本文關(guān)鍵詞：一種基于改進的DBSCAN的面向海量船舶位置數(shù)據(jù)碼頭挖掘算法

  更多相關(guān)文章： 自動識別系統(tǒng) 船舶位置數(shù)據(jù) DBSCAN算法 自動優(yōu)化參數(shù) 碼頭挖掘

【摘要】：目前我國正在大力推行"一帶一路"航海戰(zhàn)略,航海事業(yè)蓬勃發(fā)展,大量新碼頭正在修建中。如何快速、準確地更新碼頭的空間信息,對于分析進出口貿(mào)易、提高碼頭服務(wù)效率等具有很強的現(xiàn)實意義。當前我國主要通過人工測繪手段更新海圖,更新間隔在3~12月,遠不能滿足需求。而利用包括國際海事衛(wèi)星C系統(tǒng)、北斗衛(wèi)星、Argos衛(wèi)星等手段獲取的船舶位置數(shù)據(jù)來進行碼頭挖掘,為解決獲得碼頭空間信息問題提供了新手段。利用自動識別系統(tǒng)AIS獲取的海量船舶位置數(shù)據(jù),提出了一種基于自優(yōu)化參數(shù)的碼頭挖掘算法DBSCAN。一方面能夠面向不同船舶類型的不同密度分布進行自動學習優(yōu)化DBSCAN核心參數(shù),進而聚類出包含碼頭的停泊區(qū)域,具備很強的靈活性;另一方面,融合岸基結(jié)構(gòu)物等空間數(shù)據(jù),對停泊區(qū)域中的錨區(qū)和臨時停泊區(qū)域等進行排除,獲取碼頭的空間信息,并且達到很高的準確率。利用2012年4月至2014年4月兩年中國滾裝船的真實軌跡數(shù)據(jù)和國際滾裝船真實軌跡數(shù)據(jù)進行了碼頭挖掘?qū)嶒?準確率能夠達到93%以上。
【作者單位】： 北京化工大學信息學院;中國科學院計算技術(shù)研究所;
【關(guān)鍵詞】： 自動識別系統(tǒng) 船舶位置數(shù)據(jù) DBSCAN算法 自動優(yōu)化參數(shù) 碼頭挖掘
【分類號】：TP311.13
【正文快照】： 1引言船舶目標跟蹤方法有很多種,比如國際海事衛(wèi)星C系統(tǒng)、北斗衛(wèi)星、Argos衛(wèi)星、AIS(AutomaticIdentification System)等。不同方法各有優(yōu)劣,比如國際海事衛(wèi)星C系統(tǒng)是全天候、全球范圍、穩(wěn)定可靠的,但是終端價格和通信費稍高;北斗衛(wèi)星技術(shù)速度快,但目前只是區(qū)域性,且終端尚不

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王勇;;AIS技術(shù)在航海實踐中的應(yīng)用分析[J];科技與企業(yè);2013年22期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 徐曉梅;;AIS技術(shù)在航海中的應(yīng)用及發(fā)展淺析[J];科技致富向?qū)?2015年17期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 張鋒;AIS二進制電文中文顯示終端的研究與開發(fā)[D];集美大學;2014年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉巧明;戴海智;;探討AIS在保障水上交通安全中的作用[J];珠江水運;2010年07期

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 劉瑜;基于AIS的船舶動態(tài)監(jiān)控及其應(yīng)用[D];大連海事大學;2008年

2 車得飛;水上安全監(jiān)管系統(tǒng)中AIS信息處理技術(shù)研究[D];大連海事大學;2008年

3 荊曉剛;基于AIS的港口引航生產(chǎn)安全監(jiān)控管理系統(tǒng)開發(fā)與應(yīng)用[D];大連海事大學;2008年

4 劉鏗;內(nèi)河船舶交通動態(tài)協(xié)調(diào)管理方法研究[D];武漢理工大學;2010年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周水庚,周傲英,曹晶;基于數(shù)據(jù)分區(qū)的DBSCAN算法[J];計算機研究與發(fā)展;2000年10期

2 ;Scaling up the DBSCAN Algorithm for Clustering Large Spatial Databases Based on Sampling Technique[J];Wuhan University Journal of Natural Sciences;2001年Z1期

3 岳士弘,李平,郭繼東,周水庚;Using Greedy algorithm: DBSCAN revisited II[J];Journal of Zhejiang University Science;2004年11期

4 蔡穎琨,謝昆青,馬修軍;屏蔽了輸入?yún)?shù)敏感性的DBSCAN改進算法[J];北京大學學報(自然科學版);2004年03期

5 宋明,劉宗田;基于數(shù)據(jù)交疊分區(qū)的并行DBSCAN算法[J];計算機應(yīng)用研究;2004年07期

6 熊忠陽,孫思,張玉芳,王秀瓊;一種基于劃分的不同參數(shù)值的DBSCAN算法[J];計算機工程與設(shè)計;2005年09期

7 何中勝;劉宗田;莊燕濱;;基于數(shù)據(jù)分區(qū)的并行DBSCAN算法[J];小型微型計算機系統(tǒng);2006年01期

8 李杰;賈瑞玉;張璐璐;;一個改進的基于DBSCAN的空間聚類算法研究[J];計算機技術(shù)與發(fā)展;2007年01期

9 馮少榮;肖文俊;;基于密度的DBSCAN聚類算法的研究及應(yīng)用[J];計算機工程與應(yīng)用;2007年20期

10 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進算法[J];計算機應(yīng)用;2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 馬帥;宋國杰;唐世渭;楊冬青;王騰蛟;;基于單元劃分的DBSCAN聚類算法[A];第十九屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2002年

2 朵春紅;王翠茹;;基于取樣的DBSCAN聚類算法及其遺傳優(yōu)化[A];第一屆中國高校通信類院系學術(shù)研討會論文集[C];2007年

3 龐洋;李海林;郭義喜;;基于DBSCAN算法的日志信息聚類研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集[C];2007年

4 宮蕊;舒紅平;郭遠遠;;基于DBSCAN的密度聚類算法的研究[A];2008'中國信息技術(shù)與應(yīng)用學術(shù)論壇論文集（二）[C];2008年

5 張健沛;許慧;楊靜;崔洪晶;;基于數(shù)據(jù)分區(qū)、QR~*-樹的并行DBSCAN算法[A];2006北京地區(qū)高校研究生學術(shù)交流會——通信與信息技術(shù)會議論文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25屆中國控制與決策會議論文集[C];2013年

7 范曄;周水庚;曹晶;周傲英;;通過數(shù)據(jù)取樣擴展基于密度的聚類算法[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

8 曹晶;周水庚;范曄;周傲英;;數(shù)據(jù)分區(qū):一種改善基于密度的聚類算法的方法[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陸穎華;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大學;2015年

2 汪洋;采用DBSCAN聚類的自適應(yīng)步長細菌覓食算法[D];南京師范大學;2015年

3 羅啟福;基于云計算的DBSCAN算法研究[D];武漢理工大學;2013年

4 吳林敏;針對非均勻數(shù)據(jù)集的DBSCAN過濾式改進算法[D];重慶大學;2009年

5 虞倩倩;基于數(shù)據(jù)劃分的DBSCAN算法研究[D];江南大學;2013年

6 黃毅磊;DBSCAN算法及在城市網(wǎng)格化管理中的應(yīng)用[D];上海交通大學;2010年

7 孫思;利用遺傳思想進行數(shù)據(jù)劃分的DBSCAN算法研究[D];重慶大學;2005年

8 許慧;基于數(shù)據(jù)分區(qū)和QR*樹的并行DBSCAN算法研究[D];哈爾濱工程大學;2007年

9 王雅光;基于Hadoop平臺的DBSCAN算法應(yīng)用研究[D];廣東工業(yè)大學;2013年

10 李靜;結(jié)合蟻群算法與基于劃分的DBSCAN聚類算法的研究[D];東北師范大學;2011年

，

本文編號：680905