[發明專利]基于變分自編碼器的船舶異常航跡數據檢測方法和裝置

在審

• 申請號: 202011323305.8
• 申請日: 2020-11-23
• 公開（公告）號: CN112395382A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 謝磊;常吉亮;查天奇;趙建偉
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06N3/04;G06N3/08;G06K9/62;G06F17/10
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 鄭勤振

1.一種船舶異常航跡數據檢測方法，其特征在于，包括：

采集船舶AIS軌跡數據；

對所述AIS軌跡數據進行預處理形成預處理數據；

根據所述預處理數據的維度構建基于變分自編碼器的異常檢測模型；

對所述異常檢測模型進行無監督訓練；

將訓練所述異常檢測模型的訓練數據在訓練好的模型中再執行一次，得到變分自編碼器所有編碼后再解碼的數據，計算這些數據的平均值，然后計算每一條訓練數據和這個平均值歐氏距離，得到一組歐氏距離，再計算出這組歐式距離的平均值，將該平均值的n倍作為誤差閾值α；

將待檢測的AIS軌跡數據預處理后輸入到所述訓練好的模型，計算輸入和輸出的誤差error；

根據所述誤差error與所述誤差閾值α關系，判斷所述待檢測的AIS軌跡數據是否為異常數據。

2.根據權利要求1所述的船舶異常航跡數據檢測方法，其特征在于，對所述AIS軌跡數據進行預處理包括異常數據剔除、數據格式統一化、數據標準化。

3.根據權利要求2所述的船舶異常航跡數據檢測方法，其特征在于，所述數據格式統一化為選取所述AIS軌跡數據中數據長度最大的為基準，其余的不滿足長度的使用三次樣條插值法補全。

4.根據權利要求2所述的船舶異常航跡數據檢測方法，其特征在于，所述數據標準化為以所檢測水域經緯度最大最小值為基準，對數據采用最大最小值歸一化，使所有數據取值范圍在[0，1]之間。

5.根據權利要求1所述的船舶異常航跡數據檢測方法，其特征在于，選取神經網絡作為變分自編碼器的編碼器和解碼器，選取已知數據所述預處理數據、隱變量的相對熵作為變分自編碼器的損失函數，模型訓練選取Adam優化算法求解損失函數的最小值。

6.一種船舶異常航跡數據檢測裝置，其特征在于，包括：

數據采集模塊，用于采集船舶AIS軌跡數據；

數據預處理模塊，用于對所述AIS軌跡數據進行預處理形成預處理數據；

模型構建模塊，用于根據所述預處理數據的維度構建基于變分自編碼器的異常檢測模型；

模型訓練模塊，用于對所述異常檢測模型進行無監督訓練；

誤差閾值確定模塊，用于將訓練所述異常檢測模型的訓練數據在訓練好的模型中再執行一次，得到變分自編碼器所有編碼后再解碼的數據，計算這些數據的平均值，然后計算每一條訓練數據和這個平均值歐氏距離，得到一組歐氏距離，再計算出這組歐式距離的平均值，將該平均值的n倍作為誤差閾值α；

計算模塊，用于將待檢測的AIS軌跡數據輸入到所述訓練好的模型，計算輸入和輸出的誤差error；

異常數據判斷模塊，根據所述誤差error與閾值α關系，判斷所述待檢測的AIS軌跡數據是否為異常數據。

7.根據權利要求6所述的船舶異常航跡數據檢測裝置，其特征在于，所述數據預處理模塊對所述AIS軌跡數據進行預處理包括異常數據剔除、數據格式統一化、數據標準化。

8.根據權利要求7所述的船舶異常航跡數據檢測裝置，其特征在于，所述數據格式統一化為選取所述AIS軌跡數據中數據長度最大的為基準，其余的不滿足長度的使用三次樣條插值法補全。

9.根據權利要求7所述的船舶異常航跡數據檢測裝置，其特征在于，所述數據標準化為以所檢測水域經緯度最大最小值為基準，對數據采用最大最小值歸一化，使所有數據取值范圍在[0，1]之間。

10.根據權利要求6所述的船舶異常航跡數據檢測裝置，其特征在于，選取神經網絡作為變分自編碼器的編碼器和解碼器，選取已知數據所述預處理數據、隱變量的相對熵作為變分自編碼器的損失函數，模型訓練選取Adam優化算法求解損失函數的最小值。