[发明专利]一种基于改进K-Means聚类算法的船舶过桥行为特征提取方法

权利要求书

1.一种基于改进K-Means聚类算法的船舶过桥行为特征提取方法，其特征在于，该方法包括以下步骤：

步骤1、获取测试集中桥区大量自由航行船舶的AIS数据；

步骤2、根据获取到的AIS数据，对船舶行为特征参数进行标准化处理；

步骤3、对船舶行为特征参数进行筛选，判断船舶是否为跟驰行为，得到筛选后的独立过桥船舶数据；

步骤4、对独立过桥船舶数据，选取初始聚类数目K0，通过对K-Means算法进行改进得到KM-ISO算法，使用KM-ISO算法对独立过桥船舶数据进行聚类处理，提取船舶速度波动性特征、航向波动性特征以及位置特征；

步骤5、对测试集的过桥行为特征分布进行统计。

2.根据权利要求1所述的基于改进K-Means聚类算法的船舶过桥行为特征提取方法，其特征在于，AIS数据：包括船速极大值、船速极小值、船速均值、船速标准差、加速度极大值、加速度极小值、加速度均值、航向极大值、航向极小值、航向均值、航向标准差、航向变化率极大值、航向变化率极小值、航向变化率均值、船舶长度、船舶宽度、距通航孔中心偏离程度。

3.根据权利要求1所述的基于改进K-Means聚类算法的船舶过桥行为特征提取方法，其特征在于，使用z-score标准化处理船速相关值、加速度相关值和航向相关值；min-max法处理船舶长度、船舶宽度、距通航孔中心偏离程度，将这些船舶特征数据转化为无量纲的纯数值。

4.根据权利要求1所述的基于改进K-Means聚类算法的船舶过桥行为特征提取方法，其特征在于，步骤3的具体方法为：

同个时间点两船距离D小于设定的跟驰距离判定阈值ε_d，位置相对较后的船舶认为是跟驰船舶；ε_d根据不同水域条件进行调整，在开阔水域ε_d的取值大于在内河水域ε_d的取值；船舶跟驰的算法流程如下：

输入：n次航行数据集M＝(m₁，m₂，…，m_n)，跟驰距离判定阈值ε_d，时间差阈值μ_t，距离阈值μ_d；

输出：无跟驰行为数据集D；

(1)i＝1，j＝i+1；

(2)从M中提取两个不同船舶的单次记录m_i，m_j，按时间排序存入表A；

(3)计算表A中相邻的不同船舶的时间差值timeDiff，利用墨卡托算法计算距离dist；

(4)如果timeDiff＜μ_t且dist＜μ_d，则利用插补法统一两船时间点，计算距离dist；

(5)如果dist＜ε_d，则标记后船为跟驰船舶；j＝j+1；

(6)重复步骤(2)至步骤(4)，直至遍历M；

(7)i＝i+1，j＝i+1，重复步骤(2)至步骤(5)，直至遍历M；

(8)将无标记船舶的记录存入D。