基于上下文自编码的船舶行为语义表征

作     者：马杰 何沐蓉 贾承丰 李文楷 张煜 MA Jie;HE Mu-rong;JIA Cheng-feng;LI Wen-kai;ZHANG Yu

作者机构：武汉理工大学航运学院湖北武汉430063 武汉理工大学内河航运技术湖北省重点实验室湖北武汉430063 武汉理工大学国家水运安全工程技术研究中心湖北武汉430063 武汉理工大学交通与物流工程学院湖北武汉430063 

出 版 物：《交通运输工程学报》 (Journal of Traffic and Transportation Engineering)

年 卷 期：2022年第22卷第4期

页      面：334-347页

核心收录：

学科分类：08[工学] 0824[工学-船舶与海洋工程] 082401[工学-船舶与海洋结构物设计制造] 

基　　金：国家重点研发计划(2021YFB3901504) 国家自然科学基金项目(52271366,51679182) 绿色智能内河船舶创新专项。 

主　　题：船舶自动识别系统 船舶行为 自编码器 连续词袋模型 语义表征 

摘      要：考虑船舶行为的时序相关性,提出了一种基于上下文自编码的船舶行为语义表征(SRCAE)模型;提取船舶经度、纬度、航速、航向等行为特征参量,建立了行为特征序列;借助连续词袋模型将行为特征序列划分为中心船舶行为和上下文船舶行为,利用深度自编码网络构建了船舶上下文行为的语义表征模型,将得到的中心船舶行为编码作为表征向量输出,通过聚类算法构建船舶行为词典;选取长江口南槽交汇水域作为研究对象,利用船舶自动识别系统产生的数据对提出的模型和方法进行了验证。分析结果表明:所提出的SRCAE模型能有效表征船舶行为之间的上下文联系,与传统自编码器和长短期记忆网络自编码器等模型相比SRCAE模型具有更低的表征误差;分别采用k均值(k-Means)、高斯混合模型(GMM)与核k均值(Kernel k-Means)3种聚类算法提取船舶行为词典,与原始数据相比SRCAE模型产生的表征向量更易于区分不同船舶行为模式,其中k-Means效果最优,轮廓系数、卡林斯基-哈拉巴斯指数和戴维森堡丁指数指标分别达到了0.384、18.308、0.531,共产生转向加速、转向减速、直行加速、直行减速等30种复合行为,有效提取了不同行为模式下船舶行为词组合关系。