[发明专利]一种基于时空分解的船舶轨迹异常检测方法

说明书

本发明公开了一种基于时空分解的船舶轨迹异常检测方法，属于水运交通领域，包括以下步骤：获取AIS数据并预处理；对要进行船舶轨迹异常检测的区域进行区域划分；构建船舶轨迹时空矩阵；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参考时空矩阵；船舶轨迹异常检测；基于参考时空矩阵，对所需检测的船舶进行异常轨迹判断。本发明依据船舶轨迹构建船舶轨迹时空矩阵，从而将船舶轨迹的时空多维信息完整保留，同时，利用奇异值分解对船舶轨迹时空矩阵进行降维，在保留完整信息的同时极大降低了运算难度，更适用于同时对大量船舶轨迹的异常检测。本发明有助于交通管理部门快速掌握船舶轨迹异常信息，便于及时处置应对海上异常状况。

技术领域

本发明属于水运交通领域，具体涉及一种基于时空分解的船舶轨迹异常检测方法。

背景技术

近年来，随着全球经济的发展，国际与国内贸易日益增长，海运作为主要的运输方式也承担了较大的运输任务，而船舶的数量也随之不断增长，船舶种类更加丰富。但大量船舶的航行也使得航道更加拥堵和密集，特别是在一些狭窄的河道，这增加了船舶碰撞、搁浅等一系列船舶海上安全问题。因此，如何快速、准确地在大量船舶轨迹中准确识别出异常的船舶对于海上交通安全管理有着重要的意义。

当前关于船舶轨迹异常检测的研究较少，主要利用分类或聚类方法，依据历史船舶的空间轨迹数据，实现对异常船舶轨迹的检测。但这些方法主要考虑了船舶的二维空间轨迹信息，而没有将完整的多维时空信息完全包含，这可能会影响船舶异常轨迹检测的准确性。船舶轨迹包含了多维信息，检测方法所使用的信息越多，对于船舶异常轨迹检测的准确性就越高。

针对上述问题，提出了基于时空分解的船舶轨迹异常检测方法。该方法将研究区域进行划分，然后将船舶轨迹构建为船舶轨迹时空矩阵，并在此基础上，利用奇异值分解对船舶轨迹时空矩阵进行降维，最终实现船舶异常轨迹的检测。该方法包含了船舶更为完整的时空信息，同时，将船舶轨迹转化为时空矩阵，极大降低了运算难度，更适用于同时对大量船舶轨迹的检测。

发明内容

本发明要解决的技术问题是：克服上述现有技术的不足，提出一种船舶轨迹异常检测方法。

本发明的技术方案为：

一种基于时空分解的船舶轨迹异常检测方法，包括以下步骤：

步骤一：获取AIS数据并预处理；

本步骤中的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、船舶纬度等。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：区域划分

对要进行船舶轨迹异常检测的区域进行区域划分。首先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，船舶的空间位置可以用船舶所在栅格表示。

步骤三：构建船舶轨迹时空矩阵

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，则可以得到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维的空间向量表示：

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，则一条船舶轨迹可以被构建为一个M*N的时空矩阵:

式中，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。