一种基于改进LOF-GMM算法的AIS数据船舶轨迹提取方法技术

本发明专利技术公开了一种基于改进LOF‑GMM算法的AIS数据船舶轨迹提取方法，包括：获取船舶航行的原始数据，对所述原始数据进行坐标转换，并根据转换后数据确定时间权重；根据所述时间权重，利用改进的LOF算法对所述原始数据进行局部异常因子检测，以获得各个轨迹点的LOF数值；利用GMM算法对所述LOF数值进行聚类，获得各个聚类类型LOF的平均值，并根据所述平均值确定停留集群、导航集群以及异常集群。本发明专利技术提供的方法能够在剔除AIS数据的噪声同时，提取出航行数据和停留数据，适应了船舶轨迹数据的连续性，克服对于重叠轨迹带来的识别困难问题。

【技术实现步骤摘要】

本专利技术涉及海洋，尤其涉及一种基于改进lof-gmm算法的ais数据船舶轨迹提取方法。

技术介绍

1、在当今海洋领域的多个重要分支，如海洋科学、海事管理、海洋资源保护等，船舶轨迹数据的采集、分析及应用都扮演着不可或缺的角色。自动识别系统(ais)作为一种被广泛采纳的船舶位置监测系统，通过very high frequency(vhf)频段实时传输多样化的信息，其包括船舶名称、海上移动服务标识(mmsi)、位置坐标、航速、航向等。通过这些数据，不但临近船只可以进行交通避让，岸基站和监管机构也可执行解码工作来提高海上交通的可视化管理和安全指数。同时，ais也提供了海量船舶轨迹数据，为研究海洋领域提供了重要途径。

2、目前，对ais数据进行船舶轨迹提取的过程包括两个阶段。首先，通过规则检测对原始数据中的噪声点进行分离，提取出停留轨迹点和航行轨迹点。然后，通过速度阈值分离出停留数据。值得注意的是，船舶海上停留状态与地面交通工具的停留状态存在显著差异，一个明显的区别是船舶柴油机停机时，尽管船速为零，但因海风和海流的作用，船舶实际上并未静止。ais系统中本文档来自技高网...

【技术保护点】

1.一种基于改进LOF-GMM算法的AIS数据船舶轨迹提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述时间权重，利用改进的LOF算法对所述原始数据进行局部异常因子检测，以获得各个轨迹点的LOF数值，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述时间权重计算所述原始数据中各个轨迹点之间的时空欧式距离，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述时间权重计算所述原始数据中各个轨迹点之间的时空欧式距离，包括：

5.根据权利要求1所述的方法，其特征在于，所述利用GMM算法对所述L...

【技术特征摘要】

1.一种基于改进lof-gmm算法的ais数据船舶轨迹提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述时间权重，利用改进的lof算法对所述原始数据进行局部异常因子检测，以获得各个轨迹点的lof数值，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述时间权重计算所述原始数据中各个轨迹点之间的时空欧式距离，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述时间权重计算所述原始数据中各个轨迹点之间的时空欧式距离，包括：

5.根据权利要求1所述的方法，其特征在于，所述利用gmm算法对所述lof数值进行聚类，获...

【专利技术属性】
技术研发人员：崔秀芳，安楠楠，林浩涛，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：