一种基于船舶行为特征的船舶轨迹压缩方法及其系统技术方案

本发明专利技术公开一种基于船舶行为特征的船舶轨迹压缩方法及其系统，本发明专利技术对船舶轨迹中缺失值数据进行预处理，然后构建特征矩阵；利用DBSCAN算法对特征矩阵I进行基于密度的聚类，得到不同船舶行为的轨迹片段；使用k

【技术实现步骤摘要】
一种基于船舶行为特征的船舶轨迹压缩方法及其系统


[0001]本专利技术属于面向智慧海洋领域，涉及一种基于船舶行为特征的船舶轨迹压缩方法及其系统。

技术介绍

[0002]在智慧海洋的背景下，非法捕鱼是海洋渔业管理中一个关键问题。通过渔船管理系统中的船舶轨迹回放功能，可以查看渔船在一段时间内的轨迹信息，进而分析出渔船是否有到禁渔区域捕鱼的非法行为。然而，当查询时间范围过大时，过多的船舶轨迹数据会造成以下两个问题：第一个为数据传输时间问题，当带宽一定时，数据的传输时间过长；第二个为软件性能问题，由于浏览器单个标签页的内存存在上限以及前端地图引擎框架本身的性能存在上限，过多数据可能会造成整个系统的卡顿甚至卡死现象。因此，需要对船舶的轨迹数据进行压缩处理。
[0003]目前存在的船舶轨迹压缩方法，只考虑船舶的基本特征信息，忽略了船舶行为对于船舶轨迹压缩的影响。船舶的行为可以分为抛锚、航行和捕鱼，当船舶处于不同的行为状态时，由于船舶的航速不同，造成船舶相邻轨迹点的间隔不同。如果只使用一种压缩方法，会造成部分船舶行为轨迹丢失的问题。因此，本专利技术提出了一种基于船舶行为特征的轨迹压缩方法。首先，根据船舶的基本信息，建立数学矩阵模型，使用DBSCAN算法对其进行聚类，生成不同船舶行为的轨迹片段。然后，使用k
‑
Means算法对于不同的轨迹片段进行行为分类。最后，针对不同的船舶行为，使用不同的船舶轨迹压缩算法，极大的保留了船舶的行为特征，同时完成了对大量船舶轨迹数据的压缩。

技术实现思路

[0004]本专利技术的目的在于克服现有技术方法的不足，针对传统的轨迹压缩算法不能很好保留船舶行为问题，提出一种基于船舶行为特征的船舶轨迹压缩方法。
[0005]本专利技术解决其技术问题采用的技术方案步骤如下：
[0006]步骤1：采集智慧海洋船舶产生的船舶轨迹数据，对船舶轨迹中缺失值数据进行预处理；
[0007]所述船舶轨迹数据包括船舶的航速、经纬度、时间；
[0008]步骤2：根据预处理好的船舶轨迹数据，采用其航速、经纬度以及时间构建特征矩阵；
[0009]步骤3：利用DBSCAN算法对特征矩阵I进行基于密度的聚类，得到不同船舶行为的轨迹片段集合；
[0010]步骤4：使用k
‑
Means方法将轨迹片段集合T中m段轨迹片段分为3类，分别为抛锚阶段的船舶轨迹集合P、航行阶段的船舶轨迹集合H以及捕鱼阶段的船舶轨迹集合B；
[0011]步骤5：对船舶轨迹根据不同的行为进行自适应压缩。
[0012]本专利技术的另一个目的是提供一种基于船舶行为特征的船舶轨迹压缩系统，包括：
[0013]船舶轨迹获取模块，用于采集智慧海洋船舶产生的船舶轨迹数据，对船舶轨迹中缺失值数据进行预处理；；
[0014]特征矩阵构建模块，用于根据船舶轨迹获取模块处理后的船舶轨迹数据构建特征矩阵；
[0015]不同船舶行为轨迹聚类模块，用于对特征矩阵构建模块得到的特征矩阵I使用DBSCAN算法进行聚类，得到不同船舶行为的轨迹片段；
[0016]轨迹分类模块，用于对不同船舶行为轨迹聚类模块得到的不同船舶行为的轨迹片段使用k
‑
Means算法进行分类，得到抛锚阶段的船舶轨迹集合P、航行阶段的船舶轨迹集合H以及捕鱼阶段的船舶轨迹集合B；
[0017]轨迹压缩模块，用于对轨迹分类模块得到的抛锚阶段的船舶轨迹集合P、航行阶段的船舶轨迹集合H以及捕鱼阶段的船舶轨迹集合B根据不同的船舶行为进行自适应压缩。
[0018]本专利技术的又一个目的是提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的方法。
[0019]本专利技术的再一个目的是提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述的方法。
[0020]本专利技术具有的有益效果是：
[0021]本专利技术中，实现对船舶轨迹数据的有效压缩，压缩方法考虑船舶轨迹的空间、时间以及自身的运动属性，同时兼顾船舶的行为信息，对于不同的船舶行为采用不同的船舶轨迹压缩方法，既确保压缩前后船舶轨迹数据特征的一致，又实现船舶轨迹数据的压缩，保证船舶管理系统轨迹查询相关功能的流畅性。
附图说明
[0022]图1为本专利技术方法流程图。
[0023]图2为本专利技术船舶行为特征分析图。
[0024]图3为本专利技术针对不同船舶行为采用不同压缩方法的示意图。
[0025]图4为本专利技术旋转门压缩算法示意图。
具体实施方式
[0026]下面结合附图，对本专利技术的具体实施方案作进一步详细描述。其具体步骤描述如图1所示，其中：
[0027]步骤1：采集智慧海洋船舶产生的船舶轨迹数据，对船舶轨迹中缺失值数据进行预处理；
[0028]所述船舶轨迹数据包括船舶的航速、经纬度、时间；
[0029]对于航速缺失值使用基于经纬度信息的线性插入法进行修复；对于经纬度缺失值使用基于时间的线性插入法进行修复；对于时间缺失值使用基于航速的线性插入法进行修复；具体是：
[0030]若航速v
i
值缺失，其中i表示第i个轨迹点。如果v
i
‑1值为5.1，v
i+1
值为5.3,经度lon
i
值为122.2，lon
i
‑1值为122.1,lon
i+1
值为122.3，那么按照线性插入法可计算得出v
i
＝5.2。
[0031]若经度lon
i
值缺失，其中i表示第i个轨迹点。如果lon
i
‑1值为123.6，lon
i+1
值为
123.9,时间t
i
值为1554700946，t
i
‑1值为1554700945,t
i+1
值为1554700948，那么按照线性插入法可计算得出lon
i
＝123.7。
[0032]若时间t
i
值缺失，其中i表示第i个轨迹点。如果t
i
‑1值为1586323341，t
i+1
值为1586323343，速度v
i
值为4.2，v
i
‑1值为4.0,v
i+1
值为4.4，那么按照线性插入法可计算得出t
i
＝1586323342。
[0033]步骤2：根据预处理好的船舶轨迹数据，采用其航速、经纬度以及时间构建特征矩阵；具体是：
[0034]2‑
1使用公式(1)对于航速，经纬度以及时间向量进行归一化处理：
[0035][0036]x代指航速、经度、纬度或者时间中任何一种数据。x
min
表示数据的最小值，x表示当前数据值，x...

【技术保护点】

【技术特征摘要】
1.一种基于船舶行为特征的船舶轨迹压缩方法，其特征在于该方法包括以下步骤：步骤1：采集智慧海洋船舶产生的船舶轨迹数据，对船舶轨迹中缺失值数据进行预处理；所述船舶轨迹数据包括船舶的航速、经纬度、时间；步骤2：根据预处理好的船舶轨迹数据，采用其航速、经纬度以及时间构建特征矩阵；步骤3：利用DBSCAN算法对特征矩阵I进行基于密度的聚类，得到不同船舶行为的轨迹片段集合T＝{Traj1,Traj2…
Traj
m
}，Traj
m
表示第m条轨迹片段；步骤4：使用k
‑
Means方法将轨迹片段集合T中m段轨迹片段分为3类，分别为抛锚阶段的船舶轨迹集合P、航行阶段的船舶轨迹集合H以及捕鱼阶段的船舶轨迹集合B；步骤5：对船舶轨迹根据不同的行为进行自适应压缩；对于抛锚阶段的船舶轨迹集合P，使用基于时间窗口的压缩方法对船舶轨迹进行压缩；对于航行阶段的船舶轨迹集合H，采用旋转门压缩方法对船舶轨迹进行压缩；对于捕鱼阶段的船舶轨迹集合B，采用DP算法对对船舶轨迹进行压缩。2.如权利要求1所述的一种基于船舶行为特征的船舶轨迹压缩方法，其特征在于步骤1对于航速缺失值使用基于经纬度信息的线性插入法进行修复；对于经纬度缺失值使用基于时间的线性插入法进行修复；对于时间缺失值使用基于航速的线性插入法进行修复。3.如权利要求1所述的一种基于船舶行为特征的船舶轨迹压缩方法，其特征在于步骤2具体是：2
‑
1使用公式(1)对于航速，经纬度以及时间向量进行归一化处理：x代指航速、经度、纬度或者时间中任何一种数据；x
min
表示数据的最小值，x表示当前数据值，x
max
表示数据最大值；2
‑
2对归一化处理后的经纬度使用PCA(Principal Component Analysis)方法进行降维处理；2
‑
3根据步骤2
‑
1归一化处理后的航速、时间向量、以及步骤2
‑
2降维后的经纬度，通过公式(2)构建特征矩阵I：w
v
+w
l
+w
t
＝1
ꢀꢀꢀꢀꢀ
(3)其中V表示加权后的航速矩阵，L表示加权后的空间矩阵，T表示加权后的时间矩阵，v
i
表示第i个轨迹点处的航速，loc
i
表示第i个轨迹点处的经纬度拟合为一维的坐标信息，t
i
表示第i个轨迹点的时间信息；w
v
、w
l
和w
t
分别表示优化后的航速矩阵，空间矩阵和时间矩阵的权重。4.如权利要求3所述的一种基于船舶行为特征的船舶轨迹压缩方法，其特征在于所述
航速矩阵，空间矩阵和时间矩阵的权重w
v
、w
l
和w
t
的优化过程：1)将船舶轨迹数据平均分为n组，每组数据设定不同的w
v
、w
l
和w
t
权重，权重值成等差数列；所述等差数列的距离d＝1/(n+2)；2)对每组数据使用DBSCAN算法进行聚类，计算每组数据的聚类结果的平均距离误差之和α
i
，其...

【专利技术属性】
技术研发人员：王雷，袁俊峰，张纪林，欧东阳，曾艳，许洋，刘震，徐传奇，于晓康，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：