【技术实现步骤摘要】
一种基于改进轨迹段DBSCAN聚类的船舶异常检测方法
[0001]本专利技术涉及一种基于改进轨迹段DBSCAN聚类的船舶异常检测方法，属于 轨迹数据分析
技术介绍
[0002]随着经济发展，人们生活节奏加快、消费水平提升，假期出行次数更加频繁， 且近年来，海上船舶数量不断增长，航运贸易高速发展，我国丰富的海洋资源奠 定了海洋事业的繁荣。同时，随着定位系统、通信设备、传感器网络等技术的精 度提升与广泛应用，地面及海空目标繁杂的大规模数据被政府、企业及国防单位 捕捉、存储、广泛关注并渴望加以充分利用，其中地面及海空目标的轨迹数据通 过挖掘手段形成目标历史行为模板可以提供重要的辅助和参考作用。
[0003]轨迹数据是移动对象在时空中移动点的集合，其中包括对象的经纬度、高度、 速度、时间等信息，是移动目标行为活动中的快照。例如，地面移动目标轨迹是 最贴近生活的轨迹数据，利用行人及车辆的轨迹数据在出行预测、城市道路规划、 异常行为检测等方面都有应用，而海洋船舶AIS轨迹数据是海洋中的移动目标 同样有轨迹预测，航路规划...
【技术保护点】
【技术特征摘要】
1.一种基于改进轨迹段DBSCAN聚类的船舶异常检测方法，其特征在于：该方法面向海上船舶移动目标，将繁杂且存在噪声的大规模轨迹数据，处理形成形象、直观的目标活动规律模板，通过提取船舶典型的轨迹对船舶的异常行为进行分析识别；包括以下步骤：步骤S1:AIS数据预处理；对来自于各种船载系统以及AIS设备的报文进行解析，将数据解析成动态和静态两部分；采用多源数据融合算法对解析的报文数据进行清洗，使用多线程对动静数据进行融合，根据两者的时间序列特性，进行动静插值，合成一条完整的船舶轨迹；对轨迹数据中的异常数据进行剔除，通过拉格朗路插值法对缺失值进行补齐，以及对个别字段进行转义处理并进行存储；步骤S2：轨迹的分段；把船舶的轨迹当作整体，将轨迹进行分段研究，然后对分段后的子轨迹进行聚类研究，将相似的轨迹子段归类为簇；建立典型船舶轨迹从而甄别异常轨迹，轨迹分段是根据轨迹点间隔时间，船位转向角和停留点进行划分，步骤S3：轨迹压缩，采用改进的轨迹特征点提取DP算法来实现轨迹压缩；步骤S4：船舶轨迹特征信息的采集；由船位转向角信息和船位航速信息确定的特征点组成船舶的分段轨迹；船舶的分段轨迹由一系列的特征点根据时间的先后顺序组成；步骤S5，使用改进的Hausdorff距离进行轨迹间的相似度度量；步骤S6:船舶典型轨迹提取；使用基于密度的聚类算法对完成相似度度量的轨迹段集进行聚类操作，得到正常行为类型的轨迹簇；确定同方向的轨迹簇，确定聚类中心；设置典型轨迹提取扫描线和扫描间隔，规定以聚类中心轨迹TR2轨迹点为步长，对该点所在的轨迹做垂线，记录与TR1,TR2,TR3相交点的坐标；计算交点坐标的平局值，得到典型轨迹；步骤S7：船舶异常行为检测；确定船舶异常行为特征；根据先验知识设置异常阈值的初始值，计算船舶轨迹点垂直映射到典型轨迹点的坐标；分别计算位置，航向，航速的偏差值；将偏差值与设定的异常阈值进行对比，若任意因素发生异常则判定为异常；回归更新异常阈值，设准确率为：判定正确的轨迹点个数/全部轨迹点个数，误报率：1
‑
准确率。2.根据权利要求1所述的一种基于改进轨迹段DBSCAN聚类的船舶异常检测方法，其特征在于：步骤2中，如果两点时间间隔Δt大于一天，则将对轨迹进行分段；如果轨迹经过停留点，则将轨迹进行分段，并去除停留点内的轨迹；轨迹设定一个给定的距离(d
min
,d
max
),若在P3点的邻域距离(d
min
,d
max
)内，任一点与P3点的速度差的绝对值>＝设定的速度阈值Vmax，则不管P3点的转向角多大，是否为停留点或者时间间隔变化点，都选定P3点为关键点即变速点；船舶转向角是几个船位所连接的船舶子轨迹间的航迹对地航向之差，根据船舶船位转向角的进行分段，设置船舶转向角分割阈值θmax；如在给定的距离D0范围内；计算两个轨迹段之间的航向之差，也就是转向角为θ；根据轨迹点间隔，停留点，航速和航向关键点进行分段得到分段后的轨迹数据集；基于轨迹分段后的基础上处理轨迹异常点，轨迹异常点剔除函数是遍历一条轨迹的所有子轨迹段，并根据速度阈值对轨迹进行重新分割，如果出现轨迹段的速度大于给定阈值，则将原轨迹从该轨迹段处断开，该轨迹段起点作为前一条轨迹的终点，终点作为后一条轨迹的起点；
若轨迹点与前轨迹段在速度上时空不可达，则定义该点为异常点。3.根据权利要求1所述的一种基于改进轨迹段DBSCAN聚类的船舶异常检测方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。