[发明专利]船舶行为变化及异常识别方法、设备及介质

说明书

本发明公开了一种船舶行为变化及异常识别方法、设备及介质，该方法包括：获取船舶运动区域，根据船舶运动区域确定空间分辨率；获取船舶的运行数据和环境数据；根据船舶运动区域，以空间分辨率的像元作为单位，在每一时间间隔选取轨迹点，以轨迹点绘制船舶的运行轨迹曲线；在运行轨迹曲线上，根据运行数据和环境数据对轨迹点进行赋值，绘制时空环境地图；对时空环境地图按照赋值变化进行分段，以获取环境变化点集合；在经过处理后的运行轨迹曲线上，获取大于阈值的变化点，以变化点构建异常位置点集合；计算环境变化点集合与异常位置点集合的变化临近度；对变化临近度进行划分，得到轨迹变化点和轨迹异常点，本发明能提高船舶异常的识别准确率。

技术领域

本发明属于技术领域，具体涉及一种船舶行为变化及异常识别方法、设备及介质。

背景技术

目前，对船舶异常进行识别受到广泛关注，在现有技术中，船舶的异常分析主要是通过轨迹聚类分析，大多使用DBSCAN算法或改进DBSCAN算法的进行轨迹聚类算法(DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)是一种很典型的密度聚类算法)。

但轨迹聚类算法具有以下缺点：该算法仅仅对轨迹分析需要对轨迹进行分段、分类，而目前这些分段、分类的方法比较粗糙，难以精细化，使得聚类的结果存在很多错误，精确性差。而且目前的行为及异常大多是对轨迹的，没有对轨迹细节进行分析，包括轨迹方向、速度和位置等的变化，无法对轨迹蕴含的信息进行深入的揭示。而且缺乏轨迹与所在的时空环境进行分析，没有考虑环境导致的船舶行为变化的影响，使得一些异常识别是不正确的。

发明内容

为了克服上述技术缺陷，本发明提供了一种船舶行为变化及异常识别方法、设备及介质，其能提高船舶异常的识别准确率。

为了解决上述问题，本发明按以下技术方案予以实现的：

一种船舶行为变化及异常识别方法，包括步骤：

获取船舶运动区域，根据所述船舶运动区域确定空间分辨率；

获取船舶的运行数据和环境数据；

根据所述船舶运动区域，以所述空间分辨率的像元作为单位，在每一时间间隔选取轨迹点，以所述轨迹点绘制船舶的运行轨迹曲线；

在所述运行轨迹曲线上，根据所述运行数据和所述环境数据对所述轨迹点进行赋值，绘制时空环境地图；

对所述时空环境地图按照赋值变化进行分段，以获取环境变化点集合；

在经过处理后的运行轨迹曲线上，获取大于阈值的变化点，以所述变化点构建异常位置点集合；

计算环境变化点集合与所述异常位置点集合的变化临近度；

对所述变化临近度进行划分，得到轨迹变化点和轨迹异常点。

作为本发明的进一步改进，所述获取船舶运动区域，根据所述船舶运动区域确定空间分辨率的步骤，包括步骤：

获取船舶的港口区域和船舶的航线区域，所述港口区域和所述船舶的航线区域构成所述船舶运动区域；

根据所述船舶运动区域的尺度确定所述空间分辨率。

作为本发明的进一步改进，所述获取船舶的运行数据和环境数据的步骤中，所述运行数据包括：经度数据、纬度数据、方向数据、速度数据和时间数据；所述环境数据包括：洋流数据、风速数据、水深数据和船舶密度数据。

作为本发明的进一步改进，所述在所述船舶运行轨迹图上，根据所述运行数据和所述环境数据对所述船舶运行轨迹图进行赋值，绘制时空环境地图的步骤，包括如下步骤：