[发明专利]基于航向偏差的船舶AIS时空轨迹分段及模式提取方法

说明书

本发明提供基于航向偏差的船舶AIS时空轨迹分段及模式提取方法，对船舶AIS时空轨迹数据预处理后，基于航向偏差对压缩后的时空轨迹线进行分段，然后进行轨迹段聚类和特征线提取；所述基于航向偏差对压缩后的时空轨迹线进行分段，包括根据轨迹线上连接相邻两点形成的线段与基准线段间的夹角，得到引起船舶航向显著偏差的轨迹特征点，并基于这些特征点对轨迹线进行分段。应用本发明能从周边海域庞杂的船舶轨迹中，自动提取船舶航行轨迹模式，对于我国近海船舶航道资源利用具有重要意义。

技术领域

本发明涉及一种船舶航行轨迹的自动分段及提取技术，属于船舶航迹数据挖掘技术领域。

背景技术

近年来，随着我国综合国力逐步增强，海上贸易愈加频繁，我国周边海域船舶数量显著增加，船舶班次不断增多，对海上船舶交通资源调度和应急反应提出了非常严峻的考验。与车辆在道路的行驶轨迹相比，海上船舶的航行轨迹更为随机，模式更加复杂。如何采用技术手段自动化智能化地从周边海域庞杂的船舶轨迹中，提取船舶航行轨迹模式，从而发现有用信息，对于我国近海船舶航道资源利用具有重要意义。

轨迹聚类是船舶轨迹模式提取的常用方法。完整的轨迹聚类框架主要包括四个环节：轨迹线分段、轨迹段相似性度量、轨迹段聚类和特征线提取。其中相似性度量、聚类及特征线提取都是以轨迹段为数据对象进行计算的。因此，轨迹分段环节是时空轨迹聚类框架的基础，轨迹分段方法的复杂性以及分段结果的准确性直接决定了轨迹聚类框架的整体性能，高效可行的轨迹分段方法对于时空轨迹聚类及模式提取很有必要。常用的轨迹线分段方法主要有Douglas-Peucker方法、基于最小描述长度的分段方法、滑动窗口分段方法等；轨迹段聚类方法主要有DBSCAN方法、OPTICS方法、K-means方法；所采用的相似性度量方法主要有欧氏距离、最小外包矩形距离、Haustorff距离等。但是，这些方法应用于船舶轨迹方面都尚未涉及或达到分段的理想效果，不能解决海域船舶的航行轨迹数量大且随机带来的复杂度问题。

发明内容

本发明提出了一种基于航向偏差分段的船舶AIS时空轨迹轨迹分段及模式提取方法。本发明的技术方案提供一种基于航向偏差的船舶AIS时空轨迹分段方法，对船舶AIS时空轨迹数据预处理后，基于航向偏差对压缩后的时空轨迹线进行分段，包括根据轨迹线上连接相邻两点形成的线段与基准线段间的夹角，得到引起船舶航向显著偏差的轨迹特征点，并基于这些特征点对轨迹线进行分段，实现方式包括以下步骤，

步骤1，初始化，包括设置航向偏差阈值θ_thres，θ_thres∈(-π,+π)，从起始点开始，将轨迹点对应地理位置经纬度顺序标记为(x_k,y_k),k＝p,p+1,p+2...,N，其中N为轨迹点总数；初始化参数p＝1；步骤2，计算向量角，实现如下，

以向量AB＝(x_p+1-x_p,y_p+1-y_p)为基准，从k＝p开始，顺序计算向量CD＝(x_k+1-x_k,y_k+1-y_k)与AB的夹角θ_k，进入步骤3；

步骤3，对比θ_k和θ_thres，

如果|θ_k|＜θ_thres且|θ_k+1|≤θ_thres，则令k值加1，返回重复步骤2；

如果|θ_k|＜θ_thres且|θ_k+1|＞θ_thres，取(x_k+1,y_k+1)作为分段点，同时令p＝k+1，并返回重复步骤2，直至到达末端轨迹点(x_N,y_N)，进入步骤4；