船載船舶自動識別系統(tǒng)（Automatic Identification System,AIS）數(shù)據(jù)屬于典型的時空數(shù)據(jù),其所包含的船舶空間、時間和其他維度屬性數(shù)據(jù)中蘊含著大量潛在特征。對海量的AIS數(shù)據(jù)進(jìn)行聯(lián)合聚類分析,利用時空數(shù)據(jù)間的隱含關(guān)系分析并提取出海上交通特征。對研究的數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗;提取有用的船載AIS數(shù)據(jù),對時間、空間和其他屬性數(shù)據(jù)進(jìn)行切片化標(biāo)記;選擇目標(biāo)屬性數(shù)據(jù)形成原始矩陣;對原始矩陣進(jìn)行稀疏約束下的非負(fù)矩陣分解,獲得時空數(shù)據(jù)聯(lián)合聚類的結(jié)果,并結(jié)合實際進(jìn)行分析。結(jié)果表明:該方法可挖掘出研究水域的船舶行為模式,分析船舶的運動規(guī)律,為水上交通安全監(jiān)管和海上安全保障相關(guān)研究提供一種新思路。 

【文章來源】：中國航海. 2020,43(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

非負(fù)矩陣分解示意

經(jīng)度117°35′35″E ～ 118°43′E,緯度38°3′30″N ～ 39°34′30″N。參考交通流走勢,將該區(qū)域劃分為38個不規(guī)則區(qū)域,劃分詳情見圖2。2) 研究時間為:

(2) 與聚類數(shù)K和每一類中屬性項數(shù)L的取值有關(guān)。以類簇1和類簇3為例,2個類代表的區(qū)域見圖4。由圖4可知:類簇1和類簇3組成一段完整的航路,但在聚類表示中,由于選取的每一類中的屬性項數(shù)為4,即每一個類由最相關(guān)的4個區(qū)域表達(dá),而該航路經(jīng)過的區(qū)域數(shù)量大于4,實際是通過類簇1和類簇3這2個類進(jìn)行表示,因此,在對聚類結(jié)果上出現(xiàn)區(qū)域的重疊。從聚類的層面看,NMF屬于“軟聚類”算法,1個元素可屬于多種類型;從實際意義的角度分析,同一個區(qū)域中可能有一定比例的、不同運動模式的船舶航行。因此,在利用時空數(shù)據(jù)聚類對船舶與位置屬性的整體關(guān)系進(jìn)行分析時,1個區(qū)域?qū)儆诙鄠�類是符合水上交通的實際情況的;從數(shù)值關(guān)系的層面看,在類簇1和類簇3中,區(qū)域19的船舶占比之和與船舶進(jìn)入該區(qū)域的前段航路(區(qū)域23)占比接近,因此,該航路可看成被“拆分”在2個類簇中表達(dá),此現(xiàn)象也符合NMF算法“由局部構(gòu)成整體”的特性。

【參考文獻(xiàn)】：
期刊論文
[1]艦船航跡關(guān)聯(lián)分析中AIS數(shù)據(jù)的分析與處理[J]. 金悅奇.  艦船科學(xué)技術(shù). 2018(20)
[2]基于時空密度的船載AIS數(shù)據(jù)聚類分析方法研究[J]. 李永攀,劉正江,鄭中義.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2018(10)
[3]基于L2,p矩陣范數(shù)稀疏表示的圖像分類方法[J]. 時中榮,王勝,劉傳才.  南京理工大學(xué)學(xué)報. 2017(01)
[4]基于時空分析的位置大數(shù)據(jù)挖掘方法研究[J]. 譚夢茜,邵雄凱,劉春.  湖北工業(yè)大學(xué)學(xué)報. 2016(02)
[5]基于改進(jìn)的S-NMF方法的全極化SAR船舶檢測[J]. 吳冰潔,張波,張紅.  遙感技術(shù)與應(yīng)用. 2013(02)
[6]時空事件聚類分析方法研究[J]. 唐建波,鄧敏,劉啟亮.  地理信息世界. 2013(01)
[7]極化SAR圖像中的弱小艦船目標(biāo)檢測[J]. 郭睿,包敏,李軍,臧博,邢孟道.  系統(tǒng)工程與電子技術(shù). 2011(06)
[8]水上交通擁擠區(qū)域的聚類分析與識別[J]. 劉濤,胡勤友,楊春.  中國航海. 2010(04)
[9]數(shù)據(jù)挖掘在海上交通特征分析中的應(yīng)用研究[J]. 潘家財,邵哲平,姜青山.  中國航海. 2010(02)
[10]非負(fù)矩陣分解及其在模式識別中的應(yīng)用[J]. 劉維湘,鄭南寧,游屈波.  科學(xué)通報. 2006(03)

碩士論文
[1]非負(fù)矩陣分解在潮汐分析和預(yù)報中的應(yīng)用研究[D]. 李煜.上海海洋大學(xué) 2016
[2]船舶軌跡的數(shù)據(jù)挖掘框架及應(yīng)用[D]. 趙梁濱.大連海事大學(xué) 2016
[3]加稀疏約束的非負(fù)矩陣分解[D]. 張宇飛.大連理工大學(xué) 2010



本文編號：3247470