一种基于滑动窗口算法的航迹异常判断方法技术

一种基于滑动窗口算法的航迹异常判断方法，属于船舶航行轨迹异常识别领域，用于解决更精确地检测AIS流数据中的异常数据的问题，要点是通过神经网络对船舶航行轨迹预测模型进行训练；向训练后的神经网构输入实时AIS流数据，对船舶航行轨迹进行预测；使用滑动窗口算法检测航行轨迹异常数据，其中，将预测值与实际值的差值经过归一化后转化为同一单位度量下的异常分数值得到异常分数，通过设置滑动窗口、适配时间步大小，计算得到窗口内的预测差值，并据此进行分布建模，计算预测差值在分布内的概率密度值作为t时刻的异常分数，根据异常分数判断轨迹是否存在异常，效果是能够提高AIS流数据中的异常数据检测精度。

【技术实现步骤摘要】

本专利技术属于船舶航行轨迹异常识别领域，更具体地，涉及一种基于滑动窗口算法的航迹异常判断方法。

技术介绍

1、

2、为更好探究中国海区不同各类船舶航行特征和不同时空尺度下的航行行为特征，并用于支撑军事任务决策和保障航行安全，本方法从分析船舶航行轨迹与舰船行为出发，船舶ais数据，基于lstm长短期记忆网络机器学习算法，创新神经网络结构，利用周围舰只实时航行轨迹数据，分析舰只航行位置异常、追踪异常、航向异常、航速异常等异常情况，筛选出超出历史路径范围、存在或可能存在可疑航行行为的舰只，并作出预警，为军事任务决策和安全航行提供信息支撑。

3、根据异常行为检测的方法来划分，目前已提出的检测方法主要可以分为基于统计学、基于相似度量、基于分类、基于可视化方法、基于神经网络5大类检测方法，但存在迭代次数多，计算效率低，拟合复杂，噪声多或者是受个人经验影响，异常检测效果不佳等问题。

技术实现思路

1、为了解决更精确地检测ais流数据中的异常数据的问题，在第一方面，根据本申请一些实施例的基于滑动窗口算本文档来自技高网...

【技术保护点】

1.一种基于滑动窗口算法的航迹异常判断方法，其特征在于，包括

2.根据权利要求1所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，所述步骤S30还包括判断异常轨迹类型，所述类型根据船舶轨迹的时空属性划分。

3.根据权利要求1所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，航行轨迹数据预处理包括：

4.根据权利要求3所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，所述步骤S10中，所述船舶航行轨迹预测模型包括CNN-Attention-LSTM神经网络，所述CNN-Attention-LSTM神经网络包括长短期记忆网络LSTM和卷积神经网...

【技术特征摘要】

1.一种基于滑动窗口算法的航迹异常判断方法，其特征在于，包括

2.根据权利要求1所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，所述步骤s30还包括判断异常轨迹类型，所述类型根据船舶轨迹的时空属性划分。

3.根据权利要求1所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，航行轨迹数据预处理包括：

4.根据权利要求3所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，所述步骤s10中，所述船舶航行轨迹预测模型包括cnn-attention-lstm神经网络，所述cnn-attention-lstm神经网络包括长短期记忆网络lstm和卷积神经网络cnn；

5.根据权利要求4所述的基于滑动窗口算法的航迹异常判断方法，其特征在于，长短期记忆网络lstm通过输入门、遗忘门、输出门三种门模拟人脑学习过程保持和控制信息的目的，lstm的每一个时间步(timestep)计算公式如下：

6.根据权利要求5所述的基于滑动窗口算法的航迹异常判断...

【专利技术属性】
技术研发人员：杨悦，张美丽，裴红梅，卢慧敏，谢郡，邢维，
申请(专利权)人：中国人民解放军海军大连舰艇学院，
类型：发明
国别省市：