[发明专利]一种基于多步聚类的拖网渔船行为判别方法

说明书

本发明公开了一种基于多步聚类的拖网渔船行为判别方法。本发明综合考虑速度、角度、经纬度、时间等时空数据建立多维距离模型，并采用时序近邻计算准则计算轨迹点间相似度距离矩阵，大幅降低了矩阵计算时间，使用OPTICS算法与ξ‑steep自动识别簇方法实现基于非全局参数的轨迹划分，得到轨迹段，再基于轨迹段之间相似度距离使用k‑means算法实现轨迹段再次聚类，从而实现轨迹点的分类，再通过对分类进行特征提取，建立拖网渔船行为判别模型，实现拖网渔船行为的快速判别。实验表明，本发明具有低参数敏感性、高精度、高通用性、耗时少等优点，可应用于大批量拖网渔船行为的快速判定。

技术领域

本发明属于渔业领域与数据挖掘技术领域，具体涉及一种基于多步聚类的拖网渔船行为判别方法。

背景技术

渔船监控系统(VMS)是基于卫星导航系统、地理信息系统、互联网、移动通信网络等的综合信息服务平台。在中国，随着北斗卫星定位系统的应用推广，北斗卫星系统可以每隔10min获取一条记载有渔船航速、航向、时间、位置、舰艏方向、报警等信息的轨迹数据，这为海上船舶导航、渔业生产、海上监控、海上救援等应用场景提供数据支持。受技术限制，VMS系统无法直接获取渔船实时行为状态，因而利用渔船时序轨迹数据实现拖网渔船行为判别成为主要的研究方法。

渔船捕捞状态轨迹点判定在渔场识别、捕捞强度计算、渔业资源评估、渔业生态保护等场景中有着重要的应用价值，是核心技术之一。在渔场识别方面，通过识别所有渔船的捕捞轨迹点，统计一定时间内捕捞状态轨迹点的在海图中的热力分布，热力值高的区域即为渔场区域。在捕捞强度计算方面，通过统计某区域内捕捞轨迹点个数，结合拖网渔船的功率，计算累计捕捞量，从而得到捕捞强度。在渔业资源评估方面，通过计算捕捞强度，进而得到渔业资源消亡量的动态信息，为渔业资源的动态评估提供支撑。在渔业生态保护方面，通过对拖网渔船捕捞行为的判别，进一步评估捕捞努力量的时空分布，加强渔业资源的管理与养护，这对渔业生态可持续发展具有重要意义。

本发明的研究对象为拖网拖网渔船。拖网渔船行为状态可以通过捕捞日志获得，也可以通过拖网渔船轨迹数据分析获得。捕捞日志是由船员手动记录放网收网时刻等数据，可以获取精确的行为状态，但这种方式存在因手动登记的不规范，存在漏记、捕捞时刻记录不精确等问题，另外由于近海拖网渔船并没有被强制记录捕捞日志的要求，因而无法得到大量近海拖网渔船的捕捞日志，因而基于拖网渔船轨迹数据分析获得船只行为状态的方法成为主流研究方法。现有基于轨迹数据的研究主要包括三个方面：基于轨迹点的分类方法、基于轨迹段的分类方法和其他的识别方法。

基于轨迹点的行为判别方法是以单个轨迹点为研究对象，利用轨迹点分布特征，实现轨迹点的分类。一条轨迹点数据中包含船只ID、航速、方向、longitude、latitude、positionDate、mmsi等，研究人员利用其中一种或几种特征来挖掘其与拖网渔船行为状态的关系，其中利用速度特征加以研究的最多。

拖网渔船主要有三种行为状态：停泊、捕捞和航行。拖网渔船不同行为状态下速度与角度存在较明显不同。在速度方面，停泊状态的轨迹点船速最低，捕鱼时的船速次之，航行状态时的船速最高。在角度方面，相邻轨迹点处航向转角较小时，拖网渔船行为几乎不发生改变，而在行为改变时，相邻轨迹点间航向转角较大。与此同时，不同行为状态下，轨迹点的经纬度分布也具有不同的特性，停泊状态下的轨迹点的经纬度几乎不改变。通过利用以上不同行为状态下速度、角度经纬度的分布特征，研究人员实现了多种船舶工作的判别。

现有的基于轨迹点的方法，以速度为主，角度、轨迹点研究为辅。而在对速度的处理方法中，主要是获取捕捞状态下的速度的上下阈值，尽可能地使捕捞状态轨迹点的速度落入阈值区间内，先后出现了手动设置速度阈值区间，基于EM算法的GMM自动设置速度阈值的方法。