基于群体行为规律认知的异常船舶轨迹探测方法.pdf
桂香****盟主
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于群体行为规律认知的异常船舶轨迹探测方法.pdf
本公开实施例中提供了一种基于群体行为规律认知的异常船舶轨迹探测方法,属于数据处理技术领域,具体包括:步骤1,对目标船舶的AIS基站数据进行预处理操作;步骤2,根据所述预处理操作后的AIS基站数据提取所述目标船舶的空间属性特征并据此对所述空间属性特征的异常行为进行检测;步骤3,结合所述空间属性特征和专题属性特征,基于孤立森林算法对于所述目标船舶异常行为进行检测和评分。通过本公开的方案,结合实际地理环境因素将现有研究中具有群体规律行为的船舶轨迹特征进行了梳理,从空间属性和专题属性的角度得到轨迹点异常程度的评分
基于航道模型的船舶轨迹异常检测方法.pdf
本发明公开了一种基于航道模型的船舶轨迹异常检测方法,包括如下步骤:1、获取选定时间区间内的历史AIS数据;步骤2、对历史AIS数据进行预处理;3、对预处理后的AIS数据分别提取出航道模型的航点和航线,将航点和航线分别当作图论中的图的顶点和边,来组成航道模型:步骤4、对航道模型按时间要素进行加权,得到最终的航道模型;步骤5、将最终的航道模型与待检测轨迹进行比较,根据待检测轨迹在最终的航道模型中是否出现来判断轨迹是否异常。本发明通过融合基于点算法和基于轨迹算法的优点,充分挖掘了热点区域内的航行历史规律,又得到
基于AIS数据的船舶异常行为探测方法.pdf
本发明提供了一种基于AIS数据的船舶异常行为探测方法,包括:步骤1,获取AIS数据,将获取的AIS数据中的在船舶研究区域范围之外、时间异常和重复记录的AIS数据进行删除,通过卡尔曼滤波对删除数据后的AIS数据进行数据清洗,通过船舶运行的实际情况、轨迹点的船首方向和对地速度对清洗后的AIS数据进行插值补全。本发明利用停留点提取、非监督学习和道格拉斯‑普克抽稀算法保留了轨迹的全局特性和局部特性,通过自适应设定阈值减少了对历史数据量的依赖,充分挖掘了轨迹的异常特征,在全局异常挖掘算法下对时间距离进行定义,在局部
一种基于时空分解的船舶轨迹异常检测方法.pdf
本发明公开了一种基于时空分解的船舶轨迹异常检测方法,属于水运交通领域,包括以下步骤:获取AIS数据并预处理;对要进行船舶轨迹异常检测的区域进行区域划分;构建船舶轨迹时空矩阵;对船舶轨迹时空矩阵进行分解,获取作为船舶轨迹异常检测的参考时空矩阵;船舶轨迹异常检测;基于参考时空矩阵,对所需检测的船舶进行异常轨迹判断。本发明依据船舶轨迹构建船舶轨迹时空矩阵,从而将船舶轨迹的时空多维信息完整保留,同时,利用奇异值分解对船舶轨迹时空矩阵进行降维,在保留完整信息的同时极大降低了运算难度,更适用于同时对大量船舶轨迹的异常
船舶轨迹异常检测方法研究进展.docx
船舶轨迹异常检测方法研究进展随着船舶交通的不断发展以及航行技术的不断提升,海上船舶活动的数据也在不断增加。如何有效管理和处理这些数据,为海上航行安全和保障提供有效的支持与保障,成为了海事领域中急需解决的问题之一。其中,对于船舶轨迹异常的检测与识别则显得尤为重要。船舶轨迹异常指的是船舶在海上的运行轨迹与正常历史轨迹存在较大差异时所引发的异常事件。例如,船舶的航向突然发生变化,船速发生突变,或是船舶的停泊和靠港时间出现异常。这些异常事件可能是海上安全隐患和犯罪活动的信号,也可能是船舶自身设备故障的表现。因此,