[發明專利]一種基于聚類算法和模式挖掘的船舶行為模式挖掘方法

在審

• 申請號: 202110247443.0
• 申請日: 2021-03-05
• 公開（公告）號: CN113032378A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 李永;陳菲婭
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2458;G06F16/29;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

一種基于聚類算法和模式挖掘的船舶行為模式挖掘方法涉及船舶的模式挖掘領域。本發明主要通過獲取船舶的軌跡數據庫中存儲的軌跡進行數據清洗和軌跡壓縮兩個過程的計算，將處理好的軌跡數據進行聚類產生簇，將簇作為頻繁項集進行頻繁序列的挖掘。本發明對其中的關鍵點聚類進行優化，能夠有效的利用聚類算法進行多類船舶數據的挖掘，從而能夠適應船舶大規模數據密度不均勻的特性，提高了行為模式挖掘的質量和準確性。

技術領域

本發明針對船舶軌跡的特性，利用改進型聚類算法和模式挖掘算法設計了一種船舶行為模式挖掘方法，實現了船舶在航行過程中行為軌跡的挖掘；涉及模式挖掘領域，尤其涉及船舶的模式挖掘領域。

背景技術

隨著近年來大數據、云服務、人工智能等新興技術的發展，我國對海洋建設也在信息化、數據化。與此同時，定位系統、通信設備、傳感器網絡等基礎技術的精度也在提升，應用也隨之廣泛。大規模數據也因各項技術的發展能夠有精確的采集和良好的存儲，船舶繁雜的大規模數據引起了政府、國防單位以及相關企業的廣泛關注，希望通過不同的技術方法進行數據的充分利用?；诰垲愃惴ê湍Ｊ酵诰虻拇靶袨槟Ｊ酵诰蚩梢岳么暗能壽E數據，通過聚類和挖掘手段形成目標歷史行為模板，從而可以為船舶數據的應用和處理提供重要的輔助和參考作用。

軌跡數據是移動對象在時空中移動點的集合，其中包括對象的經緯度、高度、速度、時間等信息，是移動目標行為活動中的快照。同時，隨著航海信息技術的不斷發展，船舶自動識別系統(Automatic Identification System，AIS)被強制安裝在船舶上，隨之而來產生海量的AIS信息數據，該信息數據中蘊含了豐富的船舶信息。從原始軌跡到行為模式應用之間，可以將設備采集的原始軌跡數據通過數據清洗和數據預處理等手段將噪聲、冗余、停留點等進行過濾和處理后，將數據用于模式挖掘，形成相對更加準確、可靠的移動目標歷史行為軌跡模板，展示目標個體或群體見的活動規律。通過多種技術手段對軌跡數據的分析可以挖掘出活動對象個體及群體間的活動規律，進而能夠為軌跡預測、交通規劃及?？漳繕吮O測提供支持。

聚類分析是數據挖掘的有效手段，已廣泛應用于模式識別，數據分析，圖像處理等領域。頻繁模式挖掘是軌跡數據模式挖掘的方向之一。

在聚類方法的分析中，考慮到船舶軌跡點難以精準重復，并且船舶數據密度分布不規則，同時，基于密度的聚類方法復雜度低，依據數據密度分布特征，可以對無規則形狀的數據集聚類。因此，確定基于密度聚類的算法比較適合船舶數據區域分散無形狀規則、數據大規模的特性。DBSCAN算法是基于密度的空間聚類算法中的典型代表，可以將高密度點區域劃分為簇，并有效地濾除低密度點區域，可以在含有噪聲的數據集中實現任意形狀的聚類。但DBSCAN算法對Eps和MinPts參數十分敏感，取值不當會導致聚類效果變差甚至不正確。

本發明提出通過對船舶原始數據集的預處理，通過改進型DBSCAN算法對船舶數據集進行聚類，并將聚類產生的簇作為供模式挖掘的數據頻繁項，使用模式挖掘算法對數據頻繁項進行挖掘，從而挖掘出船舶的行為模板序列。

發明內容

本發明提出一種基于改進型聚類算法和模式挖掘算法的船舶行為模式挖掘方法，主要通過獲取船舶的軌跡數據庫中存儲的軌跡進行數據清洗和軌跡壓縮兩個過程的計算，將處理好的軌跡數據進行聚類產生簇，將簇作為頻繁項集進行頻繁序列的挖掘。

本發明提供了一種船舶行為模式的挖掘方法，并對其中的關鍵點聚類進行優化，能夠有效的利用聚類算法進行多類船舶數據的挖掘，從而能夠適應船舶大規模數據密度不均勻的特性，提高了行為模式挖掘的質量和準確性。

本發明采用了如下的技術方案及實現步驟：

一種基于聚類算法和模式挖掘的船舶行為模式挖掘方法，

針對原始的軌跡數據存在冗余和噪聲，會給后續分析造成很大的不便，因此需要對原始軌跡數據進行預處理從而得到能供后續分析的軌跡數據。在預處理后的軌跡數據上，進行軌跡聚類，定義頻繁項集，并進行頻繁模式的挖掘。