[发明专利]一种基于AIS大数据的船舶最优航线自动生成方法

说明书

一种基于AIS大数据的船舶最优航线自动生成方法，属于大数据挖掘技术领域，可解决现有方法无法应用到实际的船舶航线规划中等问题，包括以下几个步骤，首先对海量的历史AIS数据预处理，然后引入船舶静态数据，在距离度量中加入船舶吃水对AIS数据做相似性度量，紧接着采用改进的自适应聚类算法对船舶轨迹簇进行聚类，直至子类簇单一为止，最后采用航行主航线提取方法对聚类后的子类簇提取主航线，实现船舶自动生成最优航线。本发明基于历史AIS大数据对船舶运动轨迹进行分析处理，符合航线设计时“参考他船具体航行经验”的思想，提出的新的航迹规划方法，能够准确的提取出航行主航迹，能够为不同特征的船舶提供航线规划。

技术领域

本发明属于大数据挖掘技术领域，具体涉及一种基于AIS大数据的船舶最优航线自动生成方法。

背景技术

随着科学技术的飞速发展，21世纪海上丝绸之路国家战略的提出和推进，海上进出口贸易的繁荣，如何规划航线减少运输成本并提高航行的安全性时一个重要的研究方向。常见的路径规划方法有A*(A-Star)算法、D*(Dijkstra)算法、概率路线图(Probabilistic Road Map，PRM)以及相应的一些改进算法；蚁群算法、遗传算法、粒子群优化算法等智能优化算法。但是当前航线规划研究中忽略了在航海中实际需要遵守的航线设计以及航行规则。传统的设计方法主要基于电子海图与遥感图像等，采用栅格化或者提取障碍物包围盒的方法来识别可航与不可航的水域，最终在可航水域中完成最优航线规，与实际中的应用存在一定的差距。

但是上述方法均存在不同程度上的缺陷，导致上述方法无法应用到实际的船舶航线规划中。虽然以上方法通过改进环境构建方法和搜索算法在搜索效率、路径平滑等方面取得了一定成果，但是这类算法规划路径的精细程度严重依赖环境模型的精细程度，当对规划路径精细程度要求过高时，环境搜索空间增大导致计算消耗成指数增加。另一方面，这些方法很难引入专家经验，规划路径出的路径往往需要航海专家进一步修正才能用于实际航行。

发明内容

本发明针对现有技术中存在的问题，提供一种基于AIS大数据的船舶最优航线自动生成方法，以达到船舶航行时能获得安全、最优的航行路径规划。本发明是在分析处理历史船舶AIS大数据以及改进的相似性度量基础上使用改进的自适应DBSCAN聚类区域内轨迹，提出新的航迹提取方法提取船舶航行主航迹，完成航线自动生成。

本发明采用如下技术方案：

一种基于AIS大数据的船舶最优航线自动生成方法，包括如下步骤：

第一步，对海量的AIS大数据进行预处理；

第二步，引入船舶静态数据，在距离度量中加入船舶吃水参数对船舶AIS数据做相似性度量；

第三步，对轨迹距离矩阵做行升序处理，提出改进的DBSCAN自适应算法对相似性度量后的AIS数据做子类簇独一化聚类处理；

第四步，分析并处理聚类后的子类簇，提取主航线轨迹，设计多条船舶航线自动生成的算法。

进一步地，第一步中所述预处理指AIS数据清洗和数据压缩，AIS数据清洗包括删除原始AIS数据中MMSI、经纬度、对地航速、对地航向出现的错误数据；通过检测对地航速判断船舶停靠点，删除船舶停留点数据；对于有较明显突进现象的船舶轨迹，通过中值滤波祛除对轨迹数据做平滑化处理；对于AIS数据接收延迟或重复接收，时间间隔较短采用插值算法补全轨迹，当时间间隔大于10min时，将轨迹分段绘制；通过DP算法对海量的AIS数据进行压缩，以用较少的数据来表达轨迹特征曲线，加快算法速度。

进一步地，第二步中所述引入船舶静态数据，建立船舶吃水度量d_draught模型，吃水度量d_draught指的是同航道中不同船舶类型的吃水差异，是重要的辅助聚类决策要素，采用如下公式计算：