检索结果-南通市图书馆

地球信息科学学报 2021年第12期23卷 2111-2127页

作者：甄荣邵哲平潘家财集美大学航海学院厦门361021 内河航运技术湖北省重点实验室武汉430063 武汉理工大学智能交通系统研究中心武汉430063

船舶行为特征挖掘与预测是水上智能交通系统的重要研究内容,也是交通运输工程领域的关键科学问题。为系统研究基于船舶自动识别系统(Automatic Identification System,AIS)数据的船舶行为特征挖掘与预测的研究现状与发展趋势,本文首先针... 详细信息

船舶行为特征挖掘与预测是水上智能交通系统的重要研究内容,也是交通运输工程领域的关键科学问题。为系统研究基于船舶自动识别系统(Automatic Identification System,AIS)数据的船舶行为特征挖掘与预测的研究现状与发展趋势,本文首先针对Web of Science(WOS)和中国知网(China National Knowledge Infrastructure,CNKI)收录的文献,用知识图谱分析软件VOSviewer对文献关键词进行处理,从文献计量学的角度生成高频关键词的聚类图谱和趋势演化。然后对基于AIS数据的水上交通要素挖掘、船舶行为聚类和船舶行为预测3个主题的研究内容、方法、存在问题进行了系统分析和展望,研究结果表明:①在基于AIS的水上交通要素挖掘方面,主要集中在对AIS数据中表征船舶行为空间特征和交通流的时间特征单独挖掘分析,缺乏对AIS数据的时间、空间以及环境因素特征的关联挖掘,对于如何进行交通要素的关联融合挖掘研究还有待深入探索;②在船舶行为聚类方面,研究主要是运用无监督聚类方法研究船舶航迹点和航迹段聚类,得到船舶航行行为模式的时空分布和船舶操纵意图辨识模型,然而融合多维特征的船舶轨迹的相似性计算方法、聚类参数的自适应选取以及船舶行为的语义特征建模有待进一步研究;③在船舶行为预测方面,主要集中在基于动力学方程、传统智能算法和深度循环神经网络的船舶行为预测研究,考虑船舶行为的随机性、多样性和耦合性的特点,运用混合神经网络模型以及神经网络与向量机、注意力机制相结合的模型实现多维的船舶航行行为特征的实时预测将是新的研究方向。最后提出了基于语义模型的船舶行为特征挖掘、基于深度卷积神经网络的船舶行为的预测和基于知识图谱的船舶行为特征挖掘和预测结果可视化等有待进一步研究的方向。

关键词：海事地理信息水路运输 AIS数据船舶行为特征船舶航迹聚类船舶行为预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于船舶移动行为规律认知的轨迹异常探测

基于船舶移动行为规律认知的轨迹异常探测

引用

作者：龙程中南大学

学位级别：硕士

伴随航海业的蓬勃发展,船舶行为监管需求与交通服务资源之间的矛盾日益凸显。如何动态监测船舶的海上行为成为海上交通运输监管的难点问题。随着船舶自动识别系统(Automatic Identification System,AIS)的不断普及,其所蕴含的船舶静态... 详细信息

伴随航海业的蓬勃发展,船舶行为监管需求与交通服务资源之间的矛盾日益凸显。如何动态监测船舶的海上行为成为海上交通运输监管的难点问题。随着船舶自动识别系统(Automatic Identification System,AIS)的不断普及,其所蕴含的船舶静态信息和动态信息为船舶异常的研究和监测提供了新的契机。其中船舶异常行为是船舶行为检测的重点,有助于协助海事管理人员进行船舶监测、辅助相关部门进行海上交通规划,对于支撑国民经济发展、促进外贸和维护健全等方面发挥着重要作用。随着船舶异常行为检测应用需求的深入,对异常行为的刻画与检测精度的要求也越来越高。地理信息科学与交通工程知识的逐渐交融为海上船舶异常行为检测方法提供了新的思路和方法。鉴于此,基于海上交通领域船舶相关基础知识,融合空间行为建模、时空分析、时空异常探测等理论方法,分别从群体和个体层面剖析船舶异常行为并进行异常检测,进而为船舶异常行为实时监控、及时防控、优化建议提供科学的规律知识和理论模型。本论文主要研究内容包括:(1)船舶异常行为建模认知。首先以船舶异常行为的定义为导向系统阐述了国内外船舶异常行为研究的相关理论和代表性方法;按照发展历程介绍并总结了经典和前沿的船舶异常行为框架;并基于海上事故抽象和归纳船舶行为特征,提出基于群体-个体行为规律认知的船舶异常行为检测框架。(2)基于群体行为规律认知的船舶轨迹异常探测。基于船舶的群体行为规律认知,从船舶空间信息和动态信息挖掘船舶异常行为。基于船舶运行轨迹采用主图结构学习的策略提取船舶运行航线的网络拓扑结构,在此基础上采用拉伊达准则检测和描述船舶空间上的异常行为;动态信息上基于孤立森林算法建模船舶多维度特征,检测和描述船舶动态信息上的异常行为。(3)基于个体行为规律认知的船舶轨迹异常探测。在挖掘具有群体行为规律认知的船舶行为模式基础上,融合船舶非时空信息,细粒度探测不同类别船舶在空间信息和动态信息上的行为规律差异。空间上基于ST-Apriori算法探测船舶空间航道模式,并发现不规律空间运动模式;动态信息上基于KPCA算法和SVM算法挖掘船舶多维度特征规律,发现不同类别下船舶行为模式的特征差异与异常情况。(4)基于群体-个体行为规律认知的船舶轨迹异常探测系统设计。以本文所提出的异常检测算法为基础,使用真实船舶轨迹数据,实现前后端交互的海上态势感知分析、目标行为分析、气象可视化功能的可视化分析。最后,总结了论文的主要研究成果与创新点,展望了有待进一步研究的问题。图70幅,表9个,参考文献87篇。

关键词：船舶异常行为行为规律认知时空数据挖掘自动识别系统海事地理信息

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：