017年每个月的AIS报文有上亿条之多，从大量船舶信息中寻找异常船舶行为费事费力，无法做到高效、及时、准确的监控，因此通过计算机进船舶异常行为识别成为当前一个重点研究课题。

目前已有的研究主要是基于统计的海域网格训练。其基本原理是将监测海域划分为大量网格区域，将航向离散化为8个方向，速度离散化为4个级别后统计每一个网格中的航迹点的数量、航向比例、速度比例，并设置数量和比例阈值，以此来判断航迹点的异常。举例来说，经度维度分别按0.2度为界，将目标海域划分成网格，实时航迹点落在的网格中，历史航迹点落于该网格的点数在所有网格的历史航迹点数按从多到少排序后位于后4％，且预先定义的异常阈值为5％，则该航迹点为位置异常。航向异常、速度异常也是采用类似的判断方式。

采用这种基于统计的海域网格训练方法，可以在一定程度上学习历史航迹的规律，但存在两个问题：1)该方法统计的是所有船舶的航迹信息，其中必然存在不同船舶类型，不同航路的船舶航迹点位于同一区域的情况，但这些船舶的航迹规律应该是不同的，如果统一计算，彼此之间会互相影响统计结果，最终影响检测精度；2)单独统计网格内的航迹点割裂了航迹线段的相关性，比如有两条互相交错的航迹，在相交的位置航迹点的数量会明显高于其他位置的数量，如果存在多条航迹相交的情况，此时按网格点数排序计算异常的方式会存在误报的风险。

本发明提出一种基于无监督聚类的航迹规律提取方法来进行船舶历史航迹的聚类处理，将聚类的结果提供给海域网格划分和相关统计计算，实现剔除噪声航迹，航迹预分类的目的，提高最终的航迹异常检测精度。该方法首先通过航迹抽稀算法对航迹点进行压缩，然后使用基于密度的带噪声空间聚类算法(DBSCAN)对航迹线段进行聚类，一方面剔除离群的异常航迹线段，另一方将位置、航向、速度等相似的航迹线段合并为一类，实现航路的分离。最终形成去噪和聚合的航迹簇，用于后续的海域网格划分。本发明解决了海域网格训练中不能区分航路和交错航道互相影响统计结果的问题，提高了异常检测的精度。

发明内容

针对上述问题，本发明提供一种基于无监督聚类的船舶历史航迹规律提取方法；防止剔除过多有效航迹，进行一次聚类后，通过设置较为宽松的领域范围和最小领域线段数量，将上一次聚类后的噪声再次进行聚类，最后无法聚合的线段予以剔除，从而形成最终的航迹簇，作为海域网格训练的输入进行统计训练。

本发明的技术方案是：一种基于无监督聚类的船舶历史航迹规律提取方法其操作步骤如下；

步骤1、获取雷达和AIS航迹点数据，航迹预处理，形成航迹线段集合，

步骤2、线段结构距离的计算，

步骤3、航迹线段聚类，

步骤4、从步骤1得到的航迹线段集合中剔除噪声线段，并根据航迹线段类簇进行后续的海域网格训练统计处理。