[发明专利]一种船舶会遇场景的自动划分方法、系统及电子设备

权利要求书

1.一种船舶会遇场景的自动划分方法，其特征在于，包括以下步骤：

步骤1：选取n条船舶在同一指定水域中的轨迹数据，将每条船舶的轨迹数据的记录数统一为r，将每条船舶轨迹视为从0时刻到r时刻在同一指定水域上的轨迹数据；对原始船舶轨迹数据预处理后，进空间坐标编码为低维表示，最终得到n条船舶的轨迹数据T＝{T₁、T₂、…、T_n}，其中T_i为第i条船舶的轨迹序列，Ti＝{p₁、p₂、…、p_r}，轨迹序列中的每条记录是一个向量；所述船舶轨迹数据包括船名、MMSI、经度、维度、对地速度、对地航向、船首航向、船型、吃水和时间戳；

将所述指定水域的外源信息转换为向量表示，最终得到在0时刻到r时刻的外源数据E＝{E₁、E₂、…、E_r}，其中E_j为第j时刻的外源数据，是一个向量；所述外源信息，包括温度、风向、风速、降水量、天气现象、云量、能见度、太阳辐射强度、相对湿度、气压和体感温度；

步骤2：对每条船的轨迹数据T和外源数据E进行相加，得到新的序列为D_i＝{d₁、d₂、…、d_r}，D_i为第i条船和外源数据进行相加得到的新序列，输入n条船舶新序列；

步骤3：若存在会遇场景数为M，对输入的船舶新序列进行场景的识别和划分，选择划分结果中的最大值，并将最大值对应的点存储在优先级队列G中；

步骤3.1：输入序列长度为r，将输入数据的时间序列分割成固定长度w的重叠子轨迹窗口，然后为偏移量i∈[w+1,…,n-w-1]生成假设分割，将标签0/1标记在分割点的左侧/右侧窗口，将时间序列分割问题转换为二分类的问题Y＝{0,1}；

步骤3.2：为每个窗口计算一次k-NN，将分割之后的窗口集合W和k-NN分类器CLF作为输入，将每个窗口的k-NN偏移量作为输出；计算k-NN，首先计算|W|×|W|窗口距离矩阵，对每个窗口进行过滤，在搜索Nearest-Neighbor时候排除所有重叠超过w/2的窗口，然后返回距离最小的k个窗口的偏移量；其中k为预设值；

步骤3.3：将带有0/1标签的窗口集合进行交叉验证，交叉验证的分数代表标签为0的左侧窗口与标签为1的右侧窗口之间的差异程度，分数高意味着具有低相似性，对于每一个偏移量i，记录对应的自相似性，形成输入时间序列的分类得分；

交叉验证首先收集每个窗口的k-NN偏移量，查找窗口具有的0/1标签，选择占多数的标签；然后将一组真实标签和一组预测标签传递给评分函数，得到交叉验证的分数；

步骤3.4：在得到输入时间序列的分类得分的分布中，每个局部最大值代表一个潜在的变化点，选择该分布中全局最大值作为分割点，即该点的左侧和右侧的差异最大，将该点存储在优先级队列G中，将输入的数据序列分成N个子片段{S₁、S₂、…、S_N}；其中S_i表示第i个会遇场景对应的子片段集合；

步骤4：将获得的N个子片段{S₁、S₂、…、S_N}进行场景的识别和划分，选择划分结果中最大值，并将最大值对应的点存储在优先级队列G中；

步骤4.1：分别输入{S₁、S₂、…、S_N}子片段，按照步骤3的方法，得到N个交叉验证的分数分布，选择N个分布中的最大值作为预选分割点{a₁、a₂、…、a_N}；

步骤4.2：选择{a₁、a₂、…、a_N}中最大值作为新的分割点g，将点g存储在优先级队列G中，以点g为边界点分割所在的子片段，并将输入的子片段分成N+1个子片段{S₁、S₂、…、S_N、S_N+1}；其中S_i表示第i个会遇场景对应的子片段集合；

步骤5：重复步骤3到步骤4，直到子片段的个数为M，即获得M数量的会遇场景，根据优先级队列G中的分割点即可对包含船舶轨迹和外源数据的会遇场景进行划分，得到最终的划分结果。