MSIF-SSTR：一种基于多源信息融合的“快速走私者”走私快艇轨迹识别方法

《Expert Systems with Applications》：MSIF-SSTR: A ”Quick Smuggler” Smuggling Speedboat Trajectory Recognition Method Based on Multi-source Information Fusion

多源信息融合助力隐蔽走私船轨迹识别，提出MSIF-SSTR方法，融合夜间雷达轨迹与气象数据，创新采用双TCN网络提取运动与天气特征，结合KAN模块实现复杂轨迹建模，在HN_BF数据集上F1值达94.26%，显著优于 TimesNet 和 ResNet，并通过海上执法验证可靠性。

　　

胡珠华|孙一峰|赵耀琪|吴伟|孔凌凯|陈凯利

海南大学信息与通信工程学院，中国海南省海口市人民大道58号，570228

摘要

与海事行政部门合作识别走私活动并提升近岸船舶的管控能力具有重要的实际意义。然而，现有研究大多依赖于基本的AIS数据和简单特征，难以应对复杂的船舶行为。特别是在识别隐蔽和灵活的走私活动时，容易产生误判，效果有限。在实际执法中，区分真正可疑的“快速走私者”和正常的高速过境船只需要建模微妙的、深层次的时空线索，这些线索将运动动态与外部条件（如风、波浪、能见度）和背景相结合。简单的线性映射和浅层时间编码器常常无法准确捕捉速度突变或局部绕行，导致误报率升高。相比之下，TCN中的膨胀卷积感受野能够高效捕获多尺度的时间依赖性，而KAN层提供了自适应的非线性函数基础，以适应复杂的、局部变化的轨迹模式。这种协同作用特别适用于在变化的海况下进行的隐蔽夜间行动，因为真正的走私活动表现出常规船只难以模拟的轨迹微结构和受天气条件影响的行为。为了解决这些挑战，本研究提出了一种基于多源信息融合的“快速走私者”走私快艇轨迹识别方法（MSIF-SSTR）。首先，我们构建了HN_BF数据集，其中包含琼州海峡的真实夜间雷达轨迹及其对应的气象数据。接着，使用并行TCN网络分别提取运动特征和气象特征，使模型在特征提取过程中能够更好地捕捉全局时间依赖性。最后，将融合后的特征输入LSTM进行分类，并用Kolmogorov-Arnold网络（KAN）模块替代传统的全连接层，以改进复杂轨迹模式的表示。实验结果表明，MSIF-SSTR在HN_BF数据集上的F1分数超过94.2%，且计算效率高于现有最先进方法。实际应用验证了该模型的鲁棒性。

章节摘录

引言

联合国贸易和发展会议（UNCTAD）发布的《2023年海运运输报告》指出，尽管2022年全球海运贸易略有下降（0.4%），但随着经济的复苏，未来仍将保持缓慢增长。同时，在分析全球海运趋势时提到，尽管面临乌克兰战争等重大挑战，2023年海运贸易仍增长了2.4%，并且预计将继续增长。

相关工作

本章系统回顾了异常船舶行为的定义和主要检测方法，总结了现有研究的局限性，并进一步阐明了本研究与以往工作的区别，突出了该研究的创新价值和实际意义。

提出的方法

为了精确识别“快速走私者”的走私船轨迹，本章从三个角度系统介绍了MSIF-SSTR方法的完整技术解决方案：问题形式化、专用数据集构建和模型架构设计。首先，通过数学形式化明确了“快速走私者”轨迹识别的任务目标，为后续研究提供了严谨的逻辑起点；然后...

实验结果与分析

本章通过设计比较实验、消融研究、定性分析和实际应用，系统评估了MSIF-SSTR模型的整体性能。我们从四个维度进行了实证验证：准确性、效率、模块效果和实际适应性。结果显示，该模型在HN_BF数据集上的F1分数达到94.26%，显著优于基线模型。消融研究进一步...

讨论

本文第4.2至4.4节详细介绍了MSIF-SSTR模型相对于一些最新和典型网络的优势，并分析了各个MSIF-SSTR模块在整个框架中的作用和贡献。在对比实验中，MSIF-SSTR取得了最佳的评价指标，其评价指标比TimesNet和ResNet提高了约0.6%，而后两者虽然评价指标位居第二和第三，但在...

结论

本研究提出了一种基于多源信息融合的深度学习模型MSIF-SSTR，并使用中国琼州海峡附近的真实雷达数据和气象数据构建了“快速走私者”识别数据集HN_BF。MSIF-SSTR模型利用独立的TCN网络分别提取轨迹序列中的运动特征和气象特征。其中，我们提出了一种基于加性位置编码的新TCN网络来提取运动特征。

作者贡献声明

胡珠华：撰写 – 审稿与编辑、撰写原始草稿、验证、监督、软件开发、资源获取、方法论研究、资金申请、正式分析、数据管理、概念构建。孙一峰：撰写 – 审稿与编辑、软件开发、调查、正式分析、数据管理。赵耀琪：监督、资源获取、调查、正式分析、概念构建。吴伟：监督、调查、可视化、数据管理。孔凌凯：监督、资源获取

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。