基于航道模型的船舶轨迹异常检测方法.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CN110210352A(43)申请公布日2019.09.06(21)申请号201910433802.4(22)申请日2019.05.23(71)申请人中国人民解放军海军工程大学地址430000湖北省武汉市解放大道717号(72)发明人马良荔牛敬华王永生魏健王亮(74)专利代理机构武汉开元知识产权代理有限公司42104代理人黄行军李满(51)Int.Cl.G06K9/00(2006.01)G06K9/40(2006.01)权利要求书2页说明书6页附图1页(54)发明名称基于航道模型的船舶轨迹异常检测方法(57)摘要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，又得到了航行轨迹留下的行为模式和时空信息；既可以进行短期异常监测，又可进行长期异常监测。CN110210352ACN110210352A权利要求书1/2页1.一种基于航道模型的船舶轨迹异常检测方法，其特征在于，它包括如下步骤：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数据进行删除冗余数据、删除噪声数据、分割不确定轨迹、对轨迹采样和轨迹插值的预处理；步骤3：根据对航道模型的定义，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：对步骤3得到的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，若在最终的航道模型中出现过，则为正常轨迹，否则为异常轨迹。2.根据权利要求1所述的基于航道模型的船舶轨迹异常检测方法，其特征在于：步骤2中删除冗余数据处理过程中，冗余数据是指在数据库中重复的数据，由于船舶都有唯一的MMSI编码，且在AIS数据库中重复数据的MMSI和时间戳相同，将AIS冗余数据定义为在AIS数据库中拥有相同MMSI和时间戳的数据，当判断为冗余数据时，只保留一个记录；删除噪声数据过程中，噪声数据是指数据中存在属性异常的数据，AIS噪声数据为AIS经度属性、纬度属性、航速属性或航向属性不在各个对应属性的正常范围内的异常的数据，将上述AIS噪声数据删除；分割不确定轨迹是指当轨迹中相邻两个AIS数据点的距离超过设置的间距阈值时，将相邻两个AIS数据点的轨迹分割成两段轨迹，且两段轨迹均小于等于间距阈值，其中，间距阈值是指设置的进行轨迹分割的空间阈值；轨迹采样为将AIS轨迹按照预设的轨迹相邻点间隔进行取值；轨迹插值为当AIS轨迹中两点间距离满足插值距离条件时按照线性插值方法插入相应的AIS数据。3.根据权利要求2所述的基于航道模型的船舶轨迹异常检测方法，其特征在于：所述插值距离条件为插值距离处于插值临界距离到分割不确定轨迹中设定的最大间距之间。4.根据权利要求1所述的基于航道模型的船舶轨迹异常检测方法，其特征在于：步骤3中，对预处理后的AIS数据分别提取出航道模型的航点的提取标准由以下公式确定：其中，P指当前的AIS数据点对应的坐标点，WP指此情况判断为航点，Q指其它AIS数据点，α为AIS数据点对应的坐标点的数量阈值，distance为距离函数；AISdata为所有AIS数据，noise指点P不是航点，others指若不满足上述情况；采用的距离公式为：其中，Δλ表示P、Q两点的经度差；分别表示P、Q两点的经度，表示P、Q两点2CN110210352A权利要求书2/2页的纬度差，R表示地球半径；采用网格算法来确定航点的位置，将已知的历史AIS数据的每个AIS数据点作为航点位置的候选点，将历史AIS数据对应的航行区域划分成长为Δlon、宽为Δlat的多个网格，分别计算得到每一个网格内的航点，然后将每个网格内的航点集合起来，最终得到整个区域内的航点数据。5.根据权利要求4所述的基于航道模型的船舶轨迹异常检测方法，其特征在于：当前的航点信息仅具有位置和半径信息，通过对航点内的AIS数据进行分析可得到航点影响范围内的AIS数据点平均坐标、对地航向和对地航速信息。6.根据权利要求1所述的基于航道模型的船舶轨迹异常检测方法，其特征在于：所述步骤4中，对步骤3得到的航道模型按时间要素