基于AIS数据的船舶异常行为探测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112699315A(43)申请公布日2021.04.23(21)申请号202011611693.XG06N3/08(2006.01)(22)申请日2020.12.30(71)申请人中南大学地址410000湖南省长沙市岳麓区麓山南路932号(72)发明人石岩龙程储国威谌恺祺邓敏(74)专利代理机构长沙轩荣专利代理有限公司43235代理人丛诗洋(51)Int.Cl.G06F16/9537(2019.01)G06F16/2458(2019.01)G06F16/215(2019.01)G06K9/62(2006.01)权利要求书5页说明书12页附图7页(54)发明名称基于AIS数据的船舶异常行为探测方法(57)摘要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，在局部异常挖掘算法下按照时序特征对轨迹进行检测，从全局和局部的角度对于船舶异常行为进行全方位多角度探测。CN112699315ACN112699315A权利要求书1/5页1.一种基于AIS数据的船舶异常行为探测方法，其特征在于，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；步骤2，根据插值补全后的AIS数据所记录的船舶轨迹点的时间序列信息和地理位置信息，通过异常挖掘算法对AIS数据中的船舶历史行进规律中的船舶异常行为进行挖掘；步骤3，根据船舶异常行为的区域范围分别采用为全局异常挖掘算法和局部异常挖掘算法；步骤4，将全局异常挖掘算法与非监督学习判别方法和规则判别方法结合对轨迹的规律异常和形态异常进行检测，分别得到规律异常轨迹和形态异常轨迹，将规律异常轨迹和形态异常轨迹结合得到全局异常轨迹；步骤5，将局部异常挖掘算法与规则判别方法结合从局部角度对轨迹的徘徊特征、加速特征和折返特征进行判别，分别得到徘徊异常特征、加速异常特征和折返异常特征，将徘徊异常特征、加速异常特征和折返异常特征结合得到局部异常特征。2.根据权利要求1所述的基于AIS数据的船舶异常行为探测方法，其特征在于，所述步骤4具体包括：基于插值补全后的AIS数据中轨迹群计算每个轨迹两两之间的时间距离，并构建时间距离矩阵，轨迹i与轨迹j之间的时间距离计算公式如下所示：Ti＝tei‑tsi(1)其中，Ti表示轨迹i的轨迹时间跨度，tei表示轨迹i的起始时间，tsi表示表示轨迹i的停止时间；Tj＝tej‑tsj(2)其中，Tj表示轨迹j的轨迹时间跨度，tej表示轨迹j的起始时间，tsj表示表示轨迹j的停止时间；ΔTij＝max(tsi，tsj)‑min(tei，tej)(3)其中，ΔTij表示轨迹i与轨迹j之间在时间区间上的时间差；其中，Temporal_dis表示轨迹i与轨迹j之间的时间距离。3.根据权利要求2所述的基于AIS数据的船舶异常行为探测方法，其特征在于，所述步骤4还包括：基于插值补全后的AIS数据中的轨迹群计算每两个轨迹之间的空间距离，并构建空间距离矩阵，计算轨迹i与轨迹j之间的空间距离，如下所示：其中，Ddir表示按照时序顺序计算轨迹i与轨迹j之间的平均距离，xim表示轨迹i上第m个轨迹点的投影纬度坐标，xjm表示轨迹j上第m个轨迹点的投影纬度坐标，yim表示轨迹i上第m个轨迹点的投影经度坐标，yjm表示轨迹j上第m个轨迹点的投影经度坐标，M表示轨迹i和2CN112699315A权利要求书2/5页轨迹j上的总轨迹点数；其中，Dopp表示按照时序倒序计算轨迹i与轨迹j之间的平均距离；Spatial_dist＝min(Ddir，Dopp)(7)其中，Spatial_dist表示两两轨迹之间的空间距离，min()表示返回按照时序顺序计算轨迹i与轨迹j之间的平均距离和按照时序倒序计算轨迹i与轨迹j之间的平均距离中的最小值。4.根据权利要求3所述的基于AIS数据的船舶异常行为探测方法，其特征在于，所述步骤4还包括：基于时间距离矩阵和空间距离矩阵通过时空累计概率分布计算时间阈值timeThreh和空