[發明專利]一種基于改進K-Means聚類算法的船舶過橋行為特征提取方法

有效

• 申請號: 201910740212.6
• 申請日: 2019-08-12
• 公開（公告）號: CN110705582B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 毛喆;閻路平;張金奮
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 劉琰

本發明公開了一種基于改進K?Means聚類算法的船舶過橋行為特征提取方法，該方法包括以下步驟：步驟1、獲取測試集中橋區大量自由航行船舶的AIS數據；步驟2、對船舶行為特征參數進行標準化處理；步驟3、對船舶行為特征參數進行篩選，判斷船舶是否為跟馳行為，得到篩選后的獨立過橋船舶數據；步驟4、對獨立過橋船舶數據，選取初始聚類數目K0，通過對K?Means算法進行改進得到KM?ISO算法，使用KM?ISO算法對獨立過橋船舶數據進行聚類處理；步驟5、對測試集的過橋行為特征分布進行統計。本發明能快速準確地將船舶過橋行為特征進行了聚類分布統計，克服數據初始值、噪聲和離群值的敏感性，整個提取過程方便有效率，船舶過橋特征提取清晰可靠。

技術領域

本發明涉及船舶行為數據分析領域，尤其涉及一種基于改進K-Means聚類算法的船舶過橋行為特征提取方法。

背景技術

船舶過橋行為是指船舶在駕駛人員操縱下，以船舶航行過橋為主要目的行動方式與規律。內河船舶過橋航行中，船舶碰撞風險與船舶行為特征密切相關。傳統的監管模式是通過人力分析VTS和AIS并判斷，其效率較為低下，無法滿足日益嚴峻的海事監管形勢。而采取更為有效的船舶過橋行為提取方法，可應用于船舶異常行為辨識，如橋區船舶船速過快、過慢、偏航、違規追越等，以及橋區航行安全風險評估。

船舶自動識別系統(Automatic Identification System，AIS)是一種廣播式的船-船、船-岸信息自動交互設備，是目前獲取船舶交通流信息，進而分析船舶行為特征的重要手段。AIS信息中包含有船舶動態和靜態信息，通過AIS數據對船舶行為進行分析，從微觀上可掌握船舶在航法(操縱習慣)、航路選擇等方面的特征和規律，并發現其中存在的問題；從宏觀上可了解船舶交通流、船舶習慣航路等方面的特征和規律，為制定交通管理規劃和有關法規、實施船舶交通組織與管理提供依據。

在船舶行為特征提取方面，一般先對船舶航行軌跡進行聚類分析，通過基于原型、密度、圖等的聚類，發現其間的關系。在聚類基礎上，進一步利用分類、回歸等方法來建立模型進行預測、識別等應用。在此領域應用的聚類分析技術包括基于劃分的K均值算法；基于層次的BIRCH算法、凝聚層次聚類算法(AGNES)、分割層次聚類算法(DIANA)；基于密度的DBSCAN算法、 OPTICS算法等，它們均有各自的優缺點，如受初始設定值影響大、參數確定不易、難以克服噪聲和離群值的敏感性等等，在實際應用的時候需要對聚類算法進行改進以使結果更為精確。由此可見，在對船舶行為參數處理后，采取一種快速便捷、克服初始值、噪聲和離群值敏感性的改進算法來進行聚類分析，進而得以將船舶過橋行為特征得以提取是本發明解決的問題。

發明內容

本發明要解決的技術問題在于針對現有技術中傳統人力分析監管船舶的低效率的缺陷，提供一種基于改進K-Means聚類算法的船舶過橋行為特征提取方法。

本發明解決其技術問題所采用的技術方案是：

本發明提供一種基于改進K-Means聚類算法的船舶過橋行為特征提取方法，該方法包括以下步驟：

步驟1、獲取測試集中橋區大量自由航行船舶的AIS數據；

步驟2、根據獲取到的AIS數據，對船舶行為特征參數進行標準化處理；

步驟3、對船舶行為特征參數進行篩選，判斷船舶是否為跟馳行為，得到篩選后的獨立過橋船舶數據；

步驟4、對獨立過橋船舶數據，選取初始聚類數目K0，通過對K-Means 算法進行改進得到KM-ISO算法，使用KM-ISO算法對獨立過橋船舶數據進行聚類處理，提取船舶速度波動性特征、航向波動性特征以及位置特征；

步驟5、對測試集的過橋行為特征分布進行統計。