CN112164247A

CN112164247A - 一种基于船舶轨迹聚类的船舶航线预测方法

Info

Publication number: CN112164247A
Application number: CN202010914709.8A
Authority: CN
Inventors: 梁山; 商永康; 王德军; 张茹
Original assignee: Chongqing University
Current assignee: Chongqing University
Priority date: 2020-09-03
Filing date: 2020-09-03
Publication date: 2021-01-01

Abstract

本发明涉及长江数字化航道技术领域，提供了一种基于船舶轨迹聚类的船舶航线预测方法，从而提高船舶航线预测的准确性，包括以下步骤：获取目标船舶在该航道的船舶轨迹数据，并对其中存在的缺失值、异常值及数据格式进行预处理，获得该船舶高质量的历史航线数据集；对该预测船舶的历史航线进行聚类，提取该船舶在控制河段内航行的典型特征航线，将该船舶当前轨迹与特征航线的进行匹配，预测该船舶通过控制河段选择的航线，并基于该预测航线计算船舶通行时间。

Description

一种基于船舶轨迹聚类的船舶航线预测方法

技术领域

本发明涉及长江数字化航道技术领域，尤其涉及一种船舶航线预测方法。

背景技术

长江航道内控制河段是影响船舶通行安全和通行效率的主要区域。由于控制河段滩多水急、弯曲狭窄，目前信号台指挥船舶通行顺序主要依靠于人工指挥或者通过控制河段船舶通行智能辅助指挥系统自动接收AIS信号，实时了解船舶航行动态，基于先到先服务原则可判定船舶通行顺序。通过提高船舶航线预测的准确性可提高通行时间预测的准确性，从而保证船舶安全、高效、有序的通过控制河段，提高长江航运的交通运输能力。

目前，指挥系统假设所有船舶均沿航道中心线这一条固定航线为起点实时对地航速匀速通过控制河段。但是实际上船舶在通过控制河段时会根据自身特征以及航道环境选择合适的航线，不可能沿固定航线前行。

目前对船舶轨迹预测研究主要有两种方法：第一种方法是基于船舶当前轨迹预测船舶航线。该类方法基本研究思路是基于船舶当前轨迹，通过对船舶当前轨迹进行拟合实现船舶航线预测的目的。这类方法在下一个位置点的预测精度非常高，然而随着预测轨迹点数目的增加，预测的精度会快速下降，无法满足控制河段航线预测的轨迹点数目较多的需求。

第二种方法是船舶当前轨迹与船舶历史航线进行匹配。该类方法研究思路为分析船舶历史航行时的典型特征，通过将船舶当前航行特征与历史航行特征进行匹配，匹配的方案有两种：第一种方案为建立船舶历史航线数据库。专利--基于航线匹配的船舶点到点航行时间估算方法，根据目标船舶当前航向特征筛选出待匹配的备选航线，将船舶当前轨迹与备选航线进行一一匹配，选择一条与目标预测船舶最为相似的航线作为目标预测船舶可能选择的航线。该类方法成功匹配后，预测的精度很高，然而如果当选定的备选航线数目非常多时，会需要很长的匹配时间。因此，该类方法一般需要比较高的时间成本，实时性较差。第二种方案为首先通过轨迹聚类的方法将船舶历史航线划分为多个类别，通过预测船舶可能选择的类别来预测船舶可能选择的航线。该类方法预测效果较第一方案好且效率佳，但是针对的是所有船舶历史轨迹的聚类，并且聚类时没有考虑目标船舶航速等实际情况。

综上可知，提高控制河段船舶航线预测的准确性可以提高控制河段船舶通行时间预测的准确性，方法的选择尤为重要。因此，对具体选定的某一船舶的历史轨迹或者与它相似船舶历史轨迹聚类并通过匹配寻找其航线具有实际且重要意义。

发明内容

有鉴于此，本发明提供了一种基于船舶轨迹聚类的控制河段船舶航线预测方法，能够有效的提高制河段船舶航线预测的准确性。

本发明采用以下技术方案解决上述技术问题：

基于船舶航线轨迹聚类的控制河段船舶航线预测方法，包括如下步骤：

1)通过AIS和/或雷达检测是否有船舶进入匹配区；

2)当检测到有艘船舶进入匹配区域时，根据历史数据库中该船舶的过往历史数据，通过对轨迹数据点的处理筛选出聚类所需要的该船舶在该航道的历史轨迹；

3)将选取的船舶历史轨迹划分为多个空间；

4)对区间内该船舶历史轨迹自动聚类后将结果进行归类整合，实现该船舶整条历史轨迹的聚类，并提取每一类历史轨迹中在匹配区的特征轨迹；

5)对该船舶当前在匹配区的航行轨迹与提取的匹配区中的特征轨迹之间进行匹配，实现目标预测船舶的航线预测。

进一步，步骤1)中，将该航道分为控制河段和匹配区两个区域。

进一步，步骤2)中，将包含的船舶轨迹数据中存在的缺失值、异常值及数据格式进行预处理，以获得高质量的船舶历史轨迹数据集，为船舶轨迹聚类提供可靠的数据支撑。该历史数据为经过该控制河段的某艘具体船舶的历史数据。

进一步，步骤2)中若数据库没有该船舶历史数据，则选取与目标预测船舶的类型、船长、船宽、载重特征相近的历史轨迹。

进一步，步骤3)中，在区域划分过程中，首先将该船舶历史轨迹中明显的汇合分离点作为分割点，再对分割完成的区域进行平均分割

进一步，步骤4)中进行轨迹聚类时计算相似度距离采用了改进的豪斯多夫(Hausdorff)距离，考虑了轨迹点之间的位置距离因素、实际的航速信息因素以及该时段水位因素。

进一步，步骤5)中包含该船舶当前航行轨迹与特征轨迹在匹配区的匹配，度量船舶轨迹相似性，从而选择船舶通过控制河段可能选择的航线。

本发明的基于船舶轨迹聚类的控制河段船舶航线预测方法，通过对指定船舶当前的航线轨迹与提取历史航线后轨迹聚类并提取的特征航线轨迹进行匹配，有效的克服了预测精度低、匹配时间长等问题，较已存在的方案能够大幅度提高预测的准确性。将该发明应用到某控制河段，可以提高通行指挥效率，更高效准确的完成通行指挥，具有广阔的市场空间和应用前景。

附图说明

图1示出基于船舶轨迹聚类的船舶航线预测方法流程图；

图2示出基于船舶轨迹聚类的船舶航线预测方法中的轨迹匹配示意图；

图3示出基于船舶轨迹聚类的船舶航线预测方法中的船舶匹配方法流程图。

具体实施方式

以下结合附图，对本发明进行详细说明：

参见图1：基于船舶轨迹聚类的船舶航线预测方法，包括如下步骤：

1)参见图2，将某一航道划分为两个区域，一个区域是上界限标到下界限标的控制河段，另一个区域是上界限标或下界限标外的匹配区。通过AIS和/或雷达检测是否有船舶进入匹配区。

2)当检测到有某搜船舶进入匹配区域时，根据历史数据库中该船舶的过往历史数据，通过对轨迹数据点的处理筛选出聚类所需要的该控制河段以及匹配区的船舶历史轨迹。本发明采用基于MMSI选取目标预测船舶的历史轨迹或选取与目标预测船舶的类型、船长、船宽、载重特征相近船舶的历史轨迹。

3)本发明采用区域划分的方法将筛选的该船舶历史轨迹划分为多个区间，实现整条轨迹的分段。在区域划分过程中，首先将该船舶历史轨迹中明显的汇合分离点作为分割点，再对分割完成的区域进行平均分割。

4)对筛选后的该船舶的历史轨迹分段后获得多个区间。对区间内该船舶的历史轨迹的进行聚类：首先利用的改进的基于密度聚类算法(DBSCAN)对每一个区间内的该船舶的历史轨迹进行聚类，然后采用灰狼优化算法(GWO)获取改进的基于密度聚类算法(DBSCAN)的参数最优组合，最后保存该船舶航线在每一个区间上的轨迹聚类结果。

对每个区间聚类结果进行归类整合后实现该船舶整条历史轨迹的聚类：首先获取每一条轨迹在各个区间上的轨迹聚类标签序列，然后将在各个区间上的轨迹聚类序列一致的整条轨迹归为一类，最后对划分后的每一类轨迹添加类标签。

如某目标预测船舶历史通过控制河段的轨迹有m条。根据船舶轨迹分段方法将其历史轨迹划分为3个区间。通过改进的DBSCAN聚类算法将第一个区间内的船舶轨迹分为2类，轨迹类别标签为1，2。第二个区间内的船舶轨迹分为3类，轨迹类别标签为3，4，5。第三个区间内的船舶轨迹分为3类，轨迹类别标签为6，7，8。这m条船舶历史轨迹中的每一条都有3个类别，如Tra1＝{2,3,6}，表示轨迹Tra1在第一个区间内属于轨迹簇2，第二区间内属于轨迹簇3，第三个区间内属于轨迹簇6。如果存在Trai＝{2,3,6}，则认为Tra1和Trai属于同一类航线，两者之间具有比较高的相似性。基于该规则m条船舶历史轨迹聚类的结果如表1所示。

表1 m条船舶历史轨迹聚类结果

提取该船舶每一类历史轨迹中在匹配区的特征轨迹：通过分别计算每一类中的每一条轨迹到该类其他轨迹相似度距离的平均值，选择相似度距离平均值最小的作为能够最大程度代表该类轨迹航行特征一条特征轨迹。

5)参见图3，对该船舶当前在匹配区的航行轨迹与提取的匹配区中的特征轨迹之间进行匹配实现目标预测

如：设某船舶历史轨迹聚类后提取出的特征轨迹如图2所示，图2中分为控制河段和匹配区两个区域。匹配区用于实现船舶当前航行轨迹与特征轨迹的匹配，控制河段区用于船舶通行时间预测。假设提取到的目标预测船舶的特征轨迹有3条，船舶轨迹匹配的步骤如下：①获取目标船舶在匹配区的航行轨迹s1；②获取3条特征轨迹在匹配区的航行轨迹s2，s3，s4；③分别计算s1与s2；s3；s4之间的相似度距离d1；d2，d3，距离的计算采用改进的Hausdorff距离；④根据计算得到的d1，d2，d3找出船舶通过控制河段可能选择的航线。步骤④中航线选择的方法如下：a.首先找出d1，d2，d3中最小的相似度距离，然后计算该最小距离与其他相似度距离之间的差值x；b.提取差值小于a＝0.2所对应的特征轨迹；c.若提取的特征轨迹只有一条，则说明这几条特征轨迹中只有该条特征轨迹与目标船舶当前轨迹具有比较高的相似度，那么目标船舶选择该条轨迹作为通过控制河段时的航线的概率非常高。于是直接将该条特征轨迹确定为目标船舶通过控制河段选择的航线。如目标船舶当前航行轨迹与图中的特征轨迹3在匹配区的相似度距离最小，而d3与d1，d2的差值较大，则将特征轨迹3确定为目标船舶通过控制河段的航线；d.若提取的特征轨迹有多条，则说明这几条特征轨迹都有可能成为目标船舶通过控制河段时选择的航线，则应计算目标预测船舶选择不同特征轨迹的概率。假设计算得到的轨迹相似度最小的为d1，但由于d1与d2之间的距离差值非常小，即认为目标船舶也有可能选择特征轨迹2通过控制河段。本文中目标船舶选择不同特征轨迹的概率计算方法为：假设特征轨迹1所属类别中有m条轨迹，特征轨迹2中所属类别中有n条轨迹，则目标选择特征轨迹1的概率为m/m+n，船舶选择特征轨迹2的概率为n/m+n。

最后需要说明的是，以上实施例为说明本发明的方法而非限制，本领域的技术人员应当理解。凡在本发明的宗旨和原则之内，所作的任何修改、等同替换等，均应涵盖在本发明的保护范围之内。

Claims

1.一种基于船舶轨迹聚类的船舶航线预测方法，其特征在于：包括以下步骤：

1)通过AIS和/或雷达检测是否有船舶进入匹配区；

2)当检测到有船舶进入匹配区域时，根据历史数据库中该船舶的过往历史数据，通过对轨迹数据点的处理筛选出聚类所需要的该控制河段以及匹配区的船舶历史轨迹；

3)将选取的该船舶历史轨迹划分为多个空间；

4)区间内该船舶历史轨迹聚类后将结果进行归类整合，实现该船舶整条历史轨迹的聚类，并提取每一类历史轨迹中在匹配区的特征轨迹；

2.如权利要求1所述的基于船舶轨迹聚类的船舶航线预测方法，其特征在于：所述步骤1)将该航道分为控制河段和匹配区两个区域。

3.如权利要求1所述的基于船舶轨迹聚类的船舶航线预测方法，其特征在于：所述步骤2)中包含的船舶轨迹数据中存在的缺失值、异常值及数据格式进行预处理，以获得高质量的船舶历史轨迹数据集，为船舶轨迹聚类提供可靠的数据支撑。该历史数据为经过该控制河段的某艘具体船舶的过往历史数据。步骤2)中若数据库没有该船舶历史数据，则选取与目标预测船舶的类型、船长、船宽、载重特征相近的历史轨迹。

4.如权利要求1所述的基于船舶轨迹聚类的船舶航线预测方法，其特征在于：所述步骤3)中在区域划分过程中，首先将该船舶历史轨迹中明显的汇合分离点作为分割点，再对分割完成的区域进行平均分割。

5.如权利要求1所述的基于船舶轨迹聚类的船舶航线预测方法，其特征在于：所述步骤4)中进行轨迹聚类时计算该船舶历史轨迹相似度距离，考虑了轨迹点之间的位置距离因素、实际的航速信息因素以及该时段水位因素。

6.如权利要求1所述的基于船舶轨迹聚类的船舶航线预测方法，其特征在于：所述步骤5)中包含该船舶当前航行轨迹与特征轨迹在匹配区的匹配，度量船舶轨迹相似性，从而选择该船舶通过该航道可能选择的航线。