[发明专利]一种基于时空分解的船舶轨迹异常检测方法

权利要求书

1.一种基于时空分解的船舶轨迹异常检测方法，其特征在于，包括以下步骤：

步骤一：获取AIS数据并预处理；

步骤二：对要进行船舶轨迹异常检测的区域进行区域划分；

步骤三：构建船舶轨迹时空矩阵；

步骤四：对船舶轨迹时空矩阵进行分解，获取作为船舶轨迹异常检测的区域的参考时空矩阵；

步骤五：船舶轨迹异常检测；基于步骤四中得到的参考时空矩阵，对所需检测的船舶进行异常轨迹判断；

步骤一中所述的AIS数据从船舶实际航行中获取，首先利用AIS解码算法对原始AIS数据进行解析，然后提取所需的AIS数据，包括船舶IMO号、船舶航行速度、时间、船舶经度、船舶纬度，再对数据进行预处理，预处理的步骤包括数据清洗和轨迹缺失数据补全；

步骤二中所述的对要进行船舶轨迹异常检测的区域进行区域划分，具体步骤为：首先将要进行船舶轨迹异常检测的区域作为研究区域，得到研究区域的经纬度范围，将研究区域划分为栅格，并对栅格依次进行编号，然后得到N个栅格编号，其中，N为栅格的总数；再将船舶轨迹与研究区域进行匹配，在对应时刻，船舶的空间位置用船舶所在栅格表示；

步骤三中所述的构建船舶轨迹时空矩阵，具体步骤为：

首先以船舶进入研究区域的时刻为开始时刻，然后取船舶在研究区域航行的前M分钟作为船舶研究的时间范围；以每分钟开始时刻作为一个时间节点，则得到M个时刻；然后再将船舶在每个时刻的所在栅格使用一个1*N维的空间向量F表示：

F＝[0 … 1 … 0]

式中，当船舶在第n个栅格时，空间向量的第n个值为1，其余值为0；

由于共有M个时间段，则一条船舶轨迹被构建为一个M*N的时空矩阵k:

式中，k_mn为1时，表示在航行时间的第m个时刻，船舶处在第n个栅格的范围内；

最后将所有船舶的时空矩阵进行累加，则构成了一个包含所有船舶轨迹信息的M*N维的船舶轨迹时空矩阵K，时空矩阵K中的每一个值表示在航行时间对应的时刻，处在对应栅格范围内的船舶数量。

2.根据权利要求1所述的一种基于时空分解的船舶轨迹异常检测方法，其特征在于，步骤四中所述的船舶轨迹时空矩阵分解，具体步骤为：

对步骤三得到船舶轨迹时空矩阵K进行降维处理，从而提取出常见的船舶时空模式；采用奇异值分解对船舶轨迹时空矩阵进行降维，公式如下：

式中，K是M*N的时空矩阵，它的秩为R，U是M*R的矩阵，u_p为矩阵U的第p列，Σ为对角矩阵，σ_p为对角矩阵中的第p个元素，即奇异值，V是N*R的矩阵，v_p为矩阵V的第p列，V^T是矩阵V转置矩阵，u_pv_p^T为M*N的矩阵，其秩为1；

奇异值分解中的矩阵U和V满足如下条件：

UU^T＝E

VV^T＝E

式中，E为单位矩阵；

而奇异值σ_p则表示对应的u_pv_p^T矩阵在时空矩阵K中的占比，奇异值越大，表示对应矩阵在时空矩阵中权重越大；同时，奇异值由大到小依次排列，即σ₁≥σ₂≥…≥σ_R；奇异值的公式如下：

式中，θ_p为K^TK的第p个最大特征值；

通过奇异值分解，将船舶轨迹数据的时空矩阵分解为了R个秩为1的矩阵，每个矩阵为M*N维的u_pv_p^T矩阵，分别代表了一种船舶轨迹的时空模式；每个矩阵中的行向量代表了该种船舶轨迹的时空模式下的空间分布，而列向量则表示对应模式下的时间分布；最后，取分解后的前r(1≤r≤R)个矩阵作为船舶轨迹异常检测的参考时空矩阵。

3.根据权利要求2所述的一种基于时空分解的船舶轨迹异常检测方法，其特征在于，步骤五中所述的基于步骤四中得到的参考时空矩阵，对所需检测的船舶进行异常轨迹判断，具体步骤为：

先将所需检测的船舶轨迹转化为步骤三中的时空矩阵，得到矩阵δ，矩阵δ包含了船舶随着时间变化的空间分布信息；

然后计算该矩阵δ与步骤四中得到的r个参考时空矩阵的相似度，矩阵相似度度量的公式如下：

式中，S_q表示矩阵δ与第q个参考时空矩阵的相似度，x_ij表示矩阵δ中的第i行第j列的值，y_qij表示第q个参考时空矩阵中的第i行第j列的值；

按参考时空矩阵的权重大小依次计算矩阵δ与r个参考时空矩阵的相似度，当矩阵δ与某一个参考时空矩阵的相似度≥α(0α1)时，则停止矩阵相似度计算，其中α为轨迹异常阈值；当该船舶轨迹的时空模式与某一类正常船舶轨迹相似时，即矩阵相似度大于等于α，此时，判断该矩阵代表的船舶轨迹为正常船舶轨迹；当该船舶轨迹的时空模式与所有正常船舶轨迹不相似时，即所有矩阵相似度均小于α，则说明该船舶轨迹存在异常。