[发明专利]一种船舶AIS轨迹混合聚类方法及系统

权利要求书

1.一种船舶AIS轨迹混合聚类系统，其特征在于，该系统包括：船舶AIS数据重构模块、船舶轨迹初步聚类模块、船舶子轨迹类二次聚类模块；

所述船舶AIS数据重构模块用于针对历史AIS数据，根据MMSI的差异识别不同船舶，根据时间戳的间隔判断AIS数据连续性从而判断同一船舶不同轨迹段，通过数据排序和分割的方法，获取历史船舶轨迹数据；

所述船舶轨迹初步聚类模块基于船舶轨迹起点和终点的差异，通过绘制船舶原始轨迹明确所有船舶轨迹起点和终点分布，确定轨迹类别数目，结合K-Means算法对空间点集聚类的优势，实现船舶轨迹初步聚类；

所述船舶子轨迹类二次聚类模块基于K-Means聚类获得子类轨迹，分析子类船舶轨迹之间的特征差异，在对轨迹相异度计算模型进行筛选的基础上，构建综合相异度计算模型，通过k个最近邻的距离特征确定DBSCAN算法中参数ε和MinLns的值，借助DBSCAN的算法对密度集中的数据聚类能力和异常数据的识别能力，实现对子轨迹类的聚类。

2.一种用上述的船舶AIS轨迹混合聚类系统进行船舶轨迹混合聚类方法，其特征在于，该方法包括如下步骤：

S1.系统接收历史AIS数据，并对其进行数据处理后获得待分类轨迹D＝{x₁,x₂,...,x_m}；

S2.对步骤S1中得到的待分类轨迹D＝{x₁,x₂,...,x_m}进行K-Means初步聚类得到轨迹C＝{c¹,c²,...,c^L}；

S3.对C＝{c¹,c²,...,c^L}中每一个子轨迹类c^j采用不同的参数对进行DBSCNA聚类，根据DBSCAN聚类结果e^j＝{e₁,e₂,...,e_p}，结合聚类评估模型，计算各对参数下聚类结果的评估值，选择最优评估的DBSCAN聚类结果作为子轨迹类c^j的轨迹划分。

3.根据权利要求2所述的船舶AIS轨迹混合聚类系统进行船舶轨迹混合聚类方法，其特征在于，步骤S1的具体方法包括：

S11.系统接收历史AIS数据，首先对数据根据MMSI进行排序，根据前后行的MMSI差值是否为0判断是否为同一条船舶，从差值不为0处进行分割，获取不同船舶的数据；

S12、对不同船舶数据再根据时间戳进行排序，计算前后行数据的时间戳差值，并对差值进行统计，以时间间隔值占比小于0.05的最大时间间隔确定同一船舶不同轨迹段的划分值，完成所有不连续的轨迹划分，获得待分类轨迹D＝{x₁,x₂,...,x_m}。