基于船舶轨迹挖掘的海上航路网络构建方法.pdf
《基于船舶轨迹挖掘的海上航路网络构建方法.pdf》由会员分享,可在线阅读,更多相关《基于船舶轨迹挖掘的海上航路网络构建方法.pdf(11页珍藏版)》请在咨信网上搜索。
1、基于船舶轨迹挖掘的海上航路网络构建方法*项迪1,2黄亮1,3,周春辉2文元桥1,3黄亚敏1戴红良4(1.武汉理工大学水路交通控制全国重点实验室武汉 430063;2.武汉理工大学航运学院武汉 430063;3.武汉理工大学三亚科教创新园海南 三亚 572000;4.浙江省交通运输科学研究院杭州 310039)摘要:海上航路网络是船舶海上交通活动特征的时空表征,也是船舶航路规划、行为辨识、轨迹预测的重要基础。海量的船舶历史轨迹数据为自动提取海上航路网络提供了基础数据,但受轨迹数据噪声和密度分布不均匀的影响,传统航路网络自动提取方法存在网络节点识别准确性差、网络边连接错误率高等问题。针对上述问题,
2、研究了1种基于船舶轨迹时空特征挖掘的海上航路网络自动构建方法。定义了海上航路网络的3种航路点类型,即停留点、出入点和航路转向点,设计了基于轨迹时空特征的航路点提取方法;提出了基于累计转向特征的航路转向点过滤策略,可有效去除船舶避碰、船舶徘徊等局部活动产生的非航路转向点;根据不同种类航路点的分布特征,综合利用DBSCAN聚类算法和凸包算法从航路点集合中提取和生成航路网络节点集合;定义了航路网络节点的有效连接规则,从原始轨迹中提取航路网络节点之间的轨迹簇,根据轨迹簇的统计特征生成航路网络节点之间的有向加权边,形成有向加权的海上航路网络。以珠江口水域为实验区域,对所提方法进行有效性验证,结果表明:所
3、提方法可提取71个3类航路网络节点和200条航路路线;航路网络节点识别准确率与误识别率分别为86.42%和1.23%;航路网络边连接的准确率接近95%。所提方法能够有效识别海上航路的关键航路点及主要路线,实现航路网络的自动构建。关键词:智能交通;船舶轨迹;航路网络生成模型;时空特征挖掘;航路提取中图分类号:U675.7;TP311文献标识码:Adoi:10.3963/j.jssn.1674-4861.2023.03.008A Method of Constructing Maritime Route NetworkBased on Ship Trajectory MiningXIANG Di1
4、,2HUANG Liang1,3ZHOU Chunhui2WEN Yuanqiao1,3HUANG Yamin1DAI Hongliang4(1.State Key Laboratory of Maritime Technology and Safety,Wuhan University of Technology,Wuhan 430063,China;2.School of Navigation,Wuhan University of Technology,Wuhan 430063,China;3.Sanya Science and Education Innovation Park,Wuh
5、an University of Technology,Sanya 57200,Hainan,China;4.Zhejiang Scientific Research Institute of Transport,Hangzhou 310039,China)Abstract:The Maritime Route Network(MRN)is a spatiotemporal representation of maritime traffic characteris-tics andserves as a fundamental basis for ship route planning,be
6、havior identification,and trajectory prediction.The vast amount of historical ship trajectory data provides foundational information for the automatic construction收稿日期:2022-12-19*海 南 省 科 技 计 划 三 亚 崖 州 湾 科 技 城 自 然 科 学 基 金 联 合 项 目(2021JJLH0012)、浙 江 省 重 点 研 发 计 划(2021C01010)、国家重点研发计划项目(2021YFB2600300)资
7、助第一作者简介:项迪(1996),硕士研究生.研究方向:船舶轨迹数据挖掘、船舶行为分析.E-mail: 通信作者:黄亮(1986),博士,副研究员.研究方向:海事大数据等.E-mail:基于船舶轨迹挖掘的海上航路网络构建方法项迪黄亮周春辉文元桥黄亚敏戴红良69交通信息与安全2023 年3 期第 41卷总 244期of the MRN.However,traditional automatic construction methods are hindered by poor accuracy in recognizing net-work nodes and a high error rate
8、 in connecting network edges due to trajectory data noise and uneven density distri-bution.To address these issues,this study proposes an automatic construction method for the MRN based on miningthe spatiotemporal characteristics of ship trajectories.Three types of waypoints in the MRN are defined:s
9、top points,entry/exit points,and route turning points.A waypoint extraction method based on trajectory spatiotemporal charac-teristics is designed.Additionally,a route turning point filtering strategy based on cumulative turning characteristicsis proposed to effectively remove the non-route turning
10、points caused by local activities such as ship collision avoid-ance and ship loitering.According to the distribution characteristics of different types of waypoints,a combinationof the density-based spatial clustering of applications with noise(DBSCAN)clustering algorithm and the convexhull algorith
11、m is applied to extract and generate the set of MRN nodes from the waypoints set.Based on the defini-tion of effective connection rules for the MRN nodes,the trajectory clusters between the MRN nodes are extractedfrom the original trajectories.The directed weighted edges between the MRN nodes are ge
12、nerated based on the sta-tistical characteristics of trajectory clusters to form a directed weighted MRN.The proposed method is validated inthe Pearl River Estuary area.The results indicate that the method can extract 71 MRN nodes of the three types and200 routes.The recognition accuracy and misreco
13、gnition rate of the MRN nodes are 86.42%and 1.23%,respective-ly,while the accuracy rate of the MRN edge connections is nearly 95%.The proposed method effectively identifiesthe critical waypoints and main routes in the maritime routes and realizes the automatic construction of the MRN.Keywords:intell
14、igent transportation;ship trajectory;route network generation model;spatial-temporal feature min-ing;route extraction0引言海上交通网络作为海上货物运输的重要纽带与载体,对于推动全球经贸发展具有重要作用,构建和分析海上交通网络对于提高海上交通安全监管与海上运输能力具有重大意义。船舶的海上航行路线常常是在航行习惯、航行成本、航行安全、水域环境等因素综合影响下逐渐形成的习惯航路,这些航路不具有准确、清晰的地理位置与边界范围。因此,海上交通不存在类似于城市路网一样的固有拓扑网络。传统海
15、上交通网络构建与分析多以港口为节点,港口之间的物流航次信息为依据,在逻辑上创建节点之间的连接边,从而形成全球或区域港口之间的航运网络1-2,这种网络是对港口之间逻辑关系的抽象表达,损失了航路的时空特征、关键航路点等细节信息,缺乏真实性与客观性3。船舶自动识别系统(au-tomatic identification system,AIS)积累了海量的船舶航行动态轨迹,AIS轨迹已经成为挖掘海上航行路线和关键航路点的重要数据源,并成为构建海上航路网络的有效途径。海上航路网络构建的准确性很大程度上依赖于重要航路点识别的准确性。基于轨迹数据的航路点识别方法主要包括基于规则检测的方法、基于轨迹形态分析的
16、方法和基于地理信息分析的方法。基于规则检测的方法采用规则模型或时序分析方法对船舶轨迹的航速、航向特征及其变化规律进行分析,进而提取海上重要航路点,包括航速低于阈值的停留点4-7、转向角度或转向速率大于阈值的转向点5-7,以及航速或航向发生显著时序变化的轨迹点8-9,该方法识别效率高,但是容易受航速异常或航向异常数据的干扰。基于轨迹形态分析的方法主要采用轨迹压缩10-11、特征提取12等方法识别能够反映轨迹空间形态主要特征的轨迹点作为航路点,包括转向点、航次起止点等,识别结果受形态特征参数的影响较大。基于地理信息分析的方法是将轨迹与电子海图、海岸线、水深点等基础地理信息进行关联分析,识别船舶航行
17、过程中靠泊停留点13、航路交叉点14、海上转向点15等具有特殊意义的航路点,识别结果依赖于地理信息的完整性和准确性,主要适用于基础地理要素丰富的水域。在航路点识别的基础上,需要对其进行分组处理,并求取各组中心点作为海上航路网络的抽象节点。聚类算法因为可以有效识别和提取不同空间区域或不同形状的路点簇,在节点的提取中被广泛应用。Pallotta等4使用增量的基于密度的含噪空间聚类 算 法(density-based spatial clustering of applica-tions with noise,DBSCAN)来提取与更新航路点集合。Yan等13使用通过点排序识别聚类结构的聚类算法(o
18、rdering points to identify the clustering struc-ture,OPTICS)对航路点进行聚类,来解决输入参数敏感性的问题。但是聚类算法在处理区域内部密度不均匀的数据时存在聚类结果不准确的问题。针对这种情况,有学者尝试使用四叉树或k-d B树对不同密度区域进行空间划分,并使用遗传算法得到最优航路点群体9,14。70获取航路网络节点后,提取不同网络节点之间的航路,并根据航路轨迹是否满足特定检测条件来创建航路网络的连接边,最终生成航路网络。在航路提取方面,Varlamis等6提出了3参数DBSCAN的新算法,可以有效提取航路节点间具有位置、航向、航速高相似
19、度的航路轨迹簇。Xiao等16提出了基于网格的DBSCAN聚类算法,将相连通的高密度网格单元识别为航路。在网络边的连接与生成方面,Fil-ipiak等9基于近邻原则把每个船舶轨迹点分配到最近的网络节点,重建节点之间的连接,即为网络边,得到最终的航路网络。Dobrkovic等14通过检查船舶轨迹的航路网络节点序列来创建节点之间的连接边,并根据节点间的航行次数设置连接边的权重,最终生成了加权航路网络图。以上方法能够快速生成航路网络,但是容易在轨迹数据缺失的情况下产生网络边错误连接的问题。综上所述,已有研究在海上航路网络构建方面取得了一定的成果,但是这些传统方法在航路网络构建过程中容易受到以下3类因
20、素干扰:数据质量造成的干扰。未清洗干净的船舶轨迹异常漂移点容易被传统方法误识别为航路点。轨迹数据缺失问题则会导致网络边连接错误的问题;其他非特征轨迹点对航路点识别造成的干扰,例如在提取航路转向点时,传统方法容易将船舶避让转向、停留转向等非航路转向行为的转向点一并提取;船舶轨迹点密度分布不均造成的干扰。针对以上问题,本文提出了1种新的海上航路网络构建思路,在船舶行为时空特征分析的基础上识别重要航路点,能够降低噪声点与其他轨迹点的干扰,识别更为准确的特定种类的航路点,并在聚类过程中根据不同种类航路点的分布特征,采用不同的聚类方案与参数来降低轨迹密度分布不均的干扰,从而提高网络节点提取结果的有效性与
21、代表性;然后,提取航路网络节点之间的轨迹簇,构建航路网络节点有效连接的规则检测模型,同时以节点之间航路轨迹簇的航次与航向特征为依据定义节点连接边的权重和方向。最后以有向加权拓扑图来表达航路网络。1海上航路网络的概念与构建流程海上航路网络一般采用“节点-边”矢量形式的图结构进行表达17,包含3个基本要素:节点、边和权重。节点表示关系的实体,代表船舶停留的港口码头与锚地、常用航路的转向点等海上航路的关键航路点;边表示实体之间的连接关系,代表不同航路点之间的船舶航行路线;权重则代表航路网络中节点之间关系的紧密程度,即船舶在航路点之间航行的频繁程度。海上航路网路的数学描述为G=(VE),其中,V=v1
22、v2vn为航路网络的节点集合,E=(vivj)|vivjV且ij为航路网络节点之间航路边连接的集合。在海上航路网络的图结构表达基础上,本文提出的海上航路网络构建方法流程见图1。在航空、导航等其他领域中,航路点一般指航行路线中的起点、终点、计划转向点、规划控制点等关键点。本文的航路点则是指船舶轨迹中在这些航行规划点附近的轨迹特征点,包含船舶港口码头或锚地停留点、计划转向点附近的航向或航速改变的轨迹点、进出特定区域的轨迹点等。本文将这些轨迹特征点定义为3种类型的航路点:停留点,表示船舶在港口码头、锚地处于靠泊或锚泊状态时产生的停留轨迹点或低速漂移点,可以分为靠泊停留点与锚泊停留点2类;出入点,表示
23、船舶进入和离开研究区域主要通道的轨迹点;航路转向点,表示船舶由原始航向转向下1个计划航向的过程中产生的转向点。需要注意的是本文中的转向点是指对于任意1个船舶轨迹点pi,相对于上1个轨迹点pi-1改变了满足要求的航向角度的轨迹点。航路转向点则是特指船舶在进行航路转向时产生的转向点。AIS数据轨迹数据预处理航路转向点停留点出入点航路点识别网终节点生成航路点聚类节点区域识别海上航路网络生成航路轨迹提取有向加权航路网络生成网络边的连接节点提取图1海上航路网络构建流程Fig.1Thedevelopingprocess of maritimeroutenetwork基于船舶轨迹挖掘的海上航路网络构建方法项
24、迪黄亮周春辉文元桥黄亚敏戴红良71交通信息与安全2023 年3 期第 41卷总 244期考虑船舶特性和海上航行特征的差异性,还需要对不同船舶轨迹的航路点进行聚合处理,发现所有船舶经常发生停留、转向等行为的共同区域。航路网络节点提取即是对所有轨迹航路点集合进行聚类处理,聚类后的航路点簇中心抽象为航路网络的节点,航路点簇形成的边界范围作为节点关联的地理区域。针对上述3类轨迹航路点,本文定义了3种类型的海上航路网络节点:停留节点,港口码头作为海上航路的起止是航路网络的重要节点,其附近锚地则视为港口码头区域的延伸,因此停留节点代表在港口码头及其锚地范围内发生的轨迹停留点集合;出入节点,出入节点是出入点
25、集合的代表性节点,也可以将出入节点作为研究区域内航路的起止节点;航路转向节点,转向节点代表了海上航行过程中的转向航路点,是海上航路各直行段的中间节点。提取网络节点后,利用节点的几何区域分割原始船舶轨迹得到不同节点之间的轨迹簇,对两两节点之间的轨迹簇进行网络节点有效连接规则模型检测,并根据轨迹簇的统计特征生成航路网络节点之间的有向加权边,形成海上航路的有向加权拓扑网络。2海上航路网络的构建方法为了降低原始船舶轨迹数据中噪声误差、间断缺失等问题对航路网络构建完整性与准确性的干扰,需要滤选和重构能够有效表征船舶海上航行过程的高质量轨迹数据,作为构建航路网络的样本。针对AIS数据常见的位置异常、航速异
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 船舶 轨迹 挖掘 海上 航路 网络 构建 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。